2.Кандыбка Д. "Элементы теории ИИ в истории философии и техники. Общие положения"

Содержание:

Введение. Основные понятия и содержание

Исторические аспекты появления и развития систем ИИ

Тест Тьюринга. Направления развития

Биологические и социальные модели интеллекта: агенты

Задачи и области применения систем ИИ

Искусственный интеллект и философия

Заключительные замечания

Список литературы

"Разрушьте структуру, объединяющую предметы изучения, и вы неизбежно разрушите все его качество".

Д.Ф.Люгер

Введение. Основные понятия и содержание

Люди всегда хотели узнать как устроен и функционирует мозг, что, собственно, является чертой отличия человека от животных. История накопила множество попыток осмысления природы мышления, от духовных до анатомических. Множество споров философов и теологов с одной стороны, а также физиологов и анатомов - с другой, принесло мало пользы для понимания вопроса о природе человеческого мышления. Предмет оказался предельно трудным для изучения.

С появлением в 40-х годах вычислительных машин и исследований по кибернетике, вопрос о природе человеческого мышления приобрел кибернетический аспект. Ученые направили свои усилия на исследование возможности создания машин, обнаруживающих поведение, которое у людей мы называем интеллектуальным. Это направление исследований и получило название "Искусственный интеллект" (ИИ). Поскольку ИИ как своим появлением, так и последующим развитием, обязан вычислительным машинам, это направление обычно относят к области информатики и вычислительной техники. Искусственный интеллект можно определить как область компьютерной науки, занимающуюся автоматизацией разумного поведения. Это определение имеет существенный недостаток, поскольку само понятие не очень понятно и четко сформулировано. Большинство из нас уверены, что смогут отличить "разумное поведение", когда с ним столкнутся. Однако вряд ли кто-нибудь сможет дать интеллекту определение, достаточно конкретное для оценки предположительно разумной компьютерной программы и одновременно отражающее сложность человеческого разума.

Итак проблема определения искусственного интеллекта сводится к проблеме определения интеллекта вообще. Существует ряд вопросов на которые еще не были даны ответы. В какой мере можно интеллект создать, а в какой мере он существует априори? Что именно происходит при таком создании? Что такое творчество? Что такое интуиция? Можно ли судить о наличии интеллекта только по наблюдаемому поведению, или же требуется свидетельство наличия какого-то скрытого механизма? Как представляются знания в нервных тканях живых существ, и как можно применить это в проектировании интеллектуальных устройств? Что такое самоанализ и как он связан с разумностью? И, более того, необходимо ли создавать компьютерную программу по образу и подобию человеческого разума, или достаточно простого "инженерного подхода"? Возможно ли вообще достичь разумности посредством компьютерной техники, или же сущность интеллекта требует богатства чувств и опыта, присущего лишь биологическим существам?

Как уже было сказано, на эти вопросы не были даны ответы, но, однако, они помогли сформировать задачи и методологию, составляющие основу современного Искусственного Интеллекта. Таким образом ИИ предоставляет средство и испытательную модель для исследования интеллекта (такие теории могут быть представлены в виде компьютерных программ и испробованы на вычислительных системах).

Указанное выше определение ИИ не раскрывает полностью понятие дисциплины, оно лишь ставит новые вопросы и открывает парадоксы в области, одной из главных задач которой является самоопределение. Одна проблема поиска точного значения термина ИИ полностью объяснима. Изучение ИИ еще молодая дисциплина, и ее структура, круг вопросов и методики еще не четко определены, как в более зрелых науках.

Основываясь на результатах исследований нейробиологии, нейроанатомии и нейрофизиологии о строении живых нейронов мозга, их взаимосвязях между собой и принципах функционирования, можно, путем создания их искусственных математических и электронных аналогов и последующего объединения в искусственные нейронные сети, пытаться достичь гипотетической возможности построения думающих машин.

Однако в результате этих исследований выяснилось, что мозг имеет ошеломляющую сложность: 1011-1012 нейронов, каждый из которых соединен с десятками тысяч других нейронов. Все это образует невообразимо сложную нейронную паутину, далеко превосходящую самые смелые мечты о суперкомпьютерах. Тем не менее, накапливающиеся знания в этой сокровенной области позволили исследователям создать математические модели для проверки своих теорий. Выяснилось, что эти модели не только повторяют отдельные функции мозга, но и способны выполнять функции, имеющие собственную ценность. Поэтому возникли и существуют до настоящего времени две взаимно обогащающие друг друга цели нейронного моделирования: первая - понять функционирование мозга и вторая - создать машины (искусственные нейронные сети), выполняющие функции, сходные с функциями мозга. В нашем курсе мы будем уделять основное внимание этой второй цели.

В целом же, весь спектр "нейронных" исследований в системах ИИ получил название структурного подхода.

Другой альтернативный подход связан с попытками обойти трудные проблемы изучения и моделирования структурных и функциональных особенностей живого мозга, путем имитационного моделирования интеллектуальной деятельности человека, так сказать, по результату. Этот подход еще иногда называют подходом "черного ящика" или "совпадением по результату". Он заключается в следующем: Исходно принимается, что исследователь не знает принципов построения и функционирования естественного интеллекта, т.е. рассматривает его как "черный ящик". Задача сторонников этого подхода состоит в построении некоторых эвристических компьютерных программ, имитирующих интеллектуальную деятельность человека по конечному результату, не заботясь при этом о методах, которыми пользуются для этого люди.

В подтверждение этого подхода утверждалось, например, что ЭВМ прекрасно решает вычислительные задачи лучше и быстрее человека совсем другими способами. Эвристическое программирование связано с именами А.Ньюэлла и Г.Саймона из университета Карнеги (США) и основано на убеждении, что мышление человека по результату может быть сведено к сочетанию простых задач манипулирования символами (сравнение, поиск, модификация), т.е. операций, которые могут выполняться компьютером. Решение задач при этом сводится к поиску (перебору) в пространстве возможных решений по эвристическим правилам, которые помогают ускорить поиск и направить его к определенной цели.

Типичные задачи, которые решались в рамках эвристического поиска, были: доказательство теорем, различные игры (в шашки, шахматы, кубики, карты), решение головоломок, геометрические и шахматные задачи, сочинение музыки, определение химических структур и ряд других.

При этом, как сам Саймон, который в 1957 г. предсказал, что через 90 лет компьютер станет чемпионом мира, так и другие исследователи эвристического поиска стали жертвами неоправданного оптимизма. В рамках эвристического поиска машины могли решать лишь весьма ограниченный круг примитивных задач.

Последующие успехи имитационных программ ИИ и, в частности, тот факт, что шахматный компьютер Deep Blue в 1997 г. обыграл чемпиона мира Г.Каспарова, связаны уже не только и не столько с эвристическим поиском, сколько с появлением других "синтетических" направлений в ИИ. К ним относятся, в частности, способы аппаратной поддержки эвристических программ, реализуемые на основе мощных параллельных многопроцессорных систем и нейронных акселераторов (ускорителей). Например, в упомянутом компьютерном чемпионе генератор ходов реализован на 256 параллельно работающих процессорах.

Оба названных подхода в системах ИИ большую часть времени развивались независимо друг от друга, и лишь в последнее время наметилась некоторая тенденция к их сближению. Однако в учебных программах вузов это пока не нашло своего отражения.

Исторические аспекты появления и развития систем ИИ.

Официально возникновение исследований и разработок по ИИ относят к середине 20 века. Однако теоретико-философские истоки знаний о свойствах человеческого мышления можно отсчитывать еще от учения древнегреческого философа Сократа, жившего в 5 веке д.н.э. По Сократу цель познания состоит в том, чтобы в логике понятий выражать логику изучаемого мира. Ученик Сократа Платон, развивая взгляды своего учителя, вплотную подошел к открытию основных законов формальной логики, т.е. тех законов мышления, использование которых позволяет делать верные выводы, исходя из верных посылок (понятий). Основоположником же формальной логики стал гениальный ученик Платона, один из величайших ученых древности Аристотель. Логика Аристотеля не только определяла законы получения правильных выводов, но и отражала свойство человеческого мозга производить дедуктивные рассуждения в форме силлогизмов от общего к частному. Иными словами, Аристотель сформулировал законы и принципы логики понятий, позволяющей, по идее Сократа, отражать логику объективной реальности. Однако формальная логика Аристотеля отражала только статические картины реального мира и не позволяла разрешать некоторых парадоксов, связанных с движением.

Через 2000 лет после Аристотеля эту логику блестяще дополнил своей диалектикой немецкий философ Георг Гегель. Диалектическая логика Гегеля отражает в своих понятиях не только механическое движение, но и развитие вообще, включая процессы обучения, самообучения, формирования понятий и т.п. Иными словами, в отличие от формальной, диалектическая логика дает уже ключ к автоматизации динамической (творческой) компоненты