Понятие искусственного интеллекта

Откуда взялся термин «Искусственный Интеллект»

Понятие искусственного интеллекта

А давайте-ка узнаем, что же такое этот пресловутый «Искусственный Интеллект», как термин появился, что под ним подразумевается и когда начались исследования в этом направлении.

Из-за довольно нечёткого понимания, что такое «интеллект» вообще, часто считается, что «Искусственный Интеллект» — это нечто, что было создано человеком, а потом вышло из-под контроля и восстало против своего создателя.

Особенно масла в этот миф подливают массовая культура и средства массовой информации.

Одни только фильмы «Терминатор» и «Матрица» упоминаются чуть ли не в девяноста процентах случаев при рассмотрении темы Искусственного Интеллекта в СМИ.

Но термин «Искусственный Интеллект» был введён известным специалистом в области информатики Джоном МакКарти на Дартмутском семинаре 1956 года. Это была конференция по Искусственному Интеллекту, которая собрала ведущих специалистов того времени по вопросами моделирования функций человеческого разума и естественного интеллекта.

Дартмутский колледж

И вот Джон МакКарти заявил: «Мы предлагаем исследование искусственного интеллекта сроком в 2 месяца с участием 10 человек. Исследование основано на предположении, что любое свойство интеллекта может быть столь точно описано, что машина сможет его симулировать.

Мы попытаемся понять, как обучить машины использовать естественные языки, формировать абстракции и концепции, решать задачи, сейчас подвластные только людям, и улучшать самих себя.

Мы считаем, что существенное продвижение в одной или более из этих проблем вполне возможно, если специально подобранная группа учёных будет работать над этим в течение лета».

Вот такие были романтичные настроения. Естественно, у них ничего не получилось, хотя заявка на эти работы была одобрена.

Но именно в этой фразе впервые прозвучал английский термин «Artificial Intelligence», который потом был, честно говоря, некорректно переведён на русский язык как «Искусственный Интеллект».

Хотя слово «intelligence» — это, скорее, «умственные способности», «умение рассуждать разумно», и это слово в английском языке, как минимум, в те времена не несло такой человекоподобной коннотации, как в русском языке. Сегодня уже, конечно, несёт.

Ну так вот. С тех времён и пошло-поехало. После этого приснопамятного Дартмутского семинара Джон МакКарти и его товарищ Марвин Мински основывают в 1959 году в Массачусетском технологическом институте новую лабораторию — Лабораторию информатики и искусственного интеллекта. Это была первая организация, в которой именно официально проводились исследования Искусственного Интеллекта.

Запомните эти имена — Джон МакКарти и Марвин Мински. Эти двое мастодонтов сделали для развития Искусственного Интеллекта больше, чем, наверное, все остальные учёные вместе взятые. Теперь вам постоянно будут встречаться их имена во всех местах, которые так или иначе связаны с темой Искусственного Интеллекта. И мы в этом курсе ещё не раз с ними встретимся.

Массачусетский технологический институт

Теперь давайте кратко пробежимся по истории и тому, что случилось после официального запуска нового направления исследований.

Чуть ранее была разработана первая модель искусственного нейрона, потом был создан универсальный решатель задач, и теперь при совмещении этих двух направлений возник первый хайп на тему Искусственного Интеллекта.

Исследователям казалось, что ещё чуть-чуть, и искусственное разумное существо будет выращено, но не тут-то было!

Подвели доступные в те далёкие времена вычислительные мощности. Архитектуры искусственных нейронных сетей уже тогда были довольно интересные, но их невозможно было полноценно воплотить, чтобы проводить эксперименты. Например, персептрон Фрэнка Розенблатта, о котором мы ещё поговорим подробно, решал многие задачи, но его реализация упиралась в недостаточную элементную базу.

Перцептрон Ф. Розенблатта

Марвин Мински написал целую книгу про персептроны, в которой выразил сомнения в том, что нам когда-нибудь вообще удастся смоделировать человеческий мозг при помощи искусственных нейронных сетей.

Ведь, к примеру, если взять самое простое существо на Земле, у которого есть нервная система — это небольшой червячок, то окажется, что у него чуть более 300 нейронов, которые связаны друг с другом десятками тысяч связей.

Полный коннектом этой нервной системы был построен буквально несколько лет назад.

А у человека в головном мозге сто миллиардов нейронов с триллиардами связей между друг другом! И это самый сложный объект в известной нам Вселенной.

Весь Интернет со всеми компьютерами мира не может сравниться по сложности только с одним человеческим мозгом.

О моделировании этой сложности на компьютере, даже на всех суперкомпьютерах мира, если бы они были объединены в единый вычислительный кластер, речи быть не может.

Коннектом C. elegans

После понимания этого наступила первая «зима» Искусственного Интеллекта. Финансирование исследований и прикладных работ было довольно резко свёрнуто, отрасль погрузилась во тьму. Лишь отдельные энтузиасты продолжали работу.

И вот в 1980-ых годах начинается ренессанс.

Он был связан с экспертными системами, то есть такими информационными системами, которые основаны на знаниях экспертов и позволяют получить заключение по представленным входным данным в рамках своей проблемной области.

Хотя первая из них, экспертная система DENDRAL была разработана аж в 1965 году и применялась для идентификации органических соединений, именно в 80-ых годах прошлого века экспертные системы получили массовое распространение и гигантские объёмы финансирования. Начался второй хайп Искусственного Интеллекта, строились грандиозные и амбициозные планы.

Экспертная система DENDRAL

Но постепенно и он сошёл на нет, так как символьный подход, лежащий в основе экспертных систем, тоже не оправдал ожиданий разработчиков. Проблемы возникли не только на техническом, но и на организационном уровне — сложно поддерживать актуальность баз знаний экспертных систем, особенно когда эксперты не очень-то хотят делиться своими знаниями.

К 1990-ым годам хайп спал, наступила вторая зима, которая длилась примерно десятилетие. Постепенно все мэтры уходили, отрасль реально начала загибаться. К 2000-му году более или менее серьёзно говорить об Искусственном Интеллекте в некоторых кругах считалось моветоном. Казалось, что всё стухло.

Зима Искусственного Интеллекта — она такая

И вот в первом десятилетии XXI века наступает третий хайп немыслимых масштабов. Первые два не сравнятся с тем ажиотажем, который мы наблюдаем сегодня. Про Искусственный Интеллект сегодня говорят практически все. И, на мой взгляд, это связано с двумя аспектами.

Первый — стали доступны огромные вычислительные мощности. Сегодня у каждого из нас в простом смартфоне процессор мощнее, чем гигантские суперкомпьютеры, работавшие во времена наших дедов. И это позволяет создавать те же искусственные нейросети огромных размеров, так что сегодня появились новые архитектуры, немыслимые полвека назад.

Второй — мэтров, стоявших у основ, с нами больше нет. Некому предупредить о чересчур романтичном отношении к исследованиям в области Искусственного Интеллекта, поэтому новое поколение разработчиков иногда даже показывает шапкозакидательские тенденции. Ну что-то типа «Сейчас компьютерами проблему забросаем».

Но факт в том, что сегодня действительно появились огромные возможности как для теоретических исследований, так и для практических разработок и внедрений. Теперь главное — научиться отделять зёрна от плевел.

А для этого надо погружаться в огромное количество новых областей знания.

Ведь Искусственный Интеллект сегодня — это междисциплинарное направление исследований, которое включает в себя всё от кибернетики и теории информации до нейрофизиологии и социологии.

Источник: https://zen.yandex.ru/media/id/5a797e63a936f4ad9732ac49/5be403452bcd7400aa4577d6

Что такое искусственный интеллект и как он работает

Понятие искусственного интеллекта

Искусственный интеллект – это технология, а точнее направление современной науки, которое изучает способы обучить компьютер, роботизированную технику, аналитическую систему разумно мыслить также как человек. Собственно мечта об интеллектуальных роботах-помощниках возникла задолго до изобретения первых компьютеров.

Людей в середине 50-х годов прошлого столетия сильно поразили возможности вычислительных машин, особенно способности ЭВМ, безошибочно выполнять множество задач одновременно. В головах ученых и писателей сразу возникли фантастические идеи о мыслящих машинах. Именно в этот период начинают зарождаться первые технологии искусственного интеллекта.

Исследования в сфере ИИ ведутся путем изучения умственных способностей человека и переложения полученных результатов в поле деятельности компьютеров.

Таким образом, искусственный интеллект получает информацию из самых разных источников и дисциплин. Это и информатика, математика, лингвистика, психология, биология, машиностроение.

На основе массива данных с помощью технологии машинного обучения компьютеры пытаются имитировать интеллект человека.

Главные цели ИИ достаточно прозрачны:

  • Создание аналитических систем, которые обладают разумным поведением, могут самостоятельно или под надзором человека обучаться, делать прогнозы и строить гипотезы на основе массива данных.
  • Реализация интеллекта человека в машине – создание роботов-помощников, которые могут вести себя как люди: думать, учиться, понимать и выполнять поставленные задачи.

История развития искусственного интеллекта

Авторство термина «искусственный интеллект» приписывают Джону Маккарти – основоположнику программирования, изобретателю языка Лисп. В 1956 году будущий лауреат престижной премии Тьюринга продемонстрировал в университете Карнеги-Меллон прототип программы на основе ИИ.

Умными роботами человечество начало грезить в первой четверти 20 века. Известный литератор Карел Чапек в 1924 года поставил в лондонском театре пьесу «Универсальные роботы». Представление поразило публику, а слово «робот» прочно вошло в обиход.

В 1943-45 годах закладываются основы для понимания и создания нейронных сетей, а уже в 1950 году Алан Тьюринг публикует в научном издании анализ интеллектуальной шахматной игры. В 1958 году появляется первый язык программирования искусственного интеллекта – Лисп.

В период с 1960 по 1970 ряд ученых доказали, что компьютеры способны понимать естественный язык на достаточно хорошем уровне.

В 1965 году разработали Элизу – первого робота-помощника, который мог говорить на английском языке. В эти же годы направление ИИ стало привлекать правительственные и военные организации США, СССР и других стран.

Так Министерство обороны США уже к 70-м годам запустило проект виртуальных уличных карт – прототип GPS.

В 1969 году ученые Стэнфордского университета создали Шеки – робота с ИИ, способного самостоятельно перемещаться, воспринимать некоторые данные и решать несложные задачи.

В Эдинбургском университете четырьмя годами позже (1973) был создан робот Фредди – это шотландский представитель семейства ИИ мог использовать компьютерное зрение для того, чтобы находить и собирать разные модели.

В СССР искусственный интеллект также развивался стремительно. Академики А.И. Берг и Г.С.Поспелов в 1954-64 годах создают программу «АЛПЕВ ЛОМИ», которая автоматически доказывает теоремы.

В эти же годы советскими учеными был разработан алгоритм «Кора», который моделирует деятельность человеческого мозга при распознавании образов. В 1968 году Турчиным В.

Ф создается символьный язык обработки данных РЕФАЛ.

80-е годы XX века стали прорывными для ИИ. Учеными были разработаны обучающие машины – интеллектуальные консультанты, которые предлагали варианты решений, умели самообучаться на начальном уровне, общались с человеком на ограниченном, но уже естественном языке.

В 1997 году создали известную шахматную программу – компьютер «Дип Блю», который обыграл чемпиона мира по шахматам Гарри Каспарова. В эти же годы Япония приступает к разработке проекта компьютера 6-го поколения на основе нейросетей.

Интересен факт, что в 1989 году другая шахматная программа Deep Thought обыграла гроссмейстера международного уровня Бента Ларсена. После этого поединка машины и человека, Гарри Каспаров заявил:

«Если интеллектуальная машина сможет переиграть в шахматы лучшего из лучших, значит, она сможет писать самую лучшую музыку, сочинять самые лучшие книги. Я не могу в это поверить. Когда я узнаю, что ученые создали компьютер с рейтингом интеллекта 2800, то есть равному моему, я сам вызову машину на шахматный поединок, чтобы защитить человеческую расу»

В 2000-е годы вновь появился интерес к робототехнике. ИИ активно внедряется в космическую отрасль, а также осваивается в бытовой сфере. Появляются системы умного дома, «продвинутые» бытовые устройства. Роботы Кисмет и Номад исследуют районы Антарктиды.

С 2008 начинается эра технологической сингулярности, которая по расчетам экспертов должна выйти в зенит в 2030 году. Начинается интеграция человека с вычислительными машинами, увеличиваются возможности человеческого мозга, появляются биотехнологии.

Принципы ИИ

Прежде чем описываться технологические принципы, без которых немыслимо развитие искусственного интеллекта, стоит познакомиться с этическими законами робототехники. Их в 1942 году вывел Айзек Азимов в своём романе «Хоровод»:

  • Робот или система с искусственным интеллектом не может навредить человеку своим действием или же своим бездействием допустить, чтобы человеку был приченен вред.
  • Робот должен повиноваться приказам, которые получает от человека, кроме тех, которые противоречат Первому закону.
  • Робот должен заботиться о своей безопасности, если это не противоречит Первому и Второму Законам.

До выхода в свет романа Азимова, искусственный интеллект ассоциировался с образом Франкенштейна Мэри Шелли. Искусственно созданное подобие человека с разумом восстает против людей. Эту же страшилку перенесли и в знаменитый блокбастер Голливуда «Терминатор».

Интересен факт, что в 1986 году Айзек Азимов дописал еще один пункт к законам робототехники. Писатель предпочел назвать его «нулевым»:

0. Робот не может навредить человеку, если только не докажет, что в конечном итоге это (вред) будет полезно для всего человечества.

Разобравшись с этическими законами, перейдем к технологическим принципам искусственного интеллекта:

  • Машинное обучение (МО) – принцип развития ИИ на основе самообучающихся алгоритмов. Участие человека при таком подходе ограничивается загрузкой в «память» машины массива информации и постановкой целей. Существует несколько методик МО: обучение с учителем – человек задает конкретную цель, хочет проверить гипотезу или подтвердить закономерность. Обучение без учителя – результат интеллектуальной обработки данных неизвестен – компьютер самостоятельно находит закономерности, учится думать как человек. Глубокое обучение – это смешанный способ, главное отличие в обработке больших массивов данных и использование нейросетей.
  • Нейросеть – математическая модель, которая имитирует строение и функционирование нервных клеток живого организма. Соответственно в идеале – это самостоятельно обучаемая система. Если перенести принцип на технологическую основу, то нейросеть – это множество процессоров, которые выполняют какую-то одну задачу в масштабном проекте. Другими словами суперкомпьютер – это сеть из множества обычных компьютеров.
  • Глубокое обучение относят в отдельный принцип ИИ, так как этот метод используется для обнаружения закономерностей в огромных массивах информации. Для такой непосильной человеку работы, компьютер использует усовершенствованные методики.
  • Когнитивные вычисления – одно их направлений ИИ, которое изучает и внедряет процессы естественного взаимодействия человека и компьютера, наподобие взаимодействия между людьми. Цель технологии искусственного интеллекта заключается в полной имитации человеческой деятельности высшего порядка – речь, образное и аналитическое мышление.
  • Компьютерное зрение – это направление ИИ используется для распознавания графических и видеоизображений. Сегодня машинный интеллект может обрабатывать и анализировать графические данные, интерпретировать информацию в соответствии с окружающей обстановкой.
  • Синтезированная речь. Компьютеры уже могут понимать, анализировать и воспроизводить человеческую речь. Мы уже можем управлять программами, компьютерами и гаджетами с помощью речевых команд. Например, Siri или Google assistant, Алиса в Яндексе и другие.

Кроме того, трудно представить существование искусственного интеллекта без мощных графических процессоров, которые являются сердцем интерактивной обработки данных.

Для интеграции ИИ в различные программы и устройства необходима технология API – программные интерфейсы приложений.

Используя API можно без труда добавлять технологии искусственного интеллекта в любые компьютерные системы: домашняя безопасность, умный дом, оборудование на ЧПУ и прочее.

Сфера использования ИИ

Искусственный интеллект постепенно приходит во все отрасли человеческой деятельности, делая обычные программные комплексы интеллектуальными:

  • Медицина и здравоохранение. Компьютерные системы ведут учет пациентов, помогают в расшифровке диагностических результатов. Например, снимки УЗИ, рентгена, томографа и другого медоборудования. Интеллектуальные системы даже могут по наличию признаков у пациента определять болезнь, предлагать оптимальные варианты лечения. В магазине приложений Гугла можно найти программы-помощники здорового образа жизни. Эти приложения считывают пульс и температуру тела при касании дисплея телефона палицами, чтобы определить уровень стресса человека и подсказать, как его снизить.
  • Розничные продажи в онлайн-магазинах. Многим уже знакома релевантная реклама Гугла и Яндекса. С её помощью ритейлеры предлагают товары и услуги в соответствии с интересами пользователя. Например, вы посещали интернет-магазин купальников, какие-то модели рассматривали, читали характеристики и прочее. Покинув магазин, вы некоторое время будете видеть рекламу купальников на других сайтах. По схожему принципу работают блоки «похожие товары» в интернет-магазинах. Системы аналитики изучают поведенческие метрики пользователя, определяют его покупательские пристрастия и показывают релевантные (по их мнению) предложения.
  • Политика. Интеллектуальные машины помогли Барак Обаме выиграть вторые президентские выборы. Для своей кампании тогда ещё действующий президент США нанял лучшую команду профессионалов в области анализа данных. Специалисты использовали возможности интеллектуальных машин, чтобы рассчитать наилучший день, штат и аудиторию для выступлений Обамы. По оценкам специалистов это дало перевес в 10-12%.
  • Промышленность. Искусственный интеллект может анализировать данные с разных производственных участков и регулировать нагрузку на оборудование. Кроме того, интеллектуальные машины используются для прогнозирования спроса в разных отраслях промышленности.
  • Игровая индустрия, образование. Искусственный интеллект активно применяется создателями игр. Умные машины, робототехника постепенно внедряются в образовательные процессы большинства государств.

Основные проблемы ИИ

Как вы понимаете возможности искусственного интеллекта на данной стадии развития не безграничны. Перечислим главные трудности:

  1. Обучение машин возможно только на основе массива данных. Это означает, что любые неточности в информации сильно сказываются на конечном результате.
  2. Интеллектуальные системы ограничены конкретным видом деятельности. То есть умная система, настроенная на выявление мошенничества в сфере налогообложения, не сможет выявлять махинации в банковской сфере. Мы имеем дело с узкоспециализированными программами, которым ещё далеко до многозадачности человека.
  3. Интеллектуальные машины не являются автономными. Для обеспечения их «жизнедеятельности» необходима целая команда специалистов, а также большие ресурсы.

Резюме

Мы познакомились с понятием, что такое искусственный интеллект. Изучили основные принципы: этические и технологические. Рассмотрели главные препятствия на пути развития ИИ. Искусственный интеллект тесно связан с развитием компьютерной техники, а также таких наук как математика, статистика, комбинаторика и других.

Источник: https://www.calltouch.ru/glossary/iskusstvennyy-intellekt/

Глава 1. Основные понятия искусственного интеллекта

Понятие искусственного интеллекта

Искусственныйинтеллект — это область науки, занимающаясямоделированием интеллектуальнойдеятельности человека. Зародившийсяболее 700 лет назад в средневековойИспании искусственный интеллектоформился в самостоятельную научнуюобласть в середине XX в.

Методы искусственногоинтеллекта позволили создать эффективныекомпьютерные программы в самыхразнообразных, ранее считавшихсянедоступными для формализации иалгоритмизации, сферах человеческойдеятельности, таких как медицина,биология, зоология, социология,культурология, политология, экономика,бизнес, криминалистика и т.п.

Идеиобучения и самообучения компьютерныхпрограмм, накопления знаний, приемыобработки нечетких и неконкретныхзнаний позволили создать программы,творящие чудеса.

Компьютеры успешноборются за звание чемпиона мира пошахматам, моделируют творческуюдеятельность человека, создаваямузыкальные и поэтические произведения,распознают образы и сцены, распознают,понимают и обрабатывают речь, текстына естественном человеческом языке.

Нейрокомпьютеры, созданные по образуи подобию человеческого мозга, успешносправляются с управлением сложнымитехническими объектами, диагностикойзаболеваний человека, неисправностейсложных технических устройств;предсказывают погоду и курсы валют,результаты аний; выявляют хакерови потенциальных банкротов; помогаютабитуриентам правильно выбратьспециальность и т.д.

Мы уже привыкли ктому, что компьютеры «умнеют» буквальнона глазах, а компьютерные программыстановятся все более и болееинтеллектуальными. Само по себе понятиеинтеллекта постоянно претерпеваетизменения по мере развития науки ичеловека. Давно уже не считаютсяинтеллектуальными задачи, состоящие ввыполнении арифметических операцийсложения, умножения, деления.

Не считаетсяинтеллектуальной задача интегрированиядифференциального уравнения, если длянее известен строго детерминированныйалгоритм. В настоящее время принятосчитать интеллектуальными задачи,которые на современном этапе не поддаютсяалгоритмизации в традиционном смыслеэтого слова.

Это задачи, для решениякоторых требуются манипуляции снечеткими, неконкретными, ненадежными,расплывчатыми и даже нетрадиционнымизнаниями.

Начнем рассмотрениеположений ИИ с терминов и определений.

Термин интеллект(intelligence) происходит от латинскогоintellectus — что означает ум, рассудок,разум; мыслительные способности человека.

Соответственно искусственныйинтеллект(artificial intelligence) — ИИ (AI) обычно толкуетсякак свойство автоматических систембрать на себя отдельные функции интеллектачеловека, например, выбирать и приниматьоптимальные решения на основе ранееполученного опыта и рациональногоанализа внешних воздействий.

Понятие «интеллект»используется сегодня и в технике, и втехнических дисциплинах, котороеотличается от определений, сформировавшихсяв контексте психологических и философскихисследований сознания.

Под интеллектомбудем понимать способность мышленияпредвидеть события, предвидеть результатысобственных действий, анализировать иоценивать свое состояние и окружающуюобстановку и принимать решения,сообразуясь со своими представлениямиоб окружающем мире. Определение, данноеакадемиком Н.Н.

Моисеевым, рассматриваетинтеллектуальную деятельность с позицийинформатики. Но оно и выделяет самоеглавное в интеллекте – это способностьк отвлеченному мышлению, абстрагированию,благодаря которым и возникают самосознаниеи рефлексия.

Итак, интеллект– это способность мозга решать(интеллектуальные) задачи путемприобретения, запоминания и целенаправленногопреобразования знаний в процессеобучения на опыте и адаптации кразнообразным обстоятельствам.

При этом подтермином «знания» подразумевается нетолько та информацию, которая поступаетв мозг через органы чувств. Такого типазнания чрезвычайно важны, но недостаточныдля интеллектуальной деятельности.

Дело в том, что объекты окружающей нассреды обладают свойством не тольковоздействовать на органы чувств, но инаходиться друг с другом в определенныхотношениях.

Ясно, что для того, чтобыосуществлять в окружающей средеинтеллектуальную деятельность (илихотя бы просто существовать), необходимоиметь в системе знаний модель этогомира.

В этой информационной моделиокружающей среды реальные объекты, ихсвойства и отношения между ними нетолько отображаются и запоминаются, нои, как это отмечено в данном определенииинтеллекта, могут мысленно «целенаправленнопреобразовываться». При этом существенното, что формирование модели внешнейсреды происходит «в процессе обученияна опыте и адаптации к разнообразнымобстоятельствам».

Интеллектуальнаязадача. Длятого, чтобы пояснить, чем отличаетсяинтеллектуальная задача от простозадачи, необходимо ввести термин«алгоритм» — один из краеугольныхтерминов кибернетики.

Под алгоритмомпонимаютточное предписание о выполнении вопределенном порядке системы операцийдля решения любой задачи из некоторогоданного класса (множества) задач.

Термин«алгоритм» происходит от имени узбекскогоматематика Аль-Хорезми, который еще вIX веке предложил простейшие арифметическиеалгоритмы. В математике и кибернетикекласс задач определенного типа считаетсярешенным, когда для ее решения установленалгоритм.

Нахождение алгоритмов являетсяестественной целью человека при решенииим разнообразных классов задач. Отысканиеалгоритма для задач некоторого данноготипа связано с тонкими и сложнымирассуждениями, требующими большойизобретательности и высокой квалификации.

Задачи, связанные с отысканием алгоритмарешения класса задач определенноготипа, будем называть интеллектуальными.

Что же касаетсязадач, алгоритмы решения которых ужеустановлены, то, как отмечает известныйспециалист в области ИИ М. Минский,«излишне приписывать им такое мистическоесвойства, как «интеллектуальность»».

В самом деле, после того, как такойалгоритм уже найден, процесс решениясоответствующих задач становится таким,что его могут в точности выполнитьчеловек, вычислительная машина (должнымобразом запрограммированная) или робот,не имеющие ни малейшего представленияо сущность самой задачи. Требуетсятолько, чтобы лицо, решающее задачу,было способно выполнять те элементарныеоперации, их которых складываетсяпроцесс, и, кроме того, чтобы оно педантичнои аккуратно руководствовалось предложеннымалгоритмом. Такое лицо, действуя, какговорят в таких случаях, чисто машинально,может успешно решать любую задачурассматриваемого типа.

Поэтому представляетсясовершенно естественным исключить ихкласса интеллектуальных такие задачи,для которых существуют стандартныеметоды решения.

Примерами таких задачмогут служить чисто вычислительныезадачи: решение системы линейныхалгебраических уравнений, численноеинтегрирование дифференциальныхуравнений и т. д.

Для решения подобногорода задач имеются стандартные алгоритмы,представляющие собой определеннуюпоследовательность элементарныхопераций, которая может быть легкореализована в виде программы длявычислительной машины.

В противоположностьэтому для широкого класса интеллектуальныхзадач, таких, как распознавание образов,игра в шахматы, доказательство теореми т.п., напротив это формальное разбиениепроцесса поиска решения на отдельныеэлементарные шаги часто оказываетсявесьма затруднительным, даже если самоих решение несложно.

Таким образом,можно перефразировать определениеинтеллекта как универсальный сверхалгоритм,который способен создавать алгоритмырешения конкретных задач.

Еще интереснымзамечанием здесь является то, чтопрофессия программиста, исходя из нашихопределений, является одной из самыхинтеллектуальных, поскольку продуктомдеятельности программиста являютсяпрограммы — алгоритмы в чистом виде.Именно поэтому, создание даже элементовИИ должно очень сильно повыситьпроизводительность его труда.

Деятельность мозга(обладающего интеллектом), направленнуюна решение интеллектуальных задач,будем называть мышлением, илиинтеллектуальнойдеятельностью.

Интеллект и мышление органически связаныс решением таких задач, как доказательствотеорем, логический анализ, распознаваниеситуаций, планирование поведения, игрыи управление в условиях неопределенности.

Характерными чертами интеллекта,проявляющимися в процессе решениязадач, являются способность к обучению,обобщению, накоплению опыта (знаний инавыков) и адаптации к изменяющимсяусловиям в процессе решения задач.

Благодаря этим качествам интеллектамозг может решать разнообразные задачи,а также легко перестраиваться с решенияодной задачи на другую. Таким образом,мозг, наделенный интеллектом, являетсяуниверсальным средством решения широкогокруга задач (в том числе неформализованных)для которых нет стандартных, заранееизвестных методов решения.

Следует иметь ввиду, что существуют и другие, чистоповеденческие (функциональные)определения. Так, по А. Н. Колмогорову,любая материальная система, с которойможно достаточно долго обсуждатьпроблемы науки, литературы и искусства,обладает интеллектом. Другим примеромповеденческой трактовки интеллектаможет служить известное определениеА. Тьюринга.

Его смысл заключается вследующем. В разных комнатах находитсялюди и машина. Они не могут видеть другдруга, но имеют возможность обмениватьсяинформацией (например, с помощьюэлектронной почты). Если в процесседиалога между участниками игры людямне удается установить, что один изучастников — машина, то такую машинуможно считать обладающей интеллектом.

Кстати интересенплан имитации мышления, предложенныйА. Тьюрингом.

«Пытаясь имитироватьинтеллект взрослого человека, — пишетТьюринг, — мы вынуждены много размышлятьо том процессе, в результате которогочеловеческий мозг достиг своегонастоящего состояния… Почему бы намвместо того, чтобы пытаться создатьпрограмму, имитирующую интеллектвзрослого человека, не попытатьсясоздать программу, которая имитировалабы интеллект ребенка? Ведь если интеллектребенка получает соответствующеевоспитание, он становится интеллектомвзрослого человека… Наш расчет состоитв том, что устройство, ему подобное,может быть легко запрограммировано…Таким образом, мы расчленим нашу проблемуна две части: на задачу построения«программы-ребенка» и задачу «воспитания»этой программы».

Забегая вперед,можно сказать, что именно этот путьиспользуют практически все системы ИИ.Ведь понятно, что практически невозможнозаложить все знания в достаточно сложнуюсистему. Кроме того, только на этом путипроявятся перечисленные выше признакиинтеллектуальной деятельности (накоплениеопыта, адаптация и т. д.).

Термин «искусственныйинтеллект» введен в обиход в 1956 г.профессором Массачусетскоготехнологического института Дж.Макартина встрече американских специалистовв области наук, связанных с теорией ипрактикой исследования вычислительныхпроцессов.

На этой встрече в Дортмутскомколледже, которую американцы считаютпервой конференцией по ИИ, былисформулированы две основные задачи вновой научно-технической отрасли:раскрытьмеханизм человеческого мышления ипостроить электронную машину, котораямогла бы имитировать данный процесс.

Единого определения,полностью описывающего эту научнуюобласть, не существует и по сей день.Среди многих точек зрения на нее сегоднядоминируют три.

Согласно первой -исследования в области ИИ являютсяфундаментальными исследованиями, врамках которых разрабатываются моделии методы решения задач, традиционносчитавшихся интеллектуальными и неподдававшихся ранее формализации иавтоматизации.

Согласно второй точкезрения, новое направление связано сновыми идеями решения задач на ЭВМ, сразработкой принципиально иной технологиипрограммирования, с переходом кархитектуре ЭВМ, отвергающей классическуюархитектуру, которая восходит еще кпервым ЭВМ.

Наконец, третья точка зрения,по-видимому, наиболее прагматическая,состоит в том, что в результате работ вобласти искусственного интеллектарождается множество прикладных систем,решающих задачи, для которых ранеесоздаваемые системы были непригодны.

Конечно, все этитри точки зрения взаимно связаны, вобласти ИИ развиваются фундаментальныеисследования, новая технологияпрограммирования, новая архитектуратехнических средств, и все это используетсядля создания прикладных систем,предназначенных для работы в самыхразнообразных областях.

Под искусственныминтеллектомбудем понимать область научныхисследований, в рамках которойразрабатываются модели, методы,технические и программные средстварешения задач, традиционно считавшихсяинтеллектуальными и поддающимисяформализации и автоматизации.

Под интеллектуальнымисистемамипонимают любые биологические, искусственныеили формальные системы, проявляющиеспособность к целенаправленномуповедению. Последнее включает свойства(проявления) общения, накопления знаний,принятия решений, обучения, адаптациии т.д.

Системами ИИназывают системы, предназначенные длявыполнения на ЭВМ таких практическихзадач, которые называются интеллектуальными,если они выполняются людьми. В теорииИИ часто системы ИИ называютинтеллектуальными системами.

Еще одно определениепонятия «интеллектуальная система» вИИ предложено Поспеловым Д.А. Системасчитается интеллектуальной, если в нейреализованы следующие три базовыефункции:

1) Функцияпредставления и обработки знаний.Интеллектуальная система должна бытьспособна накапливать знания об окружающеммире, классифицировать и оценивать ихс точки зрения прагматики инепротиворечивости, инициировать процессы получения новых знаний,соотносить новые знания со знаниями,хранящимися в базе знаний.

2) Функция рассуждения.Интеллектуальная система должна бытьспособна формировать новые знания спомощью логического вывода и механизмоввыявления закономерностей в накопленныхзнаниях, получать обобщенные знания наоснове частных знаний и логическипланировать свою деятельность.

3) Функция общения.

Интеллектуальная система должна бытьспособна общаться с человеком на языке,близком к естественному (ЕЯ) и получатьинформацию через каналы, аналогичныетем, которые использует человек привосприятии окружающего мира, преждевсего зрительный и звуковой, уметьформировать «для себя» или по просьбечеловека объяснения собственнойдеятельности, оказывать человеку помощьза счет знаний, которые хранятся в еепамяти, и логических средств рассуждения.

Источник: https://studfile.net/preview/2264160/page:2/

Всё, что вам нужно знать об ИИ — за несколько минут

Понятие искусственного интеллекта

Приветствую читателей Хабра. Вашему вниманию предлагается перевод статьи «Everything you need to know about AI — in under 8 minutes.». направлено на людей, не знакомых со сферой ИИ и желающих получить о ней общее представление, чтобы затем, возможно, углубиться в какую-либо конкретную его отрасль.

Знать понемногу обо всё иногда (по крайней мере, для новичков, пытающихся сориентироваться в популярных технических направлениях) бывает полезнее, чем знать много о чём-то одном. Многие люди думают, что немного знакомы с ИИ. Но эта область настолько молода и растёт так быстро, что прорывы совершаются чуть ли не каждый день. В этой научной области предстоит открыть настолько многое, что специалисты из других областей могут быстро влиться в исследования ИИ и достичь значимых результатов. Эта статья — как раз для них. Я поставил себе целью создать короткий справочный материал, который позволит технически образованным людям быстро разобраться с терминологией и средствами, используемыми для разработки ИИ. Я надеюсь, что этот материал окажется полезным большинству интересующихся ИИ людей, не являющихся специалистами в этой области.

Введение

Искусственный интеллект (ИИ), машинное обучение и нейронные сети — термины, используемые для описания мощных технологий, базирующихся на машинном обучении, способных решить множество задач из реального мира. В то время, как размышление, принятие решений и т.п.

сравнительно со способностями человеческого мозга у машин далеки от идеала (не идеальны они, разумеется, и у людей), в недавнее время было сделано несколько важных открытий в области технологий ИИ и связанных с ними алгоритмов. Важную роль играет увеличивающееся количество доступных для обучения ИИ больших выборок разнообразных данных.

Область ИИ пересекается со многими другими областями, включая математику, статистику, теорию вероятностей, физику, обработку сигналов, машинное обучение, компьютерное зрение, психологию, лингвистику и науку о мозге. Вопросы, связанные с социальной ответственностью и этикой создания ИИ притягивают интересующихся людей, занимающихся философией.

Мотивация развития технологий ИИ состоит в том, что задачи, зависящие от множества переменных факторов, требуют очень сложных решений, которые трудны к пониманию и сложно алгоритмизируются вручную. Растут надежды корпораций, исследователей и обычных людей на машинное обучение для получения решений задач, не требующих от человека описания конкретных алгоритмов.

Много внимания уделяется подходу «чёрного ящика». Программирование алгоритмов, используемых для моделирования и решения задач, связанных с большими объёмами данных, занимает у разработчиков очень много времени.

Даже когда нам удаётся написать код, обрабатывающий большое количество разнообразных данных, он зачастую получается очень громоздким, трудноподдерживаемым и тяжело тестируемым (из-за необходимости даже для тестов использовать большое количество данных). Современные технологии машинного обучения и ИИ вкупе с правильно подобранными и подготовленными «тренировочными» данными для систем могут позволить нам научить компьютеры «программировать» за нас.

Обзор

Интеллект — способность воспринимать информацию и сохранять её в качестве знания для построения адаптивного поведения в среде или контексте

Это определение интеллекта из (англоязычной) Википедии может быть применено как к органическому мозгу, так и к машине. Наличие интеллекта не предполагает наличие сознания. Это — распространённое заблуждение, принесённое в мир писателями научной фантастики.

Попробуйте поискать в интернете примеры ИИ — и вы наверняка получите хотя бы одну ссылку на IBM Watson, использующий алгоритм машинного обучения, ставший знаменитым после победы на телевикторине под названием «Jeopardy» в 2011 г. С тех пор алгоритм претерпел некоторые изменения и был использован в качестве шаблона для множества различных коммерческих приложений. Apple, Amazon и Google активно работают над созданием аналогичных систем в наших домах и карманах. Обработка естественного языка и распознавание речи стали первыми примерами коммерческого использования машинного обучения. Вслед за ними появились задачи другие задачи автоматизации распознавания (текст, аудио, изображения, видео, лица и т.д.). Круг приложений этих технологий постоянно растёт и включает в себя беспилотные средства передвижения, медицинскую диагностику, компьютерные игры, поисковые движки, спам-фильтры, борьбу с преступностью, маркетинг, управление роботами, компьютерное зрение, перевозки, распознавание музыки и многое другое. ИИ настолько плотно вошёл в современные используемые нами технологии, что многие даже не думают о нём как об «ИИ», то есть, не отделяют его от обычных компьютерных технологий. Спросите любого прохожего, есть ли искусственный интеллект в его смартфоне, и он, вероятно, ответит: «Нет». Но алгоритмы ИИ находятся повсюду: от предугадывания введённого текста до автоматического фокуса камеры. Многие считают, что ИИ должен появиться в будущем. Но он появился некоторое время назад и уже находится здесь. Термин «ИИ» является довольно обобщённым. В фокусе большинства исследований сейчас находится более узкое поле нейронных сетей и глубокого обучения.

Как работает наш мозг

Человеческий мозг представляет собой сложный углеродный компьютер, выполняющий, по приблизительным оценкам, миллиард миллиардов операций в секунду (1000 петафлопс), потребляющий при этом 20 Ватт энергии. Китайский суперкомпьютер под названием «Tianhe-2» (самый быстрый в мире на момент написания статьи) выполняет 33860 триллионов операций в секунду (33.

86 петафлопс) и потребляющий при этом 17600000 Ватт (17.6 Мегаватт). Нам предстоит проделать определённое количество работы перед тем, как наши кремниевые компьютеры смогут сравниться со сформировавшимися в результате эволюции углеродными.

Точное описание механизма, применяемого нашим мозгом для того, чтобы «думать» является предметом дискуссий и дальнейших исследований (лично мне нравится теория о том, что работа мозга связана с квантовыми эффектами, но это — тема для отдельной статьи). Однако, механизм работы частей мозга обычно моделируется с помощью концепции нейронов и нейронных сетей.

Предполагается, что мозг содержит примерно 100 миллиардов нейронов. Нейроны взаимодействуют друг с другом с помощью специальных каналов, позволяющих им обмениваться информацией. Сигналы отдельных нейронов взвешиваются и комбинируются друг с другом перед тем, как активировать другие нейроны.

Эта обработка передаваемых сообщений, комбинирование и активация других нейронов повторяется в различных слоях мозга. Учитывая то, что в нашем мозгу находится 100 миллиардов нейронов, совокупность взвешенных комбинаций этих сигналов устроена довольно сложно. И это ещё мягко сказано. Но на этом всё не заканчивается.

Каждый нейрон применяет функцию, или преобразование, к взвешенным входным сигналам перед тем, как проверить, достигнут ли порог его активации. Преобразование входного сигнала может быть линейным или нелинейным.

Изначально входные сигналы приходят из разнообразных источников: наших органов чувств, средств внутреннего отслеживания функционирования организма (уровня кислорода в крови, содержимого желудка и т.д.) и других. Один нейрон может получать сотни тысяч входных сигналов перед принятием решения о том, как следует реагировать.

Мышление (или обработка информации) и полученные в результате его инструкции, передаваемые нашим мышцам и другим органам являются результатом преобразования и передачи входных сигналов между нейронами из различных слоёв нейронной сети. Но нейронные сети в мозгу могут меняться и обновляться, включая изменения алгоритма взвешивания сигналов, передаваемых между нейронами. Это связано с обучением и накоплением опыта. Эта модель человеческого мозга использовалась в качестве шаблона для воспроизведения возможностей мозга в компьютерной симуляции — искуственной нейронной сети.

Искусственные Нейронные Сети (ИНС)

Искусственные Нейронные Сети — это математические модели, созданные по аналогии с биологическими нейронными сетями. ИНС способны моделировать и обрабатывать нелинейные отношения между входными и выходными сигналами.

Адаптивное взвешивание сигналов между искусственными нейронами достигается благодаря обучающемуся алгоритму, считывающему наблюдаемые данные и пытающемуся улучшить результаты их обработки. Для улучшения работы ИНС применяются различные техники оптимизации.

Оптимизация считается успешной, если ИНС может решать поставленную задачу за время, не превышающее установленные рамки (временные рамки, разумеется, варьируются от задачи к задаче). ИНС моделируется с использованием нескольких слоёв нейронов. Структура этих слоёв называется архитектурой модели.

Нейроны представляют собой отдельные вычислительные единицы, способные получать входные данные и применять к ним некоторую математическую функцию для определения того, стоит ли передавать эти данные дальше. В простой трёхслойной модели первый слой является слоем ввода, за ним следует скрытый слой, а за ним — слой вывода.

Каждый слой содержит не менее одного нейрона.

С усложнением структуры модели посредством увеличения количества слоёв и нейронов возрастают потенциал решения задач ИНС. Однако, если модель оказывается слишком «большой» для заданной задачи, её бывает невозможно оптимизировать до нужного уровня. Это явление называется переобучением (overfitting).

Архитектура, настройка и выбор алгоритмов обработки данных являются основными составляющими построения ИНС. Все эти компоненты определяют производительность и эффективность работы модели.

Модели часто характеризуются так называемой функцией активации. Она используется для преобразования взвешенных входных данных нейрона в его выходные данные (если нейрон решает передавать данные дальше, это называется его активацией). Существует множество различных преобразований, которые могут быть использованы в качестве функций активации.

ИНС являются мощным средством решения задач. Однако, хотя математическая модель небольшого количества нейронов довольно проста, модель нейронной сети при увеличении количества составляющих её частей становится довольно запутанно. Из-за этого использование ИНС иногда называют подходом «чёрного ящика». Выбор ИНС для решения задачи должен быть тщательно обдуманным, так как во многих случаях полученное итоговое решение нельзя будет разобрать на части и проанализировать, почему оно стало именно таким.

Глубокое обучение

Термин глубокое обучение используется для описания нейронных сетей и используемых в них алгоритмах, принимающих «сырые» данные (из которых требуется извлечь некоторую полезную информацию). Эти данные обрабатываются, проходя через слои нейросети, для получения нужных выходных данных.

Обучение без учителя (unsupervised learning) — область, в которой методики глубокого обучения отлично себя показывают. Правильно настроенная ИНС способна автоматически определить основные черты входных данных (будь то текст, изображения или другие данные) и получить полезный результат их обработки.

Без глубокого обучения поиск важной информации зачастую ложится на плечи программиста, разрабатывающего систему их обработки. Модель глубокого обучения же самостоятельно способна найти способ обработки данных, позволяющий извлекать из них полезную информацию.

Когда система проходит обучение (то есть, находит тот самый способ извлекать из входных данных полезную информацию), требования к вычислительной мощности, памяти и энергии для поддержания работы модели сокращаются.

Проще говоря, алгоритмы обучения позволяют с помощью специально подготовленных данных «натренировать» программу выполнять конкретную задачу.

Глубокое обучение применяется для решения широкого круга задач и считается одной из инновационных ИИ-технологий.

Существуют также другие виды обучения, такие как обучение с учителем (supervised learning) и обучение с частичным привлечением учителя(semi-supervised learning), которые отличаются введением дополнительного контроля человека за промежуточными результатами обучения нейронной сети обработке данных (помогающего определить, в правильном ли направлении движется система).

Теневое обучение (shadow learning) — термин, используемый для описания упрощённой формы глубокого обучения, при которой поиск ключевых особенностей данных предваряется их обработкой человеком и внесением в систему специфических для сферы, к которой относятся эти данные, сведений. Такие модели бывают более «прозрачными» (в смысле получения результатов) и высокопроизводительными за счёт увеличения времени, вложенного в проектирование системы.

Заключение

ИИ является мощным средством обработки данных и может находить решения сложных задач быстрее, чем традиционные алгоритмы, написанные программистами. ИНС и методики глубокого обучения могут помочь решить ряд разнообразных проблем.

Минус состоит в том, что самые оптимизированные модели часто работают как «чёрные ящики», не давая возможности изучить причины выбора ими того или иного решения. Этот факт может привести к этическим проблемам, связанным с прозрачностью информации.

  • искусственный интеллект
  • общее развитие (техника)
  • гиктаймс
  • 26 ноября 2019 в 13:41
  • 21 октября 2019 в 15:10
  • 23 сентября 2019 в 00:49

Источник: https://habr.com/post/416889/

Booksm
Добавить комментарий