История розвитку штучного інтелекту

История розвитку штучного интеллекта

Раньше з поняттям штучного інтелекту (ІІ) пов’язували сподівання створення мислячої машини, здатної змагатися з людським мозком і, можливо, перевершити його. Ці надії, на довгий час захопили уяву багатьох ентузіастів, і залишилися несправдженими. І хоча фантастичні літературні прообрази «розумних машин» створювалися за сотні років донині, лише з середини 30-х років, з публікації робіт А. Тьюринга, у яких засуджувалася реальність створення таких пристроїв, до проблеми ІІ почали лояльніше ставитися серьезно.

Для здобуття права з відповіддю, яку машину вважати «думаючої», Тьюринг запропонував використовувати наступний тест: випробувач через посередника спілкується з невидимим йому співрозмовником людиною чи машиною. «Інтелектуальним» можна вважати та машина, яку випробувач у процесі такого спілкування зможе від людини.

Если випробувач під час перевірки комп’ютера на «інтелектуальність» дотримуватиметься досить обмежень у виборі теми і форми діалогу, цей тест витримає будь-який сучасний комп’ютер, оснащений підхожим програмним забезпеченням. Можна було б вважати ознакою інтелектуальності вміння підтримувати розмову, але, як було зазначено показано, ця людська здатність легко моделюється на комп’ютері. Ознакою інтелектуальності може бути спроможність до навчання. У 1961 р. професор Д. Мичи, одного з головних англійських фахівців із ІІ, описав механізм, що з 300 сірникових коробок, яку міг навчитися витрачати час на хрестики і нулики. Мичи назвав цей прилад MENACE (Matchbox Educable Naughts and Crosses Engine). У назві (загроза) полягає, очевидно, частка іронії, викликаної упередженнями перед думаючими машинами.

До справжнього часу єдиного і визнаного усіма визначення ІІ немає, і це дивовижно. «Досить, що універсального визначення людського інтелекту також має дискусії щодо тому, що можна вважати ознакою ІІ, що немає, нагадують суперечки середньовічних вчених, яких цікавило, скільки янголів зможуть розміститися на кінчику иглы"1. Тепер до ІІ відносять ряд алгоритмів і програмних систем, відмітним властивістю якого є те, що можуть вирішувати деякі завдання оскільки хто зробив б який розмірковує за їхньою рішенням человек.

Нейросети

Идея нейронних мереж народилася ході досліджень у сфері штучного інтелекту, а саме внаслідок спроб відтворити здатність нервових біологічних систем навчатися і виправляти помилки, моделюючи низкоуровневую структуру мозку. Основний областю досліджень з штучного інтелекту в 60−80е останні роки були експертні системи. Такі системи грунтувалися на высокоуровневом моделюванні процесу мислення (зокрема, з його поданні як маніпуляцій із символами). Незабаром зрозуміли, що такі системи, хоч і можуть дати користь у деяких сферах, не охоплюють деякі ключові аспекти роботи людського мозга.

Согласно однієї з точок зору, причина цього у цьому, що вони за стані відтворити структуру мозку. Щоб створити штучний інтелект, необхідно побудова системи зі схожою архітектурою.

Мозг складається з дуже великої числа (приблизно 1010) нейронів, з'єднаних численними зв’язками (загалом кілька тисяч зв’язків однією нейрон, але це число може дуже коливатися). Нейрони — це спеціальні клітини, здатні поширювати електрохімічні сигнали. Нейрон має розгалужену структуру введення інформації (дендрити), ядро і артеріальний вихід (аксон). Аксони клітини поєднано з аналітичними дендритами інших клітин із допомогою синапсів. При активації нейрон посилає електрохімічний сигнал зі свого аксону. Через синапсы цей сигнал сягає інших нейронів, які у своє чергу активироваться. Нейрон активується тоді, коли сумарний рівень сигналів, які прийшли його ядро з дендритов, перевищить певний рівень (поріг активації).

Интенсивность сигналу, одержуваного нейроном (отже, і можливість його активації), залежить від активності синапсів. Кожен синапс завдовжки, і спеціальні хімічні речовини передають сигнал вздовж нього. Одна з найбільш авторитетних дослідників нейросистем, Дональд Хебб, висловив постулат, що навчання залежить від першу черга у змінах сили синоптичних зв’язків. Наприклад, у «класичному досвіді. Павлова щоразу перед годівлею собаки телефонував дзвіночок, і собака швидко навчилася пов’язувати дзвінок дзвіночка з їжею.

Синоптические зв’язок між ділянками кори мозку, відповідальними за слух, і слюнными залозами посилилися, і за порушенні кори звуком дзвіночка собаці починалося слиновиділення.

Таким чином, будучи побудовано з дуже великої числа зовсім простих елементів (кожен із яких бере зважену суму вхідних сигналів у разі, якщо сумарний вхід перевищує певний рівень, передає далі двоїчний сигнал), мозок здатний вирішувати надзвичайно складні завдання. Визначення формального класичного нейрона дається так:

Он отримує вхідні сигнали (вихідні дані чи вихідні сигнали інших нейронів мережі) за кілька вхідних каналів. Кожен вхідний сигнал проходить через з'єднання, має певну інтенсивність (чи вагу); цей вагу відповідає синоптической активності біологічного нейрона. Із кожним нейроном пов’язано певне граничне значення. Обчислюється зважена сума входів, з її віднімається граничне значення і цього виходить величина активації нейрона.

Сигнал активації перетвориться з допомогою функції активації (чи передавальної функції) і цього виходить вихідний сигнал нейрона.

Если у своїй використовувати ступінчасту функцію активації, такий нейрон працюватиме точно як і, як описане вище природний нейрон.

Нейросети в штучному интеллекте

Работы по створенню інтелектуальних систем досліджують двох напрямах. Прибічники першого напрями, складові сьогодні абсолютна більшість серед фахівців у сфері штучного інтелекту, походять від положення про те, що штучні системи не зобов’язані повторювати у структурі і функціонуванні структуру і що виникають у ній процеси, властиві біологічним системам. Важливо тільки те, що тими чи інші засобами вдається домогтися тієї ж успіхів у поведінці, які притаманні людини тощо біологічних систем.

Сторонники другого напрями вважають, що у суто інформаційному рівні цього вдасться. Феномени людської поведінки, його спроможність до навчання і адаптації, на думку цих фахівців, наслідком саме біологічної структури та особливостей її функціонування.

У прибічників першого інформаційного напрями є реально діючі макети і програми, що моделюють ті чи інші боку інтелекту. Одною з найбільш яскравих робіт, які мають перше напрям, це програма «Загальний решатель завдань» А. Ньюэлла, І. Шоу і Р. Саймона. Розвиток інформаційного напрями йшло від завдання про раціоналізації міркувань шляхом з’ясування загальних прийомів швидкого виявлення хибних і істинних висловлювань в заданої системі знань. Здатність розмірковувати і визначити протиріччя різних системах взаємозалежних ситуацій, об'єктів, понять є важливим стороною феномена мислення, вираженням здатність до дедуктивного мисленню.

Результативность інформаційного напрями бесґспорна у сфері вивчення і відтворення дедуктивних розумових проявів. Для деяких практичних завдань цього досить. Інформаційне напрям наука точна, сувора, яка ввібрала у собі основні результати пошуків кібернетики і математичну культуру. Головні проблеми інформаційного напрями вводити на свої моделі внутрішню активність й зуміти уявити індуктивні процедури.

Одна з центральних проблем, це «проблема активних знань, що породжують потреби у діяльності системи через ті знань, нагромаджені у пам’яті системы"1.

У прибічників другого біологічного напрями результатів поки що менше, ніж надій. Однією з родоначальників біологічного напрями у кібернетиці є У. Мак-Каллок. У нейрофізіології встановлено, що низку функцій і властивостей у живих організмів реалізовані з допомогою певних нейронних структур. За підсумками відтворення таких деяких випадках отримані хороші моделі, особливо це ж стосується деяких сторін роботи зорового тракту.

Создание нейрокомп’ютерів, моделюючих нейронные мережі (СР), нині сприймається як одне з перспективних напрямів у вирішенні проблем інтелектуалізації новостворених ЕОМ і інформаційно-аналітичних систем нової генерації.

В більшу частину досліджень по цій проблемі СР подається як сукупність значної частини порівняно простих елементів, топологія сполук яких залежить від типу мережі. Практично всі відомі підходи до СР пов’язані переважно з й аналізом деяких приватних структур однорідних мереж на формальних нейронах з такими відомими властивостями (мережі Хопфилда, Хемминга, Гроссберга, Кохоннена та інших.) та деякі описаних математично режимів його роботи. У цьому вся разі термін нейронные мережі метафоричен, бо він відображає лише те, що ці мережі у сенсі подібні живим СР, але з повторюють їх в усій складності. Внаслідок такої трактування нейронные ЕОМ розглядаються як чергового етапу високо паралельних супер-ЭВМ з оригінальної ідеєю розпаралелювання алгоритмів рішення різних класів завдань. Сам термін нейронна ЕОМ нейрокомп’ютер, зазвичай, неможливо пов’язані з якимись не було властивостями і характеристиками мозку людини і тварин. Він пов’язаний тільки з умовним найменуванням порогового логічного елемента як формального нейрона з настраиваемыми чи фіксованими ваговими коефіцієнтами, який реалізує найпростішу передатну функцію нейрона-клетки. Дослідження у створення нейроинтеллекта ведуться різних рівнях: теоретичний інструментарій, прототипи для прикладних завдань, кошти програмного забезпечення СР, структури апаратних коштів. Основними етапами по дорозі створення мозгоподобного комп’ютера є з’ясування принципів освіти межэлементных зв’язків і мозгоподобных системах адаптивних мережах із великою кількістю елементів, створення компактного многовходового адаптивного елемента аналога реального нейрона, дослідження його функціональних особливостей, розробка та реалізація програми навчання мозгоподобного устрою.

Одним з найістотніших шляхів розширення функціонального діапазону СР, і навіть підвищення їхньої ефективності традиційних завдань є більш цілеспрямованого використання в моделях механізмів і принципів організації мозку. Обгрунтуванням цього є досить ощадлива реалізація функцій в мозку, доки доступна найбільш скоєних супер-ЭВМ. У мозку, як й у будь-який складну систему, процес функціонування є сукупний результат роботи його елементів та їх взаємодії. Обидва ці чинника знаходять себе у системної роботі мозку.

В справжнє час стає зрозуміло, що це успіх розробки нейрокомп’ютерів і інтелектуалізації ЕОМ нової генерації значною мірою визначається успіхом роботи створення нового класу базових елементів з допомогою даних на роботу мозку. Передусім, це теж стосується ускладнення архітектури, простанственно-временного розподілу процесів у самому базовому елементі і розширенні його функціональних можливостей. Тому актуальна потреба у новому погляді на перерозподіл основних функцій обробки інформації між самими базовими елементами нейрокомпьютера і мережними ресурсами убік збільшення логічного навантаження на базові елементи.

Это пов’язані з тим, що у найостанніше час, з урахуванням даних практичної нейрофізіології з’явилася можливість виділення з величезної кількості процесів в мозку невеличке їх кількість найвагоміших на переробку інформації та виконання складних функцій прийняття кінцевих рішень. Мінімально необхідний набір структур, які забезпечують ці процеси, значно звузився і внаслідок встановлених обмежень існуючих ЕОМ, які може бути подолані на цей час без використання властивостей роботи мозку. З іншого боку, широко практикуються однорідні структури штучних СР на формальних нейронах не використав повною мірою можливостей реальних нейронів: їх різнотипність, властивості розподіленої і паралельної роботи, багаторівневу ієрархічну структурованість і підпорядкованість у створенні базові структури головного мозку.

Из величезного числа даних про діяльність мозку, очевидно, найближче до вирішення проблеми інтелектуалізації розроблюваних ЕОМ ставляться факти про механізми і принципах елементної і мережевий організації процесів і державних функцій в корі великих півкуль (КБП). Це визначається її функціональної значимістю і вищий рівень сучасних даних про конкретних механізмах її. Відомо, що КБП є основним субстратом виконання вищих функцій, визначальним рівень інтелекту особистості.

В справжнє час накопичено і значною мірою систематизований експериментальний і теоретичний матеріал про елементарної організації коркових функцій.

Все це справді дає підстави вважати, що ці про роботу найвищого відділу мозку може мати важливе значення й у ідеології створення нейрокомп’ютерів, й у конструктивних рішень окремих їх блоків.

В плані загального підходи до моделювання нейрокомпьютера істотно те що мері накопичення фактів про морфології, цитохимии та нейрофізиології стає дедалі більше шляхів до переходу від ймовірнісних до детермінованим мереж корковой діяльності, заснованих на виключно даних про архітектурних принципах організації КБП. За підсумками цих даних дедалі чіткіше простежується зв’язок особливостей функцій КБП з конкретною специфікою її елементів і зв’язків. Це дозволяє вже в вихідної стадії моделювання вирішувати принципове питання про співвідношенні функціональних навантажень окремого елемента і мережі загалом, визначальним саму стратегію розробки нейрокомпьютера.

На практиці цей вибір пов’язаний, передусім, з визначенням набору функцій і властивостей базового елемента і як від рівня технічної бази, і від конструкторського вирішення її реалізації. Обгрунтуванням перегляду концепції базового елемента нових типів є дані практичної нейрофізіології, котрі виявили необхідний мінімальний набір базових властивостей реальних нейронів, який би реалізацію основних інформаційних функцій мозку в тварин і звинувачують людини. Відповідно до цими даними. У задачі створення нових поколінь інтелектуальних обчислювальних систем і завданню розвитку робототехніки шлях інтелектуалізації з допомогою запровадження квазибиологических автоматів, у кінцевому рахунку, виявиться тех-нічно та економічно доцільніше напрямом по порівнянню після запровадження елементів інтелекту з урахуванням информационно-логических методів.

Для здобуття права інтегрувати ці нав’язані біологією спостереження логічні теоретичні рамки, слід також знайти некартезианское концептуальне простір для роздумів про життя і розумі, простір у межах суворої безперервності. До щастю таке простір існує у концепції Аристотеля.

Все ще картезианская

Будет дуже корисно на кілька днів сконцентруватися однією специфічному спірному питанні, яким розходяться ортодоксальна і біологічна наука про мисленні, саме вираз співвідношення що існує між нейробиологическими/биохимическими властивостями живих організмів з одного боку і мисленням з іншого боку. Різниця із цього питання можна пояснити тим фактом, що дві виду науки про мисленні сформовані в радикально різняться філософських концепціях. У цілому нині біологічна наука про мисленні найбільш органічно лягає до рамок загальної аристотелевой концепції, до того ж час у ортодоксальної науки про мисленні спостерігаються картезианские корни.

Любой, навіть не виявляв особливого інтересу до філософії розуму, знає, що Декарт вважав мислиме та фізичне двома різними, але взаємодіючими онтологическими реальностями. Проте інший внесок, зроблений Декартом вивчення розуму, менш широковідомий. Цим другим внеском є форма психологічного обгрунтування — дуалізм обгрунтування — який одночасно підтримує такі тези: (1) до пояснень фізичного явища, хтось потребує залученні лише специфічних фізичних сутностей і станів і специфічних фізичних законів; (2) до пояснень психологічних явищ, хтось потребує залучення лише специфічних розумових сутностей і станів і специфічних законів мислення. Дуалізм обгрунтування чудово цілком узгоджується з ідеєю, що розумові події є граничною формою фізичних явищ. Для фізичної онтології, пропонуємо ми фізичний чи психологічний стиль обгрунтування залежить описи, якого, з поточними заданими конкретними цілями обгрунтування, схиляються взяті цікаві для нас явища.

Важно те, що Декарт мислив органічне тіло мислителя як іще одна фізичний об'єкт в фізичному світі. З огляду на дуалізм обгрунтування, дана ідея наводила його до з того що нейробиологическое/биохимическое обгрунтування подій у тілі мислителя недоречно в психологічному обгрунтуванні подій у розумі мислителя, у цьому сенсі, що психологічне обгрунтування може бути проведене за відсутності будь-якого, хоч би скільки не пішли деталізованого нейробиологического/биохимического знання про тілі мислячого об'єкта. Дане обосновательное відділення розуму від фізичної носія наводив він на результаті до переривчастості в обгрунтуванні у цьому контексті між життям і розумом. Наукове обгрунтування процесів, розглянуті картезианством як органічні, які стосуються тілесної життя (такі процеси, як травлення, розмноження і зростання) негайно потрапляло до області біологічних пояснень, яка толковалась як принижаемая фізичної наукою. Наукове обгрунтування фізичних процесів, з іншого боку, потребує викладі мовою, цілком відмінному від біологічної мови, у мові специфічному для психології. Це рівнозначно відхилення положень суворої безперервності. Іншими словами, дуалізм обгрунтування несумісний із біологічної наукою про мисленні.

В справжнє час функционалисты у філософії розуму дотримуються поглядів, що що б властивість типу ментального становища є причинний роль того, що позитивний стан грає у посередництві між (1) сенсорними входами, (2) іншими типами ментальних станів і (3) моторикой поведінки. У принципі, функціоналізм не проводить зв’язків до природи основи, де реалізовані ментальні стану, оскільки сутність у певному приватному ментальному стані вже є, як говорилося, сутністю у певному специфічному функціональному стані, і немає еквівалентні функціональні стану може бути, у принципі, реалізовані биохимически на вуглецевої основі, як кремнієвого мозку або у вигляді картезіанського розуму самого собою. Тут, в принципі, функціоналізм входить складовою в дуалізм субстанцій. Цей принциповий факт може бути незначним, якщо вважати, що функціоналізм зазвичай є робочої конячкою теорії розпізнавання, відповідно до якої будь-яка сутність такого типу ментального становища є єдиною і подібна до деяким фізичним станом у фізичній системі. Але, «доповнення до вимог розпізнавання не розглядає нейробиологические і біохімічні деталі тіла біологічного мислячого об'єкта ставиться до процесу психологічного обоснования"1. Відповідно до функционалистам, процес психологічного обгрунтування можна проводити найвищого ізоляції з посади цих приватних деталей. Така позиція вже розглядалася раніше: функціоналізм є формою картезіанського дуалізму обгрунтування.

Так чого ж база дуалізму обгрунтування в функционализме доречна у сенсі ортодоксальної науці про мисленні? Відповіддю є, що ортодоксальна наука про мисленні побудовано функционализме. У насправді, обчислювальні стану (тип станів яких вдаються ортодоксальний штучний інтелект, і ортодоксальна наука про мисленні) прекрасні приклади функціонально певних станів. У цьому немає ніяких суперечностей у цьому, що зі класичних положень функціоналізму була виражена на теорії шляхом застосування машини Тьюринга. Щойно приймається функционалисткие основи ортодоксальної науки про мисленні разом із ній загальне картезіанське розгляд відносин між живим тілом, і розумом які народжуються даними основами, помітні чому ортодоксальна наука про мисленні пов’язані з ідеєю, може бути описано без розуміння чи істотних посилань на нейробиологический чи біохімічний базис даного процесу мислення. Інакше кажучи, можна побачити чому ортодоксальна наука про мисленні приймає становища цілком неприйнятні біологічної наукою про мышлении.

Список литературы

Для підготовки даної роботи було використані матеріали із російського сайту internet.