Теория искусственного интеллекта

Создание высокоавтоматизированных производств предполагает автоматизацию не только физического, но и умственного труда человека. В последние десятилетия складывается ситуация, в которой человек уже не в состоянии воспринять и переработать весь объем информации, необходимый для принятия решений и поэтому зачастую из носителя прогресса человек превращается в фактор, сдерживающий его.

Автоматизация интеллектуальной деятельности потребовала решения новых задач, не возникавших ранее в теории автоматического управления. К их числу относится описание и представление в ЭВМ сложной внешней среды, автоматическое планирование и выполнение комплекса разнообразных действий технических устройств, направленных на достижение заданной цели, организация общения человека с ЭВМ на языке, близком к естественному, и ряд других.

Прогресс в области информатизации практически всех сфер деятельности человека, в том числе в мехатронике и робототехнике связан с тем, что часть интеллектуальной нагрузки берут на себя компьютеры. Одним из способов достигнуть максимального прогресса в этой области, является «искусственный интеллект», когда компьютер выполняет не только однотипные, многократно повторяющиеся операции, но и сам сможет обучаться. Кроме того, создание полноценного «искусственного интеллекта» открывает перед человечеством новые горизонты развития производства, транспорта, летательных аппаратов, медицинской и бытовой техники.

Научное направление, в рамках которого решаются данные задачи, называют искусственным интеллектом.

Цель и задачи дисциплины

Цель — изучение общих понятий и терминологии искусственного интеллекта (ИИ) как прикладной науки, архитектуры систем ИИ в современном производстве, инструментальных средств реализации принципов ИИ в мехатронных и робототехнических системах, а также приобретение элементарных навыков в области автоматизации решения сложноформализуемых задач, которые до сих пор считаются прерогативой человека, в том числе при проектировании интеллектуальных систем (ИС) производственного назначения.

Задачи дисциплины.

ЗНАТЬ:

основные понятия ИИ;

принципы построения систем ИИ в технике;

модели и методы представления знаний в ИС;

моделирование нечетких множеств, нечеткая логика;

методы поиска решений и соответствующие им реализации механизма вывода как основы машинного мышления;

принципы построения и функционирования экспертных систем (ЭС);

алгоритмы распознавания образов и ситуаций;

системы машинного зрения;

нейросистемы применение систем ИИ в мехатронике.

УМЕТЬ:

построить структуру системы ИИ для решаемой технической задачи;

сформировать базу знаний на основе различных типов представления знаний;

пользоваться методом поиска в пространстве состояний и сведения задач к подзадачам при планировании движения робота;

построить элементарную ЭС для определенной предметной области.

Учебный план. Лек. — 30 ч., лаб. — 16 ч., экз.

Общие сведения. Проблемы ИИ в робототехнике и мехатронике

Основные определения. Под интеллектом будем понимать способность мозга решать задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам для выполнения функии деятельности.

Интеллектintelligence — (лат. Intellektus — познание, понимание, рассудок) -способность мышления, рационального познания, ум. Иначе — мыслительная способность, умственное начало у человека.

Рациональное познание — отражение объективной действительности в представлениях, суждениях, понятиях.

Мыслительная способность — способность, связанная с поиском решений, действий или закономерностей в нестандартных условиях, если методы, алгоритмы решения или действия априори не известны. В нашем курсе под интеллектом будем понимать способность мозга решать задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам для выполнения функций деятельности.

ИИ (artificial intelligence — AI) — научное направление, которое занимается проблемами имитации человеческого интеллекта в рамках которого строятся теории и модели, призванные объяснить и использовать в технических системах принципы и механизмы интеллектуальной деятельности человека. ИИ — это одно из направлений информатики, целью которого является разработка программно-аппаратных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка. Иначе и короче — ИИ это техническая (информационная и программно-аппаратная) реализация некоторых интеллектуальных способностей человека.

ИИ — область компьютерных наук, занимающаяся исследованием и автоматизацией разумного поведения.

Под ИС понимают адаптивную систему, позволяющую строить программы целесообразной деятельности по решению поставленных перед ними задач на основании конкретной ситуации, складывающейся на данный момент времени в окружающей среде.

Дополнения:

1. к сфере решаемых ИС задач относятся задачи, обладающие, как правило, следующими особенностями:

— в них заранее неизвестен алгоритм решения задач;

— в них используется информация помимо традиционных данных в числовой форме в виде изображений, рисунков, знаков, букв, слов, звуков;

— в них предполагается наличие выбора, т. е. необходимо сделать выбор между многими вариантами в условиях неопределенности.

2. Системы ИИ отличаются от других искусственных систем, включая традиционные компьютерные программы тем, что они используют знания, а также рядом других признаков:

— способностью достигать целей, меняющихся во времени;

— способностью сопоставлять, использовать и преобразовывать знания;

— способностью ориентироваться в многообразии специальных подсистем, варьируя их методы;

— способностью самостоятельно планировать ресурсы и концентрировать их в нужном направлении;

— возможностью обеспечения интеллектуального интерфейса с пользователем и другими системами.

ИС должна в наборе фактов распознать существенные, ИС способны из имеющихся знаний и фактов сделать выводы не только с использованием дедукции, но и с помощью аналогии, индукции и т. п. Кроме того, ИС должны быть способны к самооценке — обладать рефлексией, т. е. средствами для оценки результатов собственной работы. ИС также должны улавливать сходство между имеющимися фактами.

Потенциальные возможности ИС безграничны, однако пока общей теории интеллектуальности не существует и не найдено общих методов решения проблем.

Проблемы ИИ в робототехнике и мехатронике

1 — Представление знаний. Направление связано с формализацией и представлением знаний различными моделями, языками и делением знаний по типам, а также создание программных средств для их преобразования (пополнения, обработки и т. п.). Здесь рассматриваются вопросы приобретения знаний — их источники, процедуры и приемы. Базой служат знания о проблемной области, хранящиеся в памяти интеллектуальной системы (ИС).

2 — Оперирование, манипулирование знаниями. Направление включает: построение способов пополнения знаний на основе их неполных описаний, системы классификации знаний, хранящихся в памяти ИС; обобщение знаний и формулирование на их основе абстрактных понятий; методы достоверного и правдоподобного вывода на основе имеющихся знаний, модели рассуждений. (1и 2 объединяет теория баз знаний (БЗ)).

3 — Общение. Проблема охватывает: понимание связных текстов на естественном языке, синтез связных текстов, понимание речи и ее синтез; модели коммуникаций между пользователями и ИС; формирование объяснений действий ИС; формирование методов построения лингвистических процессоров, осуществляющих перевод текстовой информации во внутреннее машинное представление, диалоговых систем и пр.

4 — Восприятие. В проблему входят: анализ зрительной, слуховой и др. видов информации, методы ее обработки и внутреннего машинного представления, распознавание образов и формирование ответных реакций на воздействие внешней среды и способов адаптации искусственных систем к среде путем обучения

5 — Обучение (воспитание) — до решения ИС новых задач, с которыми ранее не встречались. Проблема включает: методы формирования условий задачи по информации о проблемной ситуации; обучение переходу от известных решений частных задач — к решению общей; формирование модели процесса обучения. Мало пока сделано. В этом плане интересен подход к имитации мышления, предложенный А. Тьюрингом. «Пытаясь имитировать интеллект взрослого человека, — пишет Тьюринг, — мы вынуждены много размышлять о том процессе, в результате которого человеческий мозг достиг своего настоящего состояния. Почему бы нам вместо того, чтобы пытаться создать программу, имитирующую интеллект взрослого человека, не попытаться создать программу, которая имитировала бы интеллект ребенка? Ведь если интеллект ребенка получает соответствующее воспитание, он становится интеллектом взрослого человека… Наш расчет состоит в том, что устройство, ему подобное, может быть легко запрограммировано… Таким образом, мы расчленим нашу проблему на две части: на задачу построения „программы-ребенка“ и задачу „воспитания“ этой программы» .

6 — Поведение — поведенческие процедуры адекватного взаимодействия со средой, человеком, другими ИС; функции управления действиями, в т. ч. модели целесообразного поведения, нормативного поведения; методы многоуровневого планирования и коррекции планов в динамических ситуациях при решении конкретных задач автоматического устройства, функционирующего в сложной внешней среде.

Наиболее важные причины, объясняющие вклад человечества в развитие ИИ:

1 — Создание ЭВМ новых поколений, максимально приближенных к пользователю, освобождение его от программирования решения задач. (Сложность общения с ЭВМ не должна превосходить сложности общения с современными бытовыми средствами, доведение «интеллектуального» уровня ЭВМ до способности выполнения профессиональных задач программиста.) Обладание большой суммой знаний о способах решения задач, специальных процедурах автоматического синтеза программ; максимальное приближение к общению людей.

2 — Бум информационных технологий, проникновение ЭВМ во все сферы человеческой жизни, создание локальных, глобальных и международных сетей передачи и обработки данных. Следствие — изменение стиля и, возможно, содержания человеческого общения в деловой и бытовой сферах.

3 — Коренное изменение роли человека в технологии производства (все области), замещение его функций физического, интеллектуального труда и управления автоматическими системами с т.н. «интеллектуальным управлением».

4 — ИС становятся инструментом проектирования новых, в т. ч. сверхсложных изделий, разработки технологий, изобретательства, прогнозирования и диагностирования.

Последние 2 пункта особенно важны для понимания сути мехатроники.

Таким образом, диапазон вопросов, охватываемый ИИ — от общих теоретических принципов науки ИИ до инженерных приемов создания аппаратных и программных средств решения интеллектуальных задач.

Еще некоторые определения:

Решение задачи — любая деятельность (человека или машины), связанная со следующим:

выработкой планов и действий, необходимых для достижения определенной цели;

выводами новых закономерностей;

формированием фраз на естественном или близком ему (но понятном) языке и др.

Конкретная интеллектуальная деятельность базируется на знаниях предметной области, в которой ставятся и решаются задачи. Предметной (проблемной) областью знаний называется совокупность взаимосвязанных сведений, необходимых для решения определенной задачи или совокупности задач. Эти знания включают описания (представления) объектов, их элементов и связей между ними, явлений, фактов и закономерностей.

Основные направления работ в сфере ИИ:

Робототехника и мехатроника.

Символьная обработка.

Игровые программы.

Обучающие системы.

Разработка и создание экспертных систем.

Доказательство теорем.

Машинный перевод.

Распознавание изображений.

Машинное творчество.

Структура и функции интеллектуальной системы управления

Основной функцией ИС является целенаправленное поведение в сложном плохо организованном внешнем мире. Целенаправленное поведение можно организовать путем преобразования знаний о текущем состоянии мира, полученных с помощью сенсорных систем, в последовательность действий, направленных на достижение заданной цели. Такие преобразования должны опираться на априорные знания о мире и способах его преобразования. Следовательно, центральными звеньсями ИС являются система представления знаний и развитая система планирования действий. Особенность ИС — процессы сбора и преобразования информации должны протекать в реальном режиме времени.

Обобщенная функциональная структура ИС показана на рис.. и включает три основные взаимосвязанные системы: восприятия, представления знаний, планирования и исполнения действий.

Рис.

Одной из основных является система представления знаний, две других в значительной степени опираются на нее. Представление знаний (т.е. форма их выражения) должно быть выбрано с учетом конкретного класса задач, на решение которых спроектирована ИС. Система представления знаний представляет совокупность четырех блоков: абстрактные знания; знания о целях; модель мира ИС; накопления и корректировки знаний.

Абстрактные знания — сведения об общих закономерностях, действующих как во внешнем, так и во внутреннем мире ИС, которые считают условно постоянными. Например, физические закономерности.

Знания о целях — информация о глобальных целях, которые ИС должна достигнуть в процессе функционирования, а также о способах их декомпозиции, разделения на промежуточные этапы.

Модель мира ИС — формальное описание знаний о среде, в которой функционирует система. Сведения сформированы и сообщены системе заранее.

Для повышения точности и расширения знаний о мире используется блок накопления и корректировки знаний. В нем производится накопление новых фактов о внешнем мире и их анализ на непротиворечивость с другими фактами, хранящимися в системе представления знаний. Если новый факт не противоречив, он включается в модель мира. В некоторых случаях предварительно осуществляется проверка его достоверности.

Однако, непротиворечивость не является обязательным требованием, т.к. дает возможность устойчиво функционировать в малоизученном мире.

Специфическими требованиями к системе представления знаний являются:

— «терпимость» к неполноте и противоречиям. СПЗ должна быть построена так, чтобы ИС функционировала при обнаружении неполноты или неточности в знаниях;

— критичность к новой информации — способность проверить согласованность новой информации с имеющейся и принять решение о ее достоверности;

— обучаемость и способность к корректировке знаний.

Связь с внешним миром в ИС осуществляется через систему восприятия. Система восприятия формирует ситуационные знания ИС, т. е. знания о текущей ситуации. Первичными источниками информации являются различные сенсоры. Информация от сенсоров преобразуется, обрабатывается и представляется в виде, удобном для дальнейших преобразований.

Дальнейшее преобразование связано с синтаксической и семантической интерпретацией. При синтаксической интерпретации формируется представление воспринимаемого мира на некотором внутреннем языке ИС, при этом смысл воспринимаемых явлений остается не раскрытым. Семантическая интерпретация связана с выявлением смысла воспринимаемой информации. Завершающая процедура — построение модели текущего состояния мира.

Система планирования и исполнения действий формирует и реализует программы воздействий на внешний мир, что ведет к достижению поставленной цели. Планирование действий ИС представляется как процесс решения задачи. Решение задачи — это последовательность действий, переводящая текущее состояние мира в желаемое. Для выполнения действий их необходимо расчленить на необходимые движения.

Дополнения.

Интеллектуальные роботы часто называют интегральными. Сейчас для понятия «интегральный робот» используется классификация робототехнических устройств, в основу которой положены пять групп функционально завершенных систем.:

— группа В — системы восприятия звуковой, тактильной и других видов информации о внешней среде;

— группа М — системы воздействия на объекты внешнего мира (манипуляторы);

— группа Т — системы, обеспечивающие перемещение робота;

— группа П — системы планирования действий и решения задач;

— группа Р — системы, обеспечивающие связь робота с оператором и/или другими роботами.

Любой конкретный робот может быть образован сочетанием всех или части перечисленных систем, например, ВМП — очувствленные роботы с системой планирования действий.

Научные школы в области ИИ

Тьюринг Алан (1912 — 1954) — английский математик, сформировавший основные принципы работы современных ЭВМ. В 36−37 гг. задолго предсказал возможность диалогового общения человека с компьютером, использование последнего как партнера в игровых ситуациях и пр.

Минский М. — проф. Массачусетского технологического института; исследования по моделированию головного мозга.

Ньюэелл — создатель компьютерной программы простых выводов.

Маккарти Дж. — инициатор образования научного кружка по ИИ в 1956 г.; вошли: Минский, Ньювел, Моншенон, Саймон и др. Введены понятия ИИ, распознавания образов и пр.

В середине 60-х г. создаются НИИ лаборатории по ИИ в Массачусетском технологическом институте, Стенфордском ун-те, ун-те Карнеги-Меллона. Исследования по РТС + информатике + выч.техн. + ИИ.

Российская школа — Совет по ИИ отделения информатики, выч. техники и автоматизации АН при Институте проблем управления РАН: акад. Поспелов Гермоген Сергеевич, Поспелов Д. А., Попов Э. В., Захаров В. Н., Хорошевский и др.

История развития систем ИИ

Исторически сложились три основных направления в ИИ. В рамках первого подхода объектом исследований являются структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование моделей и т. д.

Второй подход в качестве объекта исследования рассматривает ИИ. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Целью работ в этом направлении является создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека.

Наконец, третий подход ориентирован на создание смешанных человеко-машинных, или, как еще говорят, интерактивных интеллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях является оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.

Самыми первыми интеллектуальными задачами, которые стали решаться при помощи ЭВМ были логические игры (шашки, шахматы), доказательство теорем. Хотя, правда здесь надо отметить еще кибернетические игрушки типа «электронной мыши» Клода Шеннона, которая управлялась сложной релейной схемой. Эта мышка могла «исследовать» лабиринт, и находить выход из него. А кроме того, помещенная в уже известный ей лабиринт, она не искала выход, а сразу же, не заглядывая в тупиковые ходы, выходила из лабиринта.

Американский кибернетик А. Самуэль составил для вычислительной машины программу, которая позволяет ей играть в шашки, причем в ходе игры машина обучается или, по крайней мере, создает впечатление, что обучается, улучшая свою игру на основе накопленного опыта. В 1962 г. эта программа сразилась с Р. Нили, сильнейшим шашистом в США и победила.

Каким образом машине удалось достичь столь высокого класса игры? Естественно, что в машину были программно заложены правила игры так, что выбор очередного хода был подчинен этим правилам. На каждой стадии игры машина выбирала очередной ход из множества возможных ходов согласно некоторому критерию качества игры. В шашках (как и в шахматах) обычно невыгодно терять свои фигуры, и, напротив, выгодно брать фигуры противника. Игрок (будь он человек или машина), который сохраняет подвижность своих фигур и право выбора ходов и в то же время держит под боем большое число полей на доске, обычно играет лучше своего противника, не придающего значения этим элементам игры. Описанные критерии хорошей игры сохраняют свою силу на протяжении всей игры, но есть и другие критерии, которые относятся к отдельным ее стадиям — дебюту, миттэндшпилю, эндшпилю.

Разумно сочетая такие критерии (например, в виде линейной комбинации с экспериментально подбираемыми коэффициентами или более сложным образом), можно для оценки очередного хода машины получить некоторый числовой показатель эффективности — оценочную функцию. Тогда машина, сравнив между собой показатели эффективности очередных ходов, выберет ход, соответствующий наибольшему показателю. Подобная автоматизация выбора очередного хода не обязательно обеспечивает оптимальный выбор, но все же это какой-то выбор, и на его основе машина может продолжать игру, совершенствуя свою стратегию (образ действия) в процессе обучения на прошлом опыте. Формально обучение состоит в подстройке параметров (коэффициентов) оценочной функции на основе анализа проведенных ходов и игр с учетом их исхода.

По мнению А. Самуэля, машина, использующая этот вид обучения, может научиться играть лучше, чем средний игрок, за относительно короткий период времени.

Можно сказать, что все эти элементы интеллекта, продемонстрированные машиной в процессе игры в шашки, сообщены ей автором программы. Отчасти это так. Но не следует забывать, что программа эта не является «жесткой», заранее продуманной во всех деталях. Она совершенствует свою стратегию игры в процессе самообучения. И хотя процесс «мышления» у машины существенно отличен оттого, что происходит в мозгу играющего в шашки человека, она способна у него выиграть.

Ярким примером сложной интеллектуальной игры до недавнего времени являлись шахматы. В 1974 г. состоялся международный шахматный турнир машин, снабженных соответствующими программами. Как известно, победу на этом турнире одержала советская машина с шахматной программой «Каисса» .

Почему здесь употреблено «до недавнего времени»? Дело в том, что недавние события показали, что несмотря на довольно большую сложность шахмат, и невозможность, в связи с этим произвести полный перебор ходов, возможность перебора их на большую глубину, чем обычно, очень увеличивает шансы на победу. К примеру, по сообщениям в печати, компьютер фирмы IBM, победивший Каспарова, имел 256 процессоров, каждый из которых имел 4 Гб дисковой памяти и 128 Мб оперативной. Весь этот комплекс мог просчитывать более 100'000'000 ходов в секунду. До недавнего времени редкостью был компьютер, могущий делать такое количество целочисленных операций в секунду, а здесь мы говорим о ходах, которые должны быть сгенерированы и для которых просчитаны оценочные функции. Хотя с другой стороны, этот пример говорит о могуществе и универсальности переборных алгоритмов.

В настоящее время существуют и успешно применяются программы, позволяющие машинам играть в деловые или военные игры, имеющие большое прикладное значение. Здесь также чрезвычайно важно придать программам присущие человеку способность к обучению и адаптации. Одной из наиболее интересных интеллектуальных задач, также имеющей огромное прикладное значение, является задача обучения распознаванию образов и ситуаций. Решением ее занимались и продолжают заниматься представители различных наук — физиологи, психологи, математики, инженеры. Такой интерес к задаче стимулировался фантастическими перспективами широкого практического использования результатов теоретических исследований: читающие автоматы, системы ИИ, ставящие медицинские диагнозы, проводящие криминалистическую экспертизу и т. п., а также роботы, способные распознавать и анализировать сложные сенсорные ситуации.

В 1957 г. американский физиолог Ф. Розенблатт предложил модель зрительного восприятия и распознавания — перцептрон. Появление машины, способной обучаться понятиям и распознавать предъявляемые объекты, оказалось чрезвычайно интересным не только физиологам, но и представителям других областей знания и породило большой поток теоретических и экспериментальных исследований.

Перцептрон или любая программа, имитирующая процесс распознавания, работают в двух режимах: в режиме обучения и в режиме распознавания. В режиме обучения некто (человек, машина, робот или природа), играющий роль учителя, предъявляет машине объекты и о каждом их них сообщает, к какому понятию (классу) он принадлежит. По этим данным строится решающее правило, являющееся, по существу, формальным описанием понятий. В режиме распознавания машине предъявляются новые объекты (вообще говоря, отличные от ранее предъявленных), и она должна их классифицировать, по возможности, правильно.

Проблема обучения распознаванию тесно связана с другой интеллектуальной задачей — проблемой перевода с одного языка на другой, а также обучения машины языку. При достаточно формальной обработке и классификации основных грамматических правил и приемов пользования словарем можно создать вполне удовлетворительный алгоритм для перевода, скажем научного или делового текста. Для некоторых языков такие системы были созданы еще в конце 60-г. Однако для того, чтобы связно перевести достаточно большой разговорный текст, необходимо понимать его смысл. Работы над такими программами ведутся уже давно, но до полного успеха еще далеко. Имеются также программы, обеспечивающие диалог между человеком и машиной на урезанном естественном языке.

Что же касается моделирования логического мышления, то хорошей модельной задачей здесь может служить задача автоматизации доказательства теорем. Начиная с 1960 г., был разработан ряд программ, способных находить доказательства теорем в исчислении предикатов (лог. — пропозициональная функция, т. е. выражение с неопределенными переменными) первого порядка. Эти программы обладают, по словам американского специалиста в области ИИ Дж. Маккатти, «здравым смыслом», т. е. способностью делать дедуктивные заключения.

В программе К. Грина и др., реализующей вопросно-ответную систему, знания записываются на языке логики предикатов в виде набора аксиом, а вопросы, задаваемые машине, формулируются как подлежащие доказательству теоремы. Большой интерес представляет «интеллектуальная» программа американского математика Хао Ванга. Эта программа за 3 минуты работы IBM-704 вывела 220 относительно простых лемм и теорем из фундаментальной математической монографии, а затем за 8.5 мин выдала доказательства еще 130 более сложных теорем, часть их которых еще не была выведена математиками. Правда, до сих пор ни одна программа не вывела и не доказала ни одной теоремы, которая бы, что называется «позарез» была бы нужна математикам и была бы принципиально новой.

Очень большим направлением систем ИИ является робототехника. В чем основное отличие интеллекта робота от интеллекта универсальных вычислительных машин? /К пониманию МЕХАТРОНИКИ/:

Для ответа на этот вопрос уместно вспомнить принадлежащее великому русскому физиологу И. М. Сеченову высказывание: «…все бесконечное разнообразие внешних проявлений мозговой деятельности сводится окончательно лишь к одному явлению — мышечному движению». Другими словами, вся интеллектуальная деятельность человека направлена в конечном счете на активное взаимодействие с внешним миром посредством движений. Точно так же элементы интеллекта робота служат прежде всего для организации его целенаправленных движений. В то же время основное назначение чисто компьютерных систем ИИ состоит в решении интеллектуальных задач, носящих абстрактный или вспомогательный характер, которые обычно не связаны ни с восприятием окружающей среды с помощью искусственных органов чувств, ни с организацией движений исполнительных механизмов.

Первых роботов трудно назвать интеллектуальными. Только в 60-х годах появились очуствленные роботы, которые управлялись универсальными компьютерами. К примеру в 1969 г. в Электротехнической лаборатории (Япония) началась разработка проекта «промышленный интеллектуальный робот». Цель этой разработки — создание очуствленного манипуляционного робота с элементами искусственного интеллекта для выполнения сборочно-монтажных работ с визуальным контролем.

Манипулятор робота имеет шесть степеней свободы и управляется мини-ЭВМ NEAC-3100 (объем оперативной памяти 32 000 слов, объем внешней памяти на магнитных дисках 273 000 слов), формирующей требуемое программное движение, которое отрабатывается следящей электрогидравлической системой. Схват манипулятора оснащен тактильными датчиками.

В качестве системы зрительного восприятия используются две телевизионные камеры, снабженные красно-зелено-синими фильтрами для распознавания цвета предметов. Поле зрения телевизионной камеры разбито на 64*64 ячеек. В результате обработки полученной информации грубо определяется область, занимаемая интересующим робота предметом. Далее, с целью детального изучения этого предмета выявленная область вновь делится на 4096 ячеек. В том случае, когда предмет не помещается в выбранное «окошко», оно автоматически перемещается, подобно тому, как человек скользит взглядом по предмету. Робот Электротехнической лаборатории был способен распознавать простые предметы, ограниченные плоскостями и цилиндрическими поверхностями при специальном освещении. Стоимость данного экспериментального образца составляла примерно 400 000 долларов.

Постепенно характеристики роботов улучшались, Но до сих пор они еще далеки по понятливости от человека, хотя некоторые операции уже выполняют на уровне лучших жонглеров. К примеру удерживают на лезвии ножа шарик от настольного тенниса.

Есть еще одна проблема — проблема безопасности применения систем ИИ.

Данная проблема будоражит умы человечества еще со времен Карела Чапека, впервые употребившего термин «робот». Большую лепту в обсуждение данной проблемы внесли и другие писатели-фантасты. Как самые известные мы можем упомянуть серии рассказов писателя-фантаста и ученого Айзека Азимова, а так же довольно свежее произведение — «Терминатор». Кстати именно у Айзека Азимова мы можем найти самое проработанное, и принятое большинством людей решение проблемы безопасности. Речь идет о так называемых трех законах роботехники.

1. Робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинен вред.

2. Робот должен повиноваться командам, которые ему дает человек, кроме тех случаев, когда эти команды противоречат первому закону.

3. Робот должен заботиться о своей безопасности, насколько это не противоречит первому и второму закону.

На первый взгляд подобные законы, при их полном соблюдении, должны обеспечить безопасность человечества. Однако при внимательном рассмотрении возникают некоторые вопросы. Во-первых, законы сформулированы на человеческом языке, который не допускает простого их перевода в алгоритмическую форму. Попробуйте, к примеру перевести на любой из известных Вам языков программирования, такой термин, как «причинить вред». Или «допустить». Попробуйте определить, что происходит в любом случае, а что он «допустил» ?

Далее предположим, что мы сумели переформулировать, данные законы на язык, который понимает автоматизированная система. Теперь интересно, что будет подразумевать система ИИ под термином «вред» после долгих логических размышлений? Не решит ли она, что все существования человека это сплошной вред? Ведь он курит, пьет, с годами стареет и теряет здоровье, страдает. Не будет ли меньшим злом быстро прекратить эту цепь страданий? Конечно можно ввести некоторые дополнения, связанные с ценностью жизни, свободой волеизъявления. Но это уже будут не те простые три закона, которые были в исходнике.

Следующим вопросом будет такой. Что решит система ИИ в ситуации, когда спасение одной жизни возможно только за счет другой? Особенно интересны те случаи, когда система не имеет полной информации о том, кто есть кто.

Однако, несмотря на перечисленные проблемы, данные законы являются довольно неплохим неформальным базисом проверки надежности системы безопасности для систем ИИ.

Знания. База знаний

Интеллектуальная деятельность человека связана с поиском решений (действий, закономерностей), в новых, нестандартных ситуациях. Любая интеллектуальная деятельность опирается на знания о предметной области, в которой ставятся и решаются задачи.

Данные — это факты, сведения и идеи, представленные в формализованном виде, позволяющем передавать или обрабатывать их Ред.:Под термином «знания» подразумевается не только та информация, которая поступает в мозг через органы чувств. Такого типа знания чрезвычайно важны, но недостаточны для интеллектуальной деятельности. Дело в том, что объекты окружающей нас среды обладают свойством не только воздействовать на органы чувств, но и находиться друг с другом в определенных отношениях. Ясно, что для того, чтобы осуществлять в окружающей среде интеллектуальную деятельность (или хотя бы просто существовать), необходимо иметь в системе знаний модель этого мира. В этой информационной модели окружающей среды реальные объекты, их свойства и отношения между ними не только отображаются и запоминаются, но и могут мысленно «целенаправленно преобразовываться». При этом существенно то, что формирование модели внешней среды происходит «в процессе обучения на опыте и адаптации к разнообразным обстоятельствам» .

Японский словарь — " знания"  — результат, полученный познанием; система суждений, основанная на объективной закономерности.

Русский словарь — «знания» — проверенный практикой результат познания действительности, верное её отражение в мышлении человека.

Другие определения:

Знания — это совокупность сведений, образующих целостное представление, соответствующее определенному уровню осведомленности о некотором вопросе, предмете, проблеме, явлении. Знания описывают основные закономерности предметной области, позволяющие человеку решать конкретные производственные, научные и другие задачи. Знания являются основным понятием в ИС. Можно выделить еще ряд определений:

1. Знания — это результат, полученный познанием окружающего мира и его объектов.

2. Знания — это система суждений с принципиальной и единой организацией, основанная на объективной закономерности.

3. Знания — это формализованная информация, на которую ссылаются или которую используют в процессе логического вывода.

4. Под знанием понимается совокупность фактов и правил манипулирования фактами.

Проблема выделения знаний, прежде всего, относится к областям преобладания эмпирического знания, где накопление фактов опережает развитие теории. Знания важны там, где определения размыты, понятия меняются, ситуация зависит от множества контекстов, где велика неопределенность и нечеткость информации (контекст — относительно законченная в смысловом отношении часть текста высказывания). Таким образом, знания — это специальная форма представления смысловой информации, позволяющая хранить, воспроизводить и понимать эту информацию.

Знания обычно представляют в форме фактов, характерных для окружающего мира, и правил манипулирования фактами. Причем под фактом понимают элементарное высказывание с некоторой оценкой. Любую осмысленную часть факта считают данными, т. е. факты — это совокупности данных.

Данные сами по себе не несут смысловой нагрузки. Например, число 16.40 не имеет в себе смысла до тех пор, пока мы не узнаем, что это время отправления поезда или цена товара, т. е. данные нуждаются в интерпретации. В отличие от данных знания несут в себе определенную смысловую нагрузку, представляя собой нечто большее, чем просто последовательность символов. Этот смысл позволяет путем символьной обработки получать новую информацию.

Отличия знаний от данных:

1. Интерпретируемость. Данные в ЭВМ могут интерпретироваться только соответствующей программой. Знания отличаются тем, что в них присутствует возможность содержательной интерпретации.

2. Наличие классификационных отношений. Разнообразные формы хранения данных не обеспечивают возможности компактного описания всех связей между различными типами данных. При переходе к знаниям между отдельными единицами знаний можно установить такие отношения как «элемент-множество», «тип-подтип», «ситуация-подситуация», отражающие характер их взаимосвязей.

3. Наличие ситуативных связей, которые определяют ситуативную совместимость отдельных событий или фактов, хранимых или вводимых в память.

Четыре важнейших свойства, которые отличают знания от данных:

1 — высокая структурированность;

2 — внутренняя интерпретируемость (истолкование, объяснение) знаний и их связей;

3 — семантическая (смысловая) компактность — кластеризованность;

4 — взаимозависимость и взаимоактивность.

Для того чтобы данные превратились в знания, они должны быть определенным образом структурированы. Знание с этих позиций — некоторая организационная форма мышления, отражающая существенные свойства, связи и отношения предметов и явлений. Полезные знания — это данные, организованные в понятия.

Знания представляют собой иерархические структуры. Общие знания, касающиеся целых подобластей данной предметной области, включают в себя более узкие, касающиеся каких-то отдельных признаков или специальных вопросов из предметной области.

Между элементами и объектами знаний существуют функциональные и каузальные (причинностные) отношения. Функциональные отношения несут процедурную информацию, позволяющую определять или вычислять одни объекты через другие. Каузальные отношения задают причинно-следственные связи.

Семантика (смысловое значение, содержание) отношений между объектами может носить декларативный (данные) или процедурный (программы) характер

Классификация знаний

Знания делятся на формализованные и неформализованные. Формализованные знания выражаются в виде законов, формул, алгоритмов, моделей и т. п. Такие знания описываются в книгах и руководствах и отражают точные и универсальные знания в виде строгих суждений.

Неформализованные знания (вербальные — словесные) субъективны и приблизительны. Они являются результатом обобщения многолетнего опыта работы и интуиции специалиста и представляют собой некоторое множество эмпирических приемов и правил логического вывода. Это — ключевые понятия для ИИ.

Типы знаний

Поверхностные знания — это в основном приблизительные знания, эвристики и некоторые закономерности, устанавливаемые опытным путем. Такие знания в силу их приблизительности называют также экспертными.

Глубинные — отражают наиболее общие принципы, в соответствии с которыми развиваются все процессы в предметной области и свойства этих процессов. К глубинным относятся знания, основанные на теориях, абстракциях и аналогиях, в которых отражается понимание структуры предметной области. Для получения глубинных знаний необходимо понять внутренние механизмы, действующие в предметной области, и, прежде всего, основные закономерности, которые обуславливают принятие правильных решений. Глубинные знания используются прежде всего при решении неординарных ситуаций.

Процедурные знания — это знания, которые могут быть представлены процедурой или процессом. В компьютерной программе эти знания хранятся как код, а не как данные. Программные алгоритмы являются формой процедурных знаний, т.к. они содержат информацию о том, как решить конкретную задачу.

Декларативные — это знания, которые хранятся как данные. В декларативном представлении легко добавлять или изменять знания, т.к. они независимы от программы.

Статистические — тип знаний, которые не изменяются в процессе решения задачи.

Динамические — могут приобретаться с течением времени.

Жесткие знания позволяют получать однозначные четкие рекомендации при заданных начальных условиях.

Мягкие знания допускают множественные, расплывчатые решения и различные варианты рекомендаций.

Кроме указанных понятий используется понятие метазнания (знания о знаниях). Оно используется для обозначения знаний о способах использования знаний и свойств знаний.

В общем виде знания в ЭВМ представляются некоторой знаковой (семиотической) системой. С понятием «знак» непосредственно связаны понятия денотат и концент. Денотат — это объект, обозначаемый данным знаком. Концент — свойства денотата.

Экстенсионал знака определяет класс всех его допустимых денотатов. Интенсионал знака определяет содержание связанных с ним понятий.

Интенсиональные знания описывают абстрактные объекты, события, отношения. Например, поставщик, потребитель, транспорт. Экстенсиональные знания представляют собой данные, характеризующие конкретные объекты, их состояние, значения параметров в определенные отрезки времени. Экстенсионалом поставщика может быть завод, потребителя — предприятие, транспорта — автомобиль.

В семиотической (знаковой) системе выделяют три аспекта: синтаксический, семантический и прагматический.

Синтаксис описывает внутреннее устройство знаковой системы, т. е. правила построения и преобразования сложных знаковых выражений. Семантика определяет отношения между знаками и их концентами, т. е. задает смысл или обозначения конкретных знаков. Прагматика определяет знак с точки зрения конкретной сферы применения, либо субъекта, использующего данную знаковую систему.

Для хранения данных и знаний используются базы данных и базы знаний. База данных — это совокупность связанных данных, хранящихся с минимальной избыточностью и используемых различными приложениями посредством системы управления базами данных. База знаний — это совокупность описывающих предметную область правил и фактов, позволяющих с помощью механизма вывода решать вопросы, ответ на которые в явном виде в базе отсутствует. БЗ как программное средство обеспечивает поиск, хранение, преобразование и запись в память ПК сложно структурированных информационных единиц — знаний.

Совокупность модели представления знаний и связанных с ней процедур образуют систему представления знаний. База знаний и база данных рассматриваются как разные уровни информации, хранящейся в интеллектуальном банке информации. Системы управления базами знаний являются развитием систем управления базами данных.

Знания в ИС можно представить следующей схемой преобразования.

СХЕМА ПРЕОБРАЗОВАНИЯ ЗНАНИЙ Блок представления знаний БПЗ связан с внешним миром (окружающей средой) двумя блоками преобразователей БП1 и БП2, которые преобразуют знания о предметной области из внешнего представления ВшП во внутреннее ВтП и наоборот.

БП3 имеет информационную модель следующего вида.

МОДЕЛЬ БЛОКА ПРЕДСТАВЛЕНИЯ ЗНАНИЙ БПЗ ИБД

Где БИ — блок интерпретаций, ИБД — интелл. банк данных, БО — блок обучения, БЗ, БД — база знаний, база данных.

БВР — блок вывода решений,

Инженерия знаний

Проблемами проектирования баз знаний занимается инженерия знаний. В задачи инженерии знаний входит получение и структурирование знаний о некоторой предметной области, формирование для нее поля знаний и разработка баз знаний.

Поле знаний — это условное неформальное описание основных понятий и взаимосвязей между понятиями предметной области, выявленных из различных источников, в том числе, полученных от экспертов, в виде графов, диаграмм, таблиц, текстов и т. п.

Если для естественных наук достаточно аппарата классической математики, то в инженерии знаний разработчики имеют дело с «мягкими» предметными областями. Здесь классический математический аппарат не обеспечивает выразительной адекватности, здесь важна эффективность представления, его компактность, ясность интерпретации, наглядность и т. п.

Специалист, способный делать заключения по проблемам определенной области называется экспертом. Он накапливает знания в этой предметной области в результате многолетней практики, что позволяет распознавать и оценивать ситуации.

Средний специалист в конкретной предметной области помнит от 50 до 100 тыс. чанков и использует их для решения задач и проблем. Здесь чанк — (англ. chank — большой кусок) символьные образы, объединенные в человеческом мозге в блоки, запоминаемые и извлекаемые как единое целое.

Всем этим объясняется представление знаний в ИС в виде БЗ как сложных иерархических структур с соответствующими связями между этими структурами.

Требования к специалисту-эксперту:

1. Применять знания и опыт для «оптимального» решения задач, делать достоверные выводы, исходя из неполных и ненадежных данных.

2. Уметь обосновать сделанные выводы.

3. Приобретать новые знания, в т. ч. путем общения с другими экспертами.

4. Периодически систематизировать свои знания.

5. Находить новые правила принятия решений, в т. ч. эвристики (эмпирические правила вплоть до угадывания).

6. Оценивать степень своей компетентности и обращаться за консультацией к другим источникам.

Представление знаний в ИСэто проблема науки «инженерии знаний».

Инженер по знаниям — специалист, проектирующий БЗ на основе модели представления знаний и наполнения их знаниями из предметной области.

Представление знаний — процесс формализованного описания для ввода знаний в БЗ, структуризация знаний для облегчения поиска решений.

Описание проводится с помощью языка представления знаний (ЯПЗ). ЯПЗ — знаковая система, в которой описываются объекты и явления (или обобщения) согласно принятому множеству соглашений по знакам, синтаксису (построение, порядок, способ соединения слов и предложений) и семантике (смысловое значение). ЯПЗ обеспечивает возможность формальной записи знаний + оперирование знаниями.

Программист — специалист, призванный воплотить разрабатываемую ИС в виде программного средства.

Требуемые личные качества:

· Общительность,

· Способность отказаться от традиционных навыков и осваивать новые методы,

· Интерес к разработке.

Профессиональные качества:

· Иметь опыт и навыки самостоятельной разработки программ,

· Знакомство с основными структурами представления знаний и механизмами выводов,

· Знакомство с состоянием рынка программных продуктов для разработки ИС и диалоговых интерфейсов.

Процесс формирования поля знаний экспертом и инженером по знаниям может быть представлен следующим алгоритмом:

1. Восприятие и интерпретация действительности предметной области некоторым экспертом, в результате образуется некоторая модель как семантическое представление действительности и его личного опыта.

2. вербализация опыта некоторого эксперта, когда он объясняет свои рассуждения и передает свои знания инженеру по знаниям. В результате образуется некоторое текстовое или речевое сообщение. Именно в процессе объяснения эксперт на размытые ассоциативные образы в лабиринтах своей памяти «надевает» четкие словесные ярлыки, т. е. вербализирует знания.

3. Восприятие и интерпретация некоторого сообщения инженером по знаниям. В результате в памяти инженера образуется некоторая модель предметной области.

4. Кодирование и вербализация модели в форме некоторого поля знаний, спроектированного инженером по знаниям для реализации в базе знаний.

Это трудная задача — добиться максимального соответствия между действительным состоянием предметной области и некоторым полем знаний. Поле знаний может быть представлено как пирамида, где следующий уровень служит для восхождения на новую ступень обобщения и углубления знаний.

В искусственном интеллекте используется термин — формирование знаний, который обозначает процесс анализа данных и выявления скрытых закономерностей с использованием специального математического аппарата и программных средств ЭВМ. Основные методы извлечения знаний представлены на рис.

Все эти методы позволяют сформировать поле знаний на основании следующего алгоритма:

1.Определение входных и выходных данных, структура которых существенно влияет на форму и содержание поля знаний.

2.Составление словаря терминов и наборов ключевых фраз, при этом особенно важен словарь терминов.

3.Выявление объектов и понятий, выбор значимых понятий и их признаков.

4.Выявление связей между понятиями, построение сети ситуаций, где связи только намечены, но пока не поименованы.

5.Структуризация понятий с выявлением понятий более высокого уровня обобщенгия и детализацией на более низком уровне.

6.Построение пирамиды знаний с иерархической лестницей понятий по уровню общности.

7.Определение временных, причинно-следственных и других отношений с их обозначением путем присвоения имен свеем связям.

8.Определение стратегий принятия решений. Выявление цепочек рассуждений связывает все сформированные ранее понятия и отношения в динамическую систему поля знаний.

Модели представления знаний

От формы представления знаний зависит характеристика и свойства систем искусственного интеллекта. В отличие от знаний, используемых человеком, в компьютере используется моделирование знаний. Под моделью знаний понимается способ описания знаний в базе знаний.

В общем случае модели представления знаний могут быть условно разделены на декларативные и процедурные. Декларативная модель основывается на предположении, что проблема представления некоторой предметной области решается независимо от того, как эти знания будут использоваться. Поэтому модель состоит как бы из двух частей: структур, описывающих знания и механизма вывода, оперирующего этими структурами, независимо от содержательного наполнения структур. При этом синтаксические и семантические аспекты разделены. Описания выполняемых процедур не содержатся в явном виде. Предметная область представляется в виде описания ее состояния, а вывод решения основывается в основном на процедурах поиска в пространстве состояний.

Процедурная модель основывается не небольших программах (процедурах), которые определяют, как поступать в конкретных ситуациях. В этой модели семантика заложена непосредственно в описании элементов базы знаний. Общие правила представлены в виде специальных целенаправленных процедур.