Искусственный интеллект

Белорусский государственный университет Государственный институт управления и социальных технологий Специальность «Менеджмент»

РЕФЕРАТ Искусственный интеллект Выполнил: К. В. Иманов Студент 1-го курса группы 214

Минск 2013

• Введение
• Глава 1. Анализ текста
• Глава 2. Синтез текста
• Глава 3. Понимание текста
• Заключение
• Список использованных источников

Искусственный интеллект (ИИ) применяется сегодня во многих прикладных областях. Практически все они, может быть, и не так быстро, как хотелось бы, но неуклонно и непрерывно развиваются. В последние годы современные ИТ-технологии совершили очень резкий скачок вперед, в основном за счет повышения производительности массовых процессоров и стремительного удешевления памяти (как оперативной, так и «жесткой»). Это привело к появлению приложений, в которых воплощены серьезные теоретические наработки ИИ.

При этом можно отметить две тенденции. С одной стороны крупнейший в мире финансист исследований по ИИ (особенно по робототехнике) — это военное научное агентство DARPA. Современное оружие немыслимо без подходов ИИ (преимущественно нейронных технологий, нечетких экспертных систем и интеллектуальных решателей), позволяющих с помощью относительно малых ресурсов получать достаточно точные результаты, для нахождения которых классическими методами численной математики потребовались бы мощности суперкомпьютеров.

Например, реализация режима автономного полета на небольшой высоте в плохих погодных условиях без использования заранее подготовленной компьютерной базы рельефа требует применения высокоэффективных механизмов синхронизации движения с данными, получаемыми от системы навигации GPS, видеокамер, радаров и других датчиков. В связи с этим состояние определенных направлений в ИИ закрыто от посторонних глаз.

При создании домашних автономных устройств подчас возникает больше проблем, чем при создании военных и космических роботов. Хотя в жилых домах не бывает перепадов температур в сотни градусов, а превышение скорости на десятки сантиметров несущественно (что в условиях невесомости может сразу привести к аварии), требование максимальной безопасности значительно осложняет жизнь разработчикам.

Быстрее всего сегодня развивается рынок автономных домашних пылесосов. Такие модели оборудованы навигационной системой и всевозможными периферийными датчиками. Роботы-пылесосы перемещаются по квартире по случайным траекториям, собирая мусор и объезжая статические предметы, и удирают от движущихся объектов (людей и животных). Кроме того, умные пылесосы способны самостоятельно возвращаться на свое «место жительства» для подзарядки.

Другой перспективный рынок — автономные газонокосилки. Например, фирма Electrolux выпускает косилки, способные подзаряжаться от солнечной батареи, запасаться энергией на ночь и работать практически круглосуточно.

Более совершенные модели интеллектуальных бытовых устройств помимо уборки мусора способны выполнять множество дополнительных функций — например, подносить напитки и тапочки. Робот Cye фирмы Probotics, постоянно подключенный к ПК, дистанционно управляется заложенной в компьютер программой. С помощью удобного визуального инструмента пользователь может, используя план комнат, определить для Cye траектории передвижения, доступные и запрещенные области в квартире. Общение с роботом выполняется по протоколу, содержащему 35 команд и 20 ответных сообщений от робота. Немаловажно, что ПО Cye открыто для совершенствования, позволяет расширять базовые возможности системы и создавать на его основе собственные программы управления роботом. В будущих версиях Cye будет поддерживаться навигационная система GPS, и он сможет передвигаться не только по комнатам, но и на приусадебном участке.

Спрос на подобные устройства растет, и известная компания NEC уже представила модель Personal Robot R100, которая поступит в продажу в 2001 г. Сейчас модель проходит тестирование в исследовательском центре компании, и журналисты уже могли лицезреть, как робот высотой 44 см и весом 8 кг въезжает в комнату руководительницы проекта Йошихиро Фуджито, вращает телеглазом, распознает ее лицо среди лиц других присутствующих и обращается к ней со словами: «Мама! Вам что-нибудь надо?». В общей сложности робот способен произносить 300 фраз, понимать сотни команд и различать 10 лиц.

R100 может приносить мелкие вещи, вынимать почту из ящика, включать и выключать телевизор и кондиционер, записывать видеосообщения и передавать их по назначению. Он подключен к ПК и имеет встроенный процессор Intel 486 DX4. На основе этой модели NEC планирует в будущем выпускать робокошек и робособак.

Сотрудники лаборатории ИИ Массачусетского института считают, что робот — это не просто прислуга. Он обязательно должен взаимодействовать с окружающим миром и выполнять социально значимые функции. Исходя из этой посылки, они разрабатывают робота Cog, своим внешним видом и отчасти устройством напоминающего человека. Чтобы придать роботу привычную людям походку, допустимые углы сгибания его рук и ног сделаны примерно равными человеческим. В качестве глаз робота применяются четыре видеокамеры (по две на каждый «глаз»), распознающие оттенки серого и имитирующие режим бинокулярного зрения. В ушных раковинах, работающих по принципу локатора, установлены микрофоны, на конечностях и туловище — датчики давления (имитация осязания).

Вестибулярный аппарат моделируется тремя гироскопами, расположенными в голове робота. Единственное, что пока не реализовано по аналогии — обоняние.

Система управления представляет собой сложную иерархию устройств, от периферийных микроконтроллеров управления положением ступни до сети цифровой сигнальной системы обработки видеои аудиоинформации. В большинство узлов Cog встроены процессоры Motorola 68 332 16 МГц, на которых выполняется интерпретатор L (версия Common Lisp). Интенсивная обработки информации происходит в сети промышленных 200 МГц процессоров в ОС реального времени QNX.

Университет Северной Каролины разрабатывает роботов, способных перемещаться в завалах и спасать людей, оказавшихся под развалинами в результате различных катастроф. Робот Moccasin II, напоминающий сегментированного червяка, может проползать в туннелях диаметром 20 см и поворачивать на 90 градусов в любых направлениях, анализируя информацию от видеокамеры с подсветкой и датчиков давления, с помощью которых он «ощущает» стены и их изгибы. Moccasin II использует не электрический, а пневматический двигатель (потому что электрические искры могут спровоцировать взрыв скоплений газа) и передвигается как обычный червяк — сжимая и растягивая свое тело. Следующие модели робота можно будет без опаски применять при обследовании крупных технологических конструкций (танкеров, самолетов).

НАСА создала робота величиной с небольшой мячик. Он понимает голосовые команды, снабжен видеокамерой, датчиками температуры, давления и газовыми анализаторами и способен самостоятельно путешествовать внутри космических станций, выполняя мониторинг их состояния.

Американская Ассоциация по ИИ на Национальной конференции 1999 г. организовала интересный турнир. Согласно его условиям роботы должны были самостоятельно добраться до зала заседаний. Для этого им требовалось выстоять в очереди на регистрацию, подняться по эскалатору, получить цветной баджет на «шею», выйти (или выползти) на сцену, в течение 2 минут рассказать о себе и попробовать ответить на простейшие вопросы. При этом учитывалась степень внешней похожести робота на человека. В первом турнире роботы двух университетских команд, добираясь до конференц-зала, пробовали хитрить — один просил окружающих подсказать ему правильное направление движения, а второй легонько подталкивал людей, обращаясь к ним с просьбой отнести его в зал.

Стремительное развитие робототехники делает проблему поддержания разговора между человеком и роботом всё более актуальной, появляется особый класс роботов, называемых Виртуальными собеседниками (англ. chatterbot). Это компьютерная программа, которая создана для имитации речевого поведения человека при общении с одним или несколькими пользователями. По отношению к виртуальным собеседникам употребляется также название программа-собеседник.

Одним из первых виртуальных собеседников была программа Элиза, созданная в 1966 году Джозефом Вейзенбаумом. Элиза пародировала речевое поведение психотерапевта, реализуя технику активного слушания, переспрашивая пользователя и используя фразы типа «Пожалуйста, продолжайте».

Предполагается, что идеальная программа-собеседник должна пройти Тест Тьюринга. Проводятся ежегодные конкурсы программ-собеседников (в основном англоязычных). Один из самых известных — конкурс Лебнера.

Данная проблема с каждым днём становится всё более и более актуальной в связи с высокими темпами развития технологий, возрастающими потребностями в общении человека и машины.

интеллектуальный компьютерный программа тьюринг

Глава 1. Анализ текста

Лингвисты давно изучают, как устроен текст, и, прежде всего, предложение, играющее роль кирпичика, из совокупности которых складывается текст. Но лишь с появлением компьютеров эти исследования приобрели новое направление. Группа американских лингвистов выдвинула дерзкую идею, получившую название Джорджтаунский проект, — автоматизировать процесс перевода текстов с одного языка на другой, используя для этого ЭВМ. Идея заинтересовала лингвистов многих стран и активизировала работы в области анализа текстов.

В ходе этих работ надо было ответить, прежде всего, на вопрос: «Существуют ли строгие формальные правила, по которым строится структура предложения и структура текста?» Если о структуре предложения лингвисты накопили много материала, то структура текста ими не изучалась.

В результате проведенных исследований стало ясно, что за каждым текстом (в том числе и за отдельным предложением, являющимся своего рода мини-текстом) скрывается не одна, а несколько формальных структур, которые можно разделить на три уровня:

· синтаксический

· семантический

· прагматический.

Интерес к компьютерному анализу текста проявился с желанием добиться качественного машинного перевода. Со временем проблема машинного перевода переросла в отдельную научно-техническую проблему и фактически обрела черты отдельного научного направления с одноименным названием. Это направление возникло на стыке таких наук, как математика, кибернетика, лингвистика и программирование. Параллельно с этой проблемой учёных не покидала мечта о создании полноценного искусственного интеллекта. Активно начинались разработки так называемых виртуальных собеседников, способных поддерживать естественный диалог с человеком.

Данное выше виртуальным собеседникам определение не совсем точно. Дело в том, что цели конкретных диалогов между людьми различаются. Можно просто «поболтать», а можно обсудить важную проблему. Реализация последнего типа диалога представляет дополнительную проблему: научить программу мыслить. Поэтому функциональность большинства современных программ ограничивается возможностью ведения незатейливой беседы.

Программы, способные понимать отдельные высказывания пользователя, образуют класс программ с естественно-языковым интерфейсом. Смотрите, например, Вопросно-ответная система.

Создание виртуальных собеседников граничит с проблемой общего искусственного интеллекта, то есть единой системы (программы, машины), моделирующей интеллектуальную деятельность человека.

Виртуальные собеседники работают с «живым» языком. Обработка естественного языка, особенного разговорного стиля, — острая проблема искусственного интеллекта. И конечно, современные программы-собеседники — лишь попытки имитировать разумный диалог с машиной.

Как любая интеллектуальная система, виртуальный собеседник имеет базу знаний. В простейшем случае она представляет собой наборы возможных вопросов пользователя и соответствующих им ответов. Наиболее распространённые методы выбора ответа в этом случае следующие:

· Реакция на ключевые слова: Данный метод был использован в Элизе. Например, если фраза пользователя содержала слова «отец», «мать», «сын» и другие, Элиза могла ответить: «Расскажите больше о вашей семье».

· Совпадение фразы: Имеется ввиду похожесть фразы пользователя с теми, что содержатся в базе знаний. Может учитываться также порядок слов.

· Совпадение контекста: Часто в руководствах к программам-собеседникам просят не использовать фразы, насыщенные местоимениями, типа: «А что это такое?» Для корректного ответа некоторые программы могут проанализировать предыдущие фразы пользователя и выбрать подходящий ответ.

Своеобразной мини-проблемой являются идентификация форм слова и синонимов.

Обработка естественного языка (Natural Language Processing, NLP) — общее направление искусственного интеллекта и математической лингвистики. Оно изучает проблемы компьютерного анализа и синтеза естественных языков. Применительно к искусственному интеллекту анализ означает понимание языка, а синтез — генерацию грамотного текста. Решение этих проблем будет означать создание более удобной формы взаимодействия компьютера и человека.

Теоретически, построение естественно-языкового интерфейса для компьютеров — очень привлекательная цель. Ранние системы, такие как SHRDLU, работая с ограниченным «миром кубиков» и используя ограниченный словарный запас, выглядели чрезвычайно хорошо, вдохновляя этим своих создателей. Однако оптимизм быстро иссяк, когда эти системы столкнулись со сложностью и неоднозначностью реального мира.

Понимание естественного языка иногда считают AI-полной задачей, потому как распознавание живого языка требует огромных знаний системы об окружающем мире и возможности с ним взаимодействовать. Само определение смысла слова «понимать» — одна из главных задач искусственного интеллекта.

Качество понимания зависит от множества факторов: от языка, от национальной культуры, от самого собеседника и т. д.

Анализ текста — процесс получения высококачественной информации из текста на естественном языке. Как правило, для этого применяется статистическое обучение на основе шаблонов: входной текст разделяется с помощью шаблонов, затем производится обработка полученных данных.

При анализе письменной речи очень важно учитывать наличие ошибок со стороны человека: отсутствие пунктуационных знаков, нарушение порядка слов, опечатки, орфографические ошибки и т. д. В связи с этим понимание текста может быть ещё более затруднено. Примером могу служить самые первые виртуальные собеседники, которые могли определить, является ли предложение вопросительным, только по наличию соответствующего пунктуационного знака, завершающего фразу. Однако, к сожалению, не всегда спонтанная письменная речь обладает идеальным уровнем грамотности, в связи с чем, первое поколение виртуальных собеседников не могло претендовать даже на приближение к прохождению теста Тьюринга.

На данном этапе составлены обширные электронные словари самых различных типов. Особенным удобством и популярностью отличаются словари-графы, дуги которых передают не только отношения между возможными значениями выбранного слова, но также сообщают вероятность появления того или иного значения, дополнительную информацию, возможные словоформы и т. д.

Самые первые программы работали, анализируя текст пословно, что было не слишком эффективно и расходовало слишком много времени и ресурсов. В последствии, «научив» программу определять тип предложения и разбивать текст на упорядоченные конструкции, выделяя тема-рематические отношения, анализ лексем начал проходить быстрее и качественнее, что приблизило диалог к естественному.

Глава 2. Синтез текста

Задача синтеза может рассматриваться как обратная по отношению к анализу. Если заданы некоторая тема и цель будущего текста, то можно считать заданной прагматическую структуру текста. Ее надо декомпозировать в прагматические структуры отдельных предложений и для каждого предложения пройти все этапы анализа в обратном направлении. На сегодняшний день здесь еще масса нерешенных проблем. Неизвестно, как генерировать прагматическую структуру текста из тех целей, которые стимулируют создание текста. Непонятно, как эту структуру разбить на прагматические структуры предложений и как от этих частных прагматических структур перейти к глубинным семантическим структурам. Более известны методы дальнейшего движения по пути генерации текста.

Одним из первых примеров естественно-языковых систем, способных синтезировать тексты, является автоматическая система создания текстов волшебных сказок, созданная в Московском энергетическом институте в 70-х гг. и называемая TALE (Информатика). На первом шаге она выдает тексты примерно такого вида: «Жил-был X. Не было у него желаемого У. Стал просить Х Бога. Бог обещал. Появился У. Вырос У. Ушел раз Х и не велел У делать Z. Но У сделал Z. Вернулся X. У нет. Понял X, что У сделал Z. Пошел Х искать У…» В памяти рассматриваемой системы хранились данные для заполнения так называемых актантов, а одинаковые переменные показывают, что на эти места всюду надо поставить одни и те же заполнители. Так возникает текст: «Жил-был царь. И не было у царя желаемого наследника. Стал царь просить Бога. Бог обещал. Появился наследник. Вырос наследник…» Существует пример такой сказки, сочиненной этой программой.

В качестве другого примера системы автоматического синтеза можно привести систему, умеющую слагать стихи. Примеров таких систем уже немало, хотя с сочинением стихов дело обстоит несколько сложнее. Программа в состоянии учесть характер рифмы, количество слогов в соответствующих строках стихотворения, метрическую форму стихотворения и провести грамматический анализ. Однако содержание будущего стихотворения в значительной степени оказывается произвольным и зависит от содержания исходного словаря. Можно привести пример машинного стихотворения.

В настоящее время автоматический синтез текстов необходим также при создании:

· интеллектуальных систем, способных объяснять пользователю ход решения той или иной задачи,

· систем поддержки принятия решений, способных помогать пользователю принять то или иное решение на основе выработанных альтернатив,

· информационно-справочных систем различного назначения, способных подсказать пользователю наиболее оптимальный путь поиска и/или заказа той или иной информации (например, в системах заказа билетов),

· различных диалоговых систем.

Глава 3. Понимание текста

Проблема понимания текстов на естественном языке включает не только лингвистические аспекты. С ней тесно связаны задачи, традиционно решаемые в рамках психологии, философии и семиотики. Рассказывая о проблеме анализа текстов, мы несколько раз ссылались на то, что сам анализ служит инструментом для понимания содержания текста. Пожалуй, самое важное значение проблема понимания имеет в так называемых диалоговых системах.

В начале 70-х гг. специалисты в области искусственного интеллекта удивляли далеких от науки людей системами общения на естественном языке, демонстрирующими на первый взгляд почти безграничные возможности созданного ими интеллектуального интерфейса общения. Любой человек мог общаться с системой на произвольную тему, используя все богатство доступного ему языка. При этом система поддерживала разговор, поражая собеседника своими способностями. Вот один из примеров такого разговора, в котором в качестве интеллектуального интерфейса использовалась программа, реализованная на ЭВМ, получившая название «Элиза»

Внешне диалог напоминает светскую беседу двух не слишком знакомых людей. Это, скорее, игра в общение, чем общение по существу. Но и такая игра занимает в жизни людей немалое место. «Элиза» в подобных разговорах оказывается вполне «на уровне». Многие даже считают, что их просто разыгрывают и с ними общается не программа, реализованная на компьютере, а живой собеседник. Подобные примеры диалоговых систем сейчас можно найти в сети Интернет, где эти системы получили название языковых чатов.

Уровень общения, который демонстрируют «Элиза» и другие подобные ей программы, по сути, самый низкий из всех возможных. Это уровень так называемого фактического диалога. В таком диалоге партнеры (или один из них) практически не слушают друг друга. Это лишь видимость беседы, а для поддержания ее используются стандартные «домашние заготовки» .

Одной из особенностей мышления человека (едва ли не основной для возможности самого мышления) является его разномодальность. Психологи пользуются этим термином, чтобы подчеркнуть, что наши представления об окружающем мире и о нас самих могут иметь различную природу (различную модальность). Можно «мыслить словами», но можно представлять себе какие-то зрительные картинки, как часто бывает в снах. Есть люди, для которых многие воспоминания состоят из запахов или вкусовых впечатлений. Словом, все наши органы чувств дают свою модальность в мышлении. Но две модальности: символьная (текстовая) и зрительная — являются для человека основными (Информатика).

Легко проверить, что между этими модальностями имеется весьма тесная связь. Обычно называние чего-то или текстовое описание некоторой ситуации тут же вызывает зрительные представления об этих объектах и ситуациях. И наоборот, стоит нам увидеть нечто, как мы тут же готовы описать увиденное с помощью нашего родного языка. Так текст и сопутствующая ему зрительная картина оказываются объединенными в нашем сознании и интегрированными в некоторое единство. Текст как бы «живет» в виде некоторого образного представления. И изучение того, как происходит эта интеграция и как по одной составляющей представления появляется вторая, — одна из увлекательных задач, стоящих перед специалистами в области компьютерной лингвистики и их коллегами — создателями интеллектуальных систем. Уже найдены некоторые важные законы интеграции текстов и зрительных образов. Созданы первые экспериментальные модели этого процесса и первые интеллектуальные системы, способные описывать в виде текста предъявляемую им картинку (например, пейзаж), а также воссоздавать одну из возможных картин, соответствующих введенному в систему тексту.

ЗАКЛЮЧЕНИЕ

Появление искусственных систем, способных воспринимать и понимать человеческую речь (пока в весьма ограниченном объеме) и тексты на естественном языке, создало предпосылки для непосредственного общения человека и компьютера. Это, в свою очередь, повысило интерес лингвистов к процессам, сопутствующим организации и ведению диалога. Примерами могут служить:

· способ построения сценария диалога на основе тех целей, которые активная сторона в диалоге ставит перед собой;

· поддержка выбранного сценария с учетом интересов партнера и его возможного противодействия тому сценарию, который используется;

· нахождение средств маскировки истинных намерений говорящего;

· организация пассивной поддержки коммуникационного процесса и т. д.

Эти пять направлений, которые активно развиваются в компьютерной лингвистике, естественно, не исчерпывают всего содержания этой науки. Но и сказанного вполне достаточно, чтобы оценить ее важность и значимость не только для самой лингвистики, но и для создания технических систем, по способностям к диалогу, не уступающих человеку.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Апресян Ю. Д. Избранные труды, том I. Лексическая семантика: 2-е изд., испр. И доп. — М.: Школа «Языки русской культуры», Издательская фирма «Восточная литература» РАН, 1995

2. Попов Э. В. Общение с ЭВМ на естественном языке. М. Наука. 2000.

3. Using Dublin Core. [Электронный ресурс]

4. Black P. Компьютерная лингвистика // Компьютерные Вести. — 1999. — № 26; [Электронный ресурс]