Системи штучного інтелекту

Моделі мозку

Теоретичні положення

Кінцевою метою досліджень з питань «штучного інтелекту» є  розкриття таємниць мислення та створення  моделі мозку. Принципова можливість моделювання  інтелектуальних процесів випливає з основного гносеологічного  результату кібернетики, який полягає  у тому, що будь-яку функцію мозку, будь-яку розумову діяльність, описану  мовою з суворо однозначною семантикою за допомогою скінченного числа  слів, в принципі можна передати електронній цифровій обчислювальній машині (ЕЦОМ). Сучасні ж наукові  уявлення про природу мозку дають  підстави вважати, що принаймні в  суто інформаційному аспекті найістотніші закономірності мозку визначаються скінченною (хоч, може, й надзвичайно великою) системою правил.

Практична реалізація

Штучний інтелект — технічна (в усіх сучасних випадках спроб  практичної реалізаціїї — комп'ютерна) система, що має певні ознаки інтелекту, тобто здатна:

розпізнавати та розуміти;

знаходити спосіб досягнення результату та приймати рішення;

вчитися.

У практичному плані  наявність лише неповних знань про  мозок, про його функціонування не заважає  будувати його наближені інформаційні моделі, моделювати на ЕЦОМ найскладніші процеси мислення, у тому числі  й творчі.

Проблематика моделювання

Хоч проблема «штучного  інтелекту» тісно пов'язана з  потребами практики, однак тут  немає єдиної загальної практичної задачі, яка б однозначно визначала  розвиток теорії, проте є багато задач, які є частковими, вузькими. Тому проблема «штучного інтелекту» — це фактично цілий комплекс проблем, які характеризуються різним ступенем загальності, абстрактності, складності й розробленості і кожній з  яких властиві свої принципові й практичні  труднощі. Це такі проблеми, як розпізнавання  образів, навчання й самонавчання, евристичне програмування, створення загальної  теорії самоорганізовуваних систем, побудова фізичної моделі нейрона та ін., багато з яких мають велике самостійне значення. Для всіх цих напрямів одержано важливі результати, як практичного  так і теоретичного характеру, продовжуються  інтенсивні дослідження.

Оскільки крім малочисельних  оптимістів майже ніхто не намагається  саме «виготовити» інтелект, аналогічний  людському, то мова ведеться про створення  системи, яка буде здатна реалізувати  певні моделі інтелекту.

Історія і сучасний стан

 Історія

На початку XVII століття Рене Декарт зробив припущення, що тварина  — деякий складний механізм, тим  самим сформулювавши механічну  теорію. В 1623 р. Вільгельм Шикард (нім. Wilhelm Schickard) побудував першу механічну цифрову вичислювальну машину, за якою послідували машини Блеза Паскаля (1643) і Лейбніца (1671). Лейбніц також був першим, хто описав сучасну двійкову систему числення, хоча до нього цією системою періодично захоплювались різні великі вчені[3][4]. В XIX столітті Чарльз Беббідж і Ада Лавлейс працювали над програмованою механічною обчислювальною машиною.

В 1910—1913 рр. Бертран Рассел і А. Н. Уайтхед опублікували працю  «Принципи математики», яка здійснила  революцію в формальній логіці. В 1941 р. Конрад Цузе побудував перший працюючий програмно-контрольований комп'ютер. Воррен Маккалок і Вальтер  Піттс в 1943 р. опублікували A Logical Calculus of the Ideas Immanent in Nervous Activity, поклавши основи нейронних мереж. [1]

Сучасний стан справ

ASIMO — Інтелектуальний  гуманоїдний робот від Honda, використовує  сенсори та спеціальні алгоритми  для уникнення перешкод та  ходіння сходами.

Вартість: $750 млн

У наш час у створенні  штучного інтелекту (в буквальному  розумінні цього слова, експертні  системи і шахові програми сюди не відносяться) спостерігається інтенсивний  перелом усіх предметних областей, які мають хоч якесь відношення до ШІ в базі знань. Практично всі  підходи були випробувані, але до появи штучного розуму жодна дослідницька група так і не дійшла.

ослідження ШІ влились в загальний потік технологій сингулярності (видового стрибка, експотенціального розвитку людини), таких як нанотехнологія, молекулярна біоелектроніка, теоретична біологія, квантова теорія(ї), ноотропіки, екстромофіли і т. д. див. щоденний потік новин Курцвейля, MIT

Деякі з найбільш вражаючих систем ШІ:

Deep Blue — переміг чемпіона світу з шахів. Матч Каспаров проти суперЕОМ не приніс задоволення ні комп'ютерщикам, ні гравцям і система не була визнана Каспаровим, хоча оригінальні компактні шахові програми — невід'ємний елемент шахової творчості. Згодом лінія суперкомп'ютерів IBM проявилась у проектах brute force BluGene (молекулярне моделювання) і моделювання системи пірамідальних клітин в швейцарському центрі — проект Blue Brain[2]. Дана історія — приклад заплутаних і засекречених відносин ШІ, бізнесу і національних стратегічних задач.

Deep Blue (дослівно з англ. «Насичений синій») — комп'ютер для гри в шахи побудований компанією IBM. В 1997 році, машина здобула перемогу над чемпіоном світу Гаррі Каспаровим. Після перемоги Deep Blue над тогочасним чемпіоном, Гаррі Каспаровим, ринкова ціна акцій компанії зросла на 18 мільярдів

Матч з Каспаровим

Сила гри системи, в основному, походить від грубої обчислювальної потужності. Вона складається із сильно розпаралеленої комп'ютерної системи  на 30 RS/6000 вузлів підсиленої 480 спеціалізованими шаховими VLSI процесорами. Програма для  гри в шахи написана на мові програмування  С та працює під керуванням операційної  системи AIX. Вона була здатна обчислювати 200 000 000 позицій на секунду, вдвічі швидше за версію 1996 року. В липні 1997, Deep Blue посідав 259 сходинку в переліку найпотужніших  суперкомп'ютерів, маючи швидкодію 11.38 гігафлопс, не враховуючи швидкодію  спеціалізованого шахового обладнання.

Комп'ютер Deep Blue, який переміг Каспарова  в 1997 році, був здатен виконувати пошук  на глибину 12 напівходів. Сильні гравці, в середньому, здатні передбачати  на 10 напівходів вперед. Збільшення глибини  пошуку на один напівхід призводить до збільшення сили гравця на, приблизно, 80 Ело очок.

Спочатку, оціночна функція Deep Blue була написана в загальному вигляді, багато із її параметрів повинні були додатково  обчислюватись (наприклад, наскільки  важливим є захист короля у порівнянні із контролем над простором в  центрі, і так далі). Оптимальні значення для цих параметрів обчислювались  самою системою під час аналізу  тисяч ігор майстрів. Оціночна функція  складалась із 8000 частин, багато із яких було розроблено для спеціальних  позицій. В каталозі початкових позицій  знаходилось 4000 позицій та 700 000 ігор майстрів. База даних ендшпілів містила  позиції багатьох ігор на 6 фігур, та всіх на 5 та менше фігур. Перед другим матчем, шахівські здібності програми були відлагоджені гросмайстром Джоном Бенджаміном. Каталог початкових позицій було надано гросмайстрами Мігелем Іллєскасом, Джоном Федровичем та Ніком де Фірманом.

Після програного матчу, Каспаров повідомляв, що він, іноді, помічав велику інтелектуальність  та творчість в ходах машини, яку  він не міг зрозуміти. Він також  припустив, що, можливо, люди допомагали машині протягом матчу. Також, він вимагав  матч-реванш, але IBM відхилила його запити та списала Deep Blue. У 2003 році було знято  документальний фільм, в якому досліджувались ці закиди, який має назву «Гру завершено: Каспаров та машина» (англ. Game Over: Kasparov and the machine), в якому стверджувалось, що сильно розкручувана перемога Deep Blue підлаштована для збільшення риночної вартості IBM.

Частково ці закиди були правильними. Правила дозволяли розробникам  змінювати програму між іграми. Deep Blue було змінено між партіями для  кращого розуміння машиною стилю  гри Каспарова, допомагаючи уникнути пастки в ендшпілі, в яку двічі  потрапляв штучний інтелект.

Одна із двох шаф, із яких складався Deep Blue зараз стоїть на показі в Національному  Музеї історії Америки в експозиції про Інформаційну Епоху; інша шафа знаходиться  в Музеї Історії Обчислювальної Техніки на експозиції «Підкорення  Гри: Історія комп'ютерних шахів.»

Mycin — одна з ранніх експертних  систем, яка могла діагностувати  невеликий набір захворювань,  причому, часто так само точно,  як і лікарі.

Призначення цієї програми - бути асистентом лікаря, який не є вузьким спеціалістом в області застосування антибіотиків. В процесі роботи програма формує гіпотези діагнозу і надає їм певні  ваги, але самостійно, як правило, не робить остаточного вибору. Після 1976 року система неодноразово модифікувалася і оновлювалася, але базова версія складалася з п'яти компонентів.

База знань містить фактичні знання, що стосуються предметної області, і відомості про наявні невизначеностях.

Загальні бази даних пацієнтів  містять інформацію про конкретних пацієнтів та їх захворювання.

Консультуюча програма задає питання, виводить укладення системи і  дає поради для конкретного випадку, використовуючи інформацію про пацієнта і статичні знання.

Пояснююча програма відповідає на питання  і дає користувачеві інформацію про те, на чому ґрунтуються рекомендації або висновки, сформульовані системою. При цьому програма приводить  трасування процесу вироблення рекомендацій.

Програма сприйняття знань служить  для оновлення знань, що зберігаються в системі, в процесі її експлуатації.

Підсистема, в яку входять перші  три пункти відповідає за вирішення  проблеми. Вона будує гіпотези щодо причин захворювання і формує рекомендації, ґрунтуючись на гіпотезах.

Правила продукційної моделі не впорядковані. Кожне з них існує незалежно  від інших правил. У зв'язку з  цим потрібний спеціальний механізм, який керуватиме перебиранням правил. Такий механізм і є машиною  виведення.

Машина виведення є однією із складових експертної системи.

Машина виведення складається  з двох компонентів:

Компонент виведення реалізує власне дедуктивне виведення. Тобто, якщо в  базі фактів є факт A, а в базі правил є правило If A then B, то робиться висновок про необхідність застосування дії B.

Компонент керування, або інтерпретатор  правил керує процесом перебирання  фактів і застосування правил.

Інтерпретатор правил працює за описаним нижче алгоритмом:

Зіставлення. Здійснюється пошук множини  правил, посилки яких зіставляються  хоча б з одним фактом із бази фактів. Усі правила з цієї множини  є застосовними до поточної бази фактів. Якщо правил у цій множині більше одного, то кажуть, що множина правил є конфліктною (у тому розумінні, що будь-яке з правил можна застосувати  і невідомо, яке саме).

Вибір. Алгоритм роботи інтерпретатора є циклічним. На кожній ітерації циклу  може бути застосовано лише одне правило. Якщо правил більше одного, інтерпретатор має вирішити конфлікт, тобто обрати з правил найвідповідніше. Вибір здійснюється на основі критерію, який може встановлюватися ззовні.

Виконання. Відібране правило запускається на виконання(спрацьовує). Суть спрацьовування полягає у виконанні дії, описаної у висновку правила. Такими діями  можуть бути:

коректування критерію вибору правил;

запис, видалення або коректування фактів у базі фактів;

запис, видалення або коректування фактів у базі правил;

виконання інших дій (ведення діалогу  з людиною, перевірка цілісності тощо).

Схематично процес інтерпретації  правил зображено на рисунку:

 

рис.1 Інтерпретації правил

У цій схемі робота машини виведення  залежить від стану бази знань  і критерію вибору правил. Існує  також варіант організації машини виведення, за якого враховується передісторія її роботи, тобто поведінка механізму  виведення на попередніх ітераціях.

Стратегії керування виведенням

Стратегії виведення

Машина виведення має вирішувати, як перебирати факти і правила  бази знань, а також на підставі якого  критерію слід вибирати правила з  конфліктної множини. Відповідні рішення  приймаються згідно з обраною  стратегією керування виведенням. Зазвичай основні складові цієї стратегії вбудовані в машину виведення і їх не можна змінити.

Розробляючи стратегію керування  виведенням, слід вирішити такі питання:

Яку точку в просторі станів обрати як початкову? Від вибору цієї точки  залежить спосіб виконання пошуку —  в прямому чи зворотному напрямку.

Якою має бути стратегія перебирання  правил — углибину чи вшир?

[ред.]Пряме і зворотне виведення

У системах з прямим виведенням за відомимми фактами відшукується факт, який з них випливає (див. рис.2). Якщо такий факт вдається знайти, то він записується в базу фактів. Пряме виведення називають також  виведенням, керованим даними або  виведенням, керованим посилками  правил.

Під час зворотного виведення спочатку висувається гіпотеза, а потім  механізм виведення ніби повертається назад, переходячи до фактів і намагаючись  знайти в базі фактів ті, які підтверджують  гіпотезу (рис.2б). Якщо гіпотеза не підтверджується  фактами з бази фактів, одна з  її можливих посилок вважається гіпотезою, що деталізує початкову і є  стосовно неї підціллю. Далі відшукуються факти, які могли б підтвердити  дану підціль, тобто процес рекурсивно повторюється. Виведення цього типу називається також виведенням, керованим  цілями.

Пошук вглиб та вшир

 

Під час пошуку вглиб черговою підціллю стає та, що відповідає детальнішому рівню  опису задачі. Виконуючи пошук  ушир, машина виведення спочатку спробує  знайти розв'язок серед можливих варіантів  одного рівня і потім, за необхідності, перейде на наступний рівень деталізації.