Histoire du développement de l'intelligence artificielle. Histoire de l'IA

Devenu très populaire. Mais qu’est-ce que l’IA réellement ? Quels résultats a-t-elle déjà obtenus et dans quelle direction va-t-elle évoluer à l’avenir ? Il y a beaucoup de controverses autour de ce sujet. Tout d’abord, c’est une bonne idée de clarifier ce que nous entendons par intelligence.

L'intelligence comprend la logique, la conscience de soi, la capacité d'apprentissage, la cognition émotionnelle, la créativité et la capacité à résoudre des problèmes. C'est caractéristique à la fois des humains et des animaux. Nous étudions le monde qui nous entoure dès notre plus jeune âge ; tout au long de notre vie, par essais et erreurs, nous acquérons les compétences nécessaires et acquérons de l'expérience. C'est l'intelligence naturelle.

Lorsque nous parlons d’intelligence artificielle, nous entendons un système « intelligent » créé par l’homme et qui apprend à l’aide d’algorithmes. Son travail s'appuie sur les mêmes méthodes : recherche, formation, analyse, etc.

Événements clés de l’histoire de l’IA

L’histoire de l’IA (ou du moins les discussions sur l’IA) a commencé il y a près de cent ans.

R Rossum Universal Robots (R.U.R)

En 1920, l'écrivain tchèque Karel Capek a écrit une pièce de science-fiction "Rossumovi Univerz?ln? roboti" (Les robots universels de Rossum). C'est dans cette œuvre que le mot « robot » a été utilisé pour la première fois, ce qui signifiait des clones humanoïdes vivants. se déroule dans un futur lointain, des usines ont appris à produire des personnes artificielles. Au début, ces « réplicateurs » travaillaient pour le bien des gens, mais ils ont ensuite déclenché une rébellion qui a conduit à l’extinction de l’humanité. extrêmement populaire dans la littérature et le cinéma, qui ont à leur tour eu une grande influence sur la recherche réelle.

Et Alan Turing

Le mathématicien anglais, l'un des pionniers dans le domaine de la technologie informatique, Alan Turing, a apporté une contribution significative au développement de la cryptographie pendant la Seconde Guerre mondiale. Grâce à ses recherches, il a été possible de déchiffrer le code de la machine Enigma, largement utilisée par l'Allemagne nazie pour crypter et transmettre des messages. Quelques années après la fin de la Seconde Guerre mondiale, d'importantes découvertes ont eu lieu dans des domaines tels que les neurosciences, l'informatique et la cybernétique, ce qui a incité le scientifique à l'idée de​​créer un cerveau électronique.

Bientôt, le scientifique a proposé un test dont le but est de déterminer la possibilité d'une pensée artificielle artificielle proche de l'homme. L'essence de ce test est la suivante : une personne (C) interagit avec un ordinateur (A) et une personne (B). Lors d'une conversation, il doit déterminer avec qui il communique. L’ordinateur doit induire une personne en erreur et lui faire faire le mauvais choix. Tous les participants au test ne peuvent pas se voir.

D Dartmouth Conference et le premier « hiver » de l’IA

En 1956, a eu lieu la toute première conférence sur l'IA, à laquelle ont participé des scientifiques des principales universités technologiques américaines et des spécialistes d'IBM. L'événement a eu une grande importance dans la formation d'une nouvelle science et a marqué le début de recherches majeures dans ce domaine. Ensuite, tous les participants étaient extrêmement optimistes.

Les années 1960 ont commencé, mais les progrès dans la création de l’intelligence artificielle n’ont pas progressé et l’enthousiasme a commencé à décliner. La communauté a sous-estimé la complexité de la tâche et, par conséquent, les prévisions optimistes des experts ne se sont pas réalisées. Le manque de perspectives dans ce domaine a contraint les gouvernements britannique et américain à réduire le financement de la recherche. Cette période est considérée comme le premier « hiver » de l’IA.

E Systèmes experts (ES)

Après une longue période de stagnation, l’IA a trouvé son application dans les systèmes dits experts.

Un ES est un programme qui peut répondre à des questions ou résoudre un problème dans un domaine spécifique. Ainsi, ils remplacent de vrais spécialistes. L'ES se compose de deux sous-programmes. La première s’appelle la base de connaissances et contient les informations nécessaires dans ce domaine. L'autre programme s'appelle le moteur d'inférence. Il applique les informations de la base de connaissances en fonction de la tâche à accomplir.

Les ES ont trouvé leur application dans des secteurs tels que les prévisions économiques, les examens médicaux, le diagnostic des défauts des appareils techniques, etc. L'un des ES actuellement connus est le projet WolframAlpha, créé pour résoudre des problèmes de mathématiques, de physique, de biologie, de chimie et bien d'autres. .d'autres sciences.

À la fin des années 80 et au début des années 90, avec l’avènement des premiers ordinateurs de bureau d’Apple et d’IBM, l’intérêt du public et des investisseurs pour l’IA a commencé à décliner. Un nouvel « hiver » a commencé…

Bleu profond

Après de nombreuses années de hauts et de bas, un événement important pour l'IA s'est produit : le 11 mai 1997, le superordinateur d'échecs Deep Blue, développé par IBM, a battu le champion du monde d'échecs Garry Kasparov dans un match de six parties avec un score de 3 ? à 2 heures ?.

Dans Deep Blue, le processus de recherche dans un arbre de coups d'échecs était divisé en trois étapes. Tout d’abord, le processeur principal a exploré les premiers niveaux de l’arbre du jeu d’échecs, puis a réparti les positions finales entre les processeurs auxiliaires pour une exploration plus approfondie. Les processeurs auxiliaires ont approfondi la recherche de quelques coups supplémentaires, puis ont distribué leurs positions finales aux processeurs d'échecs, qui, à leur tour, ont recherché les derniers niveaux de l'arbre. La fonction d'évaluation Deep Blue a été implémentée au niveau matériel - les processeurs d'échecs. La conception de la fonction d’évaluation matérielle comprenait environ 8 000 fonctionnalités de position personnalisables. Les valeurs des caractéristiques individuelles ont été combinées dans un score global, qui a ensuite été utilisé par Deep Blue pour évaluer la qualité des positions d'échecs visualisées.

En 1997, Deep Blue était classé 259e en puissance (11,38 GFLOPS). À titre de comparaison, le supercalculateur le plus rapide actuel possède 93 015 GFLOPS.

XXIème siècle

Au cours des deux dernières décennies, l’intérêt pour l’IA s’est considérablement accru. Le marché des technologies d'IA (matériel et logiciel) a atteint 8 milliards de dollars et, selon les experts d'IDC, atteindra 47 milliards de dollars d'ici 2020.

Ceci est facilité par l’émergence d’ordinateurs plus rapides, le développement rapide des technologies d’apprentissage automatique et du big data.

L'utilisation de réseaux de neurones artificiels a simplifié des tâches telles que le traitement vidéo, l'analyse de texte, la reconnaissance vocale et les méthodes existantes de résolution de problèmes sont améliorées chaque année.

Projets DeepMind

En 2013, DeepMind a présenté son projet dans lequel il entraînait l'IA à jouer à des jeux pour la console Atari ainsi qu'aux humains, et même mieux. Pour cela, la méthode d'apprentissage par renforcement profond a été utilisée, ce qui a permis au réseau neuronal d'étudier le jeu de manière indépendante. Au début de l'entraînement, le système ne savait rien des règles du jeu, utilisant uniquement une image pixel du jeu et des informations sur les points reçus en entrée.

De plus, DeepMind développe l’IA pour enseigner des jeux plus complexes comme Starcraft 2. Ce jeu de stratégie en temps réel est également l’une des cyberdisciplines les plus populaires au monde. Contrairement aux jeux vidéo classiques, il existe beaucoup plus d'actions possibles, peu d'informations sur l'adversaire et la nécessité d'analyser des dizaines de tactiques possibles. Pour le moment, l'IA ne peut gérer que des mini-tâches simples, comme la création d'unités.

Il est impossible de ne pas mentionner un autre projet DeepMind appelé AlphaGo. En octobre 2015, le système a battu le champion européen de Go Fan Hui avec un score de 5 : 0. Un an plus tard, un nouveau match a eu lieu en Corée du Sud, où l'adversaire d'AlphaGo était l'un des meilleurs joueurs du monde, Lee Sedol. Au total, cinq parties ont été jouées, dont AlphaGo n'en a remporté que quatre. Malgré le haut niveau d'habileté démontré, le programme a tout de même commis une erreur lors du quatrième match. En 2017, un film sur AlphaGo est sorti, que nous recommandons de visionner. DeepMind a récemment annoncé la création d'une nouvelle génération d'AlphaGo Zero. Désormais, le programme apprend en jouant contre lui-même. Après trois jours de formation, AlphaGo Zero a battu sa version précédente avec un score de 100:0.

Conclusion

Jusqu'à présent, les systèmes d'IA sont hautement spécialisés, c'est-à-dire qu'ils accomplissent des tâches mieux que les humains uniquement dans des domaines spécifiques (par exemple, jouer au Go ou analyser des données). Nous sommes encore loin de créer une intelligence artificielle générale (à part entière) qui serait capable de remplacer complètement l’esprit humain et serait capable d’accomplir n’importe quelle tâche intellectuelle.

Traduit de l'article par Lev Alhazred

Systèmes d'information intelligents dans la gestion des connaissances

Introduction

L'objectif principal des systèmes d'information en économie est la présentation en temps opportun des informations nécessaires aux décideurs pour qu'ils puissent prendre des décisions adéquates et efficaces lors de la gestion des processus, des ressources, des transactions financières, du personnel ou de l'organisation dans son ensemble. Cependant, dans le processus de développement des technologies de l'information, de la recherche opérationnelle et des technologies de modélisation, ainsi qu'avec l'augmentation du nombre de consommateurs d'informations et de soutien analytique pour les décideurs eux-mêmes, la nécessité de systèmes qui non seulement présentent des informations, mais effectuent également des tâches préliminaires. une analyse de celui-ci, capable de donner des conseils et des recommandations, de prédire l'évolution des situations, de sélectionner les alternatives de décision les plus prometteuses, c'est-à-dire soutenir les décisions des décideurs, assumant une part importante des opérations de routine, ainsi que les fonctions d'analyse et d'évaluation préliminaires.

Un système informationnel d'aide à la décision (DSIS) relie les ressources intellectuelles d'un manager aux capacités et capacités d'un ordinateur pour améliorer la qualité des décisions. Ces systèmes sont conçus pour les managers qui prennent des décisions de gestion dans le cadre de tâches semi-structurées et vaguement définies.

Ainsi, le développement ultérieur de l'ISPR a conduit à la création d'un DSS d'information intelligent.

Les technologies de l'information intellectuelle (IIT) sont des technologies de l'information qui aident une personne à accélérer l'analyse de la situation politique, économique, sociale et technique, ainsi que la synthèse des décisions de gestion.

L'utilisation de l'IIT dans la pratique réelle implique la prise en compte des spécificités de la problématique, qui peut être caractérisée par l'ensemble de caractéristiques suivant :

· qualité et efficacité de la prise de décision ;

· des objectifs et des limites institutionnelles peu clairs ;

· multiplicité des sujets impliqués dans la résolution du problème ;

· comportement chaotique, fluctuant et quantifié de l'environnement ;

· multiplicité de facteurs qui s'influencent mutuellement ;

· faible formalisabilité, unicité, situations non stéréotypées ;

· latence, secret, obscurité de l'information ;

· la déviance dans la mise en œuvre des plans, l'importance des petites actions ;

· logique paradoxale des décisions, etc.

Les IIT sont formés lors de la création de systèmes d'information et de technologies de l'information pour améliorer l'efficacité de la gestion des connaissances et de la prise de décision dans des conditions associées à l'émergence de situations problématiques. Dans ce cas, toute situation de vie ou d'entreprise est décrite sous la forme d'un modèle cognitif (schéma cognitif, archétype, cadre, etc.), qui sert ensuite de base à la construction et à la réalisation de modélisation, y compris la modélisation informatique.

I. Historique du développement des systèmes d'information intelligents

L'histoire des systèmes d'information intelligents (IIS) commence au milieu du 20e siècle, associée au développement de l'intelligence artificielle en tant que nouvelle direction scientifique, à l'émergence du terme « intelligence artificielle ».

Les conditions préalables au développement de l'intelligence artificielle en URSS et en Russie sont apparues dès le XIXe siècle, lorsque le conseiller collégial Semyon Nikolaevich Korsakov (1787-1853) s'est donné pour mission d'améliorer les capacités de l'esprit grâce au développement de méthodes et de dispositifs scientifiques, faisant écho au concept moderne de l’intelligence artificielle comme amplificateur de l’intelligence naturelle. En 1832, S. N. Korsakov publia une description de cinq dispositifs mécaniques qu'il avait inventés, appelés « machines intelligentes », destinés à la mécanisation partielle de l'activité mentale dans les tâches de recherche, de comparaison et de classification. Dans la conception de ses machines, Korsakov, pour la première fois dans l'histoire de l'informatique, a utilisé des cartes perforées, qui jouaient pour lui une sorte de rôle de bases de connaissances, et les machines elles-mêmes étaient essentiellement les prédécesseurs des systèmes experts. Les « machines intelligentes » permettaient de trouver des solutions à des conditions données, par exemple de déterminer les médicaments les plus appropriés en fonction des symptômes d'une maladie observés chez un patient. En URSS, les travaux dans le domaine de l’intelligence artificielle ont débuté dans les années 1960. Un certain nombre d'études pionnières dirigées par V. Pouchkine et D. A. Pospelov ont été menées à l'Université de Moscou et à l'Académie des sciences. En 1964, l'ouvrage du logicien de Leningrad S. Maslov «La méthode inverse d'établissement de la déductibilité dans le calcul des prédicats classique» a été publié, dans lequel pour la première fois une méthode a été proposée pour rechercher automatiquement des preuves de théorèmes dans le calcul des prédicats. En 1966, V.F. Turchin a développé le langage fonctionnel récursif Refal. Jusque dans les années 1970 En URSS, toutes les recherches sur l’IA ont été menées dans le cadre de la cybernétique. Selon D. A. Pospelov, les sciences « informatique » et « cybernétique » étaient alors mélangées en raison d'un certain nombre de conflits académiques. Ce n’est qu’à la fin des années 1970 qu’en URSS, on a commencé à parler de l’orientation scientifique de « l’intelligence artificielle » en tant que branche de l’informatique. Dans le même temps, l’informatique elle-même est née, subordonnant son ancêtre la « cybernétique ». À la fin des années 1970, un dictionnaire explicatif sur l'intelligence artificielle, un ouvrage de référence en trois volumes sur l'intelligence artificielle et un dictionnaire encyclopédique sur l'informatique ont été créés, dans lesquels sont incluses les sections « Cybernétique » et « Intelligence artificielle », ainsi que d'autres. sections, en informatique.

L'histoire de l'IIT commence au milieu des années 1970 et est associée à l'application pratique conjointe des systèmes d'information intelligents, des systèmes d'intelligence artificielle, des systèmes d'aide à la décision et des systèmes d'information. L'histoire de l'IIT est également liée au développement de trois directions scientifiques : la philosophie informatique, la psychologie informatique et l'informatique avancée et se complète par les progrès dans la création de :

1. centres de situation

2. systèmes d'information et d'analyse

3. outils pour les calculs évolutifs et les algorithmes génétiques

4. systèmes pour prendre en charge la communication homme-machine en langage naturel

5. modélisation cognitive

6. systèmes de catégorisation thématique automatique des documents

7. systèmes de planification stratégique

8. outils d'analyse technique et fondamentale des marchés financiers

9. systèmes de gestion de la qualité

10. systèmes de gestion de la propriété intellectuelle, etc.

L’intelligence artificielle en tant que science a été fondée par trois générations de chercheurs.

Dans le tableau 1.1. présente les développements clés de l'histoire de l'IA et de l'ingénierie des connaissances, depuis les premiers travaux de W. McCulloch et W. Peets en 1943 jusqu'aux tendances actuelles dans les efforts combinés des systèmes experts, de la logique floue et de l'informatique neuronale dans les systèmes modernes basés sur la connaissance capables de mettre en œuvre des calculs à l’aide de mots.

Tableau 1.1.

Une courte liste d'événements majeurs dans l'histoire de l'IA et de l'ingénierie des connaissances

Ainsi, historiquement, les développements dans le domaine de l’IA se sont réalisés dans deux directions principales :

La première direction est associée aux tentatives visant à développer des machines intelligentes en modélisant leur prototype biologique - le cerveau humain. Aujourd'hui, ce domaine est relancé grâce au développement de matériels et de logiciels modernes (puces basées sur la logique floue, systèmes multiprocesseurs distribués, systèmes multi-agents, soft computing, algorithmes génétiques et réseaux de neurones, etc.).

La deuxième direction est associée au développement de méthodes, de techniques, de dispositifs et de programmes spécialisés pour ordinateurs qui apportent des solutions à des problèmes mathématiques et logiques complexes permettant d'automatiser les actions intellectuelles humaines individuelles (systèmes basés sur la connaissance, systèmes experts, systèmes intelligents appliqués ).

Ces deux directions, pour ainsi dire, définissent le programme minimum et le programme maximum, entre lesquels se situe le domaine de la recherche et du développement actuel des systèmes d'IA. Les travaux sur le développement de logiciels et de matériels d’IA sont répartis dans un domaine distinct.

Informations connexes.

Le concept d'intelligence artificielle (IA ou IA) ne regroupe pas seulement les technologies permettant de créer des machines intelligentes (y compris des programmes informatiques). L’IA fait également partie des domaines de la pensée scientifique.

Intelligence artificielle - Définition

Intelligence– c'est la composante mentale d'une personne, qui possède les capacités suivantes :

• opportuniste;
• capacité d'apprentissage grâce à l'accumulation d'expériences et de connaissances;
• capacité à appliquer ses connaissances et ses compétences pour gérer l’environnement.

L'intelligence combine toutes les capacités humaines pour comprendre la réalité. Avec son aide, une personne réfléchit, mémorise de nouvelles informations, perçoit l'environnement, etc.

L'intelligence artificielle fait référence à l'un des domaines des technologies de l'information qui traite de l'étude et du développement de systèmes (machines) dotés des capacités de l'intelligence humaine : la capacité d'apprendre, le raisonnement logique, etc.

Actuellement, les travaux sur l'intelligence artificielle consistent à créer de nouveaux programmes et algorithmes qui résolvent les problèmes de la même manière qu'une personne.

Du fait que la définition de l’IA évolue à mesure que ce domaine se développe, il est nécessaire de mentionner l’AI Effect. Il s’agit de l’effet créé par l’intelligence artificielle qui a réalisé certains progrès. Par exemple, si une IA a appris à effectuer des actions, les critiques s’y joignent immédiatement et affirment que ces succès n’indiquent pas que la machine réfléchit.

Aujourd’hui, le développement de l’intelligence artificielle se poursuit dans deux directions indépendantes :

• neurocybernétique;
• approche logique.

La première direction implique l'étude des réseaux de neurones et des calculs évolutifs d'un point de vue biologique. L'approche logique implique le développement de systèmes qui simulent des processus intellectuels de haut niveau : pensée, parole, etc.

Les premiers travaux dans le domaine de l’IA ont commencé au milieu du siècle dernier. Le pionnier de la recherche dans cette direction fut Alan Turing, même si certaines idées ont commencé à être exprimées par les philosophes et les mathématiciens au Moyen Âge. En particulier, au début du 20e siècle, un dispositif mécanique capable de résoudre des problèmes d'échecs a été introduit.

Mais cette orientation a véritablement pris forme au milieu du siècle dernier. L'apparition des travaux sur l'IA a été précédée par des recherches sur la nature humaine, les manières de comprendre le monde qui nous entoure, les possibilités du processus de pensée et d'autres domaines. À cette époque, les premiers ordinateurs et algorithmes sont apparus. C'est-à-dire que la base a été créée sur laquelle est née une nouvelle direction de recherche.

En 1950, Alan Turing a publié un article posant des questions sur les capacités des futures machines et sur leur capacité à surpasser les humains en termes d'intelligence. C’est ce scientifique qui a mis au point la procédure baptisée plus tard en son honneur : le test de Turing.

Après la publication des travaux du scientifique anglais, de nouvelles recherches sont apparues dans le domaine de l'IA. Selon Turing, seule une machine qui ne peut être distinguée d'un humain lors de la communication peut être reconnue comme pensante. À peu près au même moment que l’article du scientifique, un concept appelé Baby Machine était né. Il prévoyait le développement progressif de l'IA et la création de machines dont les processus de pensée sont d'abord formés au niveau d'un enfant, puis progressivement améliorés.

Le terme « intelligence artificielle » est apparu plus tard. En 1956, un groupe de scientifiques, dont Turing, se sont réunis à l’Université américaine de Dartmund pour discuter de questions liées à l’IA. Après cette réunion, le développement actif de machines dotées de capacités d’intelligence artificielle a commencé.

Les départements militaires, qui ont activement financé ce domaine de recherche, ont joué un rôle particulier dans la création de nouvelles technologies dans le domaine de l'IA. Par la suite, les travaux dans le domaine de l’intelligence artificielle ont commencé à attirer les grandes entreprises.

La vie moderne pose des défis plus complexes aux chercheurs. Par conséquent, le développement de l’IA s’effectue dans des conditions fondamentalement différentes, si l’on les compare à ce qui s’est passé lors de la naissance de l’intelligence artificielle. Les processus de mondialisation, les actions des cybercriminels dans la sphère numérique, le développement d'Internet et d'autres problèmes - tout cela pose des tâches complexes aux scientifiques, dont la solution réside dans le domaine de l'IA.

Malgré les succès obtenus dans ce domaine ces dernières années (par exemple, l'émergence de technologies autonomes), les voix des sceptiques qui ne croient pas à la création d'une véritable intelligence artificielle et à un programme peu performant persistent. De nombreux critiques craignent que le développement actif de l’IA ne conduise bientôt à une situation dans laquelle les machines remplaceront complètement les humains.

Orientations de recherche

Les philosophes ne sont pas encore parvenus à un consensus sur la nature de l’intelligence humaine et sur son statut. À cet égard, dans les travaux scientifiques consacrés à l'IA, il existe de nombreuses idées qui indiquent quels problèmes l'intelligence artificielle résout. Il n’existe pas non plus de compréhension commune sur la question de savoir quel type de machine peut être considéré comme intelligent.

Aujourd’hui, le développement des technologies d’intelligence artificielle va dans deux directions :

1. Descendant (sémiotique). Cela implique le développement de nouveaux systèmes et bases de connaissances qui simulent des processus mentaux de haut niveau tels que la parole, l’expression des émotions et la pensée.
2. Ascendant (biologique). Cette approche implique de mener des recherches dans le domaine des réseaux de neurones, à travers lesquels sont créés des modèles de comportement intelligent du point de vue des processus biologiques. Des neuroordinateurs sont créés sur la base de cette direction.

Détermine la capacité de l'intelligence artificielle (machine) à penser de la même manière qu'une personne. D’une manière générale, cette approche consiste à créer une IA dont le comportement n’est pas différent des actions humaines dans les mêmes situations normales. Essentiellement, le test de Turing suppose qu'une machine ne sera intelligente que si, lors de la communication avec elle, il est impossible de comprendre qui parle : le mécanisme ou une personne vivante.

Les livres de science-fiction proposent une méthode différente pour évaluer les capacités de l’IA. L’intelligence artificielle deviendra réelle si elle ressent et peut créer. Cependant, cette approche de la définition ne résiste pas à une application pratique. Par exemple, on crée déjà maintenant des machines capables de réagir aux changements environnementaux (froid, chaleur, etc.). Cependant, ils ne peuvent pas ressentir la même chose qu’une personne.

Approche symbolique

La réussite dans la résolution de problèmes est largement déterminée par la capacité à aborder les situations avec flexibilité. Les machines, contrairement aux humains, interprètent les données qu’elles reçoivent de manière cohérente. Par conséquent, seuls les humains participent à la résolution des problèmes. La machine effectue des opérations basées sur des algorithmes écrits qui éliminent l'utilisation de plusieurs modèles d'abstraction. Il est possible d'obtenir de la flexibilité dans les programmes en augmentant les ressources impliquées dans la résolution des problèmes.

Les inconvénients ci-dessus sont caractéristiques de l’approche symbolique utilisée dans le développement de l’IA. Cependant, cette direction de développement de l'intelligence artificielle permet de créer de nouvelles règles lors du processus de calcul. Et les problèmes découlant de l’approche symbolique peuvent être résolus par des méthodes logiques.

Approche logique

Cette approche consiste à créer des modèles qui simulent le processus de raisonnement. Il est basé sur les principes de la logique.

Cette approche n’implique pas l’utilisation d’algorithmes stricts conduisant à un résultat spécifique.

Approche basée sur les agents

Il utilise des agents intelligents. Cette approche suppose ce qui suit : l'intelligence est la partie informatique grâce à laquelle les objectifs sont atteints. La machine joue le rôle d'un agent intelligent. Il comprend l'environnement à l'aide de capteurs spéciaux et interagit avec lui via des pièces mécaniques.

L’approche basée sur les agents se concentre sur le développement d’algorithmes et de méthodes permettant aux machines de rester fonctionnelles dans diverses situations.

Approche hybride

Cette approche consiste à combiner des modèles neuronaux et symboliques, permettant ainsi de résoudre tous les problèmes associés aux processus de réflexion et de calcul. Par exemple, les réseaux de neurones peuvent générer la direction dans laquelle se déplace le fonctionnement d’une machine. Et l’apprentissage statique constitue la base sur laquelle les problèmes sont résolus.

Selon les prévisions des experts de l'entreprise Gartner, d'ici le début des années 2020, presque tous les produits logiciels commercialisés utiliseront des technologies d'intelligence artificielle. Les experts suggèrent également qu’environ 30 % des investissements dans la sphère numérique proviendront de l’IA.

Selon les analystes de Gartner, l’intelligence artificielle ouvre de nouvelles opportunités de coopération entre les personnes et les machines. Dans le même temps, le processus de remplacement des humains par l’IA ne peut pas être arrêté et va s’accélérer à l’avenir.

Dans l'entreprise PWC Nous pensons que d’ici 2030, le produit intérieur brut mondial augmentera d’environ 14 % grâce à l’adoption rapide des nouvelles technologies. De plus, environ 50 % de l'augmentation sera assurée par une efficacité accrue des processus de production. La seconde moitié de l’indicateur sera le profit supplémentaire obtenu grâce à l’introduction de l’IA dans les produits.

Les États-Unis bénéficieront dans un premier temps de l’utilisation de l’intelligence artificielle, car ce pays a créé les meilleures conditions pour faire fonctionner les machines à IA. À l'avenir, ils devanceront la Chine, qui tirera le maximum de profit de l'introduction de telles technologies dans les produits et leur production.

Experts de l'entreprise Force de vente affirment que l’IA augmentera la rentabilité des petites entreprises d’environ 1 100 milliards de dollars. Et cela arrivera d’ici 2021. Cet indicateur sera en partie atteint grâce à la mise en œuvre des solutions proposées par l'IA dans les systèmes chargés de la communication avec les clients. Dans le même temps, l’efficacité des processus de production s’améliorera grâce à leur automatisation.

L'introduction de nouvelles technologies créera également 800 000 emplois supplémentaires. Les experts notent que cet indicateur compense la perte de postes vacants due à l'automatisation des processus. Sur la base d'une enquête auprès des entreprises, les analystes prédisent que leurs dépenses consacrées à l'automatisation des processus de production atteindront environ 46 milliards de dollars d'ici le début des années 2020.

Des travaux dans le domaine de l’IA sont également en cours en Russie. En 10 ans, l'État a financé plus de 1 300 projets dans ce domaine. De plus, la plupart des investissements ont été consacrés au développement de programmes non liés aux activités commerciales. Cela montre que le monde des affaires russe n’est pas encore intéressé par l’introduction des technologies d’intelligence artificielle.

Au total, environ 23 milliards de roubles ont été investis en Russie à ces fins. Le montant des subventions gouvernementales est inférieur au montant du financement de l’IA démontré par d’autres pays. Aux États-Unis, environ 200 millions de dollars sont alloués chaque année à ces fins.

Fondamentalement, en Russie, des fonds sont alloués sur le budget de l'État au développement de technologies d'IA, qui sont ensuite utilisées dans le secteur des transports, dans l'industrie de la défense et dans des projets liés à la sécurité. Cette circonstance indique que dans notre pays, les gens investissent souvent dans des domaines qui leur permettent d'obtenir rapidement un certain effet des fonds investis.

L’étude ci-dessus a également montré que la Russie dispose désormais d’un potentiel élevé pour former des spécialistes capables de participer au développement des technologies de l’IA. Au cours des 5 dernières années, environ 200 000 personnes ont suivi une formation dans des domaines liés à l'IA.

Les technologies d’IA évoluent dans les directions suivantes :

• résoudre des problèmes qui permettent de rapprocher les capacités de l'IA de celles des humains et de trouver des moyens de les intégrer dans la vie quotidienne ;
• le développement d'un esprit à part entière, grâce auquel les problèmes auxquels l'humanité est confrontée seront résolus.

Actuellement, les chercheurs se concentrent sur le développement de technologies permettant de résoudre des problèmes pratiques. Jusqu’à présent, les scientifiques sont loin de créer une intelligence artificielle à part entière.

De nombreuses entreprises développent des technologies dans le domaine de l’IA. Yandex les utilise dans son travail de moteur de recherche depuis plusieurs années. Depuis 2016, la société informatique russe mène des recherches dans le domaine des réseaux de neurones. Ces derniers modifient la nature du travail des moteurs de recherche. En particulier, les réseaux de neurones comparent la requête saisie par l'utilisateur avec un certain nombre vectoriel qui reflète le mieux le sens de la tâche. En d’autres termes, la recherche s’effectue non pas par mot, mais par l’essence des informations demandées par la personne.

En 2016 "Yandex" a lancé le service "Zen", qui analyse les préférences des utilisateurs.

La société Abby le système est apparu récemment Comprendre. Avec son aide, il est possible de comprendre un texte écrit en langage naturel. D’autres systèmes basés sur des technologies d’intelligence artificielle sont également entrés sur le marché relativement récemment :

1. Findo. Le système est capable de reconnaître la parole humaine et de rechercher des informations dans divers documents et fichiers, à l'aide de requêtes complexes.
2. Gamalon. Cette entreprise a introduit un système doté de la capacité d’auto-apprentissage.
3. Watson. Un ordinateur IBM qui utilise un grand nombre d'algorithmes dans le processus de recherche d'informations.
4. ViaVoice. Système de reconnaissance vocale humaine.

Les grandes entreprises commerciales ne reculent pas devant les progrès de l’intelligence artificielle. Les banques introduisent activement ces technologies dans leurs activités. À l’aide de systèmes basés sur l’IA, ils effectuent des opérations en bourse, gèrent des biens immobiliers et effectuent d’autres opérations.

L'industrie de la défense, la médecine et d'autres domaines introduisent des technologies de reconnaissance d'objets. Et les entreprises développant des jeux informatiques utilisent l’IA pour créer leur prochain produit.

Ces dernières années, un groupe de scientifiques américains a travaillé sur un projet NAIL, dans lequel les chercheurs demandent à un ordinateur de reconnaître ce qui est montré sur une photographie. Les experts suggèrent qu'ils pourront ainsi créer un système capable de s'auto-apprendre sans intervention extérieure.

Entreprise Laboratoire de vision a présenté sa propre plateforme LUNE, qui peut reconnaître les visages en temps réel en les sélectionnant parmi un vaste ensemble d'images et de vidéos. Cette technologie est aujourd'hui utilisée par les grandes banques et les réseaux de distribution. Avec LUNA, vous pouvez comparer les préférences des gens et leur proposer des produits et services pertinents.

Une entreprise russe travaille sur des technologies similaires Laboratoire N-Tech. Parallèlement, ses spécialistes tentent de créer un système de reconnaissance faciale basé sur des réseaux de neurones. Selon les dernières données, la technologie russe s'acquitte mieux des tâches assignées que les humains.

Selon Stephen Hawking, le développement futur des technologies d’intelligence artificielle entraînera la mort de l’humanité. Le scientifique a noté que les gens se dégraderaient progressivement en raison de l’introduction de l’IA. Et dans les conditions d'évolution naturelle, lorsqu'une personne doit constamment lutter pour survivre, ce processus conduira inévitablement à sa mort.

La Russie envisage positivement la question de l’introduction de l’IA. Alexeï Koudrine a déclaré un jour que l'utilisation de telles technologies réduirait les coûts nécessaires au fonctionnement de l'appareil d'État d'environ 0,3 % du PIB. Dmitri Medvedev prédit la disparition d'un certain nombre de professions en raison de l'introduction de l'IA. Cependant, le responsable a souligné que l'utilisation de telles technologies conduirait au développement rapide d'autres industries.

Selon les experts du Forum économique mondial, d’ici le début des années 2020, environ 7 millions de personnes dans le monde perdront leur emploi en raison de l’automatisation de la production. L’introduction de l’IA est très susceptible d’entraîner une transformation de l’économie et la disparition de nombreux métiers liés à l’informatique.

Experts McKinsey On dit que le processus d'automatisation de la production sera plus actif en Russie, en Chine et en Inde. Dans ces pays, jusqu’à 50 % des travailleurs perdront bientôt leur emploi en raison de l’introduction de l’IA. Leur place sera prise par des systèmes informatisés et des robots.

Selon McKinsey, l'intelligence artificielle remplacera les métiers qui impliquent du travail physique et du traitement de l'information : commerce de détail, personnel hôtelier, etc.

D'ici le milieu de ce siècle, selon les experts de l'entreprise américaine, le nombre d'emplois dans le monde sera réduit d'environ 50 %. Les personnes seront remplacées par des machines capables d'effectuer des opérations similaires avec une efficacité égale ou supérieure. Dans le même temps, les experts n'excluent pas l'option selon laquelle cette prévision se réaliserait avant la date indiquée.

D'autres analystes soulignent les dommages que les robots peuvent causer. Par exemple, les experts de McKinsey soulignent que les robots, contrairement aux humains, ne paient pas d’impôts. En conséquence, en raison d'une diminution des recettes budgétaires, l'État ne sera pas en mesure de maintenir les infrastructures au même niveau. Bill Gates a donc proposé d’introduire une nouvelle taxe sur la technologie robotique.

Les technologies d’IA améliorent l’efficacité des entreprises en réduisant le nombre d’erreurs commises. De plus, ils permettent d'augmenter la vitesse des opérations à un niveau qui ne peut être atteint par les humains.

Université technique d'État de Briansk Département des technologies et systèmes informatiques Introduction aux systèmes intelligents Enseignant : Shkaberin V.A. RÉFÉRENCES 1. 2. 3. 4. 5. Bases de connaissances des systèmes intelligents / T.A. Gavrilova, V.F. Khoroshevsky.-SPb. : Peter, 2001.-384 p. : ill. Intelligence artificielle : En 3 livres. Livre 1. Systèmes de communication et systèmes experts : Manuel / Ed. E.V. Popova.- M. : Radio et Communications, 1990.-464 p. : ill. Intelligence artificielle.-En 3 livres. Livre 2. Modèles et méthodes : Manuel / Ed. OUI. Pospelova.-M. : Radio et communication, 1990.-304 p. : ill. P. Winston. Intelligence artificielle / Trad. de l'anglais V.L. Stefanyuk, éd. OUI. Pospelova.- M. : Maison d'édition « Mir », 1980.-520 p. Pierre Jackson. Introduction aux systèmes experts. : Per. de l'anglais : Uch. pos.-M. : Williams Publishing House, 2001.624 p. : ill.-Paral. mésange. Anglais CONTENU : Une brève histoire de l'intelligence artificielle Sujet de recherche et principales orientations de recherche dans le domaine de l'intelligence artificielle Des problèmes de conception difficiles à formaliser Une brève histoire de l'intelligence artificielle L'idée de​​créer une ressemblance artificielle d'une personne pour résoudre des problèmes complexes des problèmes et simuler l'esprit humain sont apparus depuis l'Antiquité (une statue mécanique du dieu Amon dans l'Egypte ancienne, le dieu Héphaïstos dans la mythologie a forgé des créatures humanoïdes (automates, Pinocchio, etc.). Les premiers travaux théoriques dans le domaine de l'intelligence artificielle Le fondateur de l'intelligence artificielle, le philosophe, mathématicien et poète espagnol médiéval Raymond Lull, au XIIIe siècle, a tenté de créer une machine mécanique pour résoudre divers problèmes basée sur la classification universelle des concepts qu'il développé. Lull Raymond (1235 - 1316) Les premiers travaux théoriques dans le domaine de l'intelligence artificielle (2) Au XVIIIe siècle, Leibniz et Descartes poursuivent indépendamment cette idée, proposant des langages universels pour la classification de toutes les sciences. Gottfried Leibniz (1646-1716) René Descartes (1596 – 1650) La naissance de l'intelligence artificielle en tant que direction scientifique s'est produite après la création des ordinateurs dans les années 40 du 20e siècle. A cette époque, Norbert Wiener crée des ouvrages fondamentaux sur la cybernétique. Norbert Wiener (1894 - 1964) La naissance du terme « intelligence artificielle » Le terme AI – (IA – intelligence artificielle (intelligence, capacité de raisonner intelligemment)) a été proposé en 1956 lors d'un séminaire au Dartsmouth College (USA). En 1969, la première conférence internationale conjointe sur l’intelligence artificielle s’est tenue à Washington. Il a légitimé le terme « intelligence artificielle » dans son nom. Orientations de l'intelligence artificielle 1. Neurocybernétique 2. Cybernétique « boîte noire » L'origine de la neurocybernétique L'idée principale de la neurocybernétique « Le seul objet capable de penser est le cerveau humain. Par conséquent, tout « appareil de réflexion » doit reproduire la structure du cerveau humain. L'idée principale de la neurocybernétique (2) La neurocybernétique se concentre sur la modélisation logicielle et matérielle de structures similaires à la structure du cerveau. La base du cerveau humain est constituée de neurones. Les efforts se concentrent sur la création d’éléments similaires aux neurones et sur leur combinaison en systèmes fonctionnels. Ces systèmes sont appelés réseaux de neurones ou réseaux de neurones. Création des premiers réseaux de neurones Les premiers réseaux de neurones ont été créés par Frank Rosenblatt et McCulloch en 1956-1965. Il s'agissait de tentatives visant à simuler l'œil humain et son interaction avec le cerveau. L'appareil créé s'appelait un perceptron et était capable de distinguer les lettres de l'alphabet. Modèle perceptif (perceptron) Création de neuroordinateurs et de transputeurs Dans les années 1980 au Japon, dans le cadre du projet « Ordinateur de cinquième génération », le premier neuroordinateur, ou ordinateur de quatrième génération, est créé. Des transputeurs sont apparus - des ordinateurs parallèles dotés d'un grand nombre de processeurs. La technologie transputer fait partie d’une douzaine de nouvelles approches pour la mise en œuvre matérielle de réseaux neuronaux qui modélisent la structure hiérarchique du cerveau humain. Le principal domaine d'application des neuroordinateurs concerne les tâches de reconnaissance de formes, par exemple l'identification d'objets sur la base des résultats de photographies aériennes depuis l'espace. Approches de création de réseaux de neurones Matériel - création d'ordinateurs, de neuropuces, de microcircuits qui implémentent les algorithmes nécessaires. Logiciels – création de programmes et d'outils conçus pour les ordinateurs hautes performances. Les réseaux sont créés dans la mémoire de l'ordinateur. Hybride – certains calculs sont effectués par des cartes d'extension spéciales et d'autres par un logiciel. Cybernétique « boîte noire » L'idée principale de la cybernétique « boîte noire » « Peu importe la façon dont le dispositif « pensant » est structuré. L’essentiel est qu’il réagisse aux influences données de la même manière que le cerveau humain. L'idée principale de la cybernétique « boîte noire » (2) L'orientation principale de cette direction de l'IA est la recherche d'algorithmes pour résoudre des problèmes intellectuels sur des modèles informatiques existants. Des contributions significatives à la formation d'une nouvelle science ont été apportées par John McCarthy (auteur du premier langage pour les problèmes d'IA - LISP), Marvin Minsky (auteur de l'idée d'un modèle de cadre pour représenter la connaissance), Simon, Shaw, etc. .En 1956-1963. Il y a eu une recherche active de modèles et d'algorithmes de la pensée humaine et le développement des premiers programmes basés sur ceux-ci. Différentes approches ont été créées et testées : Modèle de recherche de labyrinthe (fin des années 50). Le problème a été représenté comme un certain espace d'états sous la forme d'un graphique dans lequel la recherche du chemin optimal des données d'entrée aux données résultantes est effectuée. Ils n’ont pas été largement utilisés pour résoudre des problèmes pratiques. Les programmes sont décrits dans les premiers manuels d'IA - ils jouent au 15, aux dames, aux échecs, etc. Programmation heuristique (début des années 60) - développement de stratégies d'action basées sur des heuristiques connues et prédéterminées. L'heuristique est une règle théoriquement non fondée qui permet de réduire le nombre de recherches dans l'espace de recherche. Utiliser des méthodes de logique mathématique (1963-1970) pour résoudre des problèmes d'IA. Robinson a développé la méthode de résolution, qui permet de prouver automatiquement des théorèmes à partir d'un ensemble d'axiomes initiaux. Le scientifique national Maslov Yu.S. a proposé une dérivation inverse qui résout un problème similaire d'une manière différente. Basé sur la méthode de résolution, le Français Albert Colmeroe a créé le langage de programmation logique Prolog en 1973. Newell, Simon et Shaw ont créé le programme Theoretical Logician, qui a prouvé les théorèmes scolaires. Cependant, les modèles logiques présentent des limites significatives quant aux classes de problèmes à résoudre, car Les problèmes réels ne peuvent souvent pas être réduits à un ensemble d’axiomes et une personne n’utilise pas la logique classique. Les premiers systèmes commerciaux basés sur la connaissance, ou systèmes experts, sont apparus aux États-Unis (milieu des années 1970). La recherche d'un algorithme de pensée universel a été remplacée par l'idée de modéliser les connaissances spécifiques d'experts spécialistes. Une nouvelle approche pour résoudre les problèmes d'intelligence artificielle a commencé à être appliquée : la représentation des connaissances. Il s’agit d’une avancée majeure dans le développement d’applications pratiques de l’intelligence artificielle. Les programmes MYCIN (médecine), DENDRAL (chimie) ont été créés. Le financement est assuré par le Pentagone et d'autres. À la fin des années 70, le lancement d'un projet de machines de génération V basées sur la connaissance a été annoncé au Japon. Le projet a duré 10 ans et a impliqué de nombreux spécialistes qualifiés. Le résultat était un langage de type PROLOG encombrant et coûteux qui n'était pas largement accepté. Des résultats ont été obtenus dans diverses tâches appliquées ; au milieu des années 90, l'Association japonaise d'IA comptait 40 000 personnes. Depuis le milieu des années 1980, les investissements dans l’IA ont augmenté, des systèmes experts industriels sont créés et l’IA est en train de devenir l’un des domaines les plus prometteurs et les plus prestigieux de l’informatique. Histoire de l'intelligence artificielle en Russie en 1954 À l'Université d'État de Moscou, le séminaire « Automates et pensée » a commencé ses travaux sous la direction de l'académicien A. A. Lyapunov (1911-1973), l'un des fondateurs de la cybernétique russe. Ce séminaire a réuni des physiologistes, des linguistes, des psychologues et des mathématiciens. Il est généralement admis que c’est à cette époque que l’intelligence artificielle est née en Russie. Comme à l'étranger, deux directions principales ont émergé : la neurocybernétique et la cybernétique « boîte noire ». En 1954-1964. Des programmes distincts sont créés et des recherches sont menées pour trouver des solutions aux problèmes logiques. A Leningrad (LOMI - Département de Léningrad de l'Institut mathématique Steklov), le programme ALPEV LOMI est en cours de création, qui prouve automatiquement les théorèmes. Elle est basée sur la dérivation inverse originale de Maslov, similaire à la méthode de résolution de Robinson. Parmi les résultats les plus significatifs obtenus par les scientifiques nationaux dans les années 60, il convient de noter l'algorithme « Kora » de Mikhaïl Moiseevich Bongard, qui modélise l'activité du cerveau humain en reconnaissance de formes. Les scientifiques exceptionnels M.L. Tsetlin, V.N. Pouchkine, M.A. Gavrilov, dont les étudiants ont été les pionniers de cette science en Russie (par exemple, la célèbre école de Gavrilov), ont grandement contribué à la formation de l'école russe d'IA. En 1965-1980 une nouvelle direction est en train de naître : la gestion situationnelle (correspond à la représentation des connaissances, en terminologie occidentale). Le fondateur de cette école scientifique était le Prof. Pospelov D.A. Des modèles spéciaux pour représenter des situations – représentant des connaissances – ont été développés [Pospelov, 1986]. Le langage symbolique de traitement de données REFAL a été créé à l'Institut des problèmes mathématiques de l'Académie des sciences de l'URSS [Turgin, 1968]. Pospelov Dmitry Alexandrovich Les académiciens d'A.I. ont joué un rôle énorme dans la lutte pour la reconnaissance de l'IA dans notre pays. Bergn et G.S. Pospélov. Pospelov Germogen Sergueïevitch 1914 - 1998 Ce n'est qu'en 1974, sous la direction du Comité sur l'analyse des systèmes du Présidium de l'Académie des sciences de l'URSS, que le Conseil scientifique sur le problème de « l'intelligence artificielle » a été créé, il était dirigé par G. S. Pospelov, D. A. Pospelov et L. ont été élus comme ses adjoints. Le conseil comprenait à différentes étapes M. G. Gaase-Rapoport, Yu. I. Zhuravlev, L. T. Kuzin, A. S. Narignani, D. E. Okhotsimsky, A. I. Polovinkin, O. K Tikhomirov, V. V. Chavchanidze. À l'initiative du Conseil, cinq projets scientifiques complets ont été organisés, dirigés par d'éminents experts dans le domaine. Les projets combinaient des recherches dans diverses équipes à travers le pays : « Dialogue » (travail sur la compréhension du langage naturel, dirigeants A.P. Ershov, A.S. Narignani), « Situation » (gestion situationnelle, D. A. Pospelov), « Banque » (banques de données, L. T. Kuzin), « Constructeur » (conception de recherche, A. I. Polovinkin), « Robot Intelligence » (D. E. Okhotsimsky). En 1980-1990 Des recherches actives sont menées dans le domaine de la représentation des connaissances, des langages de représentation des connaissances et des systèmes experts sont en cours de développement (plus de 300). En 1988, l’AAI – Association of Artificial Intelligence – est créée. Ses membres comprennent plus de 300 chercheurs. D. A. Pospelov, un scientifique exceptionnel dont la contribution au développement de l'IA en Russie ne peut guère être surestimée, a été élu à l'unanimité président de l'Association. Les plus grands centres se trouvent à Moscou, Saint-Pétersbourg, Pereslavl-Zalessky et Novossibirsk. Le conseil scientifique de l'Association comprend des chercheurs de premier plan dans le domaine de l'IA - V. P. Gladun, V. I. Gorodetsky, G. S. Osipov, E. V. Popov, V. L. Stefanyuk, V. F. Khoroshevsky, V. K Finn, G. S. Tseytin, A. S. Erlich et d'autres scientifiques. Dans le cadre de l'Association, de nombreuses recherches sont menées, des écoles de jeunes spécialistes, des séminaires, des colloques sont organisés, des conférences conjointes sont organisées tous les deux ans et une revue scientifique est publiée. Le niveau de la recherche théorique sur l'intelligence artificielle en Russie n'est pas inférieur au niveau mondial. Malheureusement, depuis les années 80. Le retard progressif de la technologie commence à affecter le travail appliqué. À l'heure actuelle, le retard dans le développement de systèmes industriels intelligents est d'environ 3 à 5 ans. Sujet de recherche et principales orientations de recherche dans le domaine de l'intelligence artificielle Concept « IA » L'intelligence artificielle est l'un des domaines de l'informatique dont le but est de développer des outils matériels et logiciels permettant à un utilisateur non programmeur de définir et résoudre leurs propres problèmes intellectuels traditionnellement considérés, en communiquant avec un ordinateur sur un sous-ensemble limité du langage naturel. L'intelligence artificielle est un domaine de l'informatique qui traite du développement de systèmes informatiques intelligents, c'est-à-dire des systèmes qui possèdent les capacités que nous associons traditionnellement à l'esprit humain - compréhension du langage, apprentissage, capacité de raisonner, de résoudre des problèmes, etc. (Barr et Feigenbaum, 1981) La recherche dans le domaine de l'intelligence artificielle vise à développer des programmes qui résolvent des problèmes qui sont désormais mieux exécutés par les humains, car ils nécessitent l'implication de fonctions du cerveau humain telles que la capacité d'apprendre sur la base de la perception. , une mémoire organisationnelle spéciale et la capacité de faire des déductions basées sur des jugements. Principales orientations de recherche dans le domaine de l'intelligence artificielle Représentation des connaissances et développement de systèmes basés sur la connaissance. Logiciels pour systèmes d'intelligence artificielle Développement d'interfaces en langage naturel et traduction automatique Robots intelligents Formation et auto-apprentissage Reconnaissance de formes Nouvelles architectures informatiques Jeux et créativité des machines 1. Représentation des connaissances et développement de systèmes basés sur la connaissance C'est l'orientation principale dans le domaine de développement de systèmes d’intelligence artificielle. Elle est associée au développement de modèles de représentation des connaissances et à la création de bases de connaissances qui constituent le cœur des systèmes experts. Récemment, elle inclut des modèles et des méthodes d’extraction et de structuration des connaissances et fusionne avec l’ingénierie des connaissances. 2. Génie logiciel pour les systèmes d'IA Dans cette direction, des langages spéciaux sont développés pour résoudre des problèmes intellectuels, qui mettent traditionnellement l'accent sur la prédominance du traitement logique et symbolique sur les procédures informatiques. Ces langages sont axés sur le traitement symbolique de l'information - LISP, PROLOG, SMALLTALK, REFAL, etc. De plus, des progiciels d'application sont créés qui visent le développement industriel de systèmes intelligents, ou d'outils logiciels d'intelligence artificielle, par exemple KEE, ART, G2 [Hayes-Roth et al., 1987; Popov, Fominykh, Kisel, Shapot, 1996]. Il est également très courant de créer des systèmes experts dits vides ou « shells » - KAPPA, EXSYS, Ml, ECO, etc., dont les bases de connaissances peuvent être remplies de connaissances spécifiques, 3. Développement d'interfaces en langage naturel et de machines traduction (traitement du langage naturel) À partir de Depuis les années 1950, l'un des sujets de recherche populaires dans le domaine de l'IA est la linguistique informatique, et en particulier la traduction automatique (TA). Déjà le premier programme dans le domaine des interfaces en langage naturel (NL) - un traducteur de l'anglais vers le russe - démontrait l'inefficacité de l'approche initiale basée sur la traduction mot à mot. Cependant, les développeurs ont longtemps essayé de créer des programmes basés sur l'analyse morphologique. L'inutilité de cette approche est due à une évidence : une personne ne peut traduire un texte que sur la base d'une compréhension de son sens et dans le contexte d'informations préalables, ou de contexte. Sinon, les traductions apparaissent dans le style de "Ma chère Masha - ma chère Masha". Par la suite, les systèmes de TA sont devenus plus complexes et actuellement plusieurs modèles plus complexes sont utilisés : l'utilisation de ce que l'on appelle les « langues intermédiaires » ou langues de sens, ce qui entraîne une traduction supplémentaire « langue source de l'original - langue de sens - cible ». langue"; recherche associative de fragments de texte similaires et de leurs traductions dans des référentiels de textes ou des bases de données spécialisés ; une approche structurelle, comprenant l'analyse séquentielle et la synthèse de messages en langage naturel. Traditionnellement, cette approche suppose la présence de plusieurs phases d'analyse : 1. Analyse morphologique - analyse des mots dans le texte. 2. Analyse syntaxique - analyse de la composition des phrases et des liens grammaticaux entre les mots. 3. Analyse sémantique - analyse de la signification des composants de chaque phrase basée sur une base de connaissances spécifique à une matière. 4. Analyse pragmatique - analyse du sens des phrases dans un contexte réel basée sur sa propre base de connaissances. La synthèse des messages NL comprend des étapes similaires, mais dans un ordre légèrement différent. 4. Robots intelligents (robotique) L'idée de créer des robots est loin d'être nouvelle. Le mot « robot » lui-même est apparu dans les années 20, comme un dérivé du « robot » tchèque – travail dur et sale. Son auteur est l'écrivain tchèque Karel Capek, qui a décrit les robots dans son histoire « R.U.R ». Les robots sont des appareils électriques conçus pour automatiser le travail humain. On peut distinguer grossièrement plusieurs générations dans l'histoire de la création et du développement de la robotique : la génération I. Robots avec un schéma de contrôle rigide. Presque tous les robots industriels modernes appartiennent à la première génération. En fait, ce sont des manipulateurs programmables. IIème génération. Robots adaptatifs dotés de dispositifs sensoriels. Il existe des exemples de tels robots, mais ils sont encore peu utilisés dans l’industrie. IIIème génération. Robots auto-organisés ou intelligents. C’est l’objectif ultime du développement de la robotique. Les principaux problèmes non résolus dans la création de robots intelligents sont le problème de la vision par ordinateur ainsi que du stockage et du traitement adéquats des informations visuelles tridimensionnelles. Actuellement, plus de 60 000 robots sont fabriqués chaque année dans le monde. La pertinence de créer des robots mobiles intelligents Les robots mobiles intelligents autonomes sont conçus pour fonctionner automatiquement dans des conditions environnementales prédéterminées. Ils peuvent être utilisés dans divers domaines de l’activité humaine et résoudre divers problèmes. Par exemple, livrer des marchandises, déplacer divers objets, effectuer des reconnaissances, effectuer toute opération technologique sur un grand espace (par exemple nettoyer une pièce), etc. De tels systèmes sont prêts à remplacer une personne lors de l'exécution d'opérations technologiques complexes associées à un risque accru ou à un travail dans des environnements extrêmes, par exemple dans des conditions de rayonnement, de pression ou d'espace sans air accrus, ainsi qu'à remplacer le travail humain dans des professions impopulaires. Hélicoptère robot Mantis (2003) Des ingénieurs australiens de l'organisation CSIRO ont développé l'hélicoptère robot Mantis, capable - pour la première fois - de voler de manière autonome sans utiliser de système de positionnement global (GPS). La hauteur du "Mantis" est de 0,5 mètre et la longueur est de 1,5 mètre. Dans le même temps, le nouvel hélicoptère est 4 à 5 fois plus léger que tout autre véhicule aérien sans pilote et coûte nettement moins cher. Bien que le robot puisse être contrôlé à distance, la machine peut compter uniquement sur son cerveau informatique et ses caméras vidéo pour voler. Un système de détection inertielle doté de capteurs microélectromécaniques en alliage léger de magnésium a été développé spécifiquement pour l'hélicoptère. Robot Soldiers Talon, SWORDS (2004) Les soldats télécommandés sont nés d'un effort conjoint entre l'armée américaine et une petite entreprise du Massachusetts appelée Foster-Miller. Cette société a été rachetée en novembre dernier par QinetiQ Group PLC, qui appartient quant à lui au ministère britannique de la Défense (MOD) et au holding américain Carlyle Group. Tout a commencé avec des robots appelés « Claws » (TALON). Ils font leur service militaire depuis 2000, se sont rendus en Bosnie, en Afghanistan et en Irak et ont travaillé de leurs mains mécaniques sur les ruines du World Trade Center après les attentats terroristes du 11 septembre. Leurs tâches étaient : la détection et l'élimination des explosifs ainsi que la surveillance des hostilités. Et les militaires étaient satisfaits de la qualité de ces tâches. Cependant, après un certain temps, les responsables de l'armée et les employés de Foster-Miller, selon eux, ont reçu des nouvelles des soldats. Ils disent que nous aimons les Griffes, cela ne fait aucun doute, mais donnons-leur au moins une sorte d'arme. Répondant aux souhaits du personnel militaire, les ingénieurs de l'Army Arsenal du New Jersey (Picatinny Arsenal) et Foster-Miller ont armé les robots en seulement six mois et 2 millions de dollars. Ainsi, les « Griffes » se sont transformées en « Épées » (SWORDS - Special Weapons Observation Reconnaissance Detection Systems), des systèmes spéciaux de détection, de reconnaissance et de surveillance dotés d'armes. Ce sont des « Épées » qui finiront en Irak au printemps. Il est livré en standard avec une mitrailleuse légère M249 de 5,56 mm (750 coups par minute) ou une mitrailleuse « moyenne » M240 de calibre 7,62 (7 001 000 coups par minute). Sans rechargement, le robot peut tirer respectivement 300 et 350 coups. Le prix d'une machine est de 200 000 $. Robot soldat SWORD en action Robot cafard InsBot (2003) Des chercheurs de trois pays développent un espion automatisé dans le camp des cafards : la France, la Belgique et la Suisse. InsBot est déjà capable de pénétrer des groupes de cafards, de les influencer et de modifier leur comportement. Pendant une décennie, un infiltré se faisant passer pour un cafard conduira de vils insectes hors des coins sombres de la cuisine et dans de l'eau propre - où ils pourront être détruits. Les développeurs de l’agent robot ne rêvent pas d’éliminer les cafards une fois pour toutes. Leurs projets sont plus globaux. À l'aide de robots, ils veulent contrôler les animaux. Aspirateur robot intelligent (2003) 14/01/03 11:16 La société iRobot a lancé un aspirateur intelligent, nommé Roomba. Il a fallu trois ans et plusieurs millions de dollars pour le créer. Les principales tâches assignées aux développeurs étaient de réduire le prix du robot et de réduire autant que possible la consommation d'énergie. La puissance de la Rumba n'est que de 30 watts contre 1 000 watts typiques. Le robot est équipé de cinq brosses, de deux moteurs électriques pour le mouvement et de trois autres pour faire fonctionner les brosses. Il n’y a pas de moteur puissant qui aspire la poussière dans la Rumba. Il est remplacé par des brosses contrarotatives qui collectent les gros débris et un moteur d'aspiration de faible puissance. De ce fait, l’appareil fonctionne avec des piles au nickel. Les roues du robot peuvent tourner dans n'importe quelle direction, ce qui lui permet de se sortir des situations les plus difficiles. Quatre capteurs infrarouges surveillent la distance jusqu'au sol et informent immédiatement le système de commande lorsqu'il y a une pente ou que le bord des marches est atteint. Le système de contrôle se compose d'un microprocesseur 8 bits 16 MHz, de 128 octets de mémoire et d'un système d'exploitation spécialisé. Le coût d'un tel aspirateur robot est de 199 $. Robot mobile intelligent basé sur un jouet (Russie, 2002) Ce robot est développé au Département des problèmes de contrôle de MIREA. Dans ce travail, l'objectif était de créer un robot intelligent mobile qui mettrait d'abord en œuvre les fonctions de déplacement vers un point cible dans un environnement comportant des obstacles. Il a été décidé que le robot devait disposer exclusivement d'un système de vision technique. Le point cible d'un tel robot peut être défini de trois manières : avec un pointeur laser ; opérateur sur la carte ; à distance via Internet. Panneau de commande Moniteur PC ROBOT R.A.D.™ LPT BS VGA Sortie Audio S o ft S o und M ic In D E -1 8 TV V In LAN Réseau P Alimentation de la caméra 5. Formation et auto-apprentissage (machine learning) Un domaine en plein développement de l'intelligence artificielle. Comprend des modèles, des méthodes et des algorithmes axés sur l'accumulation et la génération automatiques de connaissances basées sur l'analyse et la synthèse de données [Haek, Gavranek, 1983 ; Gladup, 1994 ; Finn, 1991]. Comprend l'apprentissage par l'exemple (ou apprentissage inductif) ainsi que les approches traditionnelles de la théorie de la reconnaissance de formes. Ces dernières années, ce domaine a été étroitement associé au développement rapide des systèmes d'exploration de données - analyse des données et découverte de connaissances - recherchant des modèles dans les bases de données. 6. Reconnaissance de formes Traditionnellement, l'un des domaines de l'intelligence artificielle, qui remonte à ses origines, mais qui est aujourd'hui pratiquement devenue une science indépendante. Son approche principale consiste à décrire des classes d'objets à travers certaines valeurs de caractéristiques significatives. Chaque objet se voit attribuer une matrice de caractéristiques, qui est utilisée pour le reconnaître. La procédure de reconnaissance utilise le plus souvent des procédures et des fonctions mathématiques spéciales qui divisent les objets en classes. Cette direction est proche de l'apprentissage automatique et est étroitement liée à la neurocybernétique. 6. Reconnaissance de formes Traditionnellement, l'un des domaines de l'intelligence artificielle, qui remonte à ses origines, mais qui est aujourd'hui pratiquement devenue une science indépendante. Son approche principale consiste à décrire des classes d'objets à travers certaines valeurs de caractéristiques significatives. Chaque objet se voit attribuer une matrice de caractéristiques, qui est utilisée pour le reconnaître. La procédure de reconnaissance utilise le plus souvent des procédures et des fonctions mathématiques spéciales qui divisent les objets en classes. Cette direction est proche de l'apprentissage automatique et est étroitement liée à la neurocybernétique. 7. Nouvelles architectures informatiques (nouvelles plates-formes et architectures matérielles) Les processeurs les plus modernes aujourd'hui sont basés sur l'architecture séquentielle traditionnelle de von Neumann, utilisée dans les premières générations d'ordinateurs. Cette architecture est extrêmement inefficace pour le traitement symbolique. C’est pourquoi les efforts de nombreuses équipes scientifiques et entreprises depuis des décennies visent à développer des architectures matérielles conçues pour traiter des données symboliques et logiques. Des machines Prolog et Lisp, des ordinateurs des 5ème et 6ème générations sont en cours de création. Les développements récents sont consacrés aux ordinateurs de bases de données, aux ordinateurs parallèles et vectoriels [Amamiya, Tanaka, 1993]. Et bien qu’il existe des solutions industrielles efficaces, les coûts élevés, l’insuffisance des logiciels et l’incompatibilité matérielle avec les ordinateurs traditionnels entravent considérablement l’utilisation généralisée de nouvelles architectures. 6. Jeux et créativité des machines Cette orientation, devenue plutôt historique, est due au fait qu'à l'aube de la recherche sur l'IA, la recherche incluait traditionnellement des tâches intellectuelles basées sur le jeu - échecs, dames, Go. Les premiers programmes étaient basés sur l'une des premières approches : un modèle de pensée labyrinthique et des heuristiques. Il s’agit désormais davantage d’une direction commerciale, puisque scientifiquement ces idées sont considérées comme des impasses. De plus, cette direction couvre la composition de musique par ordinateur [Zaripov, 1983], de poésie, de contes de fées [Handbook of AI, 1986] et même d'aphorismes [Lubich, 1998]. La principale méthode d'une telle « créativité » est la méthode des permutations (réarrangements) plus l'utilisation de certaines bases de connaissances et de données contenant les résultats de la recherche sur les structures des textes, des rimes, des scripts, etc. 6. D'autres domaines de l'IA sont une la science interdisciplinaire, qui, comme un puissant fleuve sur la route de la mer, absorbe les ruisseaux et les rivières des sciences connexes. Il suffit de regarder les principales rubriques des conférences sur l’IA pour comprendre l’ampleur du champ de recherche sur l’IA : algorithmes génétiques ; modélisation cognitive; interfaces intelligentes ; reconnaissance et synthèse vocales; modèles déductifs.

Préface

Récemment, le sujet de l’intelligence artificielle est devenu très populaire. Mais qu’est-ce que l’IA réellement ? Quels résultats a-t-elle déjà obtenus et dans quelle direction va-t-elle évoluer à l’avenir ? Il y a beaucoup de controverses autour de ce sujet. Tout d’abord, c’est une bonne idée de clarifier ce que nous entendons par intelligence.

L'intelligence comprend la logique, la conscience de soi, la capacité d'apprentissage, la cognition émotionnelle, la créativité et la capacité à résoudre des problèmes. C'est caractéristique à la fois des humains et des animaux. Nous étudions le monde qui nous entoure dès notre plus jeune âge ; tout au long de notre vie, par essais et erreurs, nous acquérons les compétences nécessaires et acquérons de l'expérience. C'est l'intelligence naturelle.

Lorsque nous parlons d’intelligence artificielle, nous entendons un système « intelligent » créé par l’homme et qui apprend à l’aide d’algorithmes. Son travail s'appuie sur les mêmes méthodes : recherche, formation, analyse, etc.

Événements clés de l’histoire de l’IA

L’histoire de l’IA (ou du moins les discussions sur l’IA) a commencé il y a près de cent ans.

R Rossum Universal Robots (R.U.R)

En 1920, l'écrivain tchèque Karel Capek a écrit la pièce de science-fiction « Rossumovi Univerz?ln ? roboti" (les robots universels de Rossum). C'est dans ce travail que le mot « robot » a été utilisé pour la première fois, désignant des clones humanoïdes vivants. Dans l’histoire, dans un futur lointain, des usines ont appris à produire des personnes artificielles. Au début, ces « réplicants » travaillaient pour le bien des gens, mais ils se sont ensuite rebellés, ce qui a conduit à l’extinction de l’humanité. Depuis lors, le thème de l’IA est devenu extrêmement populaire dans la littérature et le cinéma, ce qui a eu une grande influence sur la recherche concrète.

Et Alan Turing

Le mathématicien anglais, l'un des pionniers dans le domaine de la technologie informatique, Alan Turing, a apporté une contribution significative au développement de la cryptographie pendant la Seconde Guerre mondiale. Grâce à ses recherches, il a été possible de déchiffrer le code de la machine Enigma, largement utilisée par l'Allemagne nazie pour crypter et transmettre des messages. Quelques années après la fin de la Seconde Guerre mondiale, d'importantes découvertes ont eu lieu dans des domaines tels que les neurosciences, l'informatique et la cybernétique, ce qui a incité le scientifique à l'idée de​​créer un cerveau électronique.

Bientôt, le scientifique a proposé un test dont le but est de déterminer la possibilité d'une pensée artificielle artificielle proche de l'homme. L'essence de ce test est la suivante : une personne (C) interagit avec un ordinateur (A) et une personne (B). Lors d'une conversation, il doit déterminer avec qui il communique. L’ordinateur doit induire une personne en erreur et lui faire faire le mauvais choix. Tous les participants au test ne peuvent pas se voir.

D Dartmouth Conference et le premier « hiver » de l’IA

En 1956, a eu lieu la toute première conférence sur l'IA, à laquelle ont participé des scientifiques des principales universités technologiques américaines et des spécialistes d'IBM. L'événement a eu une grande importance dans la formation d'une nouvelle science et a marqué le début de recherches majeures dans ce domaine. Ensuite, tous les participants étaient extrêmement optimistes.

Les années 1960 ont commencé, mais les progrès dans la création de l’intelligence artificielle n’ont pas progressé et l’enthousiasme a commencé à décliner. La communauté a sous-estimé la complexité de la tâche et, par conséquent, les prévisions optimistes des experts ne se sont pas réalisées. Le manque de perspectives dans ce domaine a contraint les gouvernements britannique et américain à réduire le financement de la recherche. Cette période est considérée comme le premier « hiver » de l’IA.

E Systèmes experts (ES)

Après une longue période de stagnation, l’IA a trouvé son application dans les systèmes dits experts.

Un ES est un programme qui peut répondre à des questions ou résoudre un problème dans un domaine spécifique. Ainsi, ils remplacent de vrais spécialistes. L'ES se compose de deux sous-programmes. La première s’appelle la base de connaissances et contient les informations nécessaires dans ce domaine. L'autre programme s'appelle le moteur d'inférence. Il applique les informations de la base de connaissances en fonction de la tâche à accomplir.

Les ES ont trouvé leur application dans des secteurs tels que les prévisions économiques, les examens médicaux, le diagnostic des défauts des appareils techniques, etc. L'un des ES actuellement connus est le projet WolframAlpha, créé pour résoudre des problèmes de mathématiques, de physique, de biologie, de chimie et bien d'autres. .d'autres sciences.

À la fin des années 80 et au début des années 90, avec l’avènement des premiers ordinateurs de bureau d’Apple et d’IBM, l’intérêt du public et des investisseurs pour l’IA a commencé à décliner. Un nouvel « hiver » a commencé…

Bleu profond

Après de nombreuses années de hauts et de bas, un événement important pour l'IA s'est produit : le 11 mai 1997, le superordinateur d'échecs Deep Blue, développé par IBM, a battu le champion du monde d'échecs Garry Kasparov dans un match de six parties avec un score de 3 ? à 2 heures ?.

Dans Deep Blue, le processus de recherche dans un arbre de coups d'échecs était divisé en trois étapes. Tout d’abord, le processeur principal a exploré les premiers niveaux de l’arbre du jeu d’échecs, puis a réparti les positions finales entre les processeurs auxiliaires pour une exploration plus approfondie. Les processeurs auxiliaires ont approfondi la recherche de quelques coups supplémentaires, puis ont distribué leurs positions finales aux processeurs d'échecs, qui, à leur tour, ont recherché les derniers niveaux de l'arbre. La fonction d'évaluation Deep Blue a été implémentée au niveau matériel - les processeurs d'échecs. La conception de la fonction d’évaluation matérielle comprenait environ 8 000 fonctionnalités de position personnalisables. Les valeurs des caractéristiques individuelles ont été combinées dans un score global, qui a ensuite été utilisé par Deep Blue pour évaluer la qualité des positions d'échecs visualisées.

En 1997, Deep Blue était classé 259e en puissance (11,38 GFLOPS). À titre de comparaison, le supercalculateur le plus rapide actuel possède 93 015 GFLOPS.

XXIème siècle

Au cours des deux dernières décennies, l’intérêt pour l’IA s’est considérablement accru. Le marché des technologies d'IA (matériel et logiciel) a atteint 8 milliards de dollars et, selon les experts d'IDC, atteindra 47 milliards de dollars d'ici 2020.

Ceci est facilité par l’émergence d’ordinateurs plus rapides et le développement rapide des technologies d’apprentissage automatique et de big data.

L'utilisation de réseaux de neurones artificiels a simplifié l'exécution de tâches telles que le traitement vidéo, l'analyse de texte, la reconnaissance vocale et les méthodes existantes de résolution de problèmes sont améliorées chaque année.

Projets DeepMind

En 2013, DeepMind a présenté son projet dans lequel il entraînait l'IA à jouer à des jeux pour la console Atari ainsi qu'aux humains, et même mieux. Pour cela, la méthode d'apprentissage par renforcement profond a été utilisée, ce qui a permis au réseau neuronal d'étudier le jeu de manière indépendante. Au début de l'entraînement, le système ne savait rien des règles du jeu, utilisant uniquement une image pixel du jeu et des informations sur les points reçus en entrée.

De plus, DeepMind développe l’IA pour enseigner des jeux plus complexes comme Starcraft 2. Ce jeu de stratégie en temps réel est également l’une des cyberdisciplines les plus populaires au monde. Contrairement aux jeux vidéo classiques, il existe beaucoup plus d'actions possibles, peu d'informations sur l'adversaire et la nécessité d'analyser des dizaines de tactiques possibles. Pour le moment, l'IA ne peut gérer que des mini-tâches simples, comme la création d'unités.

Il est impossible de ne pas mentionner un autre projet DeepMind appelé AlphaGo. En octobre 2015, le système a battu le champion européen de Go Fan Hui avec un score de 5 : 0. Un an plus tard, un nouveau match a eu lieu en Corée du Sud, où l'adversaire d'AlphaGo était l'un des meilleurs joueurs du monde, Lee Sedol. Au total, cinq parties ont été jouées, dont AlphaGo n'en a remporté que quatre. Malgré le haut niveau d'habileté démontré, le programme a tout de même commis une erreur lors du quatrième match. En 2017, un film sur AlphaGo est sorti, que nous recommandons de visionner. DeepMind a récemment annoncé la création d'une nouvelle génération d'AlphaGo Zero. Désormais, le programme apprend en jouant contre lui-même. Après trois jours de formation, AlphaGo Zero a battu sa version précédente avec un score de 100:0.

Conclusion

Jusqu'à présent, les systèmes d'IA sont hautement spécialisés, c'est-à-dire qu'ils accomplissent des tâches mieux que les humains uniquement dans des domaines spécifiques (par exemple, jouer au Go ou analyser des données). Nous sommes encore loin de créer une intelligence artificielle générale (à part entière) qui serait capable de remplacer complètement l’esprit humain et serait capable d’accomplir n’importe quelle tâche intellectuelle.

Traduit de l'article par Lev Alhazred

Soutenez le projet ai-news avec des roubles. Les machines croient en vous ! >>