Анекдот из журнала. Один мужчина купил дом c искусственным интеллектом. Уже через неделю умный дом называл его лентяем, а через месяц мужчина сам мыл посуду и стирал носки, после чего ему включался футбол.
Понятия естественный интеллект и искусственный интеллект (ЕИ, ИИ от лат. intellectus - познание - понимание, рассудок), способность мышления, рационального познания, у человека – ЕИ, у робота – ИИ. ИИ можно определить как область компьютерной науки, занимающуюся автоматизацией разумного поведения неживых объектов. Здесь не будем оценивать и анализировать многочисленные другие определения ИИ и заострять внимание на предлагаемых разными авторами текстах, чтобы не застрять на этом. Понимание ИИ как системы, способной решать задачи доступные в прошлом только человеку, без всяких упоминаний эмуляции сознания, — также используется. И современные системы ИИ вполне этому определению отвечают.
Кроме того, в ИИ должно быть реализовано основное свойство,– это возможность и стремление к самообучению без участия человека через интернет. Искусственный интеллект прежде всего, это самостоятельное обучение и самостоятельное мышление на основе полученной информации, знаний в результате самообучения.
Здесь в подробностях не раскрываются ни подходы, ни методы, не указываются какие-либо детали в конкретных системах ИИ. Каждый из перечисленных в статье элементов может быть запрошен в интернете и для него будет получен развернутый ответ-описание от разных авторов. Задача публикации предоставить читателю углубленный взгляд "сверху" на всю проблему ИИ.
Цель публикации в первую очередь образовательная, познавательная, популяризация науки, а также стремление привлечь в ряды исследователей, в науку приток новых молодых умов, вызвать в таких умах стремление к поиску ответов на возникающие вопросы. Масштабность темы требует ввести разумные ограничения на излагаемый материал после краткого панорамного её рассмотрения.
Общие положения об ИИ
Искусственный интеллект – это направление современной науки, которое изучает способы обучить компьютер, роботизированную технику, аналитическую систему разумно мыслить и действовать также как человек.
Главными целями ИИ следует назвать и признать:
Создание аналитических систем, которые обладают разумным поведением, могут самостоятельно или под руководством человека обучаться, делать прогнозы и строить гипотезы на основе массива данных.
Реализация интеллекта человека в машине – создание роботов-помощников, которые могут вести себя как люди: говорить, думать, учиться, понимать и рассуждать, выполнять поставленные задачи.
Основные подходы используемые при разработке ИИ:
нисходящий (англ. Top-Down AI), семиотический — создание экспертных систем, баз знаний и систем логического вывода, имитирующих высокоуровневые психические процессы: мышление, рассуждение, речь, эмоции, творчество и т.п.
восходящий (англ. Вottom-Up AI), биологический — изучение нейронных сетей и эволюционных вычислений, моделирующих интеллектуальное поведение на основе биологических элементов, а также создание соответствующих вычислительных систем, таких как нейрокомпьютер или биокомпьютер. Объединяет подходы общая цель и принципы.
Кроме названных в публикациях можно встретить и другие: самый общий подход предполагает, что ИИ будет способен проявлять поведение, которое не отличается от человеческого, причём в обычных ситуациях (машина будет разумной тогда, когда сможет пройти тест Тьюринга); писатели-фантасты развивают свои подходы. в основу кладется обретение машиной интуиции, человеческих чувств и творческих способностей.
Рассматриваются типы ИИ:
Искусственный интеллект узкого назначения (Artificial Narrow Intelligence ANI). Искусственный узкий интеллект (ANI) также широко известен как слабый ИИ или узкий ИИ. Это уже созданный человеком ИИ, ориентированный на цель инструмент с ограниченной перспективой, который выполняет конкретные целенаправленные задачи без возможности самораскрытия механизма (функциональности). Машины, ориентированные на одну узкую задачу, работают в условиях узкого набора ограничений, вот почему их обычно называют слабым ИИ.
Искусственный интеллект общего назначения (Artificial General Intelligence AGI). Для этого изначально AGI (называют часто сильный AI) не обучают и он не располагает никакими знаниями об окружающей среде, но устройство снабжено разнообразными сенсорами. На вход устройства, снабженного AGI, подается питание, формулируется цель, а не выходе получают управляющие воздействия на исполнительные органы устройства, функционирование которых приводит к достижению цели. Это должно осуществляться при произвольных целях и любом окружении. AGI – это решатель обратных задач.
Наглядный пример сильного ИИ – игра Detroit: Become Human. В этой игре роботы максимально приближены к людям, они думают, чувствуют, обучаются, осознают собственное «я», способны принимать решения почти как люди. «Почти», потому что ни Алиса, ни Siri не умеют самостоятельно думать и принимать решения в незапрограммированных ситуациях. Сильный ИИ – это пока что несбывшаяся мечта.
Искусственный суперинтеллект (Artificial Super Intelligence ASI) – это гипотетический ИИ, который мог бы делать всё то, что и человек. Речь идет о компьютерах, превосходящих человека по своему уровню интеллекта. Обычно упоминается, что он должен проходить тест Тьюринга в первоначальной постановке (считается, люди-то его проходят?), осознавать себя как отдельную личность и уметь достигать поставленных целей.
К основным понятиям ИИ (в международных обозначениях) следует отнести: Artificial Intelligence (AI-Искусственный Интеллект), Machine Learning (ML - Машинное обучение) – раздел AI, Data Science (DS -Наука о данных) – это три основных понятия ИИ.
Принципы разработки, создания и функционирования ИИ
Основной принцип работы ИИ заключается в сочетании большого объема данных с возможностями их быстрой, итеративной обработки и интеллектуальными алгоритмами, что позволяет программам автоматически обучаться на базе закономерностей и признаков, содержащихся в данных. Известны Азиломарские принципы (2017) — это 23 рекомендации, которых важно придерживаться в работе с ИИ, чтобы использовать его в позитивном ключе.
В то же время эти принципы не предлагают никаких конкретных мер по предотвращению или исправлению возникающих неблагоприятных ситуаций, а значит, их практическая ценность вызывает сомнения. Носят лишь рекомендательный характер и очень абстрактны
При разработке, создании и внедрении ИИ руководствуются принципами, с одной стороны этическими, с другой – технологическими
Первые (этические принципы) сформулировал в 1942 году в качестве законов робототехники Айзек Азимов в своём романе «Хоровод»:
– Робот или система с искусственным интеллектом не может навредить человеку своим действием или же своим бездействием допустить, чтобы человеку был приченен вред.
– Робот должен повиноваться приказам, которые получает от человека, кроме тех, которые противоречат Первому закону.
– Робот должен заботиться о своей безопасности, если это не противоречит Первому и Второму Законам.
В 1986 году Айзек Азимов дописал еще один к законам робототехники. Писатель предпочел назвать его «нулевым».
– Робот не может навредить человеку, если только не докажет, что в конечном итоге это (вред) будет полезно для всего человечества.
К технологическим принципам разработки ИИ относят:
– Машинное обучение (МО) – принцип развития ИИ на основе самообучающихся алгоритмов. От человека при таком подходе требуется только загрузка в «память» машины массива информации и формулирование целей. Существует несколько методик МО: обучение с учителем – человек задает конкретную цель, хочет проверить гипотезу или подтвердить закономерность. Обучение без учителя – результат интеллектуальной обработки данных неизвестен – компьютер самостоятельно находит закономерности, учится думать как человек.
– Нейросеть – математическая модель, которая имитирует строение и функционирование нервных клеток живого организма. Соответственно в идеале – это самостоятельно обучаемая система. Если перенести принцип на технологическую основу, то нейросеть – это множество процессоров, которые выполняют какую-то одну задачу в масштабном проекте. Другими словами суперкомпьютер – это сеть из множества обычных компьютеров.
– Глубокое обучение – это метод используемый для поиска и обнаружения закономерностей в огромных массивах информации. Для такой непосильной для человека работы, компьютер использует усовершенствованные методики.
– Когнитивные вычисления – одно из направлений ИИ, которое изучает и внедряет процессы естественного взаимодействия человека и компьютера, наподобие взаимодействия между людьми. Цель технологии искусственного интеллекта заключается в полной имитации человеческой деятельности высшего порядка – речь, образное и аналитическое мышление.
– Компьютерное зрение – это направление ИИ используется для распознавания графических и видеоизображений. Сегодня машинный интеллект может обрабатывать и анализировать графические данные, интерпретировать информацию в соответствии с окружающей обстановкой.
– Синтезированная речь. Компьютеры уже могут понимать, анализировать и воспроизводить человеческую речь. Мы уже можем управлять программами, компьютерами и гаджетами с помощью речевых команд. Например, Siri или Google assistant, Алиса в Яндексе и другие.
Кроме того, трудно представить существование искусственного интеллекта без мощных графических процессоров, которые являются сердцем интерактивной обработки данных. Для интеграции ИИ в различные программы и устройства необходима технология API – программные интерфейсы приложений. Используя API можно без труда добавлять технологии искусственного интеллекта в любые компьютерные системы: домашняя безопасность, умный дом, оборудование на ЧПУ и прочее.
Хронология ИИ
1832 С. Корсаков изобрел перфокарты и 5 интеллектуальных машин
1835 Ч. Бэббидж машина для игры в шахматы
1914 Л.Кеведо устройство для игры в шахматы
1924 К.Чапек ввел понятие и термин «робот» – пьеса «Универсальные роботы» Лондон.
1930 Обучение искусственного разума как ребенка
1940 Моделирование мышления нейрокибернетический и логический подходы
1942 Азимов А. формулирует три закона робототехники.
1943 Маккалок У., Питтс У. введено понятие нейронной сети
1948 Винер Н.Книга о Кибернетике
1949 Хебб Д. Первый алгоритм обучения
1950 Тьюринг А. Публикует анализ шахматной игры. Тест Тьюринга. 1 конф. по ИИ в Dartmouth, США. Вопросно-ответные системы.1 алгоритм обучения
1954 ПО для игры в шахматы
1956 Появление термина «искусственный интеллект»
1958 Розенблатт Ф. Однослойный перцептрон решает задачу классификации МАРК-1
1960 Исследования в МГУ и Академии наук СССР.
1960 Д. Вейценбаум (Joseph Weizenbaum) разработал первого виртуального собеседника (компьютерную прогр.), которая поддерживает диалог с человеком.
1960 Уидроу Б. Решатель задач предсказания и адаптивного управления на мемисторах
1963 Петров А.П. Результаты решения трудные задачи для перцептрона
1964 Маслова С. «Обратный метод установления выводимости в исчисл. предикатов».
1965 Создали Элизу первого робота-помощника, способного говорить по английски.
1966 В. Ф. Турчиным был разработан язык рекурсивных функций Рефал.
1969 Минский М. Доказательство ограниченности возможностей перцептрона
1969 В Стэнфорде создали Шеки –робота, способного перемещаться, с ИИ
1970 Алгоритм backpropagation. Когнитрон. Андроиды. Язык программирования роботов
1972 Кохонен Т., Андерсон Дж. Новый тип нейронных сетей (НС) с памятью
1973 Хакимов Б.В. Нелинейная модель НС с синапсами на основе сплайнов.
1973 В Эдинбургском Ун-те создан Фредди-робот с ИИ с искусственным зрением
1974 Программа «Каисса» – 1-й чемпион мира по шахматам среди компьютерных программ.
1974 Вербос П., Галушкин А.И. алгоритм обратного распространения ошибки, обучение
1975 Фукусима представляет самоорганизующуюся сеть – когнитрон.
1980 Барр и Фейгенбаум предложили определение искусственного интеллекта (ИИ).
1982 Хопфилд Дж. НС с обратными связями, минимизирующая энергию.
1986 Развитие метода обратного распространения ошибки.
1989 Шахматная программа Deep Thought обыграла гроссмейстера Бента Ларсена.
1990 Сверточные нейросети Обучение без учителя. Машин-й перевод, распознавание лиц.
1997 IBM Deep Blue обыгрывает чемпиона мира по шахматам Гарри Каспарова
2000 Библиотека Torch. NVidia Cuda. Экспертные системы на нейросетях. Deep Learning.Т.
2007 Хинтон Дж. Алгоритм глубокого обучения.
2008 Начало технологической сингулярности, интеграция человека с ЭВМ, биотехнологии.
2010 Вирт.помощники. Системы распознавания лиц DeepFace. ИИ для стратегических игр.
2013 Исследования по сортировке изображений.
2016 Иск. интеллект Google Deep Mind впервые одолел профессионального игрока в Го.
2017 Gamalon представила технологию самообучения по фрагментам данных.
2017 Европарламентом принята Европейская хартия робототехники
2018 Созд. универс. сист. понимания ЕЯ GLUE - General Language Understanding Evaluation.
2019 Утверждена национальная стратегия развития ИИ в РФ (90 млрд руб).
2020 Национальный проект «Искусственный интеллект» РФ.
2023 Обновление Национальной стратегии развития ИИ.
2024 На разработки в области ИИ в РФ запланировано выделение около 5,2 млрд руб.
Подходы к созданию ИИ
Нисходящий подход создания ИИ
Сторонники этого подхода (Минский, Пейперт) пошли по пути создания на базе компьютеров общего назначения программ, ориентированных на (создание символьных систем) решение интеллектуальных задач: мышление, рассуждение, речь, эмоции, творчество
- доказательство теорем;
- распознавание образов;
- игры (шахматы и др.); и т.д.
Методы, положенные в основу таких программ, могут быть абсолютно не похожими на те, которые в действительности пользуются человеком. Они базируются на тех или иных формах представления знаний, заимствованных у экспертов в конкретных предметных областях и механизмах вывода, реализующих процесс решения задачи.
В целом выделяются следующие подходы, которые причисляют к нисходящему:
– интуитивный;
– символьный;
– логический
- формализуются знания и строятся механизмы интерпретации этих знаний (алгоритм рождается в процессе работы);
- системы декларативного типа (знания сосредоточены не в программе, не в процедуре, а в информационных структурах; программа – только универсальный решатель)
Чем отличаются данные от знаний? Знания получены из информации, а информация получена из данных. Чтобы информация стала знанием, необходимо выполнить, как минимум, такие действия, как:
– Сравнение с другими элементами.
– Предсказание последствий.
– Поиск соединений, точек пересечений.
– Коммуникации с другими носителями знаний.
Формы представления знаний:
- продукционные правила (если [ ], то [ ]);
- иерархические структуры (фреймы);
- семантические сети;
- аппарат алгебры логики для описания и интерпретации знаний (предикаты первого порядка);
Механизмы интерпретации знаний;
Структура системы, основанной на знания
Восходящий подход создания ИИ
Идеи восходящего подхода оказались созвучными с представлениями нейрофизиолога В.Маккалока о том, как работает человеческих мозг (изучение нейронных сетей). В 1943 году Маккалок, совместно с математиком У.Питтсом разработал теорию функционирования головного мозга. В ней они исходили из нейронной организации нервной системы живого организма и двоичного закона поведения нейрона (1 – активен, 0 – пассивен).
Используется идея Н.Винера о принципе обратной связи: «любая искусственная система, претендующая на разумность (интеллектуальность), как и все живое, должна обладать способностью достигать определенные цели и адаптироваться, т. е. обучаться».
• Функции высшей нервной деятельности моделируются с помощью методов математической логики.
• Показана возможность построения логических сетей (автоматов), моделирующих нейтронные сети (естественные), характеризуемые определенными физиологическими свойствами.
• Однако, принятая чисто логическая схема взаимодействия нейронов не соответствовала истинным процессам, протекающим в нервной системе живого организма.
Таким образом восходящий подход:
– Идет не от формализованных знаний, а от механизмов мышления человека;
– Моделирование нейронных сетей;
– Архитектура и алгоритмы обучения нейронных сетей;
– Применение этих алгоритмов на практике (нейрокомпьютеры).
Выделяются следующие подходы, которые причисляют к нисходящему:
– структурный;
– квазибиологический;
– эволюционный;
ИИ как научное направление тесно связан с такими науками, как психология, биология, медицина, лингвистика. Специалисты в этих областях строят и программно реализуют, совместно с математиками, все новые и новые модели. На их основе исследователи в области ИИ пытаются восстановить конкретные формы проявления интеллекта. Полученные при этом результаты, в свою очередь, дают новую информацию к размышлению для специалистов данных областей.
Принципиальное отличие двух подходов построения систем искусственного интеллекта (СИИ) в том, что именно принимается за основу при создании ИИ.
Нисходящий подход заключается в папытках смоделировать высшие психологические функции и тем самым достичь искусственного разума. Восходящий подход пытается достичь того же через моделирование базовых структур и повышения их сложности [Nilsson 1998].
Логический подход к изобретению систем ИИ базируется на моделировании рассуждений и символьном представлении информации. Теоретической основой такого подхода является логика, правила вывода. Другой гибридный подход подразумевает, что только синергийная комбинация нейронных и символьных моделей может достичь полного спектра когнитивных и вычислительных возможностей. К примеру, экспертные правила умозаключений генерируются нейронными сетями, а порождающие правила получают с помощью статистического обучения.
В гибридной парадигме выделяют
– Агентноориентированный подход, который основан на использовании интеллектуальных (рациональных) агентов. Здесь интеллект - это вычислительная часть (грубо говоря, планирование) возможности достижения, поставленных перед интеллектуальной машиной целей. Эта машина становится интеллектуальным агентом, которая воспринимает окружающий его мир с использованием датчиков, и способности действовать на объекты в окружающей среде благодаря исполнительным механизмам.
Перечисленные парадигмы и подходы реализуются через разнообразные методы:
поиск в пространстве состояний;
обработка естественного языка;
представление знаний;
экспертные системы и системы поддержки принятия решений;
машинное обучение и искусственные нейронные сети;
генетические алгоритмы;
многоагентные системы.
Заключение
Сегодня междисциплинарное направление «Искусственный Интеллект» является довольно развитым и методически наполненным. Существует большое количество подходов и методов для построения ИИ-систем.
Признание возможностей искусственного разума способны чем - то уменьшить человеческое достоинство. Разногласия в вопросе создания искусственного интеллекта имеют выраженную эмоциональную окраску (подоплеку). Но следует ли совмещать проблему способностей искусственного интеллекта с вопросом о развитии и улучшении человеческого разума?
Литература
1. Миркес Е. М., Нейрокомпьютер. Проект стандарта.]- Новосибирск: Наука, Сибирская издательская фирма РАН, 1999 .- 337 с. ISBN 5-02-031409-9 (Глава 9: «Контрастер»
2. Мак-Каллок У.С., Питтс В.,Логическое исчисление идей, относящихся к нервной активности // В сб.: «Автоматы» под ред. К.Э. Шеннона и Дж. Маккарти. – М.: Изд-во иностр. лит., 1956. – с.363–384. (Перевод английской статьи 1943 г.)
3. W. S. Anglin and J. Lambek, The Heritage of Thales, Springer, 1995, ISBN 038794544X online
4. Bacon, Francis The Advancement of Learning, Book 6, Chapter 1, 1605. Online here.
5. Джон Сёрль. Разум мозга — компьютерная программа?
6. Роджер Пенроуз. Новый ум короля. О компьютерах, мышлении и законах физики. Издательство: УРСС, 2005 г. ISBN 5-354-00993-6 6. http://www.thetech.org/robotics/ethics/index.html
7. http://region.computerra.ru/offline/2000/42/5284/
8. Гарри Гаррисон. Выбор по Тьюрингу. Издательство: Эксмо-Пресс, 1999 г. 480 стр.
9. Будущее искусственного интеллекта / Под ред. К. Левитина, П. Хорошевского. - М.: Наука, 2003.
10. Зайцев И. М., Федяев О. И. Агентно-ориентированный подход к моделированию интеллектуальных распределённых систем : Сб. — Донецк: ДонНТУ, 2008. — С. 337-338. 11. Флах П. Машинное обучение. — М.: ДМК Пресс, 2015. — 400 с. — ISBN 978-5-97060-273-7.
