Умови виникнення

Реферат

На тему:

«Основні напрями дослідження у сфері штучного інтелекту»

Підготував:

студент групи ФеІ-41

Гусак Роман

Перевірив:

доц. Грабовський В.А.

Львів – 2014

Зміст

Зміст. 2

Вступ. 2

1. Що таке штучний інтелект. 3

2. Історія розвитку штучного інтелекту. 4

2.1. Народження штучного інтелекту. 4

2.2. Умови виникнення. 6

2.3. Етапи розвитку штучного інтелекту. 6

3. Основні напрями штучного інтелекту. 7

3.1. Розробка природно-мовних інтерфейсів і машинний переклад. 7

3.2. Розпізнавання образів. 10

3.3. Ігри і машинна творчість. 12

3.4. Машинне навчання і самонавчання. 14

3.5. Інтелектуальні роботи. 14

3.6. Прийняття рішень в завданнях діагностики, проектування та інших подібних завдань. 16

Висновки. 18

Список використаних джерел. 19

Вступ

Вже кілька десятиліть дослідники сперечаються щодо визначення області знань, яка називається штучним інтелектом. Проте глобальною метою досліджень та розробок тут визнано створення штучних систем, що виявляють інтелектуальну поведінку. Дослідницький інтерес стосується розробок як теоретичних положень і формального апарату побудови моделей інтелектуальної діяльності людини, так і штучних систем, у яких реалізуються та перевіряються теоретичні моделі. Це породжує багато локальних цілей моделювання інтелектуальної поведінки людини, що найчастіше формулюються у термінах інтелектуальних задач.

В сучасному світі проблема створення штучного інтелекту піднімається все частіше. То тут, то там промайнуть замітки в газетах, що, мовляв, штучний інтелект (ШІ) уже практично створений або застосовується на практиці у військових цілях, космічних дослідженнях, медицині тощо.

ШІ зможе частково або повністю замінити людину в багатьох спеціальностях і областях (космонавтика, робочі спеціальності тощо). Крім того, він допоможе людині впоратися з завданнями, які йому не під силу (складні обчислення і аналіз) і попросту розширити даний йому природою інтелект.

Загалом поняття "штучний інтелект" є досить розмитим. Практично вся сучасна техніка обладнується мікрочіпами, а виробники переконують споживачів про наявність ШІ в їх виробах. Але, в більшості це є просте копіювання людиноподібної лінії поведінки на штучно створеному об'єкті для зменшення витрат і часу людини.

1. Що таке штучний інтелект

Термін інтелект (intelligence) походить від латинського intellectus - що означає розум, розумові здібності людини.

Інтелект (intelligence) - здатність осмислено здобувати, відтво-
рювати і використовувати знання, розуміти конкретні й абстрактні ідеї, осягати відношення між ідеями й об'єктами.

Характерними особливостями інтелекту є здатність до навчання, узагальнення, накопичення досвіду, адаптація до умов, що змінюються в процесі вирішення завдань. Людина застосовує інтелект для обробки наявної інформації, наприклад, зметою побудови або вдосконалення розуміння, позиції, стратегії, методу, правила, комбінації, відношення, пояснення, рішення, плану чи цілі.

Інтелект пов'язаний з іншими внутрішніми властивостями людини, таки-
ми як сприйняття, пам'ять, мова, уява, самосвідомість, самоконтроль,
характер, володіння тілом, творчість, інтуїція.

Виходячи з самого визначення ШІ випливає основна проблема у створенні інтелекту: можливість або неможливість моделювання мислення дорослої людини або дитини.

2. Історія розвитку штучного інтелекту

2.1. Народження штучного інтелекту

У Прінстонському університеті проводив свої дослідження авторитетний фахівець у галузі штучного інтелекту, Джон Маккарті. Після отримання наукового ступеня Маккарті перейшов у Дартмутський коледж, який і став офіційним місцем народження цієї галузі знань. Маккарті умовив Марвіна Мінського, Клода Шеннона і Натаніеля Рочестера, щоб вони допомогли йому зібрати всіх американських дослідників, які проявляють інтерес до теорії автоматів, нейронних мереж та досліджень інтелекту.

Вони організовували двомісячний семінар в Дартмуті влітку 1956 року. Всього на цьому семінарі були присутні 10 учасників, включаючи Тренчард Мура з Прінстонського університету, Артура Самюела з компанії IBM, а також Рея Соломонова та Олівера Селфрідж з Массачусетського технологічного інституту.

Два дослідники з технологічного інституту Карнегі, Аллен Ньюелл і Герберт Саймон, буквально монополізували весь цей напрям. Тоді як інші могли лише поділитися своїми ідеями і в деяких випадках показати програми для таких конкретних програм, як шашки, Ньюелл і Саймон вже могли продемонструвати програму, котра проводить міркування, Logic Theorist (LT), або логік—теоретик, щодо якої Саймон заявив: «Ми винайшли комп'ютерну програму, здатну мислити в нечислових термінах і тому вирішили важливу проблему про співвідношення духу і тіла».

Незабаром після цього семінару програма показала свою здатність довести більшість теорем, з праці Рассела і Уайтхеда «Principia Mathematica». Повідомляли, що Рассел був у захваті, коли Саймон показав йому, що ця програма запропонувала доказ однієї теореми, більш короткий, ніж у «Principia Mathematica». Редактори журналу Journal of Symbolic Logic виявилися менш схильними емоціям; вони відмовилися приймати статтю, в якості співавторів якої були вказані Ньюелл, Саймон і програма Logic Theorist.

Дартмутський семінар не привів до появи будь—яких нових великих відкриттів, але дозволив познайомитись всім найбільш важливим діячам у цій науковій галузі. Вони, а також їхні студенти та колеги з Массачусетського технологічного інституту, Університету Карнегі—Меллона, Станфордского університету і компанії IBM займали провідне становище в цій області протягом наступних 20 років.

Можливо, результатом даного семінару, який найдовше зберігався — була угода прийняти нову назву для цієї області, запропоновану Маккарті, — штучний інтелект. Можливо, краще було б назвати цю наукову область «обчислювальна раціональність», але за нею закріпилася назва «штучний інтелект».

Умови виникнення

При вирішенні будь-якої задачі управління здійснюється обробка інформації на рівні спеціаліста з можливим залученням засобів комп’ютерної обробки. Інформаційне забезпечення повинне забезпечити ефективність обміну інформацією між керівництвом і об’єктом управління. В склад інформаційного забезпечення, звичайно, включають дані, які характеризують різнобічну діяльність підприємств, нормативні та законодавчі акти, що впливають на процеси господарювання, засоби їх формалізованого опису, програмні засоби ведення і підтримки баз даних. Швидкі зміни в політичній та економічній сферах країни ще більше підкреслили роль своєчасного інформаційного забезпечення для управління виробництвом. Економічні моделі діяльності часто визначаються не стільки інтересами власника виробництва, а і в значній мірі формуються під впливом дії законів та податкової політики держави. Це і обумовлює необхідність впровадження та мобільного використання експертних систем, які б допомагали орієнтуватися в динамічно змінному середовищі, - на що у менеджерів не вистачає часу через основні обов’язки.

2.3. Етапи розвитку штучного інтелекту

Кінець 50 -х років - початок досліджень в галузі ШІ (пов'язують з роботами Ньюелла, Саймана і Шоу), що поклали початок першого етапу досліджень в галузі ШІ, пов'язаному з розробкою програм, що вирішують завдання на основі застосування різноманітних евристичних методів.;

60-70-ті роки - усвідомлення можливостей штучного інтелекту та
формування соціального замовлення на підтримку процесів прийняття рішень і управління. Наука відповідає на це замовлення появою перших персептронів
(нейронних мереж), розробкою методів евристичного програмування та
ситуаційного управління великими системами;

70-80-ті роки - відбувається усвідомлення важливості знань для формування адекватних рішень; з'являються експертні системи, в яких активно використовується апарат нечіткої математики, розробляються моделі правдо-
подібного виведення і правдоподібних міркувань;

80-90-ті роки. З'являються інтегровані (гібридні) моделі подання знань, що поєднують в собі різні "інтелекти": пошуковий, обчислювальний, логічний і образний - створюються інтелектуальні інформаційні технології (ІІТ),
засновані на ідеях експертних систем і мультиагентності.
2000-ні роки - розширюється область застосування роботів. Висувається
гіпотеза про технологічну сингулярність - гіпотетичне вибухоподібне
зростання швидкості науково-технічного прогресу, яке ймовірно послідує за
створенням штучного інтелекту і машин, здатних до самовідтворення.

3. Основні напрями штучного інтелекту

3.1. Розробка природно-мовних інтерфейсів і машинний переклад

Комп’ютерна лінгвістика, зокрема машинний переклад є популярною темою ще з 50-х років. Ідея перекладу не є такою простою, як здавалося першим розробникам. Вони застосовували послідовний приклад слів у тексті, що було недоречним, бо перекласти текст можна лише базуючись на розумінні всього тексту і в контексті всієї інформації.

Для успішного розпізнавання мови варто вирішити такі завдання:

– обробку словника (фонемний склад),

– обробку синтаксису,

– скорочення мови (включаючи можливе використання твердих сценаріїв),

– вибір диктора (вік, стать, мову й діалект), тренування дикторів,

– вибір особливого виду мікрофона (беручи до уваги спрямованість і місце розташування мікрофона),

– умови роботи системи й одержання результату із вказанням помилок.

Розпізнавання мови знайшло реальне застосування в житті, мабуть, тільки в тих випадках, коли використовуваний словник скорочений до 10 знаків, наприклад при обробці номерів кредитних карт і інших кодів доступу до базованих на комп’ютерах систем, що обробляють передані по телефону дані. Так що насущне завдання — розпізнавання, принаймні, 20 тисяч слів природної мови — залишається поки недосяжним. Ці можливості поки недоступні для широкого комерційного використання. Однак ряд компаній самотужки намагається використати вже існуючі в даній галузі науки знання.

Машинний переклад значно дешевший і швидший від традиційного, хоч і поступається йому по якості. Ним користуються в тих випадках, коли важливіше зрозуміти зміст документу, ніж перекласти текст відповідно до літературних критеріїв. Машинний переклад обіцяє стати важливим інструментом для розвитку міждержавної торгівлі, тому що він спроможний значно спростити і прискорити одержання інформації про товари, що випускаються в інших країнах. Останнім часом в цій галузі досягнуто значних успіхів.

Розрізняють два магістральні напрямки створення та застосування машинного перекладу. В першому випадку система машинного перекладу функціонує на великій ЕОМ і представляє “сирий”, чорновий переклад, який згодом редагують кваліфіковані перекладачі. Як правило, така методика використовується у великих організаціях, які змушені готувати документи на різних мовах. Деколи досить успішно використовується попереднє редагування вихідних текстів. Деякі фірми вводять у себе так звані “контрольовані природні мови”: коли кожен працівник фірми, що готує документацію, повинен її готувати саме з дотриманням вимог цієї обмеженої мови (наприклад, вимога відсутності складних синтаксичних конструкцій). Використання контрольованої природної мови спрощує роботу машинного перекладу і зменшує обсяги постредагування, яке дорого коштує через необхідність залучення спеціалістів високої кваліфікації. Другим магістральним напрямком машинного перекладу є використання систем, орієнтованих на персональні комп’ютери. Такі системи вперше появилися ще на початку 1980-х років (наприклад, MicroCAT фірми Weidner). Найбільший успіх в застосуванні цих систем перекладу припав на 90-і роки.

Статистичні оцінки підтверджують постійне зростання продаж систем машинного перекладу. На ринку зараз знаходиться понад тисячу різних пакетів (якщо враховувати окремо кожну мовну пару). Популярність машинного перекладу пояснюється не тільки простою цікавістю, хоча і це є однією з основних причин поширення систем машинного перекладу. Велика частина користувачів використовує невідредагований машинний переклад текстів великих обсягів з метою ознайомлення, коли низька якість перекладу цілком допустима.

Сучасні системи перекладу пропонують користувачам приблизно однаковий спектр можливостей:

· редагування тексту в багатомовному режимі з розбиттям екрану, так що в кожному вікні знаходиться текст на відповідній мові;

· розпізнавання термінів;

· пошук слів у словниках, вставка перекладів у текст;

· так звана “пам’ять перекладача” - переклад з використанням нагромадженого досвіду;

· створення паралельних двомовних текстових баз даних;

· збереження форматування;

· підтримка великого спектру європейських мов.

Зараз інтенсивно проводяться дослідження в галузі перекладу усної мови. Компанія IBM, яка вважається лідером в цій області, випустила програмний пакет ViaVoice 4.1, яка дозволяє комп’ютеру сприймати до 140 слів на хвилину неперервної диктовки. Попередні версії цієї програми передбачали лише дискретний спосіб введення мови. Для налагодження на персональні особливості мовлення певної людини при початковій установці програми в залежності від якості вимови і конкретного діалекту потрібно повторити від 104 до 256 речень, що попередньо задаються. Але розпізнавання мови не означає розуміння її змісту. Слід розрізняти розпізнавання машинної мови і перетворення її в текст або ж її використання у вигляді команд, і справжнє розуміння її змісту, як це робить людина. Останнє вимагає знання комп’ютером всього обсягу стилістичних та семантичних конструкцій, правил використання слів та висловів, при чому останні повинні задаватися не жорстко – адже люди говорять, що завгодно і як завгодно, не звертаючи уваги наскільки це грамотно і літературно. Іноді навіть те, що говориться, не відповідає тому, що малося на увазі. Так що навчити машину розуміти людей – задача незрівнянно складніша і віддалена в часі.

3.2. Розпізнавання образів

Це напрямок, що сформувався від зародження ШІ, на зараз це самостійна наука. Основним підходом є опис класів об’єктів через значення вагомих ознак. Кожному об’єкту ставиться у відповідність матриця ознак за якою відбувається розпізнавання. Для поділу об’єктів на класи використовують спеціальні математичні процедури і функції.

Можна виділити два основних напрямки в розпізнаванні образів:

· Вивчення здібностей до розпізнавання, якими володіють живі істоти, їхнє пояснення й моделювання;

· Розвиток теорії й методів побудови пристроїв, призначених для розв'язання окремих задач у прикладних цілях.

Для оптичного розпізнавання образів можна застосувати метод перебору вигляду об'єкта під різними кутами, масштабами, зсувами й т. д. Для букв потрібно перебирати шрифт, властивості шрифту й т. д.

Другий підхід — знайти контур об'єкта й досліджувати його властивості (зв’язність, наявність кутів і т. д.)

Ще один підхід — використовувати штучні нейронні мережі. Цей метод вимагає або великої кількості прикладів задачі розпізнавання (із правильними відповідями), або спеціальної структури нейронної мережі, що враховує специфіку даної задачі. Тому для розпізнавання образів використовують персептрон.

У досвіді з навчанням персептрону зазвичай пред'являється деяка послідовність образів, у яку входять представники кожного із класів, що підлягають розрізненню. Відповідно до деякого правила модифікації пам’яті правильний вибір реакції підкріплюється. Потім персептрону пред'являється контрольний стимул і визначається ймовірність одержання правильної реакції для стимулів даного класу. Залежно від того, збігається чи не збігається обраний контрольний стимул з одним з образів, які використовувалися в навчальній послідовності, отримують різні результати.

Персептрони не мають здатності до чистого узагальнення, але вони цілком задовільно функціонують в експериментах із розрізнення, особливо якщо контрольний стимул досить близько збігається з одним з образів, щодо яких персептрон уже нагромадив певний досвід.

Приклади задач розпізнавання образів

· Розпізнавання літер.

· Розпізнавання штрих-кодів.

· Розпізнавання автомобільних номерів.

· Розпізнавання осіб.

· Розпізнавання мови.

· Розпізнавання зображень.

· Розпізнавання локальних ділянок земної кори, у яких знаходяться родовища корисних копалин.

Автоматичне виявлення облич спеціальною програмою.

3.3. Ігри і машинна творчість

Ігровий штучний інтелект — набір програмних методик, які використовуються у відеоіграх для створення ілюзії інтелекту в поведінці персонажів, керованих комп'ютером. Ігровий ШІ, крім методів традиційного штучного інтелекту, включає також алгоритми теорії керування, робототехніки, комп'ютерної графіки та інформатики у цілому.

Реалізація ШІ сильно впливає на геймплей, системні вимоги і бюджет гри, і розробники балансують між цими вимогами, намагаючись зробити цікавий і невимогливий до ресурсів ШІ малою ціною. Тому підхід до ігрового ШІ серйозно відрізняється від підходу до традиційного ШІ — широко застосовуються різного роду спрощення, обмани й емуляції. Наприклад: з одного боку, в шутерах від першої особи безпомилковий рух і миттєве прицілювання, властиве ботам, не залишає жодного шансу людині, так що ці здатності штучно знижуються. З іншого боку — боти повинні робити засідки, діяти командою й т.д., для цього застосовуються «костилі» у вигляді контрольних точок, розставлених на рівні.

Персонажів комп'ютерних ігор, керованих ігровим штучним інтелектом, ділять на:

· неігрові персонажі — зазвичай, ці ШІ-Персонажі є дружніми або нейтральними до людського гравця;

· боти — ворожі до гравця ШІ-Персонажі, що наближаються за можливостями до ігрового персонажа; проти гравця в будь-який конкретний момент бореться невелика кількість ботів. Боти найскладніші в програмуванні.

· моби — ворожі до гравця «низькоінтелектуальні» ШІ-Персонажі. Моби вбиваються гравцями у великих кількостях заради очок досвіду, артефактів або проходження території.

Робототехніка —прикладна наука, що займається розробкою автоматизованих технічних систем (роботів). Орієнтована на створення роботів і робототехнічних систем, призначених для автоматизації складних технологічних процесів і операцій, у т. ч. таких, що виконуються в недетермінованих умовах, для заміни людини при виконанні важких, втомливих і небезпечних робіт.

Машинна творчість – окрема галузь штучного інтелекту. Зумовлено це тим, що природа людської творчості ще менше вивчена, ніж природа інтелекту. Тим не менше, ця область існує, і тут стоять проблеми написання комп'ютером музики, літературних творів (часто — віршів та казок), художнє мистецтво.

Існує багато програм штучного інтелекту, кожна з яких утворює майже самостійний напрямок. В якості прикладів можна навести програмування інтелекту в комп'ютерних іграх, нелінійному керуванні, інтелектуальні системи безпеки, тощо.

Не важко бачити, що більшість областей дослідження перетинаються. Це властиво для будь-якої науки. Але в штучному інтелекті взаємозв'язок між, задавалось би, різними напрямами виражений дуже сильно, і це пов'язано з філософським спором про сильний і слабкий ШІ.

Роботи грають на музикальних інструментах

3.4. Машинне навчання і самонавчання

Розробка моделей, методів та алгоритмів, що орієнтуються на автоматичне накопичення і формування знань на підставі аналізу та узагальнення даних. Втілюється навчання за прикладами та традиційними підходами з теорії розпізнавання образів. Сьогодні цьому питанню приділяється величезна увага у сфері штучного інтелекту.

Існує багато алгоритмів машинного навчання. Один з найпоширеніших - алгоритми класу С4. Ці алгоритми дозволяють вибудовувати та аналізувати складне дерево рішень. З кожною гілкою дерева асоціюється певний клас прикладів вирішення проблеми. В процесі вирішення класи можуть розбиватися на підкласи. Завершення роботи алгоритму є прийняття того чи іншого рішення, що задовольняє потребам завдання. Недоліком алгоритму є обмеженість прикладів вирішення проблеми.

В останні роки поширення набувають технології Data Mining (видобуток знань) та KnowLedge Discovery (пошук закономірностей у представлених даних).

3.5. Інтелектуальні роботи

В кожної людини є прагнення максимально полегшити свою працю. Робототехніка на сьогодні є доволі перспективним напрямком ШІ. Оскільки роботу м'язів можна замінити тільки роботою інших застосувань, людина не забула цим скористатися - на багатьох заводах замість людей сьогодні трудяться роботи.

Виділяють кілька поколінь в історії робототехніки.

1. Роботи з жорсткою схемою управління (запрограмовані маніпулятори). До них можна віднести практично всіх сучасних промислових роботів-автоматів.

2. Адаптивні роботи з сенсорними пристроями. Існують вдалі розробки, але в промисловості застосовуються рідко.

3. Інтелектуальні роботи, що самонавчаються та самоналаштовуються. Вони є кінцевою метою робо техніки. Основною проблемою тут є машинний зір, зокрема, адекватне розпізнавання, обробка та збереження тривимірної візуальної інформації, а також проблема збереження рівноваги при пересуванні.

Перших роботів важко було назвати інтелектуалами. Тільки наприкінці 60-х років було сконструйовано роботів, які були керовані комп'ютерами. Наприклад, в результаті розробки проекту "Промисловий інтелектуальний робот" в Японії в 1969 році було зібрано робота з елементами ШІ для виконання складально-монтажних робіт з візуальним контролем. Маніпулятор робота мав 6 ступенів свободи і був оснащений тактильними датчиками. Зір робота було організовано за допомогою двох відеокамер, забезпечених світлофільтрами для розпізнавання кольору предметів. Робот був здатний визначати область, де знаходилися предмети і розпізнавати їх. Поступово характеристики роботів значно покращилися, і сьогодні точності їх роботи позаздрить будь-яка людина. В розвинутих країнах планується перевести значну частину збройних сил на роботизовану основу.

Увагу громадськості привертають щорічні змагання роботів-машин, що пересуваються по пересіченій місцевості, користуючись при цьому тільки карткою. Ці складно організовані механізми здатні самостійно приймати рішення з координації пересування і мають для цього у складі примітивний ШІ з датчиками нахилу автомобіля, радіомаяків, компасом, далекоміром, інфрачервоними та іншими датчиками моніторингу руху. У США останнім часом ведуться розробки по машинному навчанню, навігації роботів, логічного планування їх дій і т.д.

3.6. Прийняття рішень в завданнях діагностики, проектування та інших подібних завдань

Сьогодні суспільство цікавлять системи прийняття рішень в реальному часі, засоби зберігання, вилучення, аналізу і моделювання знань, системи динамічного планування. Серед них вже сьогодні є конкретні результати:

· DENDRAL - високоінтелектуальна система розпізнавання хімічних структур. Це найстаріша з експертних програм. Перші версії даної системи з'явилися ще в 1965 році. Користувач задає системі DENDRAL деяку інформацію про речовину, а також дані спектрометрії (інфрачервоної, ядерного магнітного резонансу і мас -спектрометрії), і та у свою чергу видає діагноз у вигляді відповідної хімічної структури.

· MICIN - експертна система медичної діагностики. Її розроблено групою з інфекційних захворювань Стенфордського університету. Програма ставить відповідний діагноз, виходячи з наданих до неї симптомів, і рекомендує курс медикаментозного лікування для діагностованої інфекції.

· PUFF - система аналізу порушення дихання людини. Вона базується на сиситемі MICIN, з якої видалили дані про інфекції і вставили дані про легеневі захворювання.

· PROSPECTOR - система, яку створено для сприяння пошуку комерційно виправданих родовищ корисних копалин.

Експертна система — це методологія адаптації алгоритму успішних рішень одної сфери науково-практичної діяльності в іншу. З поширенням компютерних технологій це тотожна (подібна, заснована на оптимізуючому алгоритмі) інтелектуальна комп’ютерна програма, що містить знання та аналітичні здібності одного або кількох експертів щодо деякої галузі застосування і здатна робити логічні висновки на основі цих знань, тим самим

забезпечуючи вирішення специфічних завдань (консультування, навчання, діагностика, тестування, проектування тощо) без присутності експерта.

Також визначається як система, яка використовує базу знань для вирішення завдань (видачі рекомендацій) у деякій предметній галузі.

Експертні системи досить давно використовуються у діагностиці, зокрема у медичній та автомобільній.

Також експертні системи можна використовувати в прогнозуванні, плануванні, контролі, управлінні та навчанні. Наприклад, експертні системи вже застосовуються в банківській справі в таких напрямках:

· програмах аналізу інвестиційних проектів;

· програмах аналізу стану валютного, грошового та фондового ринку;

· програмах аналізу кредитоспроможності чи фінансового стану підприємств і банків.

Процес створення експертних систем значно змінився за останні роки. Завдяки появі спеціальних інструментальних засобів побудови експертних систем значно скоротились терміни та зменшилась трудомісткість їх розробки.

Дата добавления: 2015-07-18