I. Älykkäiden tietojärjestelmien kehityksen historia

Novelli tekoäly

Tärkeimmät tutkimusalueet tekoälyn alalla

Tiedon esittäminen ja tiedon päättely

Hämärää tietoa

Sovellettavat älykkäät järjestelmät

1.1. Lyhyt tekoälyn historia

1.1.1. tausta

Ajatus ihmisen keinotekoisen kaltaisen luomisesta monimutkaisten ongelmien ratkaisemiseksi ja ihmismielen simuloimiseksi on ollut ilmassa vuodesta lähtien. muinaiset ajat. Kyllä, sisään muinainen Egypti luotiin "elvyttävä" mekaaninen patsas jumala Amonista. Homeroksen Iliadissa jumala Hephaestus takoi humanoidiautomaatteja. Kirjallisuudessa tätä ajatusta esitettiin monta kertaa: Pygmalionin Galateasta Papa Carlon Pinocchioon. Tekoälyn esi-isäksi katsotaan kuitenkin keskiaikainen espanjalainen filosofi, matemaatikko ja runoilija Raymond Lull, joka 1200-luvulla yritti luoda mekaanisen koneen erilaisten ongelmien ratkaisemiseksi kehittämänsä yleisen käsitteiden luokituksen perusteella. 1700-luvulla Leibniz ja Descartes jatkoivat itsenäisesti tätä ajatusta ehdottaen universaaleja kieliä kaikkien tieteiden luokitteluun. Näitä teoksia voidaan pitää ensimmäisinä teoreettisina töinä tekoälyn alalla. Tekoälyn lopullinen synty tieteellisenä suunnana tapahtui vasta tietokoneiden luomisen jälkeen XX vuosisadan 40-luvulla. Samaan aikaan Norbert Wiener teki uraauurtavan työnsä uutta tiedettä- kybernetiikka.

Termi "tekoäly" - AI - (AI - tekoäly) ehdotettiin vuonna 1956 samannimisessä seminaarissa Dartsmouth Collegessa (USA). Seminaari oli omistettu loogisten ongelmien ratkaisumenetelmien kehittämiseen laskennallisten ongelmien sijaan. V Englannin kieli tällä lauseella ei ole sitä hieman fantastista antropomorfista väritystä, jonka se sai melko epäonnistuneesta venäjänkielisestä käännöksestä. Sana äly tarkoittaa "kykyä järkeillä järkevästi", eikä ollenkaan "älykkyyttä", jolle on olemassa termi äly.

Pian tekoälyn tunnustamisen jälkeen erilliseksi tieteenalaksi se jaettiin kahteen osa-alueeseen: neurokybernetiikkaan ja "mustan laatikon kybernetiikkaan". Nämä alueet kehittyvät lähes itsenäisesti ja eroavat toisistaan ​​merkittävästi sekä metodologialtaan että teknologialtaan. Ja vasta tällä hetkellä on tullut havaittavia taipumuksia yhdistää nämä osat jälleen yhdeksi kokonaisuudeksi.

Luento 1

Johdanto. Tietojärjestelmän ja teknologian käsite, henkinen tietojärjestelmä (IIS). Signaalien esittämis- ja käsittelymenetelmien kehittämisen historialliset näkökohdat, menetelmät signaalinkäsittelyjärjestelmien rakentamiseen, niiden älyllistäminen. Ero IIS:n ja perinteisen välillä tietojärjestelmä. Älykkäiden järjestelmien tyypit ja ominaisuudet. Älykkään ohjauksen käsite ja tyypit. Lähestymistapoja älykkäiden tietojärjestelmien rakentamiseen. IIS:n pääluokat. Jokaisen luokan erityispiirteet.

Nykymaailmassa ohjelmoijan tuottavuuden kasvu saavutetaan käytännössä vain niissä tapauksissa, joissa tietokoneet ottavat osan älyllisestä kuormituksesta. Yksi tapa saavuttaa maksimaalinen edistyminen tällä alueella on "tekoäly", jolloin tietokone ei vain suorita samantyyppisiä toistuvia toimintoja, vaan voi myös oppia itse. Lisäksi täysimittaisen "tekoälyn" luominen avaa ihmiskunnalle uusia kehitysnäkymiä.

Ennen kuin ryhdymme pohtimaan tehokkaiden älykkäiden tietojärjestelmien rakentamisen kysymyksiä, katsotaanpa aiheen määritelmiä ja peruskäsitteitä.

Tiedot- tietoa ympäröivän maailman esineistä, ilmiöistä ja tapahtumista, prosesseista, välitettynä suullisesti, kirjallisesti tai muulla tavalla ja vähentäen niitä koskevan tiedon epävarmuutta.

Tietojen tulee olla luotettavia, täydellisiä, riittäviä, ts. ovat tietyn tason merkityksellisiä, ytimekkäitä, selkeitä ja ymmärrettäviä, ajankohtaisia ​​ja arvokkaita.

Järjestelmä- joukko elementtejä, joita yhdistävät niiden väliset linkit ja joilla on tietty eheys. Eli järjestelmä on joukko vuorovaikutuksessa olevia toisiinsa liittyviä elementtejä, joita yhdistää tietty tavoite ja yhteiset (tarkoitetut) suhteiden säännöt.

Automaattiset tietojärjestelmät suorittaa kaikki tietojenkäsittelytoiminnot ilman ihmisen väliintuloa.

Automaattiset tietojärjestelmät osallistua sekä henkilön että teknisten välineiden tietojenkäsittelyprosessiin ja päärooli annettu tietokoneelle. Nykyaikaisessa tulkinnassa termi "tietojärjestelmä" sisältää välttämättä käsitteen automatisoitu järjestelmä. On tarpeen tehdä ero tietojärjestelmän ja tietotekniikan käsitteiden välillä.

Tietotekniikka- tekniikat, menetelmät ja menetelmät tietotekniikan käyttämiseksi tietojen keruu-, tallennus-, käsittely- ja käyttötoimintojen suorittamisessa (GOST 34.003-90 mukaisesti).

Tietojärjestelmä- organisatorisesti järjestetyt asiakirjat ja tietotekniikat, mukaan lukien tietotekniikkaa ja tietoliikenneprosesseja toteuttavan viestinnän käyttö.

Tällainen tietojärjestelmän ymmärtäminen sisältää tietokoneiden ja viestintävälineiden käytön tärkeimpinä teknisinä keinoina käsitellä tietoa, toteuttaa tietoprosesseja ja antaa tarvittavia tietoja tehtäessä päätöksiä miltä tahansa alueelta.

InfSist on ympäristö, jonka rakenneosia ovat tietokoneet, tietokoneverkot, ohjelmistotuotteet, tietokannat, ihmiset, erilainen tekninen ja ohjelmistoviestintä jne. Vaikka itse idea IS:stä ja jotkin niiden organisoinnin periaatteet syntyivät kauan ennen tietokoneiden tuloa, tietokoneistaminen lisäsi IS:n tehokkuutta kymmeniä ja satoja kertoja ja laajensi niiden sovellusaluetta.

termillä " järjestelmä" ymmärretään objektina, jota pidetään samanaikaisesti sekä yhtenä kokonaisuutena että joukkona toisiinsa liittyviä heterogeenisia elementtejä, jotka yhdistyvät asetettujen tavoitteiden saavuttamiseksi ja toimivat yhtenä kokonaisuutena. Järjestelmät eroavat merkittävästi toisistaan ​​sekä koostumukseltaan että päätavoitteiltaan. Tämä kokonaisuus saa jonkin ominaisuuden, joka puuttuu elementeistä erikseen.

Johdonmukaisuuden merkkejä kuvataan kolmella periaatteella:

Ulkoinen eheys - järjestelmän eristäminen tai suhteellinen eristäminen ympäröivässä maailmassa;

Sisäinen eheys - järjestelmän ominaisuudet riippuvat sen elementtien ominaisuuksista ja niiden välisistä suhteista. Näiden suhteiden rikkominen voi johtaa siihen, että järjestelmä ei pysty suorittamaan toimintojaan;

Hierarkia - järjestelmässä voidaan erottaa erilaisia ​​osajärjestelmiä, toisaalta järjestelmä itse voi olla myös jonkin toisen suuremman järjestelmän tai osajärjestelmän alijärjestelmä.

Tietojenkäsittelytieteessä käsite "järjestelmä" on laajalle levinnyt ja sillä on monia semanttisia merkityksiä. Useimmiten sitä käytetään sarjan yhteydessä teknisiä keinoja ja ohjelmat. Järjestelmää voidaan kutsua tietokoneen laitteisto-osaksi. Järjestelmänä voidaan pitää myös tiettyjen sovellettavien ongelmien ratkaisemiseen tarkoitettujen ohjelmien sarjaa, jota täydennetään dokumentaation ylläpitoon ja laskelmien hallintaan liittyvillä menettelyillä.

Tietystä sovellusalueesta riippuen IS:t voivat vaihdella suuresti toimintojensa, arkkitehtuurinsa ja toteutuksensa suhteen. On mahdollista erottaa tärkeimmät ominaisuudet, jotka ovat yhteisiä kaikille IS:ille :

IS:n rakenteen, sen toiminnallisen tarkoituksen tulee vastata asetettuja tavoitteita;

IS käyttää verkkoja tiedonsiirtoon;

koska mikä tahansa IS on suunniteltu keräämään, tallentamaan ja käsittelemään tietoa, mikä tahansa IS perustuu tietojen tallennus- ja käyttöympäristöön. Ja koska IS:n tehtävänä on tuottaa luotettavaa, luotettavaa, oikea-aikaista ja systematisoitua tietoa tietokantojen, asiantuntijajärjestelmien ja tietokantojen käyttöön, sen on tarjottava vaadittu tallennusluotettavuus ja pääsytehokkuus, joka vastaa IS:n laajuutta. ;

IP on oltava ihmisten hallinnassa, ymmärrettävä ja käytettävä yritysstandardin tai muun IP-standardin muodossa toteutettujen perusperiaatteiden mukaisesti. IS-käyttöliittymän tulee olla helposti ymmärrettävä intuitiivisella tasolla.

Tietojärjestelmien ja IS-kehittäjien päätehtävät:

Haku, käsittely ja tietovarasto, joka kerääntyy pitkään ja jonka menetys on korjaamaton. Tietokoneistetut IC:t on suunniteltu käsittelemään tietoa nopeammin ja luotettavammin, jotta ihmiset eivät hukkaa aikaa, välttämään inhimillisiä satunnaisia ​​virheitä, säästämään kustannuksia ja tekemään ihmisten elämästä mukavampaa;

Eri rakenteellisten tietojen tallennus. Ei ole kehitettyä tietojärjestelmää, joka toimisi yhden homogeenisen datatiedoston kanssa. Lisäksi kohtuullinen vaatimus tietojärjestelmälle on, että se voi kehittyä. Saattaa ilmestyä uusia toimintoja, joiden suorittaminen edellyttää lisätietoa uudella rakenteella. Tässä tapauksessa kaikki aiemmin kertyneet tiedot tulee säilyttää. Teoriassa voit ratkaista tämän ongelman käyttämällä useita tiedostoja ulkoinen muisti, joista jokainen tallentaa tietoja kiinteällä rakenteella. Käytetyn tiedostonhallintajärjestelmän organisointitavasta riippuen tämä rakenne voi olla tiedostotietuerakenne tai sitä tukee erillinen kirjastotoiminto, joka on kirjoitettu erityisesti tätä IC:tä varten. On esimerkkejä todella toimivista IS:istä, joissa tietojen tallennus oli suunniteltu perustumaan tiedostoihin. Useimpien järjestelmien kehityksen seurauksena niihin on syntynyt erillinen komponentti, joka on eräänlainen tietokannan hallintajärjestelmä (DBMS);

Tietovirtojen analysointi ja ennustaminen monenlaisia ja yhteiskunnassa liikkuvat tyypit. Virtoja tutkitaan tavoitteena niiden minimointi, standardointi ja mukauttaminen tehokkaaseen prosessointiin tietokoneissa sekä eri tiedonlevityskanavien kautta kulkevien tietovirtojen piirteitä;

Tiedon esittämistapojen ja tallentamistapojen tutkiminen, erityisten kielten luominen erityyppisten tietojen muodolliseen kuvaamiseen, erityisten tekniikoiden kehittäminen tiedon pakkaamiseen ja koodaamiseen, suurien asiakirjojen merkitsemiseen ja yhteenvetoon. Tämän suunnan puitteissa kehitetään laajamittaisten tietopankkien luomista, jotka tallentavat tietoa eri osaamisaloista tietokoneiden käytettävissä olevassa muodossa;

Menettelyjen ja teknisten välineiden rakentaminen niiden toteuttamiseen, joiden avulla on mahdollista automatisoida tiedon poimiminen asiakirjoista, joita ei ole tarkoitettu tietokoneille, mutta jotka keskittyvät ihmisen havaintoon;

Sellaisten tiedonhakujärjestelmien luominen, jotka pystyvät havaitsemaan luonnollisella kielellä muotoiltuja pyyntöjä tietovarastoihin, sekä erityisten kyselykielien luominen tämän tyyppisille järjestelmille;

Tiedon tallennus-, käsittely- ja siirtoverkkojen luominen, joihin kuuluvat tietotietopankit, päätelaitteet, käsittelykeskukset ja viestintävälineet.

Tietyt tehtävät, jotka tietojärjestelmän tulee ratkaista, riippuvat sovellusalueesta, jolle järjestelmä on tarkoitettu. Tietosovellusten käyttöalueet ovat monipuoliset: pankkitoiminta, tuotannonohjaus, lääketiede, liikenne, koulutus jne. Otetaan käyttöön käsite "ainealue" - ympäröivästä maailmasta eristettyä fragmenttia kutsutaan osaamisalueeksi tai aihealue. On myös monia tehtäviä ja ongelmia, jotka on ratkaistava käyttämällä tämän aihealueen kokonaisuuksia ja suhteita, joten käytetään laajempaa käsitettä - ongelmaympäristö on aihealue + ratkaistavat tehtävät.

Tarkastellaan lähemmin kahden tyyppisiä tietojärjestelmiä. Nämä ovat asiantuntevia ja älykkäitä järjestelmiä.

Asiantuntijajärjestelmät(Expert System) - tietokonsultointi- ja/tai päätöksentekojärjestelmät, jotka perustuvat jäsenneltyihin, usein huonosti formalisoituihin menettelyihin, joissa käytetään kokemusta, intuitiota, ts. älylliset ominaisuudet, jotka tukevat tai mallintavat asiantuntijoiden työtä; järjestelmiä käytetään sekä pitkän että lyhyen tähtäimen toiminnan ennustamisessa ja johtamisessa.

Älykkäät järjestelmät tai tietopohjaiset järjestelmät (Knowleadge Based System) - järjestelmät päätöksentekotehtävien tukemiseen monimutkaisissa järjestelmissä, joissa on tarpeen käyttää tietoa melko laajasti, erityisesti huonosti formalisoiduissa ja huonosti jäsennellyissä järjestelmissä, sumeissa järjestelmissä ja sumeassa päätöksenteossa kriteeri; Nämä järjestelmät ovat tehokkaimpia ja niitä käytetään vähentämään pitkän aikavälin strategisen johtamisen ongelmat taktisiksi ja lyhytaikaisiksi ongelmiksi, parantamaan hallittavuutta erityisesti monikriteeriympäristössä. Toisin kuin asiantuntijajärjestelmät, tietoon perustuvien järjestelmien tulisi useammin välttää asiantuntija- ja heuristisia toimenpiteitä ja turvautua kognitiivisiin menetelmiin riskin minimoimiseksi. Tässä henkilöstön ammattitaito on merkittävämpi, koska tällaisten järjestelmien kehittäminen edellyttää paitsi kehittäjien myös käyttäjien, esimiesten yhteistyötä ja keskinäistä ymmärrystä, ja itse kehitysprosessi tapahtuu pääsääntöisesti iteratiivisesti, iteratiivisilla parannuksilla proseduuritiedon (miten ) asteittainen muuntaminen (siirtyminen) ei-proseduuriksi, deklaratiiviseksi (mitä tehdä).

Tarkastellaanpa nyt kysymystä tietojärjestelmien älykkyydestä.

Termi älykkyyttä(äly) tulee latinan sanasta intellectus, joka tarkoittaa "mieli, järki, mieli; ihmisen henkiset kyvyt". Vastaavasti Tekoäly (tekoäly) - Tekoäly (AI) tulkitaan yleensä automaattisten järjestelmien ominaisuudeksi ottaa yksittäisiä ihmisälyn toimintoja, esimerkiksi valita ja tehdä optimaalisia päätöksiä aiemmin hankitun kokemuksen ja ulkoisten vaikutusten rationaalisen analyysin perusteella. Sen voi sanoa älykkyys on aivojen kyky ratkaista (älyllisiä) ongelmia hankkimalla, muistamalla ja tarkoituksellisesti muuntamalla tietoa kokemuksesta oppimisen ja erilaisiin olosuhteisiin sopeutumisen prosessissa. Itse termiä "tekoäly" ehdotettiin vuonna 1956 Dartsmouth Collegessa (USA) järjestetyssä seminaarissa. Sana äly tarkoittaa itse asiassa "kykyä järkevästi", eikä ollenkaan "älykkyyttä", jolle on olemassa termi äly.

Vuonna 1950 brittiläinen matemaatikko Alan Turing julkaisi teoksensa "The Computing Machine and Intelligence" Mind-lehdessä, jossa hän kuvaili testiä ohjelman älykkyyden tarkistamiseksi. Hän ehdotti, että tutkija ja ohjelma sijoitettaisiin eri huoneisiin, ja kunnes tutkija päättää kuka on seinän takana - henkilö vai ohjelma, pitää ohjelman käyttäytymistä kohtuullisena. Tämä oli yksi ensimmäisistä älykkyyden määritelmistä, toisin sanoen A. Turing ehdotti kutsumaan sellaista ohjelman käyttäytymistä älykkääksi, joka simuloi ihmisen järkevää käyttäytymistä. Sen jälkeen älykkäille järjestelmille (InS) ja tekoälylle (AI) on syntynyt monia määritelmiä. Esittelemme joitain näistä määritelmistä. yksi. AI määritellään tietojenkäsittelytieteen alaksi, joka liittyy älykkään käyttäytymisen tutkimiseen ja automatisointiin. 2. toinen määritelmä: " AI- tämä on yksi tietojenkäsittelytieteen osa-alueista, jonka tarkoituksena on laitteiston kehittäminen ja ohjelmistotyökalut, jonka avulla käyttäjä, joka ei ole ohjelmoija, voi asettaa ja ratkaista omia, perinteisesti älyllisinä pidettyjä tehtäviä kommunikoimalla rajoitetussa osajoukossa olevan tietokoneen kanssa luonnollinen kieli". 3. IS on mukautuva järjestelmä, jonka avulla voidaan rakentaa tarkoituksenmukaisia ​​toimintaohjelmia heille osoitettujen tehtävien ratkaisemiseksi heidän ympäristössään parhaillaan kehittyvän tilanteen perusteella. Jossa mukautuva järjestelmä määritellään järjestelmäksi, joka selviää odottamattomista muutoksista hallitun kokonaisuuden ominaisuuksissa, ohjaustavoitteissa tai ympäristöön muuttamalla toimivaa algoritmia, käyttäytymisohjelmaa tai etsimällä optimaalisia, joissain tapauksissa yksinkertaisesti tehokkaita ratkaisuja ja tiloja. Perinteisesti sopeutumismenetelmän mukaan erotetaan itsesäätyvät, itseoppivat ja itseorganisoituvat järjestelmät.

Joten älykkäiden järjestelmien avulla ihminen ratkaisee älyllisiä ongelmia. Jotta voidaan määrittää ero yksinkertaisen tehtävän ja älyllisen tehtävän välillä, on tarpeen ottaa käyttöön algoritmin käsite. Alla algoritmi ymmärtää tarkat määräykset operaatiojärjestelmän suorittamisesta tietyssä järjestyksessä minkä tahansa ongelman ratkaisemiseksi tietystä tehtäväluokasta (joukkosarjasta). Termi "algoritmi" tulee uzbekistanin matemaatikon Al-Khwarizmin nimestä, joka 800-luvulla ehdotti yksinkertaisimpia aritmeettisia algoritmeja. Matematiikassa ja kybernetiikassa tietyntyyppisten tehtävien luokka katsotaan ratkaistuksi, kun sen ratkaisuun on muodostettu algoritmi. Algoritmien löytäminen on ihmisen luonnollinen tavoite erilaisten ongelmien ratkaisemisessa. Algoritmin löytäminen joidenkin ongelmiin tämän tyyppistä liittyy hienovaraiseen ja monimutkaiseen päättelyyn, joka vaatii suurta kekseliäisyyttä ja korkeaa taitoa. On yleisesti hyväksyttyä, että tällainen toiminta edellyttää ihmisälyn osallistumista. Ongelmia, jotka liittyvät algoritmin löytämiseen tietyntyyppisten tehtävien luokan ratkaisemiseksi, kutsutaan älykkäiksi. Nuo. älylliset tehtävät ovat monimutkaisia, huonosti formalisoituja tehtäviä, jotka edellyttävät alkuperäisen ratkaisualgoritmin rakentamista tilanteesta riippuen, jolle voi olla ominaista lähtötietojen ja -tiedon epävarmuus ja dynaamisuus.

Eri tutkijat määrittelevät tekoälyn tieteeksi eri tavoin, riippuen heidän näkemyksestään, ja työskentelevät luodakseen järjestelmiä, jotka:

ajattele kuin ihmiset;

ajattele rationaalisesti;

käyttäytyä kuin ihmiset;

toimia rationaalisesti.

Kun luodaan uudelleen järkevä päättely ja toiminta, syntyy tiettyjä vaikeuksia. Ensinnäkin, useimmissa tapauksissa, suorittaessaan joitain toimintoja, henkilö ei ymmärrä, kuinka hän tekee sen, tarkkaa tapaa, menetelmää tai algoritmia tekstin ymmärtämiseen, kasvojen tunnistamiseen, lauseiden todistamiseen, ongelmien ratkaisemiseen, runojen kirjoittamiseen jne. ei tunneta. Toiseksi tietokone on nykyisellä kehitystasolla liian kaukana ihmisen osaamistasosta ja toimii muiden periaatteiden mukaan.

Tekoäly on aina ollut monitieteinen tiede, joka on sekä tiedettä että taidetta, teknologiaa ja psykologiaa. Tekoälyn menetelmät ovat erilaisia. Niitä lainataan aktiivisesti muilta tieteiltä, ​​mukautetaan ja muutetaan ratkaistavaan tehtävään. Älykkään järjestelmän luomiseen tarvitaan alan asiantuntijoita, joten kielitieteilijät, neurofysiologit, psykologit, taloustieteilijät, tietojenkäsittelytieteilijät, ohjelmoijat jne. tekevät yhteistyötä tekoälyn puitteissa.

Tekoälyn kehityksen historia

Ajatus ihmisen keinotekoisen kaltaisen luomisesta monimutkaisten ongelmien ratkaisemiseksi ja ihmismielen simuloimiseksi on ollut ilmassa muinaisista ajoista lähtien. Joten muinaisessa Egyptissä luotiin "elvyttävä" mekaaninen patsas jumala Amunista. Homeroksen Iliadissa jumala Hephaestus takoi humanoidiolentoja.

Tekoäly on tietyssä mielessä tulevaisuuden tiedettä, jossa ei ole jäykkää aluejakoa ja yksittäisten tieteenalojen välinen yhteys näkyy selvästi, mikä heijastaa vain tiettyä tiedon puolta.

Aristoteles (384-322 eKr.) muotoili tarkan joukon lakeja, jotka ohjaavat ajattelun rationaalista osaa. Tekoälyn esi-isäksi katsotaan kuitenkin keskiaikainen espanjalainen filosofi, matemaatikko ja runoilija Raymond Lull, joka jo 1200-luvulla yritti luoda mekaanisen koneen erilaisten ongelmien ratkaisemiseksi kehittämänsä yleisen käsitteiden luokituksen perusteella. 1700-luvulla Leibniz ja Descartes jatkoivat itsenäisesti tätä ajatusta ehdottaen universaaleja kieliä kaikkien tieteiden luokitteluun. Näiden tutkijoiden töitä voidaan pitää ensimmäisinä teoreettisina töinä tekoälyn alalla. Peliteoria ja päätösteoria, tiedot aivojen rakenteesta, kognitiivinen psykologia - kaikesta tästä on tullut tekoälyn rakennuspalikka. Mutta tekoälyn lopullinen synty tieteellisenä suunnana tapahtui vasta tietokoneiden luomisen jälkeen XX vuosisadan 40-luvulla ja Norbert Wienerin julkaisun jälkeen uudesta tieteestä - kybernetiikasta.

Keinotekoisen muodostuminenäly miten tiede tapahtui 1956. D. McCarthy, M. Minsky, K. Shannon ja N. Rochester järjestivät Dartmouthissa kahden kuukauden seminaarin amerikkalaisille tutkijoille, jotka osallistuivat automaatioteoriaan, hermoverkkoihin ja älykkyyteen. Vaikka tutkimusta tällä alueella on jo tehty aktiivisesti, niin tässä seminaarissa ilmaantui termi ja erillinen tiede - tekoäly.

Yksi tekoälyteorian perustajista on kuuluisa englantilainen tiedemies Alan Turing, joka julkaisi vuonna 1950 artikkelin "Computing Machines and the Mind" (käännetty venäjäksi otsikolla "Voiko kone ajatella?"). Siinä kuvattiin klassinen "Turing-testi", jonka avulla voidaan arvioida tietokoneen "älyä" sen kyvyn perusteella käydä mielekästä vuoropuhelua henkilön kanssa.

Tekoälyn kehityksen ensimmäiset vuosikymmenet (1952-1969) olivat täynnä menestystä ja innostusta. A. Newell, J. Shaw ja G. Simon loivat shakin pelaamista varten ohjelman, joka perustui C. Shannonin vuonna 1950 ehdottamaan menetelmään, jonka A. Turing on muotoillut ja mallintanut manuaalisesti. Työhön osallistui ryhmä A. de Grootin johtamia hollantilaisia ​​psykologeja, jotka tutkivat erinomaisten shakinpelaajien pelityyliä. Vuonna 1956 tämä ryhmä loi ohjelmointikielen IPL1 - käytännössä ensimmäisen symbolisen kielen luetteloiden käsittelyyn, ja kirjoitti ensimmäisen ohjelman "Logic-Theorist", jonka tarkoituksena oli todistaa lauseet automaattisesti lauselaskussa. Tämän ohjelman voidaan katsoa johtuvan ensimmäisistä saavutuksista tekoälyn alalla.

Vuonna 1960 sama ryhmä kirjoitti GPS-ohjelman (General Problem Solver), yleisen ongelmanratkaisijan. Hän pystyi ratkaisemaan useita arvoituksia, laskea epämääräisiä integraaleja, ratkaista joitain muita ongelmia. Tulokset herättivät laskenta-alan asiantuntijoiden huomion, ja ohjelmia planimetrian lauseiden automaattiseen todistukseen ja algebrallisten ongelmien ratkaisuun ilmestyi.

Vuodesta 1952 lähtien A. Samuel on kirjoittanut useita ohjelmia tammun pelaamiseen, jotka pelasivat hyvin koulutetun amatöörin tasolla, ja yksi heistä oppi pelaamaan paremmin kuin sen tekijä.

Vuonna 1958 D. McCarthy määritteli uuden korkean tason kielen, Lisp, josta tuli hallitseva kieli tekoälylle.

Ensimmäiset neuroverkot ilmestyivät 50-luvun lopulla. Vuonna 1957 F. Rosenblatt yritti luoda järjestelmän, joka simuloi ihmissilmää ja sen vuorovaikutusta aivojen kanssa - perceptronin.

Ensimmäinen kansainvälinen tekoälyn konferenssi (IJCAI) pidettiin vuonna 1969 Washington DC:ssä.

Vuonna 1963 D. Robinson otti käyttöön automaattisen lauseen todistamisen menetelmän, jota kutsutaan "resoluutioperiaatteeksi", ja tämän menetelmän pohjalta syntyi vuonna 1973 looginen ohjelmointikieli Prolog. .

Yhdysvalloissa ilmestyivät ensimmäiset kaupalliset tietoon perustuvat järjestelmät - asiantuntijajärjestelmät. Tekoälyä kaupallistetaan. Kasvavat vuosittaiset investoinnit ja kiinnostus itseoppivia järjestelmiä, teollisuuden asiantuntijajärjestelmiä ollaan luomassa. Tiedon esittämisen menetelmiä kehitetään.

Ensimmäisen asiantuntijajärjestelmän loi E. Feigenbaum vuonna 1965. Mutta se oli silti kaukana kaupallisesta voitosta. Pelkästään vuonna 1986 DEC:n ensimmäinen kaupallinen R1-järjestelmä säästi noin 40 miljoonaa dollaria vuodessa. Vuoteen 1988 mennessä DEC oli ottanut käyttöön 40 asiantuntijajärjestelmää. Du Pont käytti 100 järjestelmää ja säästi noin 10 miljoonaa vuodessa.

Vuonna 1981 Japani alkoi kehittää viidennen sukupolven tietopohjaista tietokonetta osana 10-vuotista suunnitelmaa kehittää Prologiin perustuvia älykkäitä tietokoneita. Vuosi 1986 oli hermoverkkoja kohtaan tunnetun kiinnostuksen vuosi.

Vuonna 1991 Japani lopettaa viidennen sukupolven tietokoneprojektin rahoituksen ja aloittaa hankkeen kuudennen sukupolven tietokoneen – neurotietokoneen – luomiseksi.

Vuonna 1997 Deep Blue -tietokone voitti maailmanmestari G. Kasparovin shakkipelissä, mikä osoitti mahdollisuuden, että tekoäly voi olla yhtä suuri tai ylittää ihmisen useissa älyllisissä tehtävissä (tosin rajoitetuissa olosuhteissa).

Valtava rooli taistelussa tekoälyn tunnustamisesta Neuvostoliitossa oli akateemikot A. I. Berg ja G. S. Pospelov.

Vuosina 1954-1964. luodaan erillisiä ohjelmia ja tehdään tutkimusta loogisten ongelmien ratkaisujen löytämiseksi. Luodaan ohjelma ALPEV LOMI, joka todistaa lauseet automaattisesti. Se perustuu Maslovin alkuperäiseen käänteiseen johdannaiseen, joka on samanlainen kuin Robinsonin resoluutiomenetelmä. Kotimaisten tutkijoiden 60-luvulla saavuttamien merkittävimpien tulosten joukossa on syytä mainita M. M. Bongardin algoritmi "Kora", joka simuloi ihmisen aivojen toimintaa hahmontunnistuksessa. Suuren panoksen venäläisen tekoälykoulun kehittämiseen antoivat erinomaiset tutkijat M. L. Tsetlin, V. N. Pushkin, M. A. Gavrilov, joiden opiskelijat olivat tämän tieteen pioneereja Venäjällä.

Vuonna 1964 ehdotettiin menetelmää lauseiden todisteiden automaattiseen etsimiseen predikaattilaskennassa, jota kutsutaan "käänteis Maslovin menetelmäksi".

Vuosina 1965-1980. syntyi uusi suunta - tilannejohtaminen (länsimaisessa terminologiassa se vastaa tiedon esitystä). Professori D. A. Pospelov tuli tämän tieteellisen koulun perustajaksi.

V. F. Turchin loi Moskovan valtionyliopistossa vuonna 1968 symbolisen tietojenkäsittelykielen REFAL.

Tekoälyn historia, jos ajatellaan sitä uutena ja tieteellisenä suunnana, on peräisin 1900-luvulta. Siihen mennessä se oli jo muodostunut riittävästi suuri määrä sen alkuperän edellytykset.

Voimme olettaa, että tekoälyn historia alkaa ensimmäisten tietokoneiden luomisesta 40-luvulla. Sähköisten tietokoneiden tultua markkinoille korkean suorituskyvyn (tuolon standardien mukaan) kanssa, ensimmäiset kysymykset tekoälyn alalla alkoivat nousta esiin: onko mahdollista luoda kone, jonka älylliset ominaisuudet olisivat identtisiä ihmisen älyllisten kykyjen kanssa (tai jopa ylittää ihmisen kyvyt).

Seuraava vaihe tekoälyn historiassa on 50-luku, jolloin tutkijat yrittivät rakentaa älykkäitä koneita jäljittelemällä aivoja. Nämä yritykset epäonnistuivat sekä laitteiston että ohjelmiston täydellisen sopimattomuuden vuoksi. Vuonna 1956 Stanfordin yliopistossa (USA) pidettiin seminaari, jossa ehdotettiin ensimmäisen kerran termiä tekoäly.

60-lukua tekoälyn historiassa leimasivat etsimisyritykset yleisiä menetelmiä ratkaista laajan luokan ongelmia, simuloida monimutkaista ajatteluprosessia. Yleismaailmallisten ohjelmien kehittäminen osoittautui liian vaikeaksi ja hedelmättömäksi. Mitä laajemman ongelmaluokan yksi ohjelma voi ratkaista, sitä huonommat ovat sen kyvyt ratkaista tietty ongelma. Tänä aikana heuristisen ohjelmoinnin ilmaantuminen alkoi.

Heuristinen ohjelmointi on toimintastrategian kehittämistä, joka perustuu analogiaan tai ennakkotapauksiin. Yleensä 50-60 vuotta. tekoälyn historiassa voidaan mainita universaalin ajattelualgoritmin etsimisen aika.

Merkittävä läpimurto tekoälyn käytännön sovelluksissa tapahtui 70-luvulla, kun universaalin ajattelualgoritmin etsiminen korvattiin ajatuksella asiantuntija-asiantuntijoiden erityistiedon mallintamisesta. Yhdysvalloissa ilmestyivät ensimmäiset kaupalliset tietoon perustuvat järjestelmät tai asiantuntijajärjestelmät. Tuli uusi lähestymistapa tekoälyn ongelmien ratkaisemiseen - tiedon esittämiseen. Luodut "MYCIN" ja "DENDRAL" - niistä on jo tullut klassisia lääketieteen ja kemian asiantuntijajärjestelmiä. Molempia näitä järjestelmiä voidaan tietyssä mielessä kutsua diagnostisiksi, koska ensimmäisessä tapauksessa ("MYCIN") diagnoosi tehdään useiden oireiden perusteella, toisessa tapauksessa useiden ominaisuuksien perusteella. . kemiallinen yhdiste. Periaatteessa tätä tekoälyn historian vaihetta voidaan kutsua asiantuntijajärjestelmien syntymäksi.

Hyvä esimerkki kompleksista älyllisiä pelejä viime aikoihin asti oli shakki. Vuonna 1974 järjestettiin kansainvälinen shakkiturnaus sopivilla ohjelmilla varustetuille koneille. Kuten tiedät, voiton tässä turnauksessa voitti neuvostoauto shakkiohjelman "Kaissa" kanssa.

Tosiasia on, että viimeaikaiset tapahtumat ovat osoittaneet, että huolimatta shakin melko suuresta monimutkaisuudesta ja siihen liittyvästä mahdottomuudesta tehdä täydellinen luettelo liikkeistä, mahdollisuus luetella ne tavallista syvemmälle lisää huomattavasti mahdollisuuksia voittamisesta. Esimerkiksi lehdistötietojen mukaan IBM-tietokoneessa, joka voitti Kasparovin, oli 256 prosessoria, joista jokaisessa oli 4 Gt levymuistia ja 128 Mt RAM-muistia. Tämä koko kompleksi voisi laskea yli 100 000 000 liikettä sekunnissa. Viime aikoihin asti oli harvinaista, että tietokone pystyisi tekemään niin monta kokonaislukuoperaatiota sekunnissa, ja tässä puhutaan liikkeistä, jotka on generoitava ja joille lasketaan arviointifunktiot. Vaikka toisaalta tämä esimerkki puhuu laskenta-algoritmien tehosta ja monipuolisuudesta. Voidaan sanoa, että kaikki nämä älykkyyden elementit, jotka kone osoitti tammipelin aikana, välitti sille ohjelman kirjoittaja. Osittain on. Mutta emme saa unohtaa, että tämä ohjelma ei ole "jäykkä", joka on harkittu etukäteen kaikissa yksityiskohdissa. Hän parantaa pelistrategiaansa itseopiskeluprosessissa. Ja vaikka "ajattelu" koneessa eroaa merkittävästi siitä, mitä tapahtuu tammi pelaavan ihmisen aivoissa, se pystyy päihittämään hänet.

Seuraava merkittävä ajanjakso tekoälyn historiassa on 80-luku. Tässä segmentissä tekoäly on kokenut uudestisyntymisen. Sen suuret mahdollisuudet tunnustettiin laajasti sekä tutkimuksessa että tuotannon kehittämisessä. Osana uusi teknologia ensimmäiset kaupalliset ohjelmistotuotteet ilmestyivät. Samaan aikaan koneoppimisen ala alkoi kehittyä. Tähän asti asiantuntija-asiantuntijan tiedon siirtäminen tietokoneohjelmaan on ollut työlästä ja pitkäkestoista toimenpidettä. Sellaisten järjestelmien luominen, jotka automaattisesti parantavat ja laajentavat heurististen (ei muodollisten, intuitiivisten näkökohtien pohjalta) sääntöjen kokoelmaansa, on viime vuosien tärkein vaihe. Vuosikymmenen alussa historian suurin, kansallinen ja kansainvälinen tietojenkäsittely tutkimusprojekteja, joka on suunnattu "viidennen sukupolven älykkäille laskentajärjestelmille".

Aiemmin tekoälyn (AI) käsite yhdistettiin toiveisiin luoda ajattelukone, joka voisi kilpailla ihmisaivojen kanssa ja mahdollisesti ylittää ne. Näitä toiveita pitkään aikaan valloitti monien harrastajien mielikuvituksen ja jäi toteutumatta. Ja vaikka "älykoneiden" fantastiset kirjalliset prototyypit luotiin satoja vuosia ennen meidän päiviämme, vasta 30-luvun puolivälistä lähtien, A. Turingin teosten julkaisemisesta lähtien, jotka tuomitsivat tällaisten laitteiden luomisen todellisuuden, ongelma Tekoäly alettiin ottaa vakavasti.

Vastatakseen kysymykseen, mitä konetta tulisi pitää "ajattelevana", Turing ehdotti seuraavan testin käyttöä: testaaja kommunikoi välittäjän kautta hänelle näkymätön keskustelukumppanin, henkilön tai koneen kanssa. "Älyllistä" voidaan pitää koneena, jota tällaisen kommunikoinnin yhteydessä oleva testaaja ei voi erottaa ihmisestä.

Jos testaaja testaaessaan tietokoneen "älykkyyttä" noudattaa melko tiukkoja rajoituksia valitessaan keskustelun aihetta ja muotoa, mikä tahansa nykyaikainen tietokone, joka on varustettu sopivalla ohjelmistolla, läpäisee tämän testin. Keskustelua voidaan pitää älykkyyden merkkinä, mutta kuten on osoitettu, tämä ihmisen kyky on helppo mallintaa tietokoneella. Oppimiskyky voi toimia merkkinä älykkyydestä. Vuonna 1961 professori D. Michi, yksi johtavista brittiläisistä tekoälyasiantuntijoista, kuvasi mekanismin, joka koostuu 300 tulitikkurasiasta, jotka voisivat oppia pelaamaan tic-tac-toea. Michin kutsui tätä laitetta MENACE:ksi (Matchbox Educable Naughts and Crosses Engine). Nimessä (uhkauksessa) on ilmeisesti osa ironiaa, jonka aiheuttavat ennakkoluulot ajattelevia koneita kohtaan.

Toistaiseksi tekoälylle ei ole olemassa yhtä ja yleisesti tunnustettua määritelmää, eikä tämä ole yllättävää. "Riittää vain muistaa, että ihmisälylle ei myöskään ole olemassa universaalia määritelmää. Keskustelu siitä, mitä voidaan pitää tekoälyn merkkinä ja mikä ei, muistuttaa keskiaikaisten tiedemiesten kiistoja siitä, kuinka monta enkeliä mahtuisi älykkyyden kärkeen. neula"1. Nyt on tapana kutsua tekoälyä useiksi algoritmeiksi ja ohjelmistojärjestelmiksi, joiden erottuva piirre on, että ne pystyvät ratkaisemaan joitakin ongelmia samalla tavalla kuin ratkaisuaan ajatteleva tekisi.

Neuroverkot

Ajatus hermoverkoista syntyi tekoälyn alan tutkimuksen aikana, nimittäin yrityksistä toistaa hermobiologisten järjestelmien kykyä oppia ja korjata virheitä mallintamalla hermoston matalan tason rakennetta. aivot. Pääasiallinen tekoälyn tutkimusalue 60-80-luvulla olivat asiantuntijajärjestelmät. Tällaiset järjestelmät perustuivat ajatteluprosessin korkean tason mallintamiseen (erityisesti sen esittämiseen symbolien manipuloinneina). Pian kävi selväksi, että vaikka tällaiset järjestelmät voivat olla hyödyllisiä joillakin alueilla, ne eivät kata joitain ihmisaivojen toiminnan keskeisiä näkökohtia.

Erään näkökulman mukaan syynä tähän on se, että he eivät pysty toistamaan aivojen rakennetta. Tekoälyn luomiseksi sinun on rakennettava järjestelmä, jolla on samanlainen arkkitehtuuri.

Aivot koostuvat suuri numero(noin 1010) hermosoluja, jotka on yhdistetty lukuisilla yhteyksillä (keskimäärin useita tuhansia yhteyksiä hermosolua kohden, mutta määrä voi vaihdella suuresti). Neuronit ovat erityisiä soluja, jotka pystyvät levittämään sähkökemiallisia signaaleja. Neuronilla on haarautunut tiedonsyöttörakenne (dendriitit), ydin ja haarautuva ulostulo (aksoni). Solun aksonit ovat yhteydessä synapsien kautta muiden solujen dendriitteihin. Kun neuroni aktivoituu, se lähettää sähkökemiallisen signaalin aksoniaan pitkin. Synapsien kautta tämä signaali saavuttaa muut neuronit, jotka puolestaan ​​​​voivat aktivoitua. Neuroni aktivoituu, kun dendriiteistä sen ytimeen saapuneiden signaalien kokonaismäärä ylittää tietyn tason (aktivaatiokynnyksen).

Neuronin vastaanottaman signaalin intensiteetti (ja siten sen aktivoitumisen mahdollisuus) riippuu voimakkaasti synapsien aktiivisuudesta. Jokaisella synapsilla on pituus ja erityinen kemialliset aineet lähettää signaalin sitä pitkin. Yksi arvostetuimmista neurosysteemien tutkijoista, Donald Hebb, olettaa, että oppiminen koostuu ensisijaisesti muutoksista synoptisten yhteyksien vahvuudessa. Esimerkiksi klassisessa kokeessa. Pavlova, joka kerta ennen koiran ruokkimista, kello soi, ja koira oppi nopeasti yhdistämään kellon soimisen ruokaan.

Synoptiset yhteydet aivokuoren kuulosta vastaavien alueiden välillä sylkirauhaset lisääntyi, ja kun aivokuori innostui kellon äänestä, koira alkoi vuotaa sylkeä.

Siten, koska aivot on rakennettu erittäin suuresta määrästä hyvin yksinkertaisia ​​elementtejä (joista jokainen ottaa painotetun summan tulosignaaleja ja, jos kokonaistulo ylittää tietyn tason, välittää binäärisignaalin), aivot pystyvät ratkaisemaan erittäin monimutkaisia ongelmia. Muodollisen klassisen neuronin määritelmä annetaan seuraavasti:

Se vastaanottaa tulosignaaleja (tulodataa tai lähtösignaaleja verkon muista neuroneista) useiden tulokanavien kautta. Jokainen tulosignaali kulkee liitoksen läpi, jolla on tietty intensiteetti (tai paino); tämä paino vastaa biologisen hermosolun synoptista aktiivisuutta. Jokaisella neuronilla on tietty kynnysarvo, joka liittyy siihen. Tulojen painotettu summa lasketaan, siitä vähennetään kynnysarvo ja tuloksena saadaan neuronin aktivointiarvo.

Aktivointisignaali muunnetaan aktivointifunktiolla (tai siirtofunktiolla) ja tuloksena saadaan neuronin lähtösignaali.

Jos käytät vaiheittaista aktivointitoimintoa, tällainen neuroni toimii täsmälleen samalla tavalla kuin yllä kuvattu luonnollinen neuroni.

Hermoverkot tekoälyssä

Työ älykkäiden järjestelmien luomiseksi tapahtuu kahteen suuntaan. Ensimmäisen suunnan kannattajat, jotka nykyään muodostavat ehdottoman enemmistön tekoälyn alan asiantuntijoista, lähtevät siitä, että keinotekoisten järjestelmien ei tarvitse toistaa rakenteessa ja toiminnassaan biologisille järjestelmille ominaista rakennetta ja siinä esiintyviä prosesseja. . Ainoa tärkeä asia on, että tavalla tai toisella on mahdollista saavuttaa samat tulokset käyttäytymisessä, joka on ominaista ihmisille ja muille biologisille järjestelmille.

Toisen suunnan kannattajat uskovat, että tätä ei voida tehdä puhtaasti informaatiotasolla. Ihmisen käyttäytymisen ilmiöt, sen kyky oppia ja sopeutua on näiden asiantuntijoiden mukaan seurausta juuri biologinen rakenne ja sen toiminnan ominaisuudet.

Ensimmäisen informaatiosuunnan kannattajilla on todella toimivat layoutit ja ohjelmat, jotka mallintavat tiettyjä älyn puolia. Yksi silmiinpistävimmistä ensimmäistä suuntaa edustavista teoksista on A. Newellin, I. Shaw'n ja G. Simonin ohjelma "General Problem Solver". Informaatiosuunnan kehittäminen eteni päättelyn rationalisointitehtävästä selventämällä yleisiä menetelmiä, joiden avulla voidaan nopeasti tunnistaa väärät ja oikeat väitteet tietyssä tietojärjestelmässä. Kyky järkeillä ja löytää ristiriitoja erilaisia ​​järjestelmiä toisiinsa liittyvät tilanteet, esineet, käsitteet on tärkeä näkökohta ajattelun ilmiössä, ilmaus deduktiivisen ajattelun kyvystä.

Tietosuunnan tehokkuus on kiistaton deduktiivisten henkisten ilmentymien tutkimuksen ja lisääntymisen alalla. Joihinkin käytännön ongelmiin tämä riittää. Tiedon suunta on tarkka, tiukka tiede, joka on yhdistänyt kybernetiikan tutkimuksen ja matemaattisen kulttuurin päätulokset. Informaatiosuunnan pääongelmat ovat sisäisen toiminnan tuominen malleihinsa ja induktiivisten menettelytapojen esittäminen.

Yksi keskeisistä ongelmista on "aktiivisen tiedon ongelma, joka synnyttää tarpeen järjestelmän toiminnalle johtuen järjestelmän muistiin kertyneestä tiedosta"1.

Toisen biologisen suunnan kannattajilla on toistaiseksi vähemmän tuloksia kuin he toivovat. Yksi kybernetiikan biologisen suuntauksen perustajista on W. McCulloch. Neurofysiologiassa on todettu, että monet toiminnot ja ominaisuudet elävissä organismeissa toteutetaan käyttämällä tiettyjä hermorakenteita. Tällaisten rakenteiden kopioinnin perusteella useissa tapauksissa hyviä malleja Tämä koskee erityisesti joitain näkökanavan työn näkökohtia.

Neuroverkkoja simuloivien neurotietokoneiden (NN) luomista pidetään tällä hetkellä yhtenä lupaavimpana osa-alueena vastasyntyneiden tietokoneiden ja uuden sukupolven tieto-analyyttisten järjestelmien älyllistymisongelmien ratkaisemisessa.

Useimmissa tätä aihetta koskevissa tutkimuksissa NN on esitetty suuren joukon suhteellisen yksinkertaisia ​​elementtejä, joiden yhteyksien topologia riippuu verkon tyypistä. Melkein kaikki tunnetut lähestymistavat hermoverkkojen suunnitteluun liittyvät pääasiassa tiettyjen homogeenisten verkkojen tiettyjen rakenteiden valintaan ja analysointiin muodollisilla neuroneilla, joilla on tunnetut ominaisuudet (Hopfield-, Hamming-, Grossberg-, Kohonnen-verkot jne.) ja joihinkin matemaattisesti kuvattuihin toimintamuotoihin. niiden toimintaa. Tässä tapauksessa termi hermoverkot on metaforinen, koska se kuvastaa vain sitä tosiasiaa, että nämä verkot ovat jossain mielessä samanlaisia ​​kuin elävät hermoverkot, mutta eivät toista niitä kaikessa monimutkaisuudessaan. Tämän tulkinnan vuoksi hermotietokoneita pidetään erittäin rinnakkaisten supertietokoneiden seuraavana vaiheena alkuperäinen idea ratkaisualgoritmien rinnastaminen eri luokat tehtäviä. Itse termi hermotietokone neurotietokone ei yleensä liity millään ihmisten ja eläinten aivojen ominaisuuksiin ja ominaisuuksiin. Se liittyy vain kynnyslogiikan elementin ehdolliseen nimeen muodollisena hermosoluna, jolla on säädettävät tai kiinteät painokertoimet, joka toteuttaa hermosolu-solun yksinkertaisimman siirtofunktion. Neuroälyn luomiseen liittyvää tutkimusta tehdään klo eri tasoilla Avainsanat: teoreettiset työkalut, sovellusten ongelmien prototyypit, NN-ohjelmistotyökalut, laitteistorakenteet. Päävaiheet matkalla aivojen kaltaisen tietokoneen luomiseen ovat elementtien välisten yhteyksien ja aivojen kaltaisten adaptiivisten verkkojen muodostumisen periaatteiden selvittäminen suurella määrällä elementtejä, kompaktin monitulon luominen todellisen neuronin analogin mukautuva elementti ja sen tutkiminen toiminnallisia ominaisuuksia, aivomaisen laitteen harjoitusohjelman kehittäminen ja toteutus.

Brjanskin osavaltion teknillinen yliopisto Tietotekniikan ja -järjestelmien laitos Johdatus älykkäisiin järjestelmiin Opettaja: Shkaberin V.A. VIITTEET 1. 2. 3. 4. 5. Älykkäiden järjestelmien tietopohjat / Т.А. Gavrilova, V.F. Khoroshevsky.-Pietari: Pietari, 2001.-384 s.: ill. Tekoäly: 3 kirjassa. Kirja. 1. Viestintäjärjestelmät ja asiantuntijajärjestelmät: Käsikirja / Toim. E.V. Popova.- M.: Radio ja viestintä, 1990.-464 s.: ill. Tekoäly. 3 kirjassa. Kirja. 2. Mallit ja menetelmät: Käsikirja / Toim. JOO. Pospelova.-M.: Radio ja viestintä, 1990.-304 s.: ill. P. Winston. Tekoäly / Per. englannista. V.L. Stefanyuk, toim. JOO. Pospelova.- M.: Mir Publishing House, 1980.-520 s. Peter Jackson. Johdatus asiantuntijajärjestelmiin.: Per. englannista: Uch. ratkaisu-M.: Williams Publishing House, 2001.624 s.: ill.-Paral. tissi. Englanti SISÄLLYS: Lyhyt tekoälyn historia Tekoälyn alan tutkimusaihe ja tutkimuksen pääsuunnat Vaikeasti muotoiltavat suunnitteluongelmat Tekoälyn lyhyt historia jumala Hephaestus mytologiassa takoi humanoidiolentoja, automaatteja, Pinokkiota jne. ). Ensimmäinen teoreettinen työ tekoälyn alalla Tekoälyn perustaja, keskiaikainen espanjalainen filosofi, matemaatikko ja runoilija Raymond Lull yritti 1200-luvulla luoda mekaanisen koneen erilaisten ongelmien ratkaisemiseksi, joka perustui hänen yleiseen käsitteiden luokitteluun. kehitetty. Lull Raymond (1235 - 1316) Ensimmäiset teoreettiset teokset tekoälyn alalla (2) 1700-luvulla Leibniz ja Descartes jatkoivat itsenäisesti tätä ajatusta ehdottaen universaaleja kieliä kaikkien tieteiden luokitteluun. Gottfried Leibniz (1646-1716) Rene Descartes (1596 - 1650) Tekoäly syntyi tieteellisenä suunnana tietokoneiden luomisen jälkeen 1900-luvun 40-luvulla. Tänä aikana Norbert Wiener loi perustavanlaatuisia kybernetiikkaa koskevia teoksia. Norbert Wiener (1894 - 1964) Termin "tekoäly" synty Termi AI - (AI - tekoäly (äly kyky järkeillä älykkäästi)) ehdotettiin vuonna 1956 Dartsmouth Collegessa (USA) järjestetyssä seminaarissa. Vuonna 1969 Washingtonissa pidettiin ensimmäinen kansainvälinen tekoälyn yhteinen konferenssi. Hän laillisti nimessään termin "keinoäly". Tekoälyn suunnat 1. Neurokybernetiikka 2. "Mustan laatikon" kybernetiikka Neurokybernetiikan alkuperä Neurokybernetiikan pääidea on "Ainoa ajattelemaan kykenevä esine on ihmisen aivot. Siksi minkä tahansa "ajattelulaitteen" on toistettava ihmisaivojen rakenne. Neurokybernetiikan pääidea (2) Neurokybernetiikka keskittyy aivojen rakenteen kaltaisten rakenteiden laitteisto-ohjelmistomallintamiseen. Ihmisen aivojen perusta ovat neuronit. Pyrkimykset keskittyvät hermosolujen kaltaisten elementtien luomiseen ja niiden yhdistämiseen toimiviksi järjestelmiksi. Näitä järjestelmiä kutsutaan hermoverkoiksi tai hermoverkoiksi. Ensimmäisten hermoverkkojen luominen Ensimmäiset neuroverkot loivat Frank Rosenblatt ja McCulloch vuosina 1956-1965. Nämä olivat yrityksiä mallintaa ihmissilmää ja sen vuorovaikutusta aivojen kanssa. Luotua laitetta kutsuttiin perceptroniksi ja se pystyi erottamaan aakkosten kirjaimet. Havaintomalli (perceptron) Neurotietokoneiden ja transputerien luominen 1980-luvulla Japanissa luotiin ensimmäinen neurotietokone eli IV sukupolven tietokone osana V Generation Computer -projektia. Transputerit ilmestyivät - rinnakkaiset tietokoneet, joissa oli suuri määrä prosessoreita. Transputer-tekniikka on yksi kymmenestä uudesta lähestymistavasta ihmisen aivojen hierarkkista rakennetta mallintavien hermoverkkojen laitteistototeutukseen. Neurotietokoneiden pääasiallinen käyttöalue on hahmontunnistuksen tehtävät, esimerkiksi esineiden tunnistaminen avaruudesta tehdyn ilmakuvauksen tulosten perusteella. Lähestymistavat hermoverkkojen luomiseen Laitteisto - tietokoneiden, neurosirujen, mikropiirien luominen, jotka toteuttavat tarvittavat algoritmit. Ohjelmistot - ohjelmien ja työkalujen luominen, jotka on suunniteltu korkean suorituskyvyn tietokoneisiin. Verkot luodaan tietokoneen muistiin. Hybridi - osa laskelmista suoritetaan erityisillä laajennuskorteilla, osa - ohjelmistolla. ”Mustan laatikon” kybernetiikka ”Mustan laatikon” kybernetiikan pääidea ”Sillä ei ole väliä, kuinka ”ajattelu”-laite toimii. Pääasia, että se reagoi annettuihin syöttötoimintoihin samalla tavalla kuin ihmisen aivot.” "Mustan laatikon" kybernetiikan pääidea (2) Tämän AI-alueen pääsuunta on etsiä algoritmeja älyllisten ongelmien ratkaisemiseksi olemassa olevissa tietokonemalleissa. Merkittävän panoksen uuden tieteen kehittämiseen antoivat John McCarthy (AI-LISP-ongelmien ensimmäisen kielen kirjoittaja), Marvin Minsky (tietämyksen esittämisen kehysmallin idean kirjoittaja), Simon, Shaw jne. Vuosina 1956-1963. etsivät aktiivisesti ihmisen ajattelun malleja ja algoritmeja sekä ensimmäisten ohjelmien kehittämistä niiden pohjalta. Erilaisia ​​lähestymistapoja on luotu ja testattu: Labyrinttihakumalli (50-luvun lopulla). Tehtävä esitettiin tiettynä tila-avaruutena graafin muodossa, jossa etsitään optimaalista polkua syöttötiedoista tuloksena oleviin tietoihin. He eivät ole löytäneet laajaa sovellusta käytännön ongelmien ratkaisemiseen. Ohjelmat on kuvattu ensimmäisissä tekoälyn oppikirjoissa - ne pelaavat 15, tammi, shakki jne. Heuristinen ohjelmointi (60-luvun alku) - toimintastrategian kehittäminen tunnettuun, ennalta määriteltyyn heuristiikkaan. Heuristiikka on sääntö, joka on teoreettisesti perusteeton ja joka vähentää iteraatioiden määrää hakutilassa. Matemaattisen logiikan (1963-1970) menetelmien käyttäminen tekoälyongelmien ratkaisemiseen. Robinson kehitti resoluutiomenetelmän, joka mahdollistaa lauseiden automaattisen todistamisen alkuaksioomijoukolla. Kotimainen tiedemies Maslov Yu.S. ehdotti käänteistä johtamista, joka ratkaisee samanlaisen ongelman eri tavalla. Resoluutiomenetelmään perustuen ranskalainen Albert Colmeroe loi vuonna 1973 logiikan ohjelmointikielen Prolog. Newell, Simon ja Shaw loivat Logic Theorist -ohjelman, joka todisti koululauseet. Loogisilla malleilla on kuitenkin merkittäviä rajoituksia ratkaistavien tehtäväluokkien suhteen, koska Todelliset ongelmat eivät usein rajoitu aksioomien joukkoon, eikä henkilö käytä klassista logiikkaa. Ensimmäiset kaupalliset tietoon perustuvat tai asiantuntijajärjestelmät ilmestyivät Yhdysvalloissa (1970-luvun puolivälissä). Universaalin ajattelualgoritmin etsiminen korvattiin ajatuksella mallintaa asiantuntijoiden erityistietoa. Tekoälyn ongelmien ratkaisemiseen alettiin soveltaa uutta lähestymistapaa - tiedon esittämistä. Tämä on merkittävä läpimurto tekoälyn käytännön sovellusten kehittämisessä. Ohjelmat MYCIN (lääketiede), DENDRAL (kemia) on luotu. Rahoitusta tarjoavat Pentagon ym. 70-luvun lopulla Japani ilmoitti aloittavansa viidennen sukupolven tietopohjaisten koneiden projektin. Hanke oli laskettu 10 vuodeksi ja siihen kuului monia päteviä asiantuntijoita. Tuloksena syntyi hankala ja kallis PROLOGO-tyyppinen kieli, joka ei saanut laajaa tunnustusta. Tuloksia saavutettiin erilaisissa soveltavissa tehtävissä, Japanin tekoälyyhdistys koostui 40 tuhannesta ihmisestä 90-luvun puoliväliin mennessä. 1980-luvun puolivälistä lähtien investoinnit tekoälyyn ovat kasvaneet, teollisia asiantuntijajärjestelmiä on luotu, ja tekoälystä on tullut yksi lupaavimpia ja arvostetuimpia tietojenkäsittelytieteen alueita. Tekoälyn historia Venäjällä Vuonna 1954 Seminaari "Automata ja ajattelu" aloitti toimintansa Moskovan valtionyliopistossa akateemikko Lyapunov A.A.:n (1911-1973), yhden venäläisen kybernetiikan perustajista, johdolla. Fysiologit, lingvistit, psykologit, matemaatikot osallistuivat tähän seminaariin. On yleisesti hyväksyttyä, että tekoäly syntyi Venäjällä juuri tähän aikaan. Ulkomaille on noussut kaksi pääaluetta - neurokybernetiikka ja "mustan laatikon" kybernetiikka. Vuosina 1954-1964. luodaan erillisiä ohjelmia ja tehdään tutkimusta loogisten ongelmien ratkaisujen löytämiseksi. Leningradissa (LOMI - Steklovin matemaattisen instituutin Leningradin osasto) ollaan luomassa ALPEV LOMI -ohjelmaa, joka todistaa lauseet automaattisesti. Se perustuu Maslovin alkuperäiseen käänteiseen johdannaiseen, joka on samanlainen kuin Robinsonin resoluutiomenetelmä. Kotimaisten tutkijoiden 60-luvulla saavuttamien merkittävimpien tulosten joukossa on mainittava Mikhail Moiseevich Bongardin Kora-algoritmi, joka simuloi ihmisen aivojen toimintaa hahmontunnistuksessa. Suuren panoksen venäläisen AI-koulun muodostumiseen antoivat erinomaiset tutkijat Tsetlin M.L., Pushkin V.N., Gavrilov M.A., joiden opiskelijat olivat tämän tieteen pioneereja Venäjällä (esimerkiksi kuuluisa Gavrilov-koulu). Vuosina 1965-1980. on syntynyt uusi suunta - tilannejohtaminen (vastaa länsimaisessa terminologiassa tiedon esitystapaa). Tämän tieteellisen koulun perustaja oli prof. Pospelov D.A. Tilanteen esittelyyn kehitettiin erityisiä malleja - tiedon esitys [Pospelov, 1986]. REFAL, symbolinen tietojenkäsittelykieli, luotiin Neuvostoliiton tiedeakatemian IPM:ssä [Turgin, 1968]. Pospelov Dmitry Aleksandrovich Valtava rooli taistelussa tekoälyn tunnustamisesta maassamme oli akateemikot A.I. Bergn ja G.S. Pospelov. Pospelov Germogen Sergeevich 1914 - 1998 Vasta vuonna 1974 Neuvostoliiton tiedeakatemian puheenjohtajiston alaisuudessa toimivan järjestelmäanalyysikomitean alaisuudessa perustettiin "keinoälyn" ongelmaa käsittelevä tieteellinen neuvosto, jota johti GS Pospelov, DA. Pospelov ja L. I. Mikulich. Neuvostoon kuuluivat eri vaiheissa M. G. Gaaze-Rapoport, Yu. I. Zhuravlev, L. T. Kuzin, A. S. Narinyani, D. E. Okhotsimsky, A. I. Tikhomirov ja V. V. Chavchanidze. Neuvoston aloitteesta järjestettiin viisi monimutkaista tieteellistä hanketta, joita johtivat alan johtavat asiantuntijat. Projektit yhdistivät tutkimuksen maan eri ryhmissä: "Dialogi" (työt luonnollisen kielen ymmärtämiseksi, johtajat A.P. Ershov, A.S. Narinyani), "Situation" (tilanteenhallinta, D. A. Pospelov), "Pankki" (tietopankit, L. T. Kuzin), "suunnittelija" (tutkimussuunnittelu, A. I. Polovinkin), "Robot Intelligence" (D. E. Okhotsimsky). Vuosina 1980-1990. Tiedon edustamisen alalla tehdään aktiivista tutkimusta, tiedon esityskieliä, asiantuntijajärjestelmiä (yli 300) kehitetään. Vuonna 1988 perustettiin tekoäly, tekoälyliitto. Sen jäseniä on yli 300 tutkijaa. D. A. Pospelov, erinomainen tiedemies, jonka panosta tekoälyn kehittämiseen Venäjällä on tuskin yliarvioitava, valitaan yksimielisesti yhdistyksen puheenjohtajaksi. Suurimmat keskukset ovat Moskovassa, Pietarissa, Pereslavl-Zalesskyssä, Novosibirskissä. Liiton tieteelliseen neuvostoon kuuluvat tekoälyn alan johtavat tutkijat - V. P. Gladun, V. I. Gorodetsky, G. S. Osipov, E. V. Popov, V. L. Stefanyuk, V. F. Khoroshevsky, V. K. Finn, G. S. Tseitin, A. S. Erlikh ja muut tutkijat. Yhdistyksen puitteissa tehdään lukuisia tutkimuksia, järjestetään kouluja nuorille asiantuntijoille, seminaareja, symposiumeja, järjestetään kahden vuoden välein yhteisiä konferensseja ja julkaistaan ​​tieteellinen lehti. Tekoälyn teoreettisen tutkimuksen taso Venäjällä ei ole maailman tasoa alhaisempi. Valitettavasti 1980-luvulta lähtien soveltavaan työhön alkaa vaikuttaa asteittainen tekniikan viive. Teollisuuden älykkäiden järjestelmien kehitystyö on tällä hetkellä noin 3-5 vuotta. Tutkimusaihe ja tutkimuksen pääsuuntaukset tekoälyn alalla rajoitettu luonnollisen kielen osajoukko. Tekoäly on tietojenkäsittelytieteen ala, joka käsittelee älykkäiden tietokonejärjestelmien kehitystä, ts. järjestelmät, joilla on ominaisuuksia, jotka perinteisesti yhdistämme ihmismieleen - kielen ymmärtäminen, oppiminen, kyky järkeillä, ratkaista ongelmia jne. (Barr ja Feigenbaum, 1981) Tekoälyn alan tutkimuksella pyritään kehittämään ohjelmia, jotka ratkaisevat tehtäviä, jotka ihmiset suorittavat nykyään paremmin, koska ne edellyttävät sellaisten ihmisaivojen toimintojen osallistumista, kuten kyky oppia havainnoinnin perusteella. , erityinen organisaatiomuisti ja kyky tehdä johtopäätöksiä arvioiden perusteella. Tärkeimmät tekoälyn alan tutkimusalueet Tiedon edustaminen ja tietopohjaisten järjestelmien kehittäminen. Ohjelmistot tekoälyjärjestelmiin Luonnollisten kielten rajapintojen ja konekäännösten kehittäminen Älykkäät robotit Oppiminen ja itseoppiminen Kuvioiden tunnistus Uudet tietokonearkkitehtuurit Pelit ja koneluovuus 1. Tiedon esittäminen ja tietopohjaisten järjestelmien kehittäminen Tämä on kehityskentän pääsuunta tekoälyjärjestelmät. Se liittyy tiedon esitysmallien kehittämiseen, asiantuntijajärjestelmien ytimen muodostavien tietopohjan luomiseen. V Viime aikoina sisältää malleja ja menetelmiä tiedon poimimiseksi ja jäsentämiseksi ja sulautuu tietotekniikkaan. 2. Ohjelmistot tekoälyjärjestelmille (software engineering for Al) Tämän suunnan puitteissa kehitetään älyllisten ongelmien ratkaisemiseen erikoiskieliä, joissa perinteisesti painotetaan loogisen ja symbolisen prosessoinnin ylivaltaa laskennallisiin toimenpiteisiin nähden. Nämä kielet ovat keskittyneet symboliseen tiedonkäsittelyyn - LISP, PROLOG, SMALLTALK, REFAL jne. Lisäksi luodaan sovelluspaketteja, jotka keskittyvät älykkäiden järjestelmien teolliseen kehittämiseen tai tekoälyohjelmistotyökaluihin, esim. KEE, ART, G2 [Hayes-Roth et ai., 1987; Popov, Fominykh, Kisel, Shapot, 1996]. Varsin suosittua on myös luoda ns. tyhjiä asiantuntijajärjestelmiä tai "kuoret" - KAPPA, EXSYS, Ml, ECO jne., joiden tietokannat voidaan täyttää tietyllä tiedolla, 3. Luonnollisen kielen rajapintojen ja konekäännösten kehittäminen ( luonnollisen kielen käsittely) 50-luvulla yksi suosituimmista tekoälyn tutkimusaiheista oli laskennallinen lingvistiikka ja erityisesti konekäännös (MT). Jo ensimmäinen luonnollisen kielen (NL) rajapintojen alan ohjelma - kääntäjä englannista venäjäksi - osoitti alkuperäisen, sanasta sanaan -käännökseen perustuvan lähestymistavan tehottomuuden. Kehittäjät yrittivät kuitenkin pitkään luoda morfologiseen analyysiin perustuvia ohjelmia. Tämän lähestymistavan tehottomuuteen liittyy ilmeinen tosiasia: ihminen voi kääntää tekstin vain sen merkityksen ymmärtämisen perusteella ja aikaisemman tiedon tai kontekstin kontekstissa. Muuten käännökset ilmestyvät tyyliin "Rakas Masha - kallis Mashani". Tulevaisuudessa MT-järjestelmät muuttuivat monimutkaisemmiksi ja tällä hetkellä käytetään useita monimutkaisempia malleja: niin sanottujen "välikielten" tai merkityskielten käyttö, minkä seurauksena on lisäkäännös "alkuperäinen lähdekieli - merkitys kieli - käännöskieli"; samankaltaisten tekstiosien ja niiden käännösten assosiatiivinen haku erityisistä tekstivarastoista tai tietokannoista; rakenteellinen lähestymistapa, mukaan lukien luonnollisen kielen viestien sekvenssianalyysi ja synteesi. Perinteisesti tämä lähestymistapa sisältää useiden analyysivaiheiden läsnäolon: 1. Morfologinen analyysi - tekstin sanojen analyysi. 2. Syntaktinen analyysi - lauseiden koostumuksen analyysi ja kieliopillisia yhteyksiä sanojen välissä. 3. Semanttinen analyysi - merkityksen analyysi osat jokainen lause perustuu johonkin toimialuekohtaiseen tietopohjaan. 4. Pragmaattinen analyysi - lauseiden merkityksen analysointi todellisessa kontekstissa omaan tietopohjaan perustuen. NL-sanomien synteesi sisältää samanlaisia ​​vaiheita, mutta hieman eri järjestyksessä. 4. Älykkäät robotit (robotiikka) Ajatus robottien luomisesta ei ole kaukana uusi. Sana "robotti" ilmestyi 20-luvulla johdannaisena tšekkiläisestä "robotista" - kova likainen työ. Sen kirjoittaja on tšekkiläinen kirjailija Karel Capek, joka kuvaili robotteja novellissaan R.U.R. Robotit ovat sähkölaitteet suunniteltu automatisoimaan ihmisen työtä. Robotiikan luomisen ja kehityksen historiasta on mahdollista erottaa ehdollisesti useita sukupolvia: I sukupolvi. Robotit jäykällä ohjausjärjestelmällä. Lähes kaikki modernit teollisuusrobotit kuuluvat ensimmäiseen sukupolveen. Itse asiassa nämä ovat ohjelmoitavia manipulaattoreita. II sukupolvi. Mukautuvat robotit kosketuslaitteilla. Tällaisista roboteista on näytteitä, mutta niitä käytetään edelleen vähän teollisuudessa. III sukupolvi. Itseorganisoituvat tai älykkäät robotit. Tämä on robotiikan kehityksen perimmäinen tavoite. Tärkeimmät ratkaisemattomat ongelmat älykkäiden robottien luomisessa ovat konenäköongelma sekä kolmiulotteisen visuaalisen tiedon riittävä tallennus ja käsittely. Tällä hetkellä maailmassa valmistetaan yli 60 000 robottia vuosittain. Älykkäiden mobiilirobottien luomisen merkitys Autonomiset älykkäät mobiilirobotit on suunniteltu toimimaan automaattisesti ennalta määritellyissä olosuhteissa ulkoinen ympäristö. Niitä voidaan käyttää useilla ihmisen toiminnan aloilla ja ne voivat ratkaista erilaisia ​​​​ongelmia. Esimerkiksi tavaran toimittaminen, erilaisten esineiden siirtäminen, tiedustelu, jonkinlaisen teknisen toimenpiteen suorittaminen suurella alueella (esimerkiksi huoneen siivous) jne. Tällaiset järjestelmät ovat valmiita korvaamaan henkilön, kun suoritetaan monimutkaisia ​​​​teknologisia operaatioita, jotka liittyvät lisääntyneeseen riskiin tai työskentelevät äärimmäisissä ympäristöissä, esimerkiksi korkean säteilyn, paineen tai tyhjiön olosuhteissa, ja myös korvaavat ihmistyön epäsuosituissa ammateissa. Mantis Robot Helicopter (2003) CSIRO-organisaation australialaiset insinöörit ovat kehittäneet Mantis-robottihelikopterin ("Praying Mantis"), joka pystyy - ensimmäistä kertaa - itsenäiseen lentoon ilman maailmanlaajuista paikannusjärjestelmää (GPS). "Mantis":n korkeus on 0,5 metriä ja pituus 1,5 metriä. Samaan aikaan uusi helikopteri on 4-5 kertaa kevyempi kuin mikään muu miehittämätön lentokone ja maksaa paljon vähemmän. Vaikka robottia voidaan ohjata etänä, kone voi lentää pelkästään tietokoneen aivoihin ja videokameroihin. Erityisesti helikopteria varten kehitettiin Inertia-anturijärjestelmä, jossa on kevyestä magnesiumseoksesta valmistetut mikroelektromekaaniset anturit. Robottisotilaat Talon, SWORDS (2004) Kauko-ohjatut sotilaat syntyivät seurauksena yhteistä toimintaa Yhdysvaltain armeija ja pieni Massachusetts-yhtiö nimeltä Foster-Miller. Tämän yrityksen osti viime marraskuussa QinetiQ Group PLC, jonka puolestaan ​​omistavat Britannian puolustusministeriö (MOD) ja amerikkalainen holding Carlyle Group. Kaikki alkoi roboteista nimeltä "Claws" (TALON). He ovat olleet asepalveluksessa vuodesta 2000, vierailleet Bosniassa, Afganistanissa ja Irakissa, työskennelleet mekaanisin käsin World Trade Centerin raunioilla syyskuun 11. päivän iskujen jälkeen. Heidän tehtävänsä olivat: räjähteiden havaitseminen ja hävittäminen sekä hylkäämisen tarkkailu. Ja armeija oli tyytyväisiä näiden tehtävien laatuun. Jonkin ajan kuluttua armeijan virkamiehet ja Foster-Millerin työntekijät saivat kuitenkin omien sanojensa mukaan uutisia sotilailta. He sanovat, että pidämme Clawsista epäilemättä, mutta annetaan heille ainakin jonkinlainen ase. Täyttääkseen armeijan toiveet New Jerseyn armeijan arsenaalin (Picatinny Arsenal) ja Foster-Millerin insinöörit aseistivat robotteja vain kuudessa kuukaudessa ja 2 miljoonalla dollarilla. Joten "Claws" muuttui "miekoiksi" (SWORDS - Special Weapons Observation Reconnaissance Detection Systems), erityisiksi aseiden havaitsemis-, tiedustelu- ja valvontajärjestelmiksi. Se on "Swords", joka päätyy Irakiin keväällä. Se on varustettu vakiona 5,56 mm M249 kevyellä konekiväärillä (750 laukausta minuutissa) tai 7,62 kaliiperilla M240 "keskikokoisella" konekiväärillä (7 001 000 laukausta minuutissa). Ilman uudelleenlatausta robotti voi ampua 300 ja 350 laukausta. Yhden koneen hinta on $ 200 000. SWORD-robottisotilas toiminnassa InsBot torakkarobotti (2003) Kolmen maan – Ranskan, Belgian ja Sveitsin – tutkijat kehittävät automatisoitua vakooja torakkaleirillä. Jo nyt InsBot pystyy tunkeutumaan torakkaryhmiin, vaikuttamaan niihin ja muuttamaan heidän käyttäytymistään. Torakana teeskentelevä partiolainen johtaa vuosikymmenen ajan ilkeitä hyönteisiä pimeistä keittiön nurkista puhdas vesi - missä ne voidaan tuhota. Robottiagentin kehittäjät eivät haaveile lainkaan torakoiden hävittämisestä lopullisesti. Heidän aikeensa ovat globaalimpia. Robottien avulla he haluavat hallita eläimiä. Älykäs robottipölynimuri (2003) 14.1.2003 11:16 iRobot on julkaissut älykkään Roomba-nimisen pölynimurin. Sen luomiseen meni kolme vuotta ja useita miljoonia dollareita. Kehittäjille asetetut päätehtävät olivat robotin hinnan alentaminen ja energiankulutuksen vähentäminen mahdollisimman paljon. Rumban teho on vain 30 wattia verrattuna tyypilliseen 1000 wattiin. Robotti on varustettu viidellä harjalla, kahdella sähkömoottorilla liikkumiseen ja kolmella muulla harjaamiseen. Tehokas moottori, joka imee pölyä, puuttuu Rumbasta. Se korvataan vastakkain pyörivillä harjoilla, jotka keräävät karkeaa roskaa, ja pienitehoisella tyhjiömoottorilla. Tämän seurauksena laite toimii nikkeliparistoilla. Robotin pyörät voivat kääntyä mihin tahansa suuntaan, joten se selviää vaikeimmista tilanteista. Neljä infrapuna-anturia valvoo etäisyyttä lattiaan ja raportoi välittömästi ohjausjärjestelmälle, kun portaiden kaltevuus tai reuna saavutetaan. Ohjausjärjestelmä koostuu 8-bittisestä 16 MHz:n mikroprosessorista, 128 tavua muistista ja erikoiskäyttöjärjestelmästä. Tällaisen robottipölynimurin hinta on 199 dollaria. Lelupohjainen älykäs mobiilirobotti (Venäjä, 2002) Tätä robottia kehitetään MIREAn ohjausongelmien osastolla. Tässä työssä tavoitteena oli luoda mobiili älykäs robotti, joka toteuttaisi ensin kohdepisteeseen siirtymisen toiminnot esteettömässä ympäristössä. Päätettiin, että robotissa tulisi olla vain näköjärjestelmä. Tällaisen robotin kohdepiste voidaan asettaa kolmella tavalla: laserosoittimella; operaattori kortilla; etänä Internetin kautta. Kaukosäädin Monitor PC Robot R.A.D .™ LPT WS VGA Aud io Out So ft S o und Mic In DE -1 8 TV In LAN Network P kameran teho 5. Koneoppiminen Kukoistava alue tekoäly. Sisältää malleja, menetelmiä ja algoritmeja, jotka keskittyvät tiedon automaattiseen keräämiseen ja muodostamiseen perustuen tietojen analysointiin ja yleistämiseen [Gayek, Gavranek, 1983; Gladup, 1994; Finn, 1991]. Sisältää esimerkin avulla (tai induktiivisen) oppimisen sekä perinteisiä lähestymistapoja hahmontunnistuksen teoriasta. Viime vuosina nopeasti kehittyvät tiedon louhintajärjestelmät - tiedon analysointi ja tiedon löytäminen - tietokannoista mallien etsimisessä ovat olleet tiiviisti tämän suunnan vieressä. 6. Kuvioiden tunnistaminen Perinteisesti - yksi tekoälyn osa-alueista, joka on lähtöisin alusta alkaen, mutta on tällä hetkellä käytännössä noussut itsenäiseksi tieteeksi. Sen pääasiallinen lähestymistapa on objektiluokkien kuvaus merkittävien ominaisuuksien tiettyjen arvojen kautta. Jokaiselle objektille on määritetty ominaisuusmatriisi, jonka mukaan sen tunnistus tapahtuu. Tunnistusprosessissa käytetään useimmiten erityisiä matemaattisia proseduureja ja funktioita, jotka jakavat objektit luokkiin. Tämä suunta on lähellä koneoppimista ja liittyy läheisesti neurokybernetiikkaan. 6. Kuvioiden tunnistaminen Perinteisesti - yksi tekoälyn osa-alueista, joka on lähtöisin alusta alkaen, mutta on tällä hetkellä käytännössä noussut itsenäiseksi tieteeksi. Sen pääasiallinen lähestymistapa on objektiluokkien kuvaus merkittävien ominaisuuksien tiettyjen arvojen kautta. Jokaiselle objektille on määritetty ominaisuusmatriisi, jonka mukaan sen tunnistus tapahtuu. Tunnistusprosessissa käytetään useimmiten erityisiä matemaattisia proseduureja ja funktioita, jotka jakavat objektit luokkiin. Tämä suunta on lähellä koneoppimista ja liittyy läheisesti neurokybernetiikkaan. 7. Uudet tietokonearkkitehtuurit (uudet laitteistoalustat ja -arkkitehtuurit) Useimmat nykyaikaiset prosessorit perustuvat perinteiseen peräkkäiseen von Neumannin arkkitehtuuriin, jota käytetään varhaisen sukupolven tietokoneissa. Tämä arkkitehtuuri on erittäin tehoton merkkien käsittelyyn. Siksi monien tutkimusryhmien ja yritysten ponnistelut ovat keskittyneet vuosikymmeniä sellaisten laitteistoarkkitehtuurien kehittämiseen, jotka on suunniteltu käsittelemään symbolista ja loogista dataa. Syntyy Prolog- ja Lisp-koneita, V ja VI sukupolven tietokoneita. Viimeaikainen kehitys on omistettu tietokantatietokoneille, rinnakkais- ja vektoritietokoneille [Amamiya, Tanaka, 1993]. Ja vaikka menestyviä teollisia ratkaisuja on olemassa, korkeat kustannukset, riittämättömät ohjelmistot ja laitteistojen yhteensopimattomuus perinteisten tietokoneiden kanssa haittaavat merkittävästi uusien arkkitehtuurien laajaa käyttöä. 6. Pelit ja koneluovuus Tämä melko historialliseksi tullut trendi johtuu siitä, että tekoälytutkimuksen kynnyksellä perinteisesti sisältyi pelin älyllisiä tehtäviä - shakki, tammi, go. Ensimmäiset ohjelmat perustuvat yhteen varhaisista lähestymistavoista - ajattelun labyrinttimalliin plus heuristiikkaan. Nyt se on enemmän kaupallinen suunta, koska tieteellisesti näitä ideoita pidetään umpikujana. Lisäksi tämä suunta kattaa musiikin sävellyksen tietokoneella [Zaripov, 1983], runouden, sadun [Tekoälykäsikirja, 1986] ja jopa aforismeja [Lubich, 1998]. Tällaisen "luovuuden" päämenetelmä on permutaatioiden (permutaatioiden) menetelmä sekä joidenkin tietokantojen ja tietojen käyttö, jotka sisältävät tutkimustuloksia tekstirakenteista, riimeistä, skenaarioista jne. tie merelle, imee virtoja ja jokia. liittyvät tieteet. Riittää, kun tarkastellaan tekoälykonferenssien pääotsikoita ymmärtääkseen kuinka laaja tekoälytutkimuksen ala on: geneettiset algoritmit; kognitiivinen mallinnus; älykkäät rajapinnat; puheentunnistus ja synteesi; deduktiiviset mallit.