Архивы: по дате | по разделам | по авторам

Создание искусственного интеллекта

Архив
автор : Родион Кудрин   14.07.2003

Возможно ли создать искусственный разум, и если да, то как? Многочисленные попытки ответить на этот вопрос породили целое направление науки — искусственный интеллект (ИИ). Впрочем, в последнее время этот термин трактуют не столь широко, как раньше.

Возможно ли создать искусственный разум, и если да, то как? Многочисленные попытки ответить на этот вопрос породили целое направление науки — искусственный интеллект (ИИ). Впрочем, в последнее время этот термин трактуют не столь широко, как раньше.

Сейчас ИИ рассматривают как прикладную область исследований, связанных с имитацией отдельных функций интеллекта человека. Распознавание образов, машинный перевод, интеллектуальные агенты, робототехника — это лишь некоторые из направлений, по которым развиваются системы искусственного интеллекта.

Термин «интеллект» (intelligence) происходит от латинского «intellectus», что означает ум, рассудок, разум; мыслительные способности человека. Соответственно искусственный интеллект (ИИ, он же artificial intelligence — AI в зарубежной литературе) обычно трактуется как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий. Система, наделенная интеллектом, является универсальным средством решения широкого круга задач (в том числе неформализованных), для которых нет стандартных, заранее известных методов решения. Таким образом, мы можем определить интеллект и как универсальный сверхалгоритм, который способен создавать алгоритмы решения конкретных задач.

Существуют и другие, чисто поведенческие (функциональные) определения интеллекта. Так, по А. Н. Колмогорову, любая материальная система, с которой можно достаточно долго обсуждать проблемы науки, литературы и искусства, обладает интеллектом. Другим примером поведенческой трактовки интеллекта может служить известное определение А. Тьюринга. Его смысл заключается в следующем. В разных комнатах находятся люди и машина. Они не могут видеть друг друга, но имеют возможность обмениваться информацией (например, с помощью электронной почты). Если в процессе диалога между участниками игры людям не удается установить, что один из участников — машина, то такую машину можно считать обладающей интеллектом.

Цель, необходимость создания и безопасность систем ИИ

Одним из важнейших вопросов ИИ является цель его создания. В принципе все, что мы делаем в практической жизни, обычно делается ради того, чтобы больше ничего не делать. Однако при достаточно высоком уровне жизни (большом количестве потенциальной энергии) на первые роли выступает уже не лень (в смысле желания экономить энергию), а поисковые инстинкты. Допустим, человек сумел создать интеллект, превосходящий его собственный (если не качеством, то количеством). Что теперь будет с человечеством? Какую роль будет играть человек и для чего он теперь нужен? И вообще, нужно ли в принципе создавать ИИ?

По-видимому, самым приемлемым ответом на эти вопросы является концепция «усилителя интеллекта» (УИ). Очевидно, здесь уместна аналогия с президентом государства — он не обязан знать валентности ванадия для принятия решения о развитии ванадиевой промышленности страны. Так же, как не обязан, к примеру, разбираться в тонкостях языка программирования Java, чтобы решить вопрос о его использовании для своего официального сайта. Каждый занимается своим делом — химик описывает технологический процесс, программист создает код. В конце концов, экономист говорит президенту, что, вложив деньги в промышленный шпионаж, страна получит 20% годовых, а вложив в ванадиевую промышленность — 30%. Думается, при такой постановке вопроса даже самый последний бомж (правда, находящийся в сознании) сможет сделать правильный выбор.

В данном примере президент использует биологический УИ — группу специалистов с их белковыми мозгами. Но уже сейчас используются и неживые УИ — например, мы не могли бы с такой степенью достоверности предсказывать погоду без компьютеров; при полетах космических кораблей с самого начала использовались бортовые счетно-решающие устройства. Кроме того, человек уже давно использует усилители силы (УС) — понятие, во многом аналогичное УИ. В качестве усилителей силы ему служат автомобили, краны, электродвигатели, прессы, пушки, самолеты и многое-многое другое. Однако между УИ и УС есть принципиальная разница. Первые обладают волей, а вторые — нет.

Интеллектуальная система вполне могла бы иметь свои желания и поступать не так, как нам хотелось бы. Таким образом, перед нами встает еще одна проблема — проблема безопасности. Она будоражит умы еще со времен Карела Чапека, впервые употребившего термин «робот». Весомую лепту в ее обсуждение внесли многие писатели-фантасты и режиссеры. Вспомните хотя бы превосходные рассказы Айзека Азимова о роботах, захватывающий роман Сергея Лукьяненко «Фальшивые зеркала», трогательный фильм Стивена Спилберга «Искусственный интеллект»…

Следующий вопрос, возникающий при анализе возможных последствий создания и функционирования систем искусственного интеллекта, — что решит система ИИ в ситуации, когда спасение одной жизни возможно только за счет другой? Особенно интересны те случаи, когда система не имеет полной информации о том, кто есть кто.

Несмотря на перечисленные проблемы, три Закона Роботехники1 являются хорошим неформальным базисом проверки надежности системы безопасности для систем ИИ:

- робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинен вред;
- робот должен повиноваться всем приказам, которые ему дает человек, кроме тех случаев, когда эти приказы противоречат Первому Закону;
- робот должен заботиться о своей безопасности в той мере, в какой это не противоречит Первому и Второму Закону.
И теперь осталась еще одна тема: стоит ли вообще создавать ИИ, не лучше ли закрыть все работы в этой области? Единственное, что можно сказать по этому поводу: если ИИ в принципе возможен — рано или поздно он будет создан. И лучше двигаться к цели под контролем общественности, с тщательной проработкой вопросов безопасности, нежели все пускать на самотек. Иначе лет через сто (если к тому времени человечество себя не уничтожит) ИИ создаст какой-нибудь программист-механик-самоучка, использующий достижения современной ему техники. С другой стороны, с проектированием систем ИИ сложилась ситуация, которая роднит его с коммунизмом — изучается то, чего еще нет. И если этого не будет в течение ближайших 100–150 лет, то очень может быть, что эпоха ИИ закончится сама собой.

Моделирование систем ИИ

Исторически сложились три основных направления в моделировании ИИ.
В рамках первого подхода изучаются прежде всего структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез о механизмах интеллектуальной деятельности, совершенствование моделей и т. д.

Второй подход в качестве объекта исследования рассматривает ИИ. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. А цель работ — создание алгоритмического и программного обеспечения вычислительных машин, позволяющих решать интеллектуальные задачи не хуже человека.

Наконец, третий подход ориентирован на создание смешанных человеко-машинных (интерактивных) интеллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях являются оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.

В 1957 году американский физиолог Ф. Розенблатт предложил модель зрительного восприятия и распознавания — перцептрон. Машина, способная обучаться понятиям и распознавать предъявляемые объекты, чрезвычайно заинтересовала не только физиологов, но и представителей других областей знаний и породила большой поток теоретических и экспериментальных исследований.

Перцептрон или любая программа, имитирующая процесс распознавания, работают в двух режимах: в режиме обучения и в режиме распознавания. В режиме обучения некто (человек, машина, робот или природа), играющий роль учителя, предъявляет машине объекты и о каждом их них сообщает, к какому понятию (классу) он принадлежит. По этим данным строится решающее правило, являющееся, по существу, формальным описанием понятий. В режиме распознавания машине предъявляются новые объекты (вообще говоря, отличные от ранее предъявленных), и она должна их классифицировать по возможности правильно.

Нейронные сети

В последние десятилетия в мире бурно развивается новая прикладная область математики, специализирующаяся на искусственных нейронных сетях (НС). Актуальность исследований в этом направлении подтверждается массой различных применений НС: автоматизация процессов распознавания образов и адаптивное управление, аппроксимация функционалов и прогнозирование, создание экспертных систем и организация ассоциативной памяти и многое, многое другое. С помощью НС можно, например, предсказывать показатели биржевого рынка, распознавать оптические или звуковые сигналы, строить самообучающиеся системы, способные управлять автомашиной при парковке или синтезировать речь по тексту. На Западе нейронные сети применяются уже довольно широко, у нас же это пока еще экзотика — российские фирмы, использующие НС в практических целях, наперечет [6].


1 (назад) В знаменитом цикле романов об Основании Айзек Азимов вводит Нулевой Закон, главенствующий над остальными тремя. Он гласит: «Робот не может причинить вред человечеству или своим бездействием допустить, чтобы человечеству был причинен вред». — Прим. ред.

Широкий круг задач, решаемый НС, не позволяет в настоящее время создавать универсальные, мощные сети, вынуждая разрабатывать специализированные НС, функционирующие по различным алгоритмам.

Модели НС могут быть программными и аппаратными. Несмотря на существенные различия, отдельные типы НС обладают несколькими общими чертами.

Во-первых, основу каждой нейронной сети составляют относительно простые, в большинстве случаев — однотипные, элементы (ячейки), имитирующие работу нейронов мозга. Под нейроном здесь подразумевается искусственный нейрон, то есть ячейка НС. Каждый нейрон характеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть возбуждены или заторможены. Он имеет группу синапсов — однонаправленных входных связей, соединенных с выходами других нейронов, а также аксон — выходную связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов. Общий вид нейрона приведен на рис. 1. Каждый синапс характеризуется величиной синаптической связи или ее весом wi, который по физическому смыслу эквивалентен электрической проводимости.

В качестве примера простейшей НС приведем схему трехнейронного перцептрона (рис. 2). Нейроны данной сети имеют активационную функцию в виде единичного скачка2. На n входов поступают некие сигналы, проходящие по синапсам на три нейрона, которые образуют единственный слой этой НС и выдают три выходных сигнала.

Очевидно, что процесс функционирования НС, то есть сущность действий, которые она способна выполнять, зависит от величин синаптических связей, поэтому, задавшись определенной структурой НС, отвечающей какой-либо задаче, разработчик сети должен найти оптимальные значения всех переменных весовых коэффициентов (некоторые синаптические связи могут быть постоянными).

Этот этап называется обучением НС, и от того, насколько качественно он выполнен, зависит способность сети решать поставленные перед ней проблемы во время эксплуатации. На этапе обучения, кроме параметра качества подбора весов, важную роль играет время обучения. Как правило, эти два параметра связаны обратной зависимостью, и выбирая их, приходится идти на компромисс.

Обучение НС может вестись с учителем или без него. В первом случае сети предъявляются значения как входных, так и желательных выходных сигналов, и она по некоторому внутреннему алгоритму подстраивает веса своих синаптических связей. Во втором случае выходы НС формируются самостоятельно, а веса изменяются по алгоритму, учитывающему только входные и производные от них сигналы.

Существует великое множество алгоритмов обучения, которые, однако, делятся на два больших класса: детерминистские и стохастические. В первом подстройка весов представляет собой жесткую последовательность действий, во втором — она производится на основе действий, подчиняющихся некоторому случайному процессу.

Робототехника как направление ИИ

В чем главное отличие интеллекта человека от интеллекта универсальных вычислительных машин? Чтобы ответить на этот вопрос, вспомним слова великого русского физиолога И. М. Сеченова: «…все бесконечное разнообразие внешних проявлений мозговой деятельности сводится окончательно лишь к одному явлению — мышечному движению». Другими словами, вся интеллектуальная деятельность человека направлена в конечном счете на активное взаимодействие с внешним миром посредством движений. Точно так же элементы интеллекта робота служат, прежде всего, для организации его целенаправленных движений. В то же время основное назначение чисто компьютерных систем ИИ состоит в решении интеллектуальных задач, носящих абстрактный или вспомогательный характер и обычно не связанных ни с восприятием окружающей среды с помощью искусственных органов чувств, ни с организацией движений исполнительных механизмов.

Первых роботов трудно назвать интеллектуальными. Только в 60-х годах появились экземпляры с органами чувств, управлявшиеся универсальными компьютерами. К примеру, в 1969 году в Электротехнической лаборатории (Япония) началась разработка промышленного интеллектуального робота. Цель ее — создание «очувствленного» манипуляционного робота с элементами искусственного интеллекта для выполнения сборочно-монтажных работ с визуальным контролем. Робот Электротехнической лаборатории мог распознавать простые предметы, ограниченные плоскостями и цилиндрическими поверхностями, при специальном освещении. Стоимость экспериментального образца составляла примерно 400 тысяч долларов.
Постепенно роботы совершенствовались, но и по сей день они далеки по понятливости от человека, хотя некоторые операции уже выполняют на уровне лучших жонглеров. К примеру, удерживают на лезвии ножа шарик для настольного тенниса.

В киевском Институте кибернетики, где под руководством Н. М. Амосова (и ранее В. М. Глушкова, ныне покойного) ведется комплекс исследований, направленных на разработку элементов интеллекта роботов. Особое внимание в этих исследованиях уделяется проблемам распознавания изображений и речи, логического вывода (автоматического доказательства теорем) и управления с помощью нейроподобных сетей.

Экспертные системы на основе ИИ

Но пока теоретики спорят, практики не сидят сложа руки! Искусственный интеллект приобрел полезные рыночные свойства. Рынок нейросетей могуч; банкиры уважают своих технических аналитиков, а те без нейросети — ни шагу. Где нейросеть — там и генетический алгоритм, где генетический алгоритм — там и искусственная жизнь, а дальше — «пришла виртa, отворяй воротa», как недавно выразился один юный поэт. Девиз всей этой деятельности — четкая формула одного сурового персонажа братьев Стругацких: «Нам известно, что задача не имеет решения, — мы хотим знать, как ее решать!»

Экспертные системы (ЭС) — широчайшая и сложнейшая дисциплина. И чтобы не лезть в дебри, мы будем исходить из следующего определения: экспертная система — это программа (на современном уровне развития технологий), которая заменяет эксперта в той или иной области.
Отсюда вытекает простой вывод: все, что рассматривалось нами выше относительно систем с ИИ, своей конечной целью ставит разработку ЭС.
ЭС предназначены, главным образом, для решения практических задач, возникающих в слабо структурированной и трудно формализуемой предметной области. ЭС были первыми системами, которые привлекли внимание потенциальных потребителей продукции ИИ.
С ЭС связаны некоторые распространенные заблуждения.

Заблуждение первое: ЭС будет делать не более (а скорее даже менее) того, что может эксперт, создавший данную систему. Для опровержения данного постулата можно построить самообучающуюся ЭС в области, в которой вообще нет экспертов, либо объединить в одной ЭС знания нескольких экспертов и получить систему, которая может то, на что не способен ни один из ее создателей.
Заблуждение второе: ЭС никогда не заменят человека-эксперта. Уже заменяют, иначе зачем бы их создавали?
В заключение отметим важнейшие экспертные системы, использующие алгоритмы ИИ:

- MICIN — экспертная система для медицинской диагностики. Разработана группой по инфекционным заболеваниям Стенфордского университета. Ставит диагноз, исходя из сообщенных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. База данных состоит из 450 правил;
- PUFF — анализирует нарушения дыхания. Эта система представляет собой MICIN, из которой удалили данные по инфекциям и вложили данные о легочных заболеваниях;
- DENDRAL — служит для распознавания химических структур. Старейшая, из экспертных систем. Ее первые версии появились еще в 1965 году все в том же Стенфордском университете. Пользователь вводит в систему некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та, в свою очередь, называет химическую структуру, удовлетворяющую этим условиям;
- PROSPECTOR — экспертная система, созданная для содействия поиску месторождений полезных ископаемых, разработка которых коммерчески выгодна.

Литература
[1] Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992.
[2] Keun-Rong Hsieh and Wen-Tsuen Chen, A Neural Network Model which Combines Unsupervised.
[3] Richard P. Lippmann, An Introduction to Computing with Neural Nets, IEEE Acoustics, Speech, and Signal Processing Magazine, April, 1987.
[4] Короткий С. Нейронные сети: алгоритм обратного распространения.
[5] Короткий С. Нейронные сети: обучение без учителя.
[6] Монахова Е. «Нейрохирурги» с Ордынки, PC Week/RE, № 9, 1995.
[7] Уоссермен Ф. Нейрокомпьютерная техника. — М., Мир, 1992.


2 (назад) Иногда перцептроном называют любую НС слоистой структуры, однако здесь под перцептроном понимается только сеть, состоящая из нейронов с активационными функциями единичного скачка (бинарная сеть).

© ООО "Компьютерра-Онлайн", 1997-2024
При цитировании и использовании любых материалов ссылка на "Компьютерру" обязательна.