искусственный интеллект

искусственный интеллект
        ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ (от лат. intellectus — познание, понимание, рассудок) — направление исследований в современной компьютерной науке, целью которого является имитация и усиление интеллектуальной деятельности человека посредством компьютерных систем.
        Проблематика И. и. была сформулирована в середине 50-х гг. 20 в. группой американских исследователей, возглавляемой Дж. Маккарти.
        В СССР (а впоследствии в России) исследования по И. и. были начаты по инициативе Д.А. Поспелова, создавшего оригинальную школу разработчиков методов И. и. Идеи и методы И.и. Д.А. Поспелов и исследователи его школы применили в теории и практике ситуационного управления. В научной и научно-популярной литературе термин «И. и.» употребляется для обозначения «искусственного разума» — устройства, способного выполнить нетривиальные мыслительные действия, не только сравнимые с человеческими, но и превосходящие их.
        Данное направление исследований в компьютерной науке разрабатывает методы представления знаний, автоматизированных рассуждений и восприятия информации (напр., компьютерное зрение и восприятие речи, понимание текста), а также способы общения человека и компьютера (диалог на естественном языке и средства научения работе с компьютерной системой).
        Основным продуктом И. и. являются интеллектуальные системы, которые состоят из трех подсистем: Решателя задач, представления знаний и комфортного для пользователя интерфейса. Интеллектуальные системы являются аппроксимациями естественного интеллекта, «идеальным типом» которого (в смысле Макса Вебера) являются следующие способности, образующие его реальный феномен:
        способность выделять существенное в наличных знаниях, т.е. упорядочивать их (она — необходимый аспект интуиции);
        способность к целеполаганию и планированию поведения — порождение последовательностей «цель -> план -» действие»;
        способность к отбору знаний (посылок, выводов, релевантных цели рассуждения);
        способность извлекать следствия из имеющихся знаний, т.е. способность к рассуждению, которое может содержать как правдоподобные выводы, используемые для выдвижения гипотез, так и достоверные выводы;
        способность к аргументированному принятию решений, использующему упорядоченные знания (т.е. представление знаний) и результаты рассуждений;
        способность к рефлексии — оценке знаний и действий;
        способность к познавательному любопытству — познающий субъект должен быть способен порождать вопрос «Что такое?» и искать на него ответ;
        способность и потребность находить объяснение (необязательно дедуктивное!) как ответ на вопрос «Почему?» (это реализация абдуктивного инстинкта в смысле Ч.С. Пирса (см. Абдукция);
        способность к синтезу познавательных процедур, образующих эвристику решения задач и рассмотрения проблем, напр., — реализация взаимодействия индукции, аналогии и абдукции (с учетом фальсификации выдвигаемых гипотез посредством поиска контрпримеров) с последующим применением дедукции;
        способность к обучению и использованию памяти;
        способность к рационализации идей — стремление уточнить их как понятие;
        способность к созданию целостной картины относительно предмета мышления (формирование, по крайней мере, приближенной «теории» предметной области);
        способность к адаптации в условиях изменения жизненных ситуаций и знаний, что означает коррекцию «теорий», т.е. знаний о предметной области, и поведения.
        Компьютерные системы, реализующие способности (1), (3)—(6), (8)—(10), являются интеллектуальными системами (ИС) — основным продуктом И. и., аппроксимирующим способности интеллекта естественного. Интеллектуальные системы, содержащие подсистему Решателя задач, реализуют когнитивные рассуждения, посредством которых из баз фактов и баз знаний извлекаются новые знания. Решатель задач, содержащий Рассуждатель, который реализует автоматизированный синтез различных познавательных процедур — индукции, аналогии, абдукции и дедукции, — является подсистемой приобретения новых знаний как в автономном режиме (для «замкнутых миров»), так и в интерактивном режиме машинного обучения (для «открытых миров»). Таким образом, современные компьютерные интеллектуальные системы являются человеко-машинными партнерскими системами, а следовательно, тест А. Тьюринга относительно имитации человеческого поведения в компьютерной системе имеет смысл лишь для автономного режима работы интеллектуальных систем, но не применим для их интерактивного режима. Последний является средством как имитации, так и усиления интеллектуальной деятельности человека.
        На первых этапах предметом исследования И. и. были интеллектуальные игры (прежде всего, шахматы) и автоматическое доказательство теорем. Однако исходный «материал» для решения этих задач весьма формализован, тогда как применение компьютерных систем для обнаружения закономерностей и принятия решений в условиях неопределенности потребовало имитации и формализации перечня всех способностей «идеального типа» человеческого интеллекта. Это обстоятельство стало стимулом для формализации и автоматизации широкого класса эвристик решения задач, включающих машинное обучение в открытых предметных областях. Компьютерные системы И. и. для решения задач медицинской диагностики, восстановления структурных формул химических соединений, предсказания месторождений полезных ископаемых на первых этапах развития И. и. применялись к «замкнутым мирам». Их логическим средством были системы продукций — правил вывода типа «если х, то у». Такие системы имитировали принятие решений квалифицированным экспертом и, соответственно, получили название экспертных систем. Экспертные системы являются интеллектуальными системами с простым Решателем задач.
        Интеллектуальные системы высокого уровня используют различные системы представления знаний — язык логики предикатов 1-го порядка, семантические сети, фреймы, а Рассуждатель Решателя задач использует различные неклассические логики, посредством которых формализуется синтез познавательных процедур для реализации эвристик решения сложных задач. Примерами таких задач являются предсказание биологических активностей химических соединений, предсказание социального поведения, диагностика заболеваний по клиническим данным с предсказанием наилучшего способа лечения, установления личности преступника по криминалистическим данным в базе фактов и т.д.
        Решение указанных задач осуществляется с использованием различных средств И. и. — неклассических логик (в том числе немонотонных, в которых следствия, выводимые из посылок, могут стать невыводимыми при добавлении нового знания), нейронных сетей, деревьев решений, средств вычислительной статистики П. Гаека и Т. Хавранека и других методов автоматического порождения гипотез.
        Интеллектуальные системы высокого уровня реализуют известную схему эволюционной эпистемологии К. Поппера: Р1 — ТТ — ЕЕ — Р2, где Р1 — решаемая проблема, ТТ — пробная теория, представленная в базе фактов и базе знаний, ЕЕ — коррекция базы знаний, базы фактов и стратегии решения задач на основании анализа результатов работы компьютерной системы, а Р2 — новая проблема, полученная при анализе окончательных результатов.
        И. и. является областью приложений экспериментальной эпистемологии, т.к. методы И. и. охватывают как средства представления знаний, обладающих дескриптивными и аргументативными функциями, так и средства извлечения новых знаний посредством Решателя задач. Обобщение опыта применения методов И. и. создает возможность как теоретического, так и экспериментального изучения формализованных эвристик и синтеза познавательных процедур.
        Исследования по И. и. позволяют сформулировать конструктивную аналогию между структурой сознания и строением интеллектуальных систем. Структура сознания может быть представлена следующим образом: сознание = знание + мышление + субъективный мир личности (СМЛ); а строение интеллектуальной системы (ИС) может быть представлено посредством следующей схемы: ИС = (база знаний + база фактов) + Решатель задач + интерфейс. Аналогия между структурой сознания и строением ИС состоит в следующем: системе знаний человека соответствуют база знаний и база фактов, мышлению соответствует Решатель задач, а СМЛ соответствует интерфейс ИС.
        Приведенная аналогия иллюстрирует возможности весьма приближенного и схематичного изучения процесса познания, имитируемого в компьютерных системах И. и., но основанного на управляемых экспериментах в открытых предметных областях. Рассмотренная аналогия допускает развитие посредством совершенствования баз знаний, баз фактов, теории правдоподобных рассуждений и имитации субъективного мира личности. Следует отметить, что она противоположна как концепции сознания Дж. Сёрла, постулирующего эквивалентность физиологического субстрата и сознания, так и концепции, сводящей мыслительную деятельность к вычислениям. Исследования по И. и. породили множество полезных идей и методов в компьютерной науке, среди которых выделим функциональный язык программирования ЛИСП, язык логического программирования ПРОЛОГ, индуктивное логическое программирование и методы машинного обучения, экспертные системы, интеллектуальные работы, методы автоматического порождения гипотез (в том числе GUHA-метод и ДСМ-метод), немонотонные логики, логики аргументации и формализации правдоподобных рассуждений, включающих индукцию, аналогию и абдукцию, нейронные сети, генетические алгоритмы, нечеткие множества.
        Перспективным приложением И. и. является создание интеллектуальных роботов — роботов, в которых средством принятия решений являются интеллектуальные системы. Применение интеллектуальных роботов возможно во многих областях — в медицине, в экстремальных ситуациях, в боевых действиях, в промышленности, в космических исследованиях.
        В.К. Финн
        Лит.: Тьюринг А. Может ли машина мыслить. М., 1960; Маккарти Дж., и Хейес Р. Дж. Некоторые философские проблемы в задаче построения искусственного интеллекта// Кибернетические проблемы бионики. М., 1972. С. 40—88; Интегральные работы. М., 1973; Поспелов Д.А. Фантазия или наука (На пути к искусственному интеллекту). М., 1982; Гаек П., Гавранек Г. Автоматическое образование гипотез. М., 1984; Поспелов Д.А. Ситуационное управление. М., 1986; Реальность и прогнозы искусственного интеллекта. М., 1987; Будущее искусственного интеллекта. М., 1991; Эволюционная эпистемология и логика социальных наук (Карл Поппер и его критики). М., 2000; Гаврилова ТА., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб., 2000; Финн В.К. Интеллектуальные системы и общество. М., 2001; СёрлДж. Открывая сознание заново. М., 2002; Люггер Дж. Ф. Искусственный интеллект (Стратегии решения сложных проблем). М.—С.—Киев, 2003; Пенроуз Р. Тени разума (В поисках науки о сознании). М. — Ижевск, 2003; Вагин В.Н, Головина Е.Ю., Загорянская А.А., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах. М., 2004; Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы до робота: Модели поведения, М., 2004; Финн В.К. Искусственный интеллект: идейная база и основной продукт // Девятая национальная конференция по искусственному интеллекту с международным участием. Труды конференции. Т. 1. М., 2004. С. 11—20; Ярушкина Н.Г. Основы теории нечетких и гибридных систем. М., 2004; Nilsson NJ. Artificial Intelligence. A New Synthesis. San Francisco, California, 1998.

Энциклопедия эпистемологии и философии науки. М.: «Канон+», РООИ «Реабилитация». И.Т. Касавин. 2009.