Разработки в области искусственного интеллекта существующие в настоящее время

Современные исследования в области искусственного интеллекта можно разделить на две группы. Первая группа занимается созданием искусственного разума путем моделирования на компьютере функций человеческого организма. Они составляют программы и алгоритмы предназначенные, к примеру, для распознавания объектов или цветов. Эта группа исследователей относится к классической школе изучения проблем искусственного интеллекта. Существует так же школа, занимающаяся альтернативными исследованиями. Например, создание искусственных нейронных сетей. Или роботизированных протезов. Рассмотрим достижения в области классических методов исследования.

Модели представления знаний

Для того чтобы искусственный разум мог оперировать знаниями в какой-либо предметной области ему необходимо каким то образом представлять свои знания. Для этого были разработаны различные модели представления знаний. Их можно разделить на классические модели, включающие в себя: логические методы, фреймы, семантические сети, правила продукций. Кратко рассмотрим суть каждого из них:

• · Из логических способов наиболее часто используют логику силлогизмов Аристотеля, Дж Буля, Л. Заде и Ч. Осгуда. Именно логика была первой внедрена в сферу информационных технологий. Нужна она была для того что бы можно было как — то формализировать окружающий мир. Т. е. выразить все, что нас окружает в формулах. Формулы можно ввести в программу, что ускорит решение задачи. Именно логика заложила фундамент практически для всех современных разработок в сфере информационных технологий.
• · «Фрейм — структура данных для представления стереотипной ситуации. С каждым фреймом ассоциирована информация разных видов. Одна ее часть указывает, каким образом следует использовать данный фрейм, другая — что предположительно может повлечь за собой его выполнение, третья — что следует предпринять, если эти ожидания не подтвердятся». [2,83] Понятие фрейма было заимствовано из гештальтпсихологии. Человеческий глаз воспринимает мир как пучок фотонов. Но мы же не воспринимаем мир в виде разноцветных пятен. Суть заключается в том, что мы видим, слышим, осязаем окружающий мир только потому, что в нашей памяти заложены так называемые гештальты, которые сформировались ранее в нашей жизни при встрече с каким либо объектом или явлением. Они в свою очередь состоят из системы взаимосвязанных фреймов.
• · Семантичеcкие сети представляют собой совокупность смысловых связей между словами в предложении. С помощью данного метода компьютер можно научить извлекать смысл из предложений и высказываний.
• · Правило продукций заключается в следующей логической связке. «Если событие. А, то действие Б.» С помощью данного правила можно задавать строгие модели поведения.

Все эти, казалось бы, устаревшие методы до сих пор используют программисты, инженеры и разработчики в сфере информационных технологий и искусственного интеллекта.

Так же выделяют группу новых методов. К ним относят: критериальные методы, стохастические методы.

• · С помощью критериальных методов можно научить компьютер делать выводы на основе нескольких критериев. Т. е. происходит перебирание нескольких вариантов развития событий с различным результатом. И выбирается наиболее подходящий с учетом обстоятельств. Совсем не обязательно, что выбранный ход событий будет иметь положительные последствия.
• · Стохастические методы так же позволяют делать определённые выводы, но уже на основе вероятности какого-либо события.
• · В настоящее время очень бурно развивается метод создания нейронных сетей. Создаются виртуальные сети нейронов подобные тем, что есть в человеческом мозге. При определённом построении данных сетей с помощью математических и логических методов они могут самообучаться. Конечно процесс обучения данных сетей намного проще, чем в человеческом мозге. Совсем недавно компания Google создала нейронную сеть, используя 16 тысяч процессорных ядер. Целью данной системы было проанализировать 1 миллион изображений и научиться выделять на них лица. Она не только научилась выделять лица людей. Так же она выделила отдельные части тела и морды животных. Конечно не без ошибок, но как подсчитали исследователи, это превзошло результаты предыдущего эксперимента на 70%.Нейронные сети относятся к альтернативной школе искусственного интеллекта.
• · Распознавание образов.

При получении изображения для компьютера оно представляет собой не более чем двумерную картину из смеси различных цветов. Для того чтобы решить эту проблему компьютерной системе предлагается определённая модель того что нужно распознавать. Например, овал человеческого лица или модель печатных и письменных букв. Заданы определённые допустимые параметры отклонения от этой модели. Благодаря чему современные камеры могут распознавать лица, человеческие улыбки или предметы. Так же в последнее время получила развитие система фиксации движений. На теле человека фиксируются определённые датчики и камеры, установленные в помещении, регистрируют смещение эти датчиков в трехмерной системе координат. Пока что данная технология используется в основном для создания реалистичной анимации действий персонажей в компьютерных играх и в фильмах. Но так же возможно ее использования для управления, например роботизированной хирургической системой. Что полностью исключает риск развития инфекционных осложнений.

· С моделированием в машине других чувств человека проблем нет. Т.к. современные датчики обладают намного более широким диапазоном восприятия, чем человеческий слух или тактильные рецепторы.