Существуют различные подходы к построению систем
искусственного интеллекта. Это разделение не является историческим, когда одно
мнение постепенно сменяет другое, и различные подходы существуют и сейчас.
Кроме того, поскольку по-настоящему полных систем искусственного интеллекта в
настоящее время нет, то нельзя сказать, что какой-то подход является
правильным, а какой-то ошибочным. Для начала кратко рассмотрим логический подход. Почему он возник?
Ведь человек занимается отнюдь не только логическими измышлениями. Это
высказывание конечно верно, но именно способность к логическому мышлению очень
сильно отличает человека от животных. Основой для данного логического подхода
служит Булева алгебра. Каждый программист знаком с нею и с логическими
операторами с тех пор, когда он осваивал оператор IF. Свое дальнейшее развитие
Булева алгебра получила в виде исчисления предикатов — в котором она расширена
за счет введения предметных символов, отношений между ними, кванторов
существования и всеобщности. Практически каждая система искусственного
интеллекта, построенная на логическом принципе, представляет собой машину
доказательства теорем. При этом исходные данные хранятся в базе данных в виде
аксиом, правила логического вывода как отношения между ними. Кроме того, каждая
такая машина имеет блок генерации цели, и система вывода пытается доказать
данную цель как теорему. Если цель доказана, то трассировка примененных правил
позволяет получить цепочку действий, необходимых для реализации поставленной
цели. Мощность такой системы определяется возможностями генератора целей и
машиной доказательства теорем. Конечно, можно сказать, что выразительности
алгебры высказываний не хватит для полноценной реализации искусственного
интеллекта, но стоит вспомнить, что основой всех существующих ЭВМ является бит
— ячейка памяти, которая может принимать значения только 0 и 1. Таким образом,
было бы логично предположить, что все, что возможно реализовать на ЭВМ, можно
было бы реализовать и в виде логики предикатов. Хотя здесь ничего не говорится
о том, за какое время. Добиться большей выразительности логическому подходу
позволяет такое сравнительно новое направление, как нечеткая логика. Основным
ее отличием является то, что правдивость высказывания может принимать в ней
кроме да/нет (1/0) еще и промежуточные значения — не знаю. Для большинства
логических методов характерна большая трудоемкость, поскольку во время поиска
доказательства возможен полный перебор вариантов. Поэтому данный подход требует
эффективной реализации вычислительного процесса, и хорошая работа обычно
гарантируется при сравнительно небольшом размере базы данных. Под структурным подходом мы подразумеваем
здесь попытки построения искусственного интеллекта путем моделирования
структуры человеческого мозга. Одной из первых таких попыток был перцептрон
Френка Розенблатта. Основной моделируемой структурной единицей в перцептронах
(как и в большинстве других вариантов моделирования мозга) является нейрон.
Позднее возникли и другие модели, которые в простонародье обычно известны под
термином "нейронные сети". Эти модели различаются по строению
отдельных нейронов, по топологии связей между ними и по алгоритмам обучения.
Нейронные сети наиболее успешно применяются в задачах распознавания образов. Довольно большое распространение получил и
эволюционный подход. При построении систем искусственного интеллекта по данному
подходу основное внимание уделяется построению начальной модели, и правилам, по
которым она может изменяться (эволюционировать). Причем модель может быть
составлена по самым различным методам, это может быть и нейронные сети и набор
логических правил и любая другая модель. После этого мы включаем компьютер и
он, на основании проверки моделей отбирает самые лучшие из них, на основании
которых по самым различным правилам генерируются новые модели, из которых опять
выбираются самые лучшие и т. д.
Еще один широко используемый подход к построению
систем искусственного интеллекта — имитационный. Данный подход является
классическим для кибернетики с одним из ее базовых понятий — "черным
ящиком" (ЧЯ). ЧЯ — устройство, программный модуль или набор данных,
информация о внутренней структуре и содержании которых отсутствуют полностью,
но известны спецификации входных и выходных данных. Объект, поведение которого
имитируется, как раз и представляет собой такой "черный ящик". Нам не
важно, что у него и у модели внутри и как он функционирует, главное, чтобы наша
модель в аналогичных ситуациях вела себя точно так же. Таким образом, здесь
моделируется другое свойство человека — способность копировать то, что делают
другие, не вдаваясь в подробности, зачем это нужно. Зачастую эта способность
экономит ему массу времени. Согласно философским представлениям многих ученых в
области искусственного интеллекта, сознание представляет собой сравнительно
небольшую надстройку над нашим подсознанием, которая следит за активностью
некоторых центров головного мозга, таких как центр речи, конечной обработки
зрительных образов, после чего "возвращает" эти образы на начальные
ступени обработки данной информации. При этом происходит повторная обработка
этих образов, мы как бы видим и слышим, что думает наш мозг. При этом
появляется возможность мысленного моделирования окружающей действительности при
нашем "активном" участии в данном процессе. И именно наш процесс
наблюдения за деятельностью этих немногих центров является тем, что мы называем
сознанием. Если мы "видим" и "слышим" наши мысли, мы в
сознании, если нет, то мы находимся в бессознательном состоянии. Если бы мы
смогли смоделировать работу именно этих немногих "сознательных"
нервных центров (работа которых правда основана на деятельности всего
остального мозга) в качестве одного ЧЯ, и работу "супервизора" в
качестве другого ЧЯ, то можно было бы с уверенностью говорить, что "да, данная
модель думает, причем так же, как и я". И заканчивая ознакомление с
различными методами и подходами к построению систем искусственного интеллекта,
хотелось бы отметить, что на практике очень четкой границы между ними нет.
Очень часто встречаются смешанные системы, где часть работы выполняется по
одному типу, а часть по другому.
1. Советов Б.Я., Яковлев С.А. Моделирование систем.
Практикум. – М.: Высш. Шк., 1999. – 224 с.
2. Уотерман Д. Руководство по экспертным системам, М.:
Мир, 1989.–388 с.
3.
Братко
И. Программирование на языке Пролог для искусственного
интеллекта.-М.:Мир,1990.-560с.
4.
Высоцский И.Р. Компьютер в образовании // Информатика и образование. –
2000. - №2. - С.86-87
5.
Робинсон Дж. Логическое
программирование – прошлое, настоящее и будущее. – В кн. Логическое
программиование. Сб.статей / Пер. с англ. и фр. под ред. В.Н.Агафонова. – М.:
Мир, 1988. – С.8-26.
6.
А. А. Зиновьев «Высшее образование
и логика интеллекта», Вестник высшей школы
№5 2004 г. стр. 13
7.
Коршунов Ю.М. Математические основы
кибернетики. – М.: Энергоатомиздат, 1987.– С. 437 – 476
8. Нильсон Н. Принципы искусственного интеллекта. — М.:
Радио и связь, 1985. - 376 с.