История формирования проблемы искусственного интеллекта.

Содержание

Введение
1. Понятие искусственного интеллекта
2. Предыстория искусственного интеллекта
3. История искусственного интеллекта
Заключение
Список литературы

История формирования проблемы искусственного интеллекта.

Как можно распознать неразрешимую проблему? Один из приемлемых методов такого распознавания представлен в виде теории NP-полноты, впервые предложенной Стивеном Куком и Ричардом Карпом. Кук и Карп показали, что существуют большие классы канонических задач комбинаторного поиска и формирования рассуждений, которые являются NP-полными. Существует вероятность того, что любой класс задач, к которому сводится этот класс NP-полных задач, является неразрешимым. Эти результаты контрастируют с тем оптимизмом, с которым в популярных периодических изданиях приветствовалось появление первых компьютеров под такими заголовками, как «Электронные супермозги», которые думают «быстрее Эйнштейна». Несмотря на постоянное повышение быстродействия компьютеров, характерной особенностью интеллектуальных систем является экономное использование ресурсов. Иными словами, наш мир, в котором должны освоиться системы ИИ – это чрезвычайно крупный экземпляр задачи. В последние годы методы искусственного интеллекта помогли разобраться в том, почему некоторые экземпляры NP-полных задач являются сложными, а другие простыми.
Кроме логики и теории вычислений, третий по величине вклад математиков в искусственный интеллект состоял в разработке теории вероятностей. Идея вероятности была впервые сформулирована итальянским математиком Джироламо Кардано (1501 – 1576 гг.) [11], который описал ее в терминах результатов событий с несколькими исходами, возникающих в азартных играх. Теория вероятностей быстро стала неотъемлемой частью всех количественных наук, помогая использовать недостоверные результаты измерений и неполные теории. Пьер Ферма (1601 – 1665 гг.) [30], Блез Паскаль (1623 – 1662 гг.) [22], Якоб Бернулли (1654 – 1705 гг.) [3], Пьер Лаплас (1749 – 1827 гг.) [17] и другие ученые внесли большой вклад в эту теорию и ввели новые статистические методы. Томас Байес (1702 – 1761 гг.) предложил правило обновления вероятностей с учетом новых фактов. Правило Байеса и возникшее на его основе научное направление, называемое байесовским анализом, лежат в основе большинства современных подходов к проведению рассуждений с учетом неопределенности в системах искусственного интеллекта.
Экономика. Экономика как наука возникла в 1776 г., когда шотландский философ Адам Смит (1723 – 1790 гг.) опубликовал свою книгу «Исследование о природе и причинах богатства народов» [26]. Важный вклад в экономику был сделан еще древнегреческими учеными и другими предшественниками Смита, но только Смит впервые сумел оформить эту область знаний как науку, используя идею, что любую экономику можно рассматривать как состоящую из отдельных агентов, стремящихся максимизировать свое собственное экономическое благосостояние. Большинство людей считают, что экономика посвящена изучению денежного оборота, но любой экономист ответит на это, что в действительности он изучает то, как люди делают выбор, который ведет к предпочтительным для них результатам. Математическая трактовка понятия «предпочтительных результатов», или полезности, была впервые формализована Леоном Валрасом (1834 – 1910 гг.), уточнена Фрэнком Рамсеем [23], а затем усовершенствована Джоном фон Нейманом и Оскаром Моргенштерном в книге «Теория игр и экономического поведения» [21].
Теория решений, которая объединяет в себе теорию вероятностей и теорию полезности, предоставляет формальную и полную инфраструктуру для принятия решений (в области экономики или в другой области) в условиях неопределенности. Она хорошо подходит для «крупных» экономических образований, где каждый агент не обязан учитывать действия других агентов как индивидуумов. А в «небольших» экономических образованиях ситуация в большей степени напоминает игру, поскольку действия одного игрока могут существенно повлиять на полезность действий другого. Теория игр, разработанная фон Нейманом и Моргенштерном, позволяет сделать неожиданный вывод, что в некоторых играх рациональный агент должен действовать случайным образом или, по крайней мере, таким образом, который кажется случайным для соперников.
Экономисты чаше всего не пытаются выработать способ принятия рациональных решений в тех условиях, когда вознаграждение в ответ на определенные действия не предоставляется немедленно, а становится результатом нескольких действий, выполненных в определенной последовательности. Изучению этой темы посвящена область исследования операций, которая возникла во время Второй мировой войны в результате усилий, которые были предприняты в Британии по оптимизации работы радарных установок, а в дальнейшем нашла применение и в гражданском обществе при выработке сложных управленческих решений.
Неврология. Неврология – это наука, посвященная изучению нервной системы, в частности мозга. Одной из величайших загадок, не поддающихся научному описанию, остается определение того, как именно мозг обеспечивает мышление. Понимание того, что мышление каким-то образом связано с мозгом, существовало в течение тысяч лет, поскольку люди обнаружили, что сильные удары по голове могут привести к умственному расстройству.
Исследования афазии (нарушения речи) у пациентов с повреждением мозга, проведенные Полем Брока (1824 – 1880 гг.) в 1861 г., пробудили интерес к этой научной области и послужили для многих представителей медицины доказательством существования в мозгу локализованных участков, ответственных за конкретные познавательные функции. На данный момент ученые располагают некоторыми данными о том, как связаны между собой отдельные области мозга и те части тела, которыми они управляют или от которых получают сенсорные данные.
Работы в области неврологии позволяют сделать заключение о том, что совместная работа простых стволовых клеток может приводить к появлению мышления, действия и сознания или, другими словами, что мозг порождает разум.
Мозг и цифровой компьютер выполняют совершенно разные задачи и имеют различные свойства. В типичном мозгу человека имеется в 1000 раз больше нейронов, чем логических элементов в процессоре типичного компьютера высокого класса. Микросхемы компьютера способны выполнить отдельную команду меньше чем за наносекунду, тогда как нейроны действуют в миллионы раз медленнее. Но мозг восполняет этой свой недостаток, поскольку все его нейроны и синапсы действуют одновременно, тогда как большинство современных компьютеров имеет небольшое количество процессоров. Таким образом, даже несмотря на то, что компьютер обладает преимуществом более чем в миллион раз в физической скорости переключения, оказывается, что мозг по сравнению с ним выполняет все свои действия примерно в 100 000 раз быстрее.
Психология. Истоки научной психологии обычно прослеживаются до работ немецкого физика Германа фон Гельмгольца (1821 – 1894 гг.) [8] и его студента Вильгельма Вундта (1832 – 1920 гг.) [7]. Гельмгольц применил научный метод для изучения зрения человека. Вундт проводил эксперименты, в которых его сотрудники выполняли задачи по восприятию или формированию ассоциаций, проводя интроспективные наблюдения за своими мыслительными процессами.
Взгляды, согласно которым мозг рассматривается как устройство обработки информации, характерные для представителей когнитивной психологии, прослеживаются, по крайней мере, до работ Уильяма Джеймса (1842 – 1910 гг.) [32]. Гельмгольц также утверждал, что восприятие связано с определенной формой подсознательного логического вывода. В Соединенных Штатах такой подход к изучению познавательных процессов был, в основном, отвергнут из-за широкого распространения бихевиористских взглядов, но на факультете прикладной психологии Кембриджского университета, возглавляемом Фредериком Бартлеттом (1886 – 1969 гг.), удалось организовать проведение широкого спектра работ в области когнитивного моделирования. Студент и последователь Бартлетта Кеннет Крэг привел весомые доводы в пользу допустимости применения таких «мыслительных» терминов, как убеждения и цели, доказав, что они являются не менее научными, чем давление и температура. Крэг обозначил следующие три этапа деятельности агента, основанного на знаниях: во-первых, действующий стимул должен быть преобразован во внутреннее представление, во-вторых, с этим представлением должны быть выполнены манипуляции с помощью познавательных процессов для выработки новых внутренних представлений, и, в-третьих, они должны быть, в свою очередь, снова преобразованы в действия.
В Соединенных Штатах работы в области компьютерного моделирования привели к созданию такого научного направления, как когнитология. Было показано, как можно использовать компьютерные модели для решения задач в области психологии, запоминания, обработки естественного языка и логического мышления. В настоящее время среди психологов находят широкое признание взгляды на то, что любая теория познания должна напоминать компьютерную программу, т.е. она должна подробно описывать механизм обработки информации, с помощью которого может быть реализована некоторая познавательная функция.
Вычислительная техника. Для успешного создания искусственного интеллекта требуется, во-первых, интеллект и, во-вторых, артефакт. Наиболее предпочтительным артефактом в этой области всегда был компьютер. Современный цифровой электронный компьютер был изобре­тен независимо и почти одновременно учеными трех стран, участвующих во Второй мировой войне. Первым операционным компьютером было электромеханическое устройство, созданное в 1940 г. группой Алана Тьюринга [29] для единственной цели – расшифровки сообщений, передаваемых немецкими войсками. В 1943 г. та же группа разработала мощный компьютер общего назначения, в конструкции которого применялись электронные лампы. Первым операционным программируемым компьютером был компьютер, изобретенный Конрадом Цузе в Германии в 1941 г. Первый электронный компьютер был собран Джоном Атанасовым и его студентом Клиффордом Берри в период с 1940 по 1942 гг. в университете штата Айова.
За прошедшее с тех пор время появилось несколько поколений компьютерного аппаратного обеспечения, причем каждое из них характеризовалось увеличением скорости и производительности, а также снижением цены. Производительность компьютеров, созданных на основе кремниевых микросхем, удваивается примерно через каждые 18 месяцев, и такая скорость роста наблюдается уже в течение двух десятилетий. После достижения пределов этого роста потребуется молекулярная инженерия или какая-то другая, новая технология.
Безусловно, вычислительные устройства существовали и до появления электронного компьютера. Первым программируемым устройством был ткацкий станок, изобретенный в 1805 г. Жозефом Марией Жаккардом (1752 – 1184 гг.), в котором использовались перфокарты для хранения инструкций по плетению узоров ткани. В середине XIX столетия Чарльз Бэббидж (1792 – 1871 гг.) разработал проект «аналитической машины». В ней было предусмотрено использование адресуемой памяти, хранимых программ и условных переходов. Также она была первым артефактом, способным выполнять универсальные вычисления.
Искусственный интеллект во многом обязан также тем направлениям компьютерных наук, которые касаются программного обеспечения, поскольку именно в рамках этих направлений создаются операционные системы, языки программирования и инструментальные средства, необходимые для написания современных программ. Но эта область научной деятельности является также одной из тех, где искусственный интеллект в полной мере возмещает свой долг: работы в области искусственного интеллекта стали источником многих идей, которые затем были воплощены в основных направлениях развития компьютерных наук, включая разделение времени, интерактивные интерпретаторы, персональные компьютеры с оконными интерфейсами и поддержкой позиционирующих устройств, применение среды ускоренной обработки, создание типов данных в виде связных списков, автоматическое управление памятью и ключевые концепции символического, функционального, динамического и объектно-ориентированного программирования.
Теория управления и кибернетика. Центральной фигурой в создании теории управления был Норберт Винер (1894 – 1964 гг.). Винер был блестящим математиком, проявившим интерес к изучению биологических и механических систем управления и их связи с познанием. Он рассматривал целенаправленное поведение как обусловленное действием регуляторного механизма, пытающего минимизировать «ошибку» - различие между текущим и целевым состоянием. В конце 1940-х годов Винер совместно с Уорреном Мак-Каллоком [20], Уолтером Питтсом [20] и Джоном фон Нейманом [21] организовал ряд конференций, на которых рассматривались новые математические и вычислительные модели познания. Книга Винера «Кибернетика» [5], в которой было впервые дано определение кибернетики как науки, стала бестселлером и убедила широкие круги общественности в том, что мечта о создании машин, обладающих искусственным интеллектом, воплотилась в реальность.
Предметом современной теории управления, особенно той её ветви, которая получила название стохастического оптимального управления, является проектирование систем, которые максимизируют целевую функцию во времени.
3. История искусственного интеллекта
Первая работа, которая теперь по общему признанию считается относящейся к искусственному интеллекту, была выполнена Уорреном Мак-Каллоком и Уолтером Питтсом [20]. Они черпали вдохновение из трех источников: знание основ физиологии и назначения нейронов в мозгу; формальный анализ логики высказываний, взятый из работ Рассела и Уайтхеда; а также теория вычислений Тьюринга. Мак-Каллок и Питтс предложили модель, состоящую из искусственных нейронов, в которой каждый нейрон характеризовался как находящийся во «включенном» или «выключенном» состоянии, а переход во «включенное» состояние происходил в ответ на стимуляцию достаточного количества соседних нейронов. Состояние нейрона рассматривалось как «фактически эквивалентное высказыванию, в котором предлагается адекватное количество стимулов». Работы этих ученых показали, например, что любая вычислимая функция может быть вычислена с помощью некоторой сети из соединенных нейронов и что все логические связки могут быть реализованы с помощью простых сетевых структур. Кроме того, Мак-Каллок и Питтс выдвинули предположение, что сети, структурированные соответствующим образом, способны к обучению. Дональд Хебб продемонстрировал простое правило обновления для модификации количества соединений между нейронами. Предложенное им правило, называемое теперь правилом хеббовского обучения, продолжает служить основой для моделей, широко используемых и в наши дни.
В Принстонском университете проводил свои исследования еще один авторитетный специалист в области искусственного интеллекта, Джон Маккарти. После получения ученой степени Маккарти перешел в Дартмутский колледж, который и стал официальным местом рождения этой области знаний. Маккарти уговорил Марвина Минского, Клода Шеннона и Натаниэля Рочестера, чтобы они помогли ему собрать всех американских исследователей, проявляющих интерес к теории автоматов, нейронным сетям и исследованиям интеллекта. Они организовывали двухмесячный семинар в Дартмуте летом 1956 г. Дартмутский семинар не привел к появлению каких-либо новых крупных открытий, но позволил познакомиться всем наиболее важным деятелям в этой научной области.
Первые годы развития искусственного интеллекта были полны успехов, хотя и достаточно скромных. Если учесть, какими примитивными были в то время компьютеры и инструментальные средства программирования, и тот факт, что лишь за несколько лет до этого компьютеры рассматривались как устройства, способные выполнить только арифметические, а не какие-либо иные действия, можно лишь удивляться тому, как удалось заставить компьютер выполнять операции, хоть немного напоминающие разумные. Были созданы первые программы искусственного интеллекта.
С самого начала исследователи искусственного интеллекта не отличались сдержанностью, высказывая прогнозы в отношении своих будущих успехов. Это было связано с тем, что первые системы искусственного интеллекта демонстрировали многообещающую производительность, хотя и на простых примерах. Но почти во всех случаях эти ранние системы терпели сокрушительное поражение, сталкиваясь с более широким кругом проблем или с более трудными проблемами.
Сложности первого рода были связаны с тем, что основная часть ранних программ не содержала знаний или имела лишь небольшой объём знаний о своей предметной области; их временные успехи достигались за счёт простых синтаксических манипуляций.
Сложности второго рода были связаны с неразрешимостью многих проблем, решение которых пытались найти с помощью искусственного интеллекта. В большинстве ранних программ искусственного интеллекта решение задач осуществлялось по принципу проверки различных комбинаций возможных шагов, которая проводилась до тех пор, пока не будет найдено решение.
Сложности третьего рола возникли в связи с некоторыми фундаментальными ограничениями базовых структур, которые использовались для выработки интеллектуального поведения.
Основной подход к решению задач, сформированный в течение первого десятилетия исследований в области искусственного интеллекта, представлял собой механизм поиска общего назначения, с помощью которого предпринимались попытки связать в единую цепочку элементарные этапы проведения рассуждений для формирования полных решений. Подобные подходы получили название слабых методов, поскольку они не позволяли увеличить масштабы своего применения до уровня более крупных или более сложных экземпляров задач, несмотря на то, что были общими. Альтернативным по сравнению со слабыми методами стал подход, предусматривающий использование более содержательных знаний, относящихся к проблемной области, который позволяет создавать более длинные цепочки шагов логического вывода и дает возможность проще справиться с теми проблемными ситуациями, которые обычно возникают в специализированных областях знаний. Как известно, чтобы решить достаточно сложную задачу, необходимо уже почти полностью знать ответ.
В последние годы произошла буквально революция как в содержании, так и в методологии работ в области искусственного интеллекта. В настоящее время гораздо чаще встречаются работы, которые основаны на существующих теориях, а не содержат описания принципиально новых открытий; утверждения, изложенные в этих работах, основаны на строгих теоремах или надёжных экспериментальных свидетельствах, а не на интуиции; при этом обоснованность сделанных выводов подтверждается на реальных практических приложениях, а не на игрушечных примерах.
Какие же возможности предоставляет искусственный интеллект в наши дни? Перечислим несколько направлений:
автономное планирование и составление расписаний;
ведение игр;
автономное управление;
диагностика;
планирование снабжения;
робототехника;
понимание естественного языка и решение задач.
Выше приведено лишь несколько примеров систем искусственного интеллекта, которые существуют в настоящее время. В заключение отметим, что искусственный интеллект – это не магия и не научная фантастика, а сплав методов науки, техники и математики.
Заключение
В исследовании дано определение искусственного интеллекта и описан исторический контекст, в котором развивалась эта область науки. Ниже приведены наиболее важные выводы работы.
1. Взгляды ученых на искусственный интеллект не совпадают. Для того чтобы определить наиболее приемлемый для себя подход, необходимо ответить на два важных вопроса: «Интересует ли вас в основном мышление или поведение?» и «Стремитесь ли вы моделировать способности людей или строить свою работу исходя из идеального стандарта?»
2. Философы (начиная с 400 г. до н.э.) заложили основы искусственного интеллекта, сформулировав идеи, что мозг в определенных отношениях напоминает машину, что он оперирует знаниями, закодированными на каком-то внутреннем языке, и что мышление может использоваться для выбора наилучших предпринимаемых действий.