VhodKaj je umetna inteligenca? Zgodovina razvoja in možnosti. Glavne smeri raziskovanja. Kaj je torej umetna inteligenca in zakaj se je ne bi smeli bati?
Poudarja: »Težava je v tem, da doslej na splošno ne moremo določiti, katere računalniške postopke želimo imenovati inteligentne. Nekatere mehanizme inteligence razumemo, drugih pa ne. Zato se inteligenca znotraj te znanosti nanaša le na računalniško komponento sposobnosti doseganja ciljev v svetu.«
Hkrati pa obstaja stališče, po katerem je inteligenca lahko le biološki pojav.
Kot poudarja predsednica peterburške podružnice ruskega združenja za umetno inteligenco T. A. Gavrilova, je v angleščina stavek umetna inteligenca nima tiste rahlo fantastične antropomorfne obarvanosti, ki jo je dobil v precej neuspešnem ruskem prevodu. Beseda inteligenca pomeni "sposobnost racionalnega razmišljanja" in sploh ne "inteligenca", za katero obstaja angleški analog inteligenca .
Udeleženci ruskega združenja za umetno inteligenco podajajo naslednje definicije umetne inteligence:
Eno od posebnih definicij inteligence, ki je skupna človeku in »stroju«, lahko formuliramo takole: »Inteligenca je sposobnost sistema, da ustvari programe (predvsem hevristične) med samoučenjem za reševanje problemov določenega razreda. kompleksnosti in rešiti te težave.«
Najenostavnejšo elektroniko pogosto imenujemo umetna inteligenca, kar kaže na prisotnost senzorjev in samodejno izbiro načinov delovanja. Beseda umetno v tem primeru pomeni, da ne smete pričakovati, da bo sistem lahko našel nov način delovanja v situaciji, ki je niso predvideli razvijalci.
Predpogoji za razvoj znanosti o umetni inteligenci
Zgodovina umetne inteligence kot nove znanstvene smeri se začne sredi 20. stoletja. V tem času so bili že oblikovani številni predpogoji za njegov nastanek: med filozofi so že dolgo potekale razprave o naravi človeka in procesu razumevanja sveta, nevrofiziologi in psihologi so razvili številne teorije o delovanju človeških možganov. in razmišljanju so si ekonomisti in matematiki zastavljali vprašanja o optimalnih izračunih in podajanju znanja o svetu v formalizirani obliki; končno je bil rojen temelj matematične teorije izračunov - teorija algoritmov - in ustvarjeni so bili prvi računalniki.
Izkazalo se je, da so zmogljivosti novih strojev glede hitrosti računanja večje od človeških, zato se je v znanstveno srenjo prikradlo vprašanje, kakšne so meje računalniških zmogljivosti in ali bodo stroji dosegli stopnjo človeškega razvoja? Leta 1950 eden od pionirjev na tem področju računalniška tehnologija, angleški znanstvenik Alan Turing, piše članek z naslovom “Lahko stroj misli?” , ki opisuje postopek, s katerim bo mogoče določiti trenutek, ko bo stroj po inteligenci izenačen s človekom, imenovan Turingov test.
Zgodovina razvoja umetne inteligence v ZSSR in Rusiji
V ZSSR se je delo na področju umetne inteligence začelo v šestdesetih letih prejšnjega stoletja. Na Moskovski univerzi in Akademiji znanosti so bile izvedene številne pionirske študije, ki sta jih vodila Veniamin Puškin in D. A. Pospelov.
Leta 1964 je bilo objavljeno delo leningrajskega logika Sergeja Maslova "Inverzna metoda za ugotavljanje izvedljivosti v klasičnem predikatnem računu", v katerem je prvi predlagal metodo za samodejno iskanje dokazov izrekov v predikatnem računu.
Do leta 1970 so v ZSSR vse raziskave umetne inteligence potekale v okviru kibernetike. Po besedah D. A. Pospelova sta bili znanosti "računalništvo" in "kibernetika" takrat mešani zaradi številnih akademskih sporov. Šele konec sedemdesetih let prejšnjega stoletja so v ZSSR začeli govoriti o znanstveni smeri " umetna inteligenca"kot del računalništva. Istočasno se je rodilo računalništvo samo, ki je podredilo svojo prednico "kibernetiko". V poznih sedemdesetih letih prejšnjega stoletja je izšel razlagalni slovar o umetni inteligenci, tridelni priročnik o umetni inteligenci in enciklopedični slovar v računalništvu, v katerega sta vključena oddelka "Kibernetika" in "Umetna inteligenca", skupaj z drugimi oddelki v računalništvu. Izraz "računalništvo" je postal razširjen v osemdesetih letih prejšnjega stoletja, izraz "kibernetika" pa je postopoma izginil iz obtoka in ostal le v imenih tistih institucij, ki so nastale v obdobju "kibernetičnega razcveta" poznih petdesetih - zgodnjih šestdesetih let prejšnjega stoletja. Tega pogleda na umetno inteligenco, kibernetiko in računalništvo ne delijo vsi. To je posledica dejstva, da so na Zahodu meje teh znanosti nekoliko drugačne.
Pristopi in usmeritve
Pristopi k razumevanju problema
Na vprašanje, kaj počne umetna inteligenca, ni enotnega odgovora. Skoraj vsak avtor, ki napiše knjigo o umetni inteligenci, izhaja iz neke definicije in v njeni luči obravnava dosežke te znanosti.
- padajoče (angleško) AI od zgoraj navzdol), semiotični - ustvarjanje ekspertnih sistemov, baz znanja in sistemov logičnega sklepanja, ki simulirajo mentalne procese na visoki ravni: mišljenje, sklepanje, govor, čustva, ustvarjalnost itd.;
- naraščajoče (angleško) AI od spodaj navzgor), biološki - študija nevronskih mrež in evolucijskih izračunov, ki modelirajo inteligentno vedenje na podlagi bioloških elementov, kot tudi ustvarjanje ustreznih računalniških sistemov, kot je nevroračunalnik ali bioračunalnik.
Slednji pristop, strogo gledano, ne sodi v znanost o AI v smislu Johna McCarthyja – druži jih le skupni končni cilj.
Turingov test in intuitivni pristop
Empirični test je predlagal Alan Turing v članku " Računalniki in razlog" (angleščina) Računalniški stroji in inteligenca ), objavljeno leta 1950 v filozofski reviji " Mind" Namen tega testa je ugotoviti možnost umetnega razmišljanja, ki je blizu človeškemu.
Standardna razlaga tega testa je naslednja: " Oseba komunicira z enim računalnikom in eno osebo. Na podlagi odgovorov na vprašanja mora ugotoviti, s kom govori: z osebo ali računalniškim programom. Namen računalniškega programa je zavesti osebo, da naredi napačno izbiro." Vsi udeleženci testa se ne morejo videti.
- Najbolj splošen pristop predpostavlja, da bo AI v normalnih situacijah lahko pokazal vedenje, podobno človeku. Ta ideja je posplošitev pristopa Turingovega testa, ki trdi, da bo stroj postal inteligenten, ko bo sposoben nadaljevati pogovor z navadnim človekom, ta pa ne bo mogel razumeti, da se pogovarja s strojem ( pogovor poteka dopisno).
- Pisci znanstvene fantastike pogosto predlagajo drug pristop: AI se bo pojavil, ko bo stroj sposoben čutiti in ustvarjati. Torej lastnik Andrewa Martina iz "Bicentennial Man" začne z njim ravnati kot z osebo, ko ustvari igračo po lastni zasnovi. In Data iz Zvezdnih stez, ki je sposoben komunikacije in učenja, sanja o pridobivanju čustev in intuicije.
Vendar pa slednji pristop ob natančnejšem pregledu težko zdrži kritiko. Na primer, ni težko ustvariti mehanizma, ki bo ocenil določene parametre zunanjega ali notranjega okolja in se odzval na njihove neugodne vrednosti. O takem sistemu lahko rečemo, da ima občutke ("bolečina" je reakcija na sprožitev senzorja udarca, "lakota" je reakcija na nizko napolnjenost baterije itd.). In grozde, ki jih ustvarijo kartice Kohonen in številni drugi izdelki "inteligentnih" sistemov, lahko štejemo za vrsto ustvarjalnosti.
Simbolni pristop
Zgodovinsko gledano je bil simbolni pristop prvi v dobi digitalnih strojev, saj je po nastanku Lispa, prvega simbolnega računalniškega jezika, njegov avtor postal prepričan v sposobnost, da praktično začne izvajati ta sredstva inteligence. Simbolni pristop omogoča delo s šibko formaliziranimi predstavitvami in njihovimi pomeni.
Uspeh in učinkovitost reševanja novih problemov sta odvisna od zmožnosti izolacije le bistvenih informacij, kar zahteva fleksibilnost v metodah abstrakcije. Medtem ko običajni program nastavi svoj način interpretacije podatkov, zato je njegovo delo videti pristransko in povsem mehanično. V tem primeru intelektualni problem rešuje le človek, analitik ali programer, ne da bi tega lahko zaupal stroju. Kot rezultat je ustvarjen en sam abstraktni model, sistem konstruktivnih entitet in algoritmov. Fleksibilnost in vsestranskost pa povzročita znatno porabo virov za netipične naloge, to je, da se sistem vrne od inteligence k surovi sili.
Glavna značilnost simbolnega računalništva je ustvarjanje novih pravil med izvajanjem programa. Medtem ko se zmožnosti neinteligentnih sistemov končajo tik pred sposobnostjo vsaj prepoznavanja novonastalih težav. Še več, te težave niso rešene in nazadnje računalnik teh sposobnosti ne izboljša sam.
Slabost simbolnega pristopa je, da tako odprte možnosti nepripravljeni ljudje dojemajo kot pomanjkanje orodij. Ta precej kulturni problem je delno rešen z logičnim programiranjem.
Logičen pristop
Logični pristop k ustvarjanju sistemov umetne inteligence je usmerjen v ustvarjanje ekspertnih sistemov z logičnimi modeli baz znanja z uporabo predikatnega jezika.
Jezikovni in logični programski sistem Prolog je bil sprejet kot učni model za sisteme umetne inteligence v osemdesetih letih prejšnjega stoletja. Baze znanja, napisane v jeziku Prolog, predstavljajo nize dejstev in pravil logičnega sklepanja, napisane v jeziku logičnih predikatov.
Logični model baz znanja omogoča beleženje ne le specifičnih informacij in podatkov v obliki dejstev v jeziku Prolog, ampak tudi posplošenih informacij z uporabo pravil in postopkov logičnega sklepanja, vključno z logičnimi pravili za definiranje konceptov, ki izražajo določeno znanje kot specifično in posplošene informacije.
Na splošno je raziskovanje problemov umetne inteligence v okviru logičnega pristopa k oblikovanju baz znanja in ekspertnih sistemov usmerjeno v ustvarjanje, razvoj in delovanje inteligentnih informacijskih sistemov, vključno z vprašanji poučevanja študentov in šolarjev ter usposabljanje uporabnikov in razvijalcev tovrstnih inteligentnih informacijskih sistemov.
Agentski pristop
Najnovejši pristop, ki se je razvil od začetka devetdesetih let prejšnjega stoletja, se imenuje agentski pristop, oz pristop, ki temelji na uporabi inteligentnih (racionalnih) agentov. Po tem pristopu je inteligenca računalniški del (grobo rečeno, načrtovanje) sposobnosti doseganja ciljev, zastavljenih za inteligentni stroj. Takšen stroj bo sam inteligentni agent, ki bo zaznaval svet okoli sebe s pomočjo senzorjev in sposoben vplivati na objekte v okolju s pomočjo aktuatorjev.
Ta pristop se osredotoča na tiste metode in algoritme, ki bodo inteligentnemu agentu pomagali preživeti v okolju med opravljanjem njegove naloge. Zato se algoritmi iskanja poti in odločanja tukaj preučujejo veliko bolj natančno.
Hibridni pristop
Glavni članek: Hibridni pristop
Hibridni pristop predvideva, da samo sinergistična kombinacija nevronskih in simbolnih modelov doseže celoten obseg kognitivnih in računalniških zmožnosti. Pravila strokovnega sklepanja lahko na primer ustvarijo nevronske mreže, generativna pravila pa se pridobijo s statističnim učenjem. Zagovorniki tega pristopa menijo, da hibrid informacijski sistemi bo bistveno močnejši od vsote različnih konceptov posamično.
Raziskovalni modeli in metode
Simbolno modeliranje miselnih procesov
Glavni članek: Modeliranje sklepanja
Če analiziramo zgodovino AI, lahko prepoznamo tako široko področje, kot je modeliranje sklepanja. Že vrsto let razvoj te znanosti je šel prav po tej poti in je zdaj eno najbolj razvitih področij v sodobni AI. Modeliranje razmišljanja vključuje ustvarjanje simbolnih sistemov, katerih vhod je določen problem, izhod pa zahteva njegovo rešitev. Predlagani problem je praviloma že formaliziran, torej preveden v matematično obliko, vendar nima algoritma rešitve ali pa je preveč zapleten, zamuden ipd. To področje vključuje: dokazovanje izrekov, sprejemanje odločitev. in teorija iger, načrtovanje in dispečiranje , napovedovanje .
Delo z naravnimi jeziki
Pomembna usmeritev je obdelava naravnega jezika, v okviru katerega se izvaja analiza zmožnosti razumevanja, procesiranja in generiranja besedil v »človeškem« jeziku. Cilj te smeri je obdelava naravnega jezika na način, da bi človek samostojno pridobival znanje z branjem obstoječega besedila, ki je dostopno na internetu. Nekatere neposredne aplikacije obdelave naravnega jezika vključujejo iskanje informacij (vključno z globokim rudarjenjem besedila) in strojno prevajanje.
Predstavljanje in uporaba znanja
Smer inženiring znanja združuje naloge pridobivanja znanja iz preprostih informacij, njihove sistematizacije in uporabe. Ta smer je zgodovinsko povezana z ustvarjanjem ekspertni sistemi- programi, ki uporabljajo specializirane baze znanja za pridobitev zanesljivih zaključkov o katerem koli problemu.
Produkcija znanja iz podatkov je eden od osnovnih problemov podatkovnega rudarjenja. Obstajajo različni pristopi k reševanju tega problema, vključno s tistimi, ki temeljijo na tehnologiji nevronske mreže, z uporabo postopkov verbalizacije nevronske mreže.
Strojno učenje
Težave strojno učenje zadeva postopek neodvisen pridobivanje znanja s strani inteligentnega sistema v procesu njegovega delovanja. Ta usmeritev je bila osrednja že od samega začetka razvoja AI. Leta 1956 je na poletni konferenci v Dartmundu Ray Solomonoff napisal poročilo o verjetnostnem nenadzorovanem učnem stroju in ga poimenoval "induktivni inferenčni motor".
Robotika
Glavni članek: Inteligentna robotika
Strojna ustvarjalnost
Glavni članek: Strojna ustvarjalnost
Narava človeške ustvarjalnosti je še manj raziskana kot narava inteligence. Kljub temu to področje obstaja in tu se pojavljajo problemi računalniškega pisanja glasbe, literarnih del (pogosto poezije ali pravljic) in umetniškega ustvarjanja. Ustvarjanje realističnih slik se pogosto uporablja v filmski industriji in industriji iger.
Posebej izstopa študij problematike tehnične ustvarjalnosti sistemov umetne inteligence. Teorija reševanja inventivnih problemov, ki jo je leta 1946 predlagal G. S. Altshuller, je pomenila začetek tovrstnih raziskav.
Dodajanje te zmožnosti kateremu koli inteligentnemu sistemu vam omogoča, da zelo jasno pokažete, kaj točno sistem zaznava in kako to razume. Z dodajanjem šuma namesto manjkajočih informacij ali filtriranjem šuma z znanjem, ki je na voljo v sistemu, proizvaja konkretne slike iz abstraktnega znanja, ki jih človek zlahka zazna, kar je še posebej uporabno za intuitivno in nizko vredno znanje, katerega preverjanje v formalna oblika zahteva velik miselni napor.
Druga področja raziskovanja
Končno obstaja veliko aplikacij umetne inteligence, od katerih vsaka tvori skoraj neodvisno smer. Primeri vključujejo programsko inteligenco v računalniških igrah, nelinearni nadzor in inteligentne varnostne sisteme informacij.
Opaziti je, da se številna področja raziskav prekrivajo. To je značilno za vsako znanost. A pri umetni inteligenci je razmerje med navidezno različnimi področji še posebej močno, kar je povezano s filozofsko debato o močni in šibki AI.
Sodobna umetna inteligenca
Ločimo lahko dve smeri razvoja AI:
- reševanje problemov, povezanih s približevanjem specializiranih sistemov umetne inteligence človeškim zmogljivostim in njihovo integracijo, ki jo uresničuje človeška narava ( glejte Izboljšanje inteligence);
- ustvarjanje umetne inteligence, ki predstavlja integracijo že ustvarjenih sistemov AI v en sam sistem, ki je sposoben rešiti probleme človeštva ( glej Močna in šibka umetna inteligenca).
Ampak v sedanji trenutek na področju umetne inteligence je vpletenih veliko področij, ki so bolj praktično kot temeljno povezana z umetno inteligenco. Preizkušenih je bilo veliko pristopov, vendar se še nobena raziskovalna skupina ni približala pojavu umetne inteligence. Spodaj je le nekaj najbolj znanih dogodkov na področju AI.
Aplikacija
Turnir RoboCup
Nekateri najbolj znani sistemi AI so:
Banke uporabljajo sisteme umetne inteligence (AI) v zavarovalniški dejavnosti (aktuarska matematika), pri igranju na borzi in pri upravljanju nepremičnin. Metode prepoznavanja vzorcev (vključno z bolj zapletenimi in specializiranimi ter nevronskimi mrežami) se pogosto uporabljajo pri optičnem in akustičnem prepoznavanju (vključno z besedilom in govorom), medicinski diagnostiki, filtrih neželene pošte, v sistemih zračne obrambe (identifikacija ciljev), pa tudi za zagotavljanje število drugih nalog nacionalne varnosti.
Psihologija in kognitivna znanost
Metodologija kognitivnega modeliranja je zasnovana za analizo in sprejemanje odločitev v slabo definiranih situacijah. Predlagal ga je Axelrod.
Temelji na modeliranju subjektivnih predstav strokovnjakov o situaciji in vključuje: metodologijo za strukturiranje situacije: model za predstavitev znanja strokovnjaka v obliki signiranega digrafa (kognitivne karte) (F, W), kjer je F množica dejavnikov situacije, W je množica vzročno-posledičnih zvez med dejavniki situacije ; metode analize situacije. Trenutno se metodologija kognitivnega modeliranja razvija v smeri izboljšanja aparata za analizo in modeliranje situacije. Tu so predlagani modeli za napovedovanje razvoja situacije; metode za reševanje inverznih problemov.
Filozofija
Znanost o "ustvarjanju umetne inteligence" ni mogla pomagati, da ne bi pritegnila pozornosti filozofov. S pojavom prvih inteligentnih sistemov so se postavila temeljna vprašanja o človeku in znanju ter deloma o ureditvi sveta.
Filozofske probleme ustvarjanja umetne inteligence lahko razdelimo v dve skupini, relativno gledano »pred in po razvoju AI«. Prva skupina odgovarja na vprašanje: "Kaj je AI, ali ga je mogoče ustvariti in, če je mogoče, kako to narediti?" Druga skupina (etika umetne inteligence) postavlja vprašanje: “Kakšne so posledice ustvarjanja AI za človeštvo?”
Izraz »močna umetna inteligenca« je uvedel John Searle, pristop pa opisuje z njegovimi besedami:
Poleg tega tak program ne bi bil le model uma; notri je dobesedno same besede bodo um, v istem smislu, v katerem je človeški um um.
Hkrati je treba razumeti, ali je možen "čist umetni" um ("metamind"), ki razume in rešuje resnične probleme in je hkrati brez čustev, značilnih za človeka in potrebnih za njegovo individualno preživetje. .
Nasprotno pa zagovorniki šibke umetne inteligence na programe raje gledajo le kot na orodja, ki jim omogočajo reševanje določenih problemov, ki ne zahtevajo celotnega obsega človekovih kognitivnih sposobnosti.
Etika
Znanstvena fantastika
Tema AI je zajeta pod različne kote v delih Roberta Heinleina: hipoteza o pojavu samozavedanja AI, ko struktura postane bolj zapletena prek določene kritične ravni in pride do interakcije z zunanjim svetom in drugimi nosilci inteligence (»The Moon Is a Harsh Mistress« ”, “Time Enough For Love”, liki Mycroft, Dora in Aya v ciklu “Zgodovina prihodnosti”), problemi razvoja AI po hipotetičnem samozavedanju ter nekatera družbena in etična vprašanja (“Petek”). Socio-psihološke probleme človeške interakcije z umetno inteligenco obravnava tudi roman Philipa K. Dicka »Do Androids Dream of Electric Sheep?« «, znan tudi po filmski adaptaciji Blade Runnerja.
Dela pisca znanstvene fantastike in filozofa Stanislawa Lema opisujejo in v veliki meri predvidevajo nastanek virtualne resničnosti, umetne inteligence, nanorobotov in mnogih drugih problemov filozofije umetne inteligence. Posebej vredna pozornosti je futurologija vsote tehnologije. Poleg tega je v dogodivščinah Ijona Tihega vedno znova opisan odnos med živimi bitji in stroji: upor vgrajenega računalnika s kasnejšimi nepričakovanimi dogodki (11. potovanje), prilagoditev robotov v človeško družbo ("Pranje" Tragedija« iz »Spominov Ijona Tihega«), ustvarjanje absolutnega reda na planetu s predelavo živih prebivalcev (24. potovanje), izumi Corcorana in Diagore (»Spomini Ijona Tihega«), psihiatrična klinika za robote (»Memoirs of Iyona the Quiet«). Poleg tega obstaja cel cikel romanov in novel Kiberiada, kjer so skoraj vsi liki roboti, ki so daljni potomci robotov, ki so pobegnili od ljudi (ljudem pravijo bledi in jih imajo za bajeslovna bitja).
Filmi
Skoraj od 60. let prejšnjega stoletja se poleg pisanja znanstvenofantastičnih zgodb in novel snemajo tudi filmi o umetni inteligenci. Številne zgodbe avtorjev, priznanih po vsem svetu, so posnete in postanejo klasike žanra, druge postanejo mejnik v razvoju znanstvenofantastičnega filma, na primer Terminator in Matrica.
Glej tudi
Opombe
- Pogosta vprašanja Johna McCarthyja, 2007
- M. Andrej. Resnično življenje in umetna inteligenca // “Artificial Intelligence News”, RAAI, 2000
- Gavrilova T. A. Khoroshevsky V. F. Baze znanja inteligentnih sistemov: Učbenik za univerze
- Averkin A. N., Gaase-Rapoport M. G., Pospelov D. A. Razlagalni slovar o umetni inteligenci. - M .: Radio in komunikacije, 1992. - 256 str.
- G. S. Osipov. Umetna inteligenca: stanje raziskav in pogled v prihodnost
- Ilyasov F.N. Umetna in naravna inteligenca // Novice Akademije znanosti Turkmenske SSR, serija družbenih ved. 1986. št. 6. str. 46-54.
- Alan Turing, Ali lahko stroji razmišljajo?
- Inteligentni stroji S. N. Korsakova
- D. A. Pospelov. Oblikovanje računalništva v Rusiji
- O zgodovini kibernetike v ZSSR. Esej ena, Esej dva
- Jack Copeland. Kaj je umetna inteligenca? 2000
- Alan Turing, »Računalniški stroji in inteligenca«, Mind, let. LIX, št. 236, oktober 1950, str. 433-460.
- Obdelava naravnega jezika:
- Aplikacije za obdelavo naravnega jezika vključujejo iskanje informacij (vključno z rudarjenjem besedila in strojnim prevajanjem):
- Gorban P. A. Nevronska mreža ekstrakcije znanja iz podatkov in računalniška psihoanaliza
- Strojno učenje:
- Alan Turing je razpravljal o tem, kako osrednja temaže leta 1950 v svojem klasičnem članku Computing Machinery and Intelligence. ()
- (pdf skenirana kopija izvirnika) (različica, objavljena leta 1957, Inductive Inference Machine, "IRE Convention Record, Section on Information Theory, Part 2, pp. 56-62)
- Robotika:
- , str. 916–932
- , str. 908–915
- Projekt Blue Brain – umetni možgani
- Blagi Watson naboda človeške nasprotnike na nevarnosti
- 20Q.net Inc
- Axelrod R. Struktura odločitve: kognitivni zemljevidi političnih elit. - Princeton. University Press, 1976
- John Searle. Je um možganov računalniški program?
- Penrose R. Novi um kralja. O računalnikih, razmišljanju in fizikalnih zakonih. - M.: URSS, 2005. - ISBN 5-354-00993-6
- AI kot globalni dejavnik tveganja
- ...vas bo vodil v Večno življenje
- http://www.rc.edu.ru/rc/s8/intellect/rc_intellect_zaharov_2009.pdf pravoslavni pogled o problemu umetne inteligence
- Harry Harrison. Turingova izbira. - M.: Eksmo-Press, 1999. - 480 str. - ISBN 5-04-002906-3
Literatura
- Računalnik se uči in sklepa (1. del) // Računalnik pridobiva inteligenco = Artificial Intelligence Computer Images / ur. V. L. Stefanjuk. - Moskva: Mir, 1990. - 240 str. - 100.000 izvodov.
- - ISBN 5-03-001277-X (ruščina); ISBN 705409155 (angleščina) Devyatkov V.V. Sistemi umetne inteligence / Ch. izd. I. B. Fedorov. - M.: Založba MSTU im. N. E. Bauman, 2001. - 352 str. - (Informatika in tehnična univerza
- ). - 3000 izvodov.- ISBN 5-7038-1727-7
Korsakov S.N. Oris novega načina raziskovanja z uporabo strojev, ki primerjajo ideje / Ed. A.S. Mihajlova. - M.: MEPhI, 2009. - 44 str. - 200 izvodov.
-
Umetna inteligenca(AI, angleško: Artificial intelligence, AI) - znanost in tehnologija ustvarjanja inteligentnih strojev, zlasti inteligentnih računalniških programov. Umetna inteligenca je povezana s podobno nalogo uporabe računalnikov za razumevanje človeške inteligence, vendar ni nujno omejena na biološko verjetne metode. Kaj je umetna inteligenca Inteligenca (iz lat. intellectus - občutek, zaznava, razumevanje, razumevanje, koncept, razum) ali um - kakovost psihe, ki jo sestavljajo sposobnost prilagajanja novim situacijam, sposobnost učenja in pomnjenja na podlagi izkušenj, razumevanja in uporabe abstraktne koncepte in svoje znanje uporabiti za upravljanje okolju
. Inteligenca je splošna sposobnost spoznavanja in reševanja problemov, ki združuje vse kognitivne sposobnostičlovek: občutenje, zaznavanje, spomin, predstava, mišljenje, domišljija.
V zgodnjih osemdesetih. sta predlagala računalniška znanstvenika Barr in Feigenbaum
naslednja definicija
umetna inteligenca (AI):
- Kasneje so številne algoritme in sisteme programske opreme začeli uvrščati med AI, katerih posebnost je, da lahko nekatere probleme rešijo na enak način, kot bi to storil človek, ki razmišlja o njihovi rešitvi.
- ekspertni sistemi
- virtualni agenti (klepetalni roboti in virtualni pomočniki)
- priporočilni sistemi.
Tehnološke smeri AI. Podatki družbe Deloitte
Raziskave AI
- Glavni članek: Raziskave umetne inteligence
Standardizacija v AI
2018: Razvoj standardov na področju kvantnih komunikacij, AI in pametnega mesta
6. decembra 2018 je tehnični odbor “Cyber-Physical Systems”, ki temelji na RVC, skupaj z regionalnim inženirskim centrom “SafeNet” začel razvijati nabor standardov za trge Nacionalne tehnološke pobude (NTI) in digitalnega gospodarstva. Do marca 2019 je načrtovan razvoj tehničnih standardizacijskih dokumentov na področju kvantnih komunikacij, poroča RVC. Preberi več.
Vpliv umetne inteligence
Tveganje za razvoj človeške civilizacije
Vpliv na gospodarstvo in poslovanje
- Vpliv tehnologij umetne inteligence na gospodarstvo in poslovanje
Vpliv na trg dela
Pristranskost umetne inteligence
V središču vsega, kar je praksa umetne inteligence (strojno prevajanje, prepoznavanje govora, obdelava naravnega jezika, računalniški vid, avtomatizirana vožnja in še veliko več), je globoko učenje. Gre za podmnožico strojnega učenja, za katero je značilna uporaba modelov nevronske mreže, za katere lahko rečemo, da posnemajo delovanje možganov, zato bi jih bilo težko uvrstiti med AI. Vsak model nevronske mreže se uri na velikih naborih podatkov, tako da pridobi nekaj "spretnosti", vendar ostaja njegovim ustvarjalcem nejasno, kako jih uporablja, kar na koncu postane ena najpomembnejših težav za številne aplikacije za globoko učenje. Razlog je v tem, da tak model formalno deluje s slikami, ne da bi razumeli, kaj počne. Je tak sistem umetna inteligenca in ali je sistemom, zgrajenim na podlagi strojnega učenja, mogoče zaupati? Vrednost odgovora na zadnje vprašanje presega znanstvene laboratorije. Zato se je medijska pozornost do pojava, imenovanega AI bias, opazno okrepila. Lahko se prevede kot "pristranskost AI" ali "pristranskost AI". Preberi več.
Tehnološki trg umetne inteligence
Trg AI v Rusiji
Globalni trg AI
Področja uporabe AI
Področja uporabe umetne inteligence so precej široka in zajemajo tako znane tehnologije kot nastajajoča nova področja, ki so daleč od množične uporabe, z drugimi besedami, to je celoten nabor rešitev, od sesalnikov do vesoljske postaje. Vso njihovo raznolikost lahko razdelite glede na merilo ključnih točk razvoja.
AI ni monolitno predmetno področje. Poleg tega se nekatera tehnološka področja umetne inteligence pojavljajo kot novi podsektorji gospodarstva in ločeni subjekti, hkrati pa služijo večini področij v gospodarstvu.
Glavne komercialne uporabe tehnologij umetne inteligence
Razvoj uporabe AI vodi v prilagajanje tehnologij v klasičnih sektorjih gospodarstva vzdolž celotne vrednostne verige in jih transformira, kar vodi v algoritmizacijo skoraj vseh funkcionalnosti, od logistike do upravljanja podjetja.
Uporaba AI za obrambo in vojaške zadeve
Uporaba v izobraževanju
Uporaba AI v poslu
AI v elektroenergetiki
- Na projektni ravni: izboljšano napovedovanje proizvodnje in povpraševanja po energetskih virih, ocena zanesljivosti opreme za proizvodnjo električne energije, avtomatizacija povečane proizvodnje ob povečanem povpraševanju.
- Na proizvodni ravni: optimizacija preventivnega vzdrževanja opreme, povečanje učinkovitosti proizvodnje, zmanjšanje izgub, preprečevanje kraj energentov.
- Na promocijski ravni: optimizacija cen glede na uro in dinamično obračunavanje.
- Na nivoju zagotavljanja storitev: avtomatska izbira najdonosnejšega dobavitelja, podrobna statistika porabe, avtomatiziran servis za stranke, optimizacija porabe energije ob upoštevanju navad in obnašanja odjemalca.
AI v proizvodnji
- Na ravni načrtovanja: povečanje učinkovitosti razvoja novih izdelkov, avtomatizirano ocenjevanje dobaviteljev in analiza zahtev po rezervnih delih.
- Na ravni proizvodnje: izboljšanje procesa izpolnjevanja nalog, avtomatizacija montažnih linij, zmanjšanje števila napak, skrajšanje dobavnih rokov za surovine.
- Na promocijski ravni: napovedovanje obsega podpornih in vzdrževalnih storitev, upravljanje cen.
- Na ravni zagotavljanja storitev: izboljšanje načrtovanja poti voznega parka vozila, povpraševanje po virih voznega parka, izboljšanje kakovosti usposabljanja servisnih inženirjev.
AI v bankah
- Prepoznavanje vzorcev - uporabljeno vklj. prepoznati stranke v poslovalnicah in jim posredovati specializirane ponudbe.
Glavna komercialna področja uporabe tehnologij umetne inteligence v bankah
AI v transportu
- Avtomobilska industrija je na pragu revolucije: 5 izzivov dobe brezpilotne vožnje
AI v logistiki
AI v pivovarstvu
Uporaba AI v javni upravi
AI v forenziki
- Prepoznavanje vzorcev - uporabljeno vklj. za prepoznavanje kriminalcev na javnih mestih.
- Maja 2018 je postalo znano, da nizozemska policija uporablja umetno inteligenco za preiskovanje zapletenih zločinov.
Organi pregona so začeli digitalizirati več kot 1500 poročil in 30 milijonov strani, povezanih z nerešenimi primeri, poroča The Next Web. Gradiva od leta 1988 naprej, v katerih kaznivo dejanje ni bilo razkrito najmanj tri leta, storilec pa je bil obsojen na več kot 12 let zapora, so prenesena v računalniško obliko.
Rešite zapleten zločin v enem dnevu. Policija sprejema AI
Ko bo vsa vsebina digitalizirana, bo povezana s sistemom strojnega učenja, ki bo analiziral zapise in se odločil, kateri primeri uporabljajo najbolj zanesljive dokaze. To naj bi skrajšalo čas, potreben za obravnavo primerov in reševanje preteklih in prihodnjih kaznivih dejanj, z nekaj tednov na en dan.
Umetna inteligenca bo razdelila primere glede na njihovo "rešljivost" in nakazala možne rezultate testiranja DNK. Načrt je nato avtomatizirati analizo na drugih področjih forenzike in se morda celo razširiti na področja, kot sta družboslovje in pričevanje.
Poleg tega, kot je dejal eden od razvijalcev sistema Jeroen Hammer, bodo funkcije API za partnerje morda izdane v prihodnosti.
Nizozemska policija ima posebno enoto, ki je specializirana za razvoj novih tehnologij za reševanje zločinov. Prav on je ustvaril sistem AI za hitro iskanje kriminalcev na podlagi dokazov.
AI v sodstvu
Razvoj na področju umetne inteligence bo pripomogel k korenitim spremembam pravosodnega sistema, ki bo bolj pravičen in brez korupcijskih shem. To mnenje je poleti 2017 izrazil Vladimir Krylov, doktor tehničnih znanosti, tehnični svetovalec pri Artezio.
Znanstvenik verjame, da je mogoče obstoječe rešitve na področju AI uspešno uporabiti v različna področja gospodarstvo in javno življenje. Strokovnjak poudarja, da se AI uspešno uporablja v medicini, v prihodnosti pa lahko popolnoma spremeni pravosodni sistem.
»Če vsak dan gledate novice o razvoju na področju umetne inteligence, ste samo presenečeni nad neizčrpno domišljijo in plodnostjo raziskovalcev in razvijalcev na tem področju. Sporočila o znanstveno raziskovanje nenehno prepletajo publikacije o novih izdelkih, ki prodirajo na trg, in poročila o osupljivih rezultatih, pridobljenih z uporabo umetne inteligence v različna področja. Če govorimo o pričakovanih dogodkih, ki jih spremlja opazen hype v medijih, v katerih bo AI spet postal junak novic, potem verjetno ne bom tvegal tehnološke napovedi. Predvidevam lahko, da bo naslednji dogodek nekje nastop izjemno kompetentnega sodišča v obliki umetne inteligence, pravičnega in nepodkupljivega. To se bo očitno zgodilo v letih 2020-2025. In procesi, ki se bodo odvijali na tem sodišču, bodo vodili do nepričakovanih razmislekov in želje mnogih ljudi, da večino procesov upravljanja človeške družbe prenesejo na AI.”
Znanstvenik prepoznava uporabo umetne inteligence v pravosodnem sistemu kot "logičen korak" za razvoj zakonodajne enakosti in pravičnosti. Strojna inteligenca ni podvržena korupciji in čustvom, lahko se strogo drži zakonodajnega okvira in sprejema odločitve ob upoštevanju številnih dejavnikov, vključno s podatki, ki označujejo stranke v sporu. Po analogiji z medicinskim področjem lahko robotski sodniki delajo z velikimi podatki iz skladišč javne službe. Predvidevamo lahko, da bo strojna inteligenca sposobna hitro obdelati podatke in upoštevati bistveno več dejavnikov kot človeški sodnik.
Strokovnjaki psihologi pa menijo, da bo odsotnost čustvene komponente pri obravnavi sodnih zadev negativno vplivala na kakovost odločitve. Razsodba strojnega sodišča je morda preveč enostavna, ne da bi upoštevala pomembnost čustev in razpoloženja ljudi.
Slikanje
Leta 2015 je Googlova ekipa testirala nevronske mreže, da bi ugotovila, ali lahko same ustvarjajo slike. Nato se je umetna inteligenca učila z uporabo velikega števila različnih slik. Ko pa so stroj »prosili«, naj nekaj upodablja sam, se je izkazalo, da si svet okoli nas razlaga na nekoliko nenavaden način. Na primer, za nalogo risanja dumbbells so razvijalci prejeli sliko, v kateri je bila kovina povezana s človeškimi rokami. To se je verjetno zgodilo zaradi dejstva, da so na stopnji treninga analizirane slike z utežmi vsebovale roke, nevronska mreža pa je to napačno interpretirala.
26. februarja 2016 so predstavniki Googla na posebni dražbi v San Franciscu zbrali približno 98 tisoč dolarjev iz psihedeličnih slik, ki jih je ustvarila umetna inteligenca. Ta sredstva so bila podarjena v dobrodelne namene. Ena najuspešnejših slik avtomobila je predstavljena spodaj.
Slika, ki jo je naslikala Googlova umetna inteligenca.
Najbolj znan način za ugotavljanje, ali ima stroj inteligenco, je Turingov test, ki ga je leta 1950 predlagal matematik Alan Turing. Med testom se oseba pogovarja z računalnikom in mora ugotoviti, kdo vodi pogovor - stroj ali oseba. Če lahko stroj posnema pogovor, to pomeni, da ima inteligenco. Danes je Turingov test že: lansko poletje ga je opravil klepetalni robot Eugene Goostman, test pa nenehno kritizirajo. Look At Me je zbral osem drugih načinov za ugotavljanje, ali ima stroj inteligenco.
Lovelace test 2.0
Ta test je poimenovan po Adi Lovelace, matematiki iz 19. stoletja, ki velja za prvega računalniškega programerja v zgodovini. Zasnovan je za ugotavljanje prisotnosti inteligence v stroju prek njegove sposobnosti ustvarjalnosti. Test je bil prvotno predlagan leta 2001: takrat je moral stroj ustvariti umetniško delo, ki bi ga oblikovalec stroja sprejel, kot da ga je ustvaril človek. Ker ni jasnih kriterijev uspešnosti, je test premalo natančen.
Lani je profesor Mark Reidel iz Georgia Tech posodobil test, da bi bil manj subjektiven. Zdaj mora stroj ustvariti delo v določenem žanru in v določenem ustvarjalni okvir, ki ga poda človeški sodnik. Preprosto povedano, to mora biti umetniško delo v določenem slogu. Na primer, sodnik lahko zahteva od stroja, naj naslika manieristično sliko v duhu Parmigianina ali napiše jazz skladbo v duhu Milesa Davisa. Za razliko od prvotnega testa stroji delujejo v določenih mejah, zato lahko sodniki bolj objektivno ocenijo rezultat.
IKEA test
Stroju se pokaže slika in vpraša, na primer, kje se na njej nahaja skodelica, ter ponudi več možnosti odgovora. Vse možnosti odgovora so pravilne (na mizi, na podlogi, pred stolom, levo od svetilke) vendar so nekateri morda bolj človeški kot drugi (recimo, da bo oseba od vsega zgoraj navedenega bolj verjetno odgovorila "na mizi"). Zdi se kot preprosta naloga, v resnici pa je sposobnost opisati, kje je predmet v razmerju do drugih predmetov, kritičen element človeškega uma. Tukaj pridejo v poštev številne nianse in subjektivne presoje, od velikosti predmetov do njihove vloge v določeni situaciji – na splošno kontekstu. Ljudje to počnejo intuitivno, stroji pa naletijo na težave.
Winogradove sheme
Klepetalni roboti, ki prestanejo Turingov test, so spretni pri preslepitvi sodnikov, da verjamejo, da so ljudje. Po besedah Hectorja Levesqueja, profesorja računalništva na Univerzi v Torontu, tak test samo pokaže, kako enostavno je človeka prevarati, še posebej v kratkih sporočilih SMS. Toda iz Turingovega testa je nemogoče ugotoviti, ali ima stroj inteligenco ali celo razumevanje jezika.
Umetno inteligenco lahko opredelimo kot znanstveno disciplino, ki se ukvarja z modeliranjem inteligentnega vedenja. Ta definicija ima eno pomembno pomanjkljivost - pojem inteligence je težko razložiti. Večina ljudi je prepričanih, da lahko prepoznajo »razumno vedenje«, ko naletijo nanj. Vendar pa je malo verjetno, da bo kdorkoli sposoben definirati inteligenco, ki je dovolj specifična za ovrednotenje domnevno inteligentnega računalniškega programa, hkrati pa odraža vitalnost in kompleksnost človeškega uma.
Problem definiranja umetne inteligence se torej spušča na problem definiranja inteligence nasploh: je to nekaj enotnega ali pa ta izraz združuje skupek različnih sposobnosti? V kolikšni meri je mogoče ustvariti inteligenco? Kaj je kreativnost? Kaj je intuicija? Ali je mogoče o prisotnosti inteligence soditi samo po opazovanem vedenju? Kako je znanje predstavljeno v živčnih tkivih živih bitij in kako ga lahko uporabimo pri oblikovanju pametnih naprav? Ali je inteligenco sploh mogoče doseči prek računalniška oprema, ali pa bistvo inteligence zahteva bogastvo občutkov in izkušenj, ki so lastna samo biološkim bitjem?
Na ta vprašanja še ni odgovora, vendar so vsa pomagala oblikovati naloge in metodologijo, ki so osnova sodobne umetne inteligence. Del privlačnosti umetne inteligence je, da zagotavlja izvirno in močno orožje za raziskovanje teh problemov. Umetna inteligenca je sredstvo in testni model za teorije inteligence: te teorije je mogoče oblikovati v računalniškem jeziku in nato preizkusiti.
Iz teh razlogov definicija umetne inteligence, podana na začetku članka, ne daje enoznačne značilnosti tega področja znanosti. Odpira le nova vprašanja in odpira paradokse na področju, kjer je ena glavnih nalog iskanje samoodločbe. Vendar pa je težava pri iskanju natančna definicija umetna inteligenca je povsem razumljiva. Študij umetne inteligence je še mlada disciplina, njena struktura, nabor vprašanj in metod pa niso tako jasno opredeljeni kot v zrelejših vedah, na primer fiziki.
Umetna inteligenca je namenjena širjenju zmogljivosti računalništva, ne pa določanju njegovih meja. Eden od pomembnih izzivov, s katerimi se soočajo raziskovalci, je podpreti ta prizadevanja z jasnimi teoretičnimi načeli.
Vsaka znanost, vključno z umetno inteligenco, obravnava določeno vrsto problemov in razvija pristope k njihovemu reševanju. Zgodovina umetne inteligence, zgodbe posameznikov in njihove hipoteze, ki so podlaga za to znanost, morda lahko pojasnijo, zakaj so nekateri problemi prevladali na tem področju in zakaj so bile za njihovo reševanje sprejete metode, ki se danes uporabljajo.
Umetna inteligenca
Umetna inteligenca je veja računalništva, ki proučuje možnost zagotavljanja inteligentnega sklepanja in delovanja z uporabo računalniških sistemov in drugih umetnih naprav. V večini primerov je algoritem za rešitev problema neznan vnaprej.
Natančne definicije te vede ni, saj vprašanje narave in statusa človeške inteligence v filozofiji ni rešeno. Prav tako ni natančnega merila, po katerem bi lahko računalniki dosegli »inteligenco«, čeprav je bilo na zori umetne inteligence predlaganih več hipotez, na primer Turingov test ali hipoteza Newell-Simona. Trenutno obstaja veliko pristopov k razumevanju problema AI in ustvarjanju inteligentnih sistemov.
Tako ena od klasifikacij identificira dva pristopa k razvoju umetne inteligence:
od zgoraj navzdol, semiotično - ustvarjanje simbolnih sistemov, ki modelirajo miselne procese na visoki ravni: mišljenje, sklepanje, govor, čustva, ustvarjalnost itd.;
od spodaj navzgor, biološki - študija nevronskih mrež in evolucijskih izračunov, ki modelirajo inteligentno vedenje na podlagi manjših "neinteligentnih" elementov.
Ta veda je povezana s psihologijo, nevrofiziologijo, transhumanizmom in drugimi. Kot vse računalniške vede uporablja matematiko. Zanjo sta še posebej pomembni filozofija in robotika.
Umetna inteligenca je zelo mlado raziskovalno področje, ki se je začelo leta 1956. Njegova zgodovinska pot je podobna sinusoidi, katere vsak "vzlet" je sprožila neka nova ideja. Trenutno je njen razvoj v zatonu in se umika uporabi že doseženih rezultatov na drugih področjih znanosti, industrije, gospodarstva in celo vsakdanjega življenja.
Študijski pristopi
Obstajajo različni pristopi k izgradnji sistemov AI. Trenutno obstajajo 4 precej različni pristopi:
1. Logični pristop. Osnova za logični pristop je Boolov algebra. Vsak programer je seznanjen z njim in z logičnimi operatorji od takrat, ko je osvojil operator IF. Boolov algebra je dobila svoj nadaljnji razvoj v obliki predikatnega računa - v katerem je bila razširjena z uvedbo predmetnih simbolov, odnosov med njimi, kvantifikatorjev obstoja in univerzalnosti. Skoraj vsak sistem AI, zgrajen na logičnem principu, je stroj za dokazovanje izrekov. V tem primeru so izvorni podatki shranjeni v bazi podatkov v obliki aksiomov, pravil logičnega sklepanja kot odnosov med njimi. Poleg tega ima vsak tak stroj enoto za generiranje cilja, sistem sklepanja pa poskuša ta cilj dokazati kot izrek. Če je cilj dokazan, nam sledenje uporabljenim pravilom omogoča pridobitev verige dejanj, ki so potrebna za dosego cilja (tak sistem je znan kot ekspertni sistemi). Moč takega sistema je določena z zmožnostmi generatorja ciljev in stroja za dokazovanje izrekov. Relativno nova smer, kot je mehka logika, omogoča logičnemu pristopu večjo izraznost. Njena glavna razlika je v tem, da ima lahko resničnost izjave poleg da/ne (1/0) tudi vmesne vrednosti - ne vem (0,5), pacient je bolj verjetno živ kot mrtev (0,75). ), je bolnik bolj verjetno mrtev kot živ (0,25). Ta pristop je bolj podoben človeškemu razmišljanju, saj na vprašanja le redko odgovarja samo z da ali ne.
2. S strukturnim pristopom tu mislimo na poskuse izgradnje AI z modeliranjem strukture človeških možganov. Eden prvih takih poskusov je bil perceptron Franka Rosenblatta. Glavna modelirana strukturna enota v perceptronih (kot v večini drugih možnosti modeliranja možganov) je nevron. Kasneje so se pojavili še drugi modeli, ki jih večina pozna pod izrazom nevronske mreže (NN). Ti modeli se razlikujejo po zgradbi posameznih nevronov, po topologiji povezav med njimi in po učnih algoritmih. Med trenutno najbolj znanimi možnostmi NN so NN s povratnim širjenjem napak, Hopfieldova omrežja in stohastične nevronske mreže. V širšem smislu je ta pristop znan kot konektivizem.
3. Evolucijski pristop. Pri gradnji sistemov AI s tem pristopom je glavna pozornost namenjena izgradnji začetnega modela in pravil, po katerih se lahko spreminja (razvija). Poleg tega je model mogoče sestaviti z različnimi metodami, lahko je nevronska mreža, nabor logičnih pravil ali kateri koli drug model. Nato prižgemo računalnik, ki na podlagi preverjanja modelov izbere najboljše izmed njih, na podlagi katerih se po različnih pravilih generirajo novi modeli. Med evolucijskimi algoritmi velja genetski algoritem za klasičnega.
4. Simulacijski pristop. Ta pristop je klasičen za kibernetiko, saj je eden njenih osnovnih konceptov črna skrinjica. Predmet, katerega obnašanje je simulirano, je natanko »črna skrinjica«. Ni nam pomembno, kaj imata in kako model delujeta, glavno je, da se naš model v podobnih situacijah obnaša popolnoma enako. Tako je tukaj modelirana še ena človeška lastnost - sposobnost kopiranja, kar počnejo drugi, ne da bi se spuščali v podrobnosti, zakaj je to potrebno. Pogosto mu ta sposobnost prihrani veliko časa, zlasti na začetku življenja.
V okviru hibridnih inteligentnih sistemov skušajo ta področja združiti. Pravila strokovnega sklepanja lahko ustvarijo nevronske mreže, generativna pravila pa se pridobijo s statističnim učenjem.
Obetaven nov pristop, imenovan povečanje inteligence, gleda na doseganje umetne inteligence z evolucijskim razvojem kot na stranski učinek tehnologije, ki krepi človeško inteligenco.
Raziskovalne smeri
Če analiziramo zgodovino umetne inteligence, lahko identificiramo tako široko področje, kot je modeliranje razmišljanja. Dolga leta je razvoj te znanosti potekal prav po tej poti in je zdaj eno najbolj razvitih področij sodobne umetne inteligence. Modeliranje razmišljanja vključuje ustvarjanje simbolnih sistemov, katerih vhod je določen problem, izhod pa zahteva njegovo rešitev. Predlagani problem je praviloma že formaliziran, tj. preveden v matematično obliko, vendar nima algoritma rešitve ali pa je preveč zapleten, zamuden ipd. To področje vključuje: dokazovanje izrekov, sprejemanje odločitev. in teorija iger, načrtovanje in dispečiranje, napovedovanje.
Pomembno področje je procesiranje naravnega jezika, ki vključuje analizo zmožnosti razumevanja, procesiranja in generiranja besedil v »človeškem« jeziku. Predvsem problem strojnega prevajanja besedil iz enega jezika v drugega še ni rešen. V sodobnem svetu ima razvoj metod iskanja informacij pomembno vlogo. Po svoji naravi je izvirni Turingov test povezan s to smerjo.
Po mnenju mnogih znanstvenikov je pomembna lastnost inteligence sposobnost učenja. Tako v ospredje stopi inženiring znanja, ki združuje naloge pridobivanja znanja iz preprostih informacij, njihove sistematizacije in uporabe. Napredek na tem področju vpliva na skoraj vsa druga področja raziskav AI. Tudi tu ne gre spregledati dveh pomembnih podobmočij. Prvi med njimi - strojno učenje - se nanaša na proces samostojnega pridobivanja znanja s strani inteligentnega sistema v procesu njegovega delovanja. Drugi je povezan z ustvarjanjem ekspertnih sistemov - programov, ki uporabljajo specializirane baze znanja za pridobitev zanesljivih zaključkov o katerem koli problemu.
Na področju modeliranja bioloških sistemov so veliki in zanimivi dosežki. Strogo gledano lahko to vključuje več neodvisnih smeri. Nevronske mreže se uporabljajo za reševanje mehkih in zapletenih problemov, kot je prepoznavanje geometrijskih oblik ali združevanje objektov v gruče. Genetski pristop temelji na ideji, da lahko algoritem postane učinkovitejši, če si sposodi najboljše lastnosti od drugih algoritmov (»staršev«). Relativno nov pristop, kjer je naloga izdelava avtonomnega programa – agenta, ki komunicira z zunanjim okoljem, se imenuje agentski pristop. In če pravilno prisilite veliko »ne zelo inteligentnih« agentov v medsebojno interakcijo, lahko dobite »mravljinčasto« inteligenco.
Težave s prepoznavanjem vzorcev so delno že rešene na drugih področjih. To vključuje prepoznavanje znakov, prepoznavanje rokopisa, prepoznavanje govora in analizo besedila. Posebej velja omeniti računalniški vid, ki je povezan s strojnim učenjem in robotiko.
Na splošno se robotika in umetna inteligenca pogosto povezujeta. Integracija teh dveh znanosti, ustvarjanje inteligentnih robotov, se lahko šteje za drugo področje AI.
Strojna ustvarjalnost je ločena zaradi dejstva, da je narava človeške ustvarjalnosti še manj raziskana kot narava inteligence. Kljub temu to področje obstaja in tu se pojavljajo problemi računalniškega pisanja glasbe, literarnih del (pogosto poezije ali pravljic) in umetniškega ustvarjanja.
Končno obstaja veliko aplikacij umetne inteligence, od katerih vsaka tvori skoraj neodvisno smer. Primeri vključujejo programsko inteligenco v računalniških igrah, nelinearni nadzor in inteligentne varnostne sisteme.
Opaziti je, da se številna področja raziskav prekrivajo. To je značilno za vsako znanost. A pri umetni inteligenci je razmerje med navidezno različnimi področji še posebej močno, kar je povezano s filozofsko debato o močni in šibki AI.
Na začetku 17. stoletja je Rene Descartes predlagal, da je žival nekakšen zapleten mehanizem, s čimer je oblikoval mehanistično teorijo. Leta 1623 je Wilhelm Schickard zgradil prvi mehanski digitalni računalnik, ki sta mu sledila stroja Blaisa Pascala (1643) in Leibniza (1671). Leibniz je bil tudi prvi, ki je opisal sodobni binarni številski sistem, čeprav so se pred njim za ta sistem občasno zanimali številni veliki znanstveniki. V 19. stoletju sta Charles Babbage in Ada Lovelace delala na programabilnem mehanskem računalniku.
V letih 1910-1913 Bertrand Russell in A. N. Whitehead sta objavila Principia Mathematica, ki je revolucionirala formalno logiko. Leta 1941 je Konrad Zuse izdelal prvi delujoč računalnik s programsko opremo. Warren McCulloch in Walter Pitts sta leta 1943 objavila Logični račun idej, ki so prisotne v živčni dejavnosti, kar je postavilo temelje za nevronske mreže.
Trenutno stanje
V tem trenutku (2008) pri ustvarjanju umetne inteligence (v izvirnem pomenu besede ekspertni sistemi in šahovski programi sem ne sodijo) primanjkuje idej. Skoraj vsi pristopi so preizkušeni, a niti ena raziskovalna skupina ni pristopila k nastanku umetne inteligence.
Nekateri najbolj impresivni civilni sistemi AI so:
Deep Blue - premagal svetovnega prvaka v šahu. (Dvoboj med Kasparovom in superračunalniki ni prinesel zadovoljstva ne računalničarjem ne šahistom, sistema pa Kasparov ni priznal, čeprav so originalni kompaktni šahovski programi sestavni del šahovske ustvarjalnosti. Nato se je pojavila linija superračunalnikov IBM l. brute force projekti BluGene (molekularno modeliranje) in modeliranje piramidnega celičnega sistema v švicarskem Blue Brain Centru. Ta zgodba- primer zapletenega in tajnega odnosa med umetno inteligenco, podjetji in nacionalnimi strateškimi cilji.)
Mycin je bil eden od zgodnjih strokovnih sistemov, ki je lahko diagnosticiral majhen nabor bolezni, pogosto tako natančno kot zdravniki.
20q je projekt, ki temelji na idejah AI, ki temelji na klasični igri "20 vprašanj". Zelo priljubljena je postala po tem, ko se je pojavila na internetu na spletni strani 20q.net.
Prepoznavanje govora. Sistemi, kot je ViaVoice, so sposobni služiti potrošnikom.
Roboti tekmujejo v poenostavljeni obliki nogometa na letnem turnirju RoboCup.
Uporaba AI
Banke uporabljajo sisteme umetne inteligence (AI) v zavarovalniški dejavnosti (aktuarska matematika), pri igranju na borzi in upravljanju nepremičnin. Avgusta 2001 so roboti premagali ljudi v improviziranem trgovalnem tekmovanju (BBC News, 2001). Metode prepoznavanja vzorcev (vključno z bolj zapletenimi in specializiranimi ter nevronskimi mrežami) se pogosto uporabljajo pri optičnem in akustičnem prepoznavanju (vključno z besedilom in govorom), medicinski diagnostiki, filtrih neželene pošte, v sistemih zračne obrambe (identifikacija ciljev) in tudi za zagotavljanje števila drugih nalog nacionalne varnosti.
Razvijalci računalniških iger so prisiljeni uporabljati AI različnih stopenj sofisticiranosti. Standardne naloge umetne inteligence v igrah so iskanje poti v dvodimenzionalnem ali tridimenzionalnem prostoru, simulacija vedenja bojne enote, izračun pravilne ekonomske strategije ipd.
Obeti za AI
Vidni sta dve smeri razvoja AI:
prvi je reševanje problemov, povezanih s približevanjem specializiranih sistemov umetne inteligence človeškim zmožnostim in njihove integracije, ki jo uresničuje človeška narava.
drugi je ustvarjanje umetne inteligence, ki predstavlja integracijo že ustvarjenih sistemov AI v en sam sistem, ki je sposoben reševati probleme človeštva.
Povezave z drugimi vedami
Umetna inteligenca je tesno povezana s transhumanizmom. In skupaj z nevrofiziologijo in kognitivno psihologijo tvori bolj splošno znanost, imenovano kognitivna znanost. Posebno vlogo pri umetni inteligenci ima filozofija.
Filozofska vprašanja
Znanost o "ustvarjanju umetne inteligence" ni mogla pomagati, da ne bi pritegnila pozornosti filozofov. S pojavom prvih inteligentnih sistemov so se postavila temeljna vprašanja o človeku in znanju ter deloma o ureditvi sveta. Po eni strani so neločljivo povezani s to znanostjo, po drugi strani pa vanjo vnašajo nek kaos. Med raziskovalci umetne inteligence še vedno ni prevladujočega stališča o merilih inteligence, sistematizaciji ciljev in nalog, ki jih je treba rešiti, ni niti stroge definicije znanosti.
Ali lahko stroj razmišlja?
Najbolj burna razprava v filozofiji umetne inteligence je vprašanje možnosti mišljenja, ustvarjenega s človeškimi rokami. Vprašanje »Ali lahko stroj razmišlja?«, ki je raziskovalce spodbudilo k ustvarjanju znanosti o simulaciji človeškega uma, je leta 1950 postavil Alan Turing. Dve glavni stališči do tega vprašanja se imenujeta hipotezi močne in šibke umetne inteligence.
Izraz »močna umetna inteligenca« je uvedel John Searle, pristop pa opisuje z njegovimi besedami:
»Poleg tega tak program ne bi bil samo model uma; ona, v dobesednem pomenu besede, sama bo um, v istem smislu, v katerem je človeški um um.”
Nasprotno pa zagovorniki šibke umetne inteligence na programe raje gledajo le kot na orodja, ki jim omogočajo reševanje določenih problemov, ki ne zahtevajo celotnega obsega človekovih kognitivnih sposobnosti.
V svojem miselnem eksperimentu "Kitajska soba" John Searle pokaže, da uspešnost Turingovega testa ni merilo, da ima stroj pristen proces sklepanja.
Mišljenje je proces obdelave informacij, shranjenih v spominu: analiza, sinteza in samoprogramiranje.
Podobno stališče zavzema Roger Penrose, ki v svoji knjigi »The King's New Mind« trdi, da ni mogoče pridobiti miselnega procesa na podlagi formalnih sistemov.
Glede tega vprašanja obstajajo različna stališča. Analitični pristop vključuje analizo človekovega višjega živčnega delovanja na najnižjo, nedeljivo raven (funkcija višjega živčnega delovanja, elementarna reakcija na zunanje dražljaje (dražljaje), draženje sinaps niza funkcijsko povezanih nevronov) in poznejšo reprodukcijo teh funkcij.
Nekateri strokovnjaki sposobnost racionalne, motivirane izbire v pogojih pomanjkanja informacij zamenjujejo z inteligenco. To pomeni, da se intelektualni program preprosto šteje za tisti program dejavnosti (ki ni nujno implementiran v sodobnih računalnikih), ki lahko izbira med določenim naborom alternativ, na primer, kam naj gre v primeru "šel boš levo .. .«, »Šli boste desno ...«, »Šli boste naravnost ...«
Znanost znanja
Prav tako je epistemologija - veda o znanju v okviru filozofije - tesno povezana s problemi umetne inteligence. Filozofi, ki se ukvarjajo s to temo, se spopadajo z vprašanji, podobnimi tistim, s katerimi se soočajo inženirji umetne inteligence, o tem, kako najbolje predstaviti in uporabiti znanje in informacije.
Odnos do AI v družbi
AI in religija
Med privrženci abrahamskih religij obstaja več mnenj o možnosti ustvarjanja AI na podlagi strukturnega pristopa.
Po eni od njih možgani, katerih delo skušajo posnemati sistemi, po njihovem mnenju ne sodelujejo v miselnem procesu, niso vir zavesti in katere koli druge duševne dejavnosti. Ustvarjanje AI na podlagi strukturiranega pristopa je nemogoče.
Po drugem stališču so možgani vključeni v miselni proces, vendar v obliki »oddajnika« informacij iz duše. Možgani so odgovorni za tako "preproste" funkcije, kot so brezpogojni refleksi, odziv na bolečino itd. Ustvarjanje umetne inteligence na podlagi strukturnega pristopa je možno, če sistem, ki se načrtuje, lahko izvaja funkcije "prenosa".
Obe stališči ne ustrezata podatkom sodobne znanosti, saj pojem duše ni upoštevan moderna znanost kot znanstveno kategorijo.
Po mnenju mnogih budistov je umetna inteligenca mogoča. Tako duhovni vodja Dalajlama XIV ne izključuje možnosti obstoja zavesti na računalniški osnovi.
Raeliti aktivno podpirajo razvoj na področju umetne inteligence.
AI in znanstvena fantastika
V literaturi znanstvene fantastike je umetna inteligenca najpogosteje prikazana kot sila, ki poskuša zrušiti človeško moč (Omnius, HAL 9000, Skynet, Colossus, The Matrix in Replicant) ali humanoid, ki služi (C-3PO, Data, KITT in KARR, Dvestoletni človek). Pisatelji znanstvene fantastike, kot sta Isaac Asimov in Kevin Warwick, oporekajo neizogibnosti prevlade umetne inteligence nad svetom, ki je ušla izpod nadzora.
Zanimiva vizija prihodnosti je predstavljena v romanu "The Turing Selection" pisca znanstvene fantastike Harryja Garrisona in znanstvenika Marvina Minskyja. Avtorja razpravljata o temi izgube človečnosti pri človeku, v katerega možgane so vsadili računalnik, in o pridobitvi človečnosti s strani AI stroja, v katerega spomin so se prepisale informacije iz človeških možganov.
Nekateri pisci znanstvene fantastike, kot je Vernor Vinge, so prav tako špekulirali o posledicah pojava umetne inteligence, ki bo verjetno povzročila dramatične spremembe v družbi. To obdobje imenujemo tehnološka singularnost.