Теория управления и кибернетика. Центральной фигурой в создании теории управления был Норберт Винер (1894 — 1964 гг.). Винер был блестящим математиком, проявившим интерес к изучению биологических и механических систем управления и их связи с познанием. Он рассматривал целенаправленное поведение как обусловленное действием регуляторного механизма, пытающего минимизировать «ошибку» — различие между текущим и целевым состоянием. В конце 1940;х годов Винер совместно с Уорреном Мак-Каллоком [20; с. 11], Уолтером Питтсом [20; с. 12] и Джоном фон Нейманом [21; с. 613] организовал ряд конференций, на которых рассматривались новые математические и вычислительные модели познания. Книга Винера «Кибернетика» [5;. С. 12], в которой было впервые дано определение кибернетики как науки, стала бестселлером и убедила широкие круги общественности в том, что мечта о создании машин, обладающих искусственным интеллектом, воплотилась в реальность.
Предметом современной теории управления, особенно той её ветви, которая получила название стохастического оптимального управления, является проектирование систем, которые максимизируют целевую функцию во времени.
3. История искусственного интеллекта
Первая работа, которая теперь по общему признанию считается относящейся к искусственному интеллекту, была выполнена Уорреном Мак-Каллоком и Уолтером Питтсом [20; с. 10]. Они черпали вдохновение из трех источников: знание основ физиологии и назначения нейронов в мозгу; формальный анализ логики высказываний, взятый из работ Рассела и Уайтхеда; а также теория вычислений Тьюринга. Мак-Каллок и Питтс предложили модель, состоящую из искусственных нейронов, в которой каждый нейрон характеризовался как находящийся во «включенном» или «выключенном» состоянии, а переход во «включенное» состояние происходил в ответ на стимуляцию достаточного количества соседних нейронов. Состояние нейрона рассматривалось как «фактически эквивалентное высказыванию, в котором предлагается адекватное количество стимулов». Работы этих ученых показали, например, что любая вычислимая функция может быть вычислена с помощью некоторой сети из соединенных нейронов и что все логические связки могут быть реализованы с помощью простых сетевых структур. Кроме того, Мак-Каллок и Питтс выдвинули предположение, что сети, структурированные соответствующим образом, способны к обучению. Дональд Хебб продемонстрировал простое правило обновления для модификации количества соединений между нейронами. Предложенное им правило, называемое теперь правилом хеббовского обучения, продолжает служить основой для моделей, широко используемых и в наши дни.
В Принстонском университете проводил свои исследования еще один авторитетный специалист в области искусственного интеллекта, Джон Маккарти. После получения ученой степени Маккарти перешел в Дартмутский колледж, который и стал официальным местом рождения этой области знаний. Маккарти уговорил Марвина Минского, Клода Шеннона и Натаниэля Рочестера, чтобы они помогли ему собрать всех американских исследователей, проявляющих интерес к теории автоматов, нейронным сетям и исследованиям интеллекта. Они организовывали двухмесячный семинар в Дартмуте летом 1956 г. Дартмутский семинар не привел к появлению каких-либо новых крупных открытий, но позволил познакомиться всем наиболее важным деятелям в этой научной области.
Первые годы развития искусственного интеллекта были полны успехов, хотя и достаточно скромных. Если учесть, какими примитивными были в то время компьютеры и инструментальные средства программирования, и тот факт, что лишь за несколько лет до этого компьютеры рассматривались как устройства, способные выполнить только арифметические, а не какие-либо иные действия, можно лишь удивляться тому, как удалось заставить компьютер выполнять операции, хоть немного напоминающие разумные. Были созданы первые программы искусственного интеллекта.
С самого начала исследователи искусственного интеллекта не отличались сдержанностью, высказывая прогнозы в отношении своих будущих успехов. Это было связано с тем, что первые системы искусственного интеллекта демонстрировали многообещающую производительность, хотя и на простых примерах. Но почти во всех случаях эти ранние системы терпели сокрушительное поражение, сталкиваясь с более широким кругом проблем или с более трудными проблемами.
Сложности первого рода были связаны с тем, что основная часть ранних программ не содержала знаний или имела лишь небольшой объём знаний о своей предметной области; их временные успехи достигались за счёт простых синтаксических манипуляций.
Сложности второго рода были связаны с неразрешимостью многих проблем, решение которых пытались найти с помощью искусственного интеллекта. В большинстве ранних программ искусственного интеллекта решение задач осуществлялось по принципу проверки различных комбинаций возможных шагов, которая проводилась до тех пор, пока не будет найдено решение.
Сложности третьего рола возникли в связи с некоторыми фундаментальными ограничениями базовых структур, которые использовались для выработки интеллектуального поведения.
Основной подход к решению задач, сформированный в течение первого десятилетия исследований в области искусственного интеллекта, представлял собой механизм поиска общего назначения, с помощью которого предпринимались попытки связать в единую цепочку элементарные этапы проведения рассуждений для формирования полных решений. Подобные подходы получили название слабых методов, поскольку они не позволяли увеличить масштабы своего применения до уровня более крупных или более сложных экземпляров задач, несмотря на то, что были общими. Альтернативным по сравнению со слабыми методами стал подход, предусматривающий использование более содержательных знаний, относящихся к проблемной области, который позволяет создавать более длинные цепочки шагов логического вывода и дает возможность проще справиться с теми проблемными ситуациями, которые обычно возникают в специализированных областях знаний. Как известно, чтобы решить достаточно сложную задачу, необходимо уже почти полностью знать ответ.
В последние годы произошла буквально революция как в содержании, так и в методологии работ в области искусственного интеллекта. В настоящее время гораздо чаще встречаются работы, которые основаны на существующих теориях, а не содержат описания принципиально новых открытий; утверждения, изложенные в этих работах, основаны на строгих теоремах или надёжных экспериментальных свидетельствах, а не на интуиции; при этом обоснованность сделанных выводов подтверждается на реальных практических приложениях, а не на игрушечных примерах.
Какие же возможности предоставляет искусственный интеллект в наши дни? Перечислим несколько направлений:
автономное планирование и составление расписаний;
ведение игр;
автономное управление;
диагностика;
планирование снабжения;
робототехника;
понимание естественного языка и решение задач.
Выше приведено лишь несколько примеров систем искусственного интеллекта, которые существуют в настоящее время. В заключение отметим, что искусственный интеллект — это не магия и не научная фантастика, а сплав методов науки, техники и математики.
Заключение
В исследовании дано определение искусственного интеллекта и описан исторический контекст, в котором развивалась эта область науки. Ниже приведены наиболее важные выводы работы.
1. Взгляды ученых на искусственный интеллект не совпадают. Для того чтобы определить наиболее приемлемый для себя подход, необходимо ответить на два важных вопроса: «Интересует ли вас в основном мышление или поведение?» и «Стремитесь ли вы моделировать способности людей или строить свою работу исходя из идеального стандарта?»
2. Философы (начиная с 400 г. до н.э.) заложили основы искусственного интеллекта, сформулировав идеи, что мозг в определенных отношениях напоминает машину, что он оперирует знаниями, закодированными на каком-то внутреннем языке, и что мышление может использоваться для выбора наилучших предпринимаемых действий.
3. Математики предоставили инструментальные средства для манипулирования высказываниями, обладающими логической достоверностью, а также недостоверными вероятностными высказываниями. Кроме того, они заложили основу не только понимания того, что представляют собой вычисления, но и формирования рассуждений об алгоритмах.
4. Экономисты формализовали проблему принятия решений, максимизирующих ожидаемый выигрыш для лица, принимающего решение.
5 Психологи подтвердили идею, что люди и животные могут рассматриваться как машины обработки информации.
6. Компьютерные инженеры предоставили артефакты, благодаря которым стало возможным создание приложений искусственного интеллекта. Обычно программы искусственного интеллекта имеют большие размеры, и не могли бы работать без тех значительных достижений в повышении быстродействия и объема памяти, которые были достигнуты в компьютерной индустрии.
7. Теория управления посвящена проектированию устройств, которые действуют оптимально на основе обратной связи со средой. Первоначально математические инструментальные средства теории управления весьма отличались от применяемых в искусственном интеллекте, но эти научные области все больше сближаются.
8. История искусственного интеллекта характеризуется периодами успеха и неоправданного оптимизма, за которыми следовало снижение интереса и сокращение финансирования. В ней также были периоды, когда появлялись новые творческие подходы, а затем лучшие из них систематически совершенствовались.
9. Искусственный интеллект развивался быстрее, чем обычно, в прошлое десятилетие, поскольку в этой области стали шире применяться научные методы экспериментирования и сравнения подходов.
10. Последние достижения на пути понимания теоретических основ интеллектуальности неразрывно связаны с расширением возможностей реальных систем. Отдельные подобласти искусственного интеллекта стали в большей степени интегрированными, а сам искусственный интеллект успешно находит общую почву с другими научными дисциплинами.
Список литературы
Аристотель. Сочинения [Текст]: В 4-х т. / Аристотель. — Т. 2. Органон.
— М.: Мысль, 1978. — 688 с.
Барыкин С. Г. Системы искусственного интеллекта [Текст] / С. Г. Барыкин. — Челябинск: ЮУрГУ, 2004. — 85 с.
Бернулли Я. О законе больших чисел [Текст] / Я. Бернулли. — М.: Наука, 1986. — 176 с.
Бэкон Ф. Сочинения [Текст]: В 2-х т. / Ф. Бэкон. — Т.
2. — М.: Мысль, 1977. — 526 с.
Винер Н. Кибернетика [Текст] / Н. Винер. — М.: Наука, 1983. — 344 с.
Витгенштейн Л. Логико-философский трактат [Текст] / Л. Витгенштейн. — М.: Канон, 2008. — 288 с.
Вундт В. Основы физиологической психологии. Об элементах душевной жизни. Интенсивность ощущения [Текст] / В. Вундт. — М.: Либроком, 2010. — 330 с.
Гельмгольц Г. О зрении человека. Новейшие успехи теории зрения [Текст] / Г. Гельмгольц. — М.: Либроком, 2011. — 192 с.
Гильберт Д., Аккерман В. Основы теоретической логики [Текст] / Д. Гильберт, В. Аккерман. — М.: Ком
Книга, 2010. — 306 с.
Гоббс Т. Сочинения [Текст]: В 2-х т. / Т. Гоббс. — Т.
1. — М.: Мысль, 1989. — 622 с.
Гутгер Р., Полунов Ю. Джироламо Кардано [Текст] / Р. Гутгер, Ю. Полунов. — М.: НЦ ЭНАС, 2010. — 256 с.
Девятков В. В. Системы искусственного интеллекта [Текст] / В. В. Девятков. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2001. — 352 с.
Декарт Р. Разыскание истины [Текст] / Р. Декарт. — М.: Азбука, 2000. — 288 с.
Зубов В.П. Леонардо-учёный [Текст] / Зубов В. П. // Избранные произведения Леонардо да Винчи. — М.: Изд-во Студии Артемия Лебедева, 2010. — С. 54 — 94.
Карнап Р. Исследование по семантике и модальной логике [Текст] / Р. Карнап. — СПб: ЛКИ, 2007. — 384 с.
Кульматов В. Раймонд Луллий [Текст] / В. Кульматов // Антология средневековой мысли. Теология и философия европейского Средневековья: В 2-х т. — Т.
2. — М.: Изд-во Русского Христианского Гуманитарного Института, 2002. — С. 185 — 187.
Лаплас П. Опыт философии теории вероятностей [Текст] / П. Лаплас. — М.: Либроком, 2011. — 208 с.
Лейбниц Г. В. Сочинения [Текст]: В 4-х т. / Г. В. Лейбниц — Т. 3. — М.: Мысль, 1984. — 734 с.
Локк Дж. Опыт о человеческом разумении [Текст] / Дж. Локк // Сочинения: В 3-х т. — Т. 2.
— М.: Мысль, 1985. — С. 5 — 268.
Мак-Каллок У.С., Питтс В. Логическое исчисление идей, относящихся к нервной активности [Текст] / У.С. Мак-Каллок, В. Питтс // Нейронные сети: История развития теории / Под ред. А. И. Галушкина, Я. З. Цыпкина. — М.: ИПРЖР, 2001. — С. 5 — 22.
Нейман Дж., фон, Моргенштерн О. Теория игр и экономическое поведение [Текст] / Дж. фон Нейман, О. Моргенштерн. — М.: Наука, 1970. — 707 с.
Паскаль Б. Мысли [Текст]. / Б. Паскаль — М.: Мир энциклопедий Аванта+; Астрель, 2009. — 256 с.
Рамсей Ф.П. философские работы [Текст] / Ф. П. Рамсей. — М.: Канон, 2011. — 368 с.
Рассел Б. Человеческое познание. Его сфера и границы [Текст] / Б. Рассел. — М.: Ника-Центр; Институт общегуманитарных исследований, 2001. — 560 с.
Рассел С., Норвиг П. Искусственный интеллект: современный подход [Текст] / С. Рассел, П. Норвиг. — Пер. с англ. — М.: Вильямс, 2006. — 1408 с.
Смит А. Исследование о природе и причинах богатства народов [Текст] / А. Смит. — М.: Эксмо, 2007. — 960 с.
Смолин Д.В.
Введение
и искусственный интеллект [Текст] / Д. В. Смолин. — М.: Физматлит, 2004. — 208 с.
Тарский А.
Введение
в логику и методологию дедуктивных наук [Текст] / А. Тарский. — Минск: Тривиум, 2000. — 326 с.
Тьюринг А. Могут ли машины мыслить? [ Текст] / А. Тьюринг // Информационное общество: Сборник. -
М.: АСТ; Мидгард, 2004. — С. 221 — 284.
Ферма П. Исследования по теории числе и диофантову анализу [Текст] / П. Ферма. — СПб: ЛКИ, 2007. — 320 с.
Фреге Г. Логико-философские труды [Текст] / Г. Фреге. — Новосибирск: Сибирское университетское издательство, 2008. — 288 с.
Фрейджер Р., Фейдлмен Дж. Уильям Джеймс и психология сознания [Текст] / Р. Фрейджер, Дж. Фейдлмен. — М.: Прайм-Еврознак, 2007. — 128 с.
Юм Д. Исследование о человеческом познании [Текст] / Д. Юм // Собрание сочинений: В 4-х т. — Т. 4. — С. 5 — 296.
