Dirbtinio intelekto metodai. Dirbtinis intelektas: taikymo sritys

Terminas dirbtinis intelektas (DI) yra rusiškas angliško termino dirbtinis intelektas vertimas. Daugelis mokslininkų dirbtinio intelekto kūrėju laiko Alaną Turingą, garsiosios Tiuringo mašinos, tapusios vienu iš matematinių algoritmo apibrėžimų, autorių. 1950 metais anglų žurnalo „Mind“ straipsnyje „Computing Machinery and Intelligence“ (vertime į rusų kalbą straipsnis vadinosi „Ar mašina gali mąstyti?“) Alanas Turingas pasiūlė kriterijų, pagal kurį būtų galima nustatyti, ar mašina turi protinius sugebėjimus. Šis testas yra toks: žmogus ir mašina veda dialogą natomis, o teisėjas (asmuo), būdamas kitoje vietoje, iš natų turi nustatyti, kam jie priklauso – žmogui ar mašinai. Jei jam nepavyks, tai reikš, kad mašina sėkmingai išlaikė testą. Iki šiol tokio testo nepraėjo nei vienas automobilis.

Nėra vieno ir visuotinai priimto AI apibrėžimo. Tai nenuostabu, nes nėra universalaus žmogaus intelekto apibrėžimo.

AI yra kompiuterių mokslo sritis, kurioje pagrindinis dėmesys skiriamas kompiuterinių sistemų, kurios tradiciškai siejamos su natūraliu intelektu, kūrimui.

DI sritis paprastai apima daugybę algoritmų ir programinės įrangos sistemų, kurios gali išspręsti kai kurias problemas taip, kaip tai daro žmogus.

Pirmasis AI tyrimų žingsnis buvo žengtas natūralaus intelekto tyrimo kryptimi. Studijuojant šią problemą, buvo padaryta nemažai atradimų įvairiose žinių srityse. Taigi 1962 metais Frankas Rosenblattas pasiūlė smegenų modelius, imituojančius smegenyse vykstančius biofizinius procesus ir kurie buvo vadinami. perceptronai. Perceptronai yra įvairių tipų dirbtinių neuronų tinklai, pagrįsti 1943 m. Williamo McCullocho ir Walterio Pittso sukurtais modeliais.

Iš pradžių perceptronų tyrimas buvo susijęs su modelio atpažinimo problema, tačiau šiuo metu neuroniniai tinklai yra plačiai naudojami aproksimavimo, klasifikavimo ir modelių atpažinimo, prognozavimo, identifikavimo ir įvertinimo, asociatyvinės kontrolės problemoms spręsti. Neuroniniai tinklai yra žemo lygio žmogaus smegenų veiklos modeliai.

Kita natūralaus intelekto modeliavimo kryptis siejama su aukšto lygio žmogaus smegenų veiklos modelių kūrimu, leidžiančių imituoti samprotavimo ir sprendimų priėmimo procesus.

Apibendrinant galima teigti, kad intelektualaus žmogaus elgesio tyrimas paskatino euristinių metodų, modeliuojančių žmogaus veiklą probleminėje situacijoje atsiradimą ir programinės bei aparatinės įrangos, kuri įgyvendina šiuos metodus, sukūrimą, tai yra dirbtinio intelekto vystymąsi. vadinamos sistemos problemų sprendėjai.

Galima svarstyti ir kitą šių tyrimų rezultatą Kūrimas ekspertassistemos, tai yra dirbtinio intelekto sistemos, pagrįstos žmogaus eksperto žiniomis.

Taip pat specifiniai žmogaus veiklos bruožai dažniausiai apima gebėjimą atpažinti sudėtingus vaizdinius ir garsinius vaizdus, suprasti natūralias kalbas, mokytis, mąstyti ir daryti logiškas išvadas. Visos šios funkcijos pradėtos diegti dirbtinio intelekto sistemose.

Sovietų Sąjungoje dirbtinis intelektas buvo oficialiai pripažintas 1974 m., kai prie SSRS mokslų akademijos prezidiumo buvo įkurta „Dirbtinio intelekto“ problemos mokslinė taryba, nors Veniaminas šia kryptimi dirbo nuo šeštojo dešimtmečio. Puškinas, Dmitrijus Aleksandrovičius Pospelovas, Sergejus Maslovas, V. F. Turčinas.

Pirmieji teigiami rezultatai buvo gauti kontrolės teorijos srityje, nes šioje srityje iškilo nemažai problemų, kurioms tradiciniai metodai netiko dėl to, kad neįmanoma formalizuoti objekto valdymo tikslo ir neįmanoma nustatyti tikslių kiekybinių ryšių. tarp parametrų, turinčių įtakos valdymo procesui. Dėl atliktų darbų, loginiai-lingvistiniai modeliai, kuriose natūralios kalbos tekstai yra itin svarbūs. Tokiuose modeliuose, norint priimti sprendimus tvarkant objektus, semantinė informacija naudojama objekto modeliui, aplinkos modeliui ir sprendimų priėmimo blokui apibūdinti.

Žmogaus samprotavimų modeliavimas ir loginių išvadų atlikimas kompiuteriu tapo įmanomas dėl sprendimų paieškos metodų panaudojimo predikatiniuose skaičiavimuose. Šie metodai tapo bendrosios dedukcinių sistemų teorijos pagrindu. Be to, visos „kūrybinės problemos“ sprendžiamos intelektualiomis paieškomis aiškiai apibrėžtoje rinkinyje – fiksuotoje formalioje teorijoje, kuri yra matematinės logikos šaka ir kurioje realizuojamas sprendimų paieškos procesas.

Šiuo metu išskiriamos šios dirbtinio intelekto tyrimų plėtros sritys:

Žiniomis pagrįstų sistemų kūrimas. Šios krypties tikslas – imituoti žmogaus gebėjimus nestruktūrizuotų ir pusiau struktūruotų problemų analizės srityje. Šioje mokslinių tyrimų srityje kuriami žinių reprezentavimo, paieškos ir struktūrizavimo modeliai bei kūrimo problemos. žinių bazės(BZ). Ši sistemų klasė taip pat apima ekspertų sistemos(ES).

Natūralios kalbos sąsajų ir mašininio vertimo kūrimas. Šios sistemos yra sukurtos kaip intelektualios sistemos, nes jos yra pagrįstos žinių baze tam tikroje dalykinėje srityje ir sudėtingais modeliais, teikiančiais vertimą „šaltinio kalba – prasmės kalba – tikslinė kalba“. Šie modeliai paremti nuoseklia natūralios kalbos pranešimų analize ir sinteze bei asociatyvia panašių teksto fragmentų ir jų vertimų paieška specialiuose duomenų bazės

(BD).

Kalbos generavimas ir atpažinimas. Sprendžiamos foneminių tekstų apdorojimo, analizės ir sintezės problemos.

Vizualinis informacijos apdorojimas. Sprendžiamos vaizdo apdorojimo, analizės ir sintezės problemos. Analizės užduotyje originalūs vaizdai paverčiami kito tipo duomenimis, pavyzdžiui, tekstiniais aprašymais. Sintezuojant vaizdus, vaizdo konstravimo algoritmai naudojami kaip įvesties informacija, o grafiniai objektai yra išvesties duomenys. Mokymas ir savarankiškas mokymasis. Ši AI sritis apima modelius, metodus ir algoritmus, kurie įgyvendina automatinį žinių kaupimą ir generavimą naudojant žinių analizės ir apibendrinimo procedūras. Ši sritis apima sistemas(duomenų gavyba- Duomenys) kasyba ir sistemosmodelių paieška kompiuterinėse duomenų bazėse ( Žinios) .

Rašto atpažinimas. Šablonų atpažinimas atliekamas naudojant specialius matematinius modelius, kurie užtikrina objektų priskyrimą klasėms, kurios apibūdinamos tam tikrų savybių reikšmių rinkiniais.

Žaidimai ir mašinų kūrybiškumas. Ši sritis apima kompiuterinės muzikos, poezijos kūrimo, naujų objektų išradimo sistemas, taip pat intelektualius kompiuterinius žaidimus.

AI sistemų programinė įranga. Ši sritis apima įrankius, skirtus intelektualioms sistemoms kurti, įskaitant specialias programavimo kalbas, nukreiptą į simbolinį informacijos apdorojimą (LISP, SMALLTALK, REFAL), loginio programavimo kalbas (PROLOG), žinių atvaizdavimo kalbas (OPS5, KRL, FRL), programinės įrangos aplinkų (KE,ARTS,GURU,G2), taip pat ekspertinių sistemų apvalkalų (BUILD,EMYGIN,EXSYSProfessional, EXPERT) integravimas.

Naujos kompiuterių architektūros. Ši kryptis siejama su kompiuterių, kurie nėra fon Neumann architektūros, orientuoti į simbolinės informacijos apdorojimą, kūrimu.

Yra žinomi sėkmingi pramoniniai lygiagrečių ir vektorinių kompiuterių sprendimai, tačiau šiuo metu jie yra labai brangūs ir nepakankamai suderinami su esamais skaičiavimo įrankiais.

Protingi robotai. Šiuo metu ši AI sritis labai sparčiai vystosi. Didelė pažanga padaryta kuriant buitinius robotus, kosmoso tyrimuose naudojamus robotus, medicinos robotus.

Preambulėje cituojamas dirbtinio intelekto apibrėžimas, kurį 1956 metais Dartmuto universitete vykusioje konferencijoje pateikė Johnas McCarthy, nėra tiesiogiai susijęs su žmogaus intelekto supratimu. McCarthy teigimu, dirbtinio intelekto tyrėjai gali laisvai naudoti žmonėms nematomus metodus, jei reikia, kad išspręstų konkrečias problemas.

Kartu egzistuoja požiūris, pagal kurį intelektas gali būti tik biologinis reiškinys. Kaip pažymi Rusijos dirbtinio intelekto asociacijos Sankt Peterburgo skyriaus pirmininkas T. A. Gavrilova, anglų kalba frazė dirbtinis intelektas neturi to šiek tiek fantastiško antropomorfinio kolorito, kurį įgijo gana nesėkmingame vertime į rusų kalbą. Žodis intelektas reiškia „gebėjimą racionaliai mąstyti“, o ne „intelektą“, kuriam yra angliškas analogas .

intelektas

Vienas iš konkrečių intelekto apibrėžimų, būdingų žmogui ir „mašinai“, gali būti suformuluotas taip: „Intelektas yra sistemos gebėjimas savarankiškai mokymosi metu kurti programas (pirmiausia euristines) tam tikros klasės problemoms spręsti. sudėtingumo ir išspręsti šias problemas.

Prielaidos dirbtinio intelekto mokslo plėtrai

Dirbtinio intelekto, kaip naujos mokslo krypties, istorija prasideda XX amžiaus viduryje. Iki to laiko jau buvo suformuota daug prielaidų jo atsiradimui: tarp filosofų jau seniai vyko diskusijos apie žmogaus prigimtį ir pasaulio supratimo procesą, neurofiziologai ir psichologai sukūrė daugybę teorijų apie žmogaus smegenų darbą. ir mąstantys, ekonomistai ir matematikai uždavinėjo klausimus apie optimalius skaičiavimus ir žinių apie pasaulį pateikimą formalizuota forma; galiausiai gimė matematinės skaičiavimų teorijos – algoritmų teorijos – pagrindas ir buvo sukurti pirmieji kompiuteriai.

Naujų mašinų galimybės skaičiavimo spartos prasme pasirodė didesnės nei žmonių, todėl mokslo bendruomenėje iškilo klausimas: kokios yra kompiuterių galimybių ribos ir ar mašinos pasieks žmogaus išsivystymo lygį? 1950 m. vienas iš kompiuterijos pradininkų, anglų mokslininkas Alanas Turingas, parašė straipsnį pavadinimu „Ar mašina gali mąstyti? , kuriame aprašoma procedūra, pagal kurią bus galima nustatyti momentą, kada mašina intelekto prasme prilygs žmogui, vadinamą Tiuringo testu.

Dirbtinio intelekto raidos istorija SSRS ir Rusijoje

SSRS dirbtinio intelekto srityje pradėta dirbti septintajame dešimtmetyje. Nemažai novatoriškų studijų buvo atlikta Maskvos universitete ir Mokslų akademijoje, kurioms vadovavo Veniamin Puškin ir D. A. Pospelovas. Nuo septintojo dešimtmečio pradžios M. L. Tsetlinas ir jo kolegos kūrė klausimus, susijusius su baigtinių būsenų mašinų mokymu.

1964 m. buvo paskelbtas Leningrado logiko Sergejaus Maslovo darbas „Atvirkštinis išvestiškumo nustatymo metodas klasikiniuose predikatų skaičiavimuose“, kuriame jis pirmasis pasiūlė metodą, leidžiantį automatiškai ieškoti teoremų įrodymų predikatų skaičiavime.

Iki aštuntojo dešimtmečio SSRS visi AI tyrimai buvo atliekami kibernetikos rėmuose. Anot D. A. Pospelovo, mokslai „kompiuteri mokslas“ ir „kibernetika“ tuo metu maišėsi dėl daugybės akademinių ginčų. Tik aštuntojo dešimtmečio pabaigoje SSRS jie pradėjo kalbėti apie mokslinę kryptį „dirbtinis intelektas“ kaip kompiuterių mokslo šaką. Tuo pačiu metu gimė ir pats kompiuterių mokslas, pajungęs savo protėvį „kibernetikai“. Aštuntojo dešimtmečio pabaigoje buvo sukurtas aiškinamasis dirbtinio intelekto žodynas, trijų tomų žinynas apie dirbtinį intelektą ir enciklopedinis informatikos žodynas, į kurį kartu su kitais yra įtraukti skyriai „Kibernetika“ ir „Dirbtinis intelektas“. skyriuose, informatikos srityje. Sąvoka „kompiuterijos mokslas“ plačiai paplito devintajame dešimtmetyje, o terminas „kibernetika“ pamažu išnyko iš apyvartos, likdamas tik tų institucijų pavadinimuose, kurios atsirado „kibernetikos bumo“ eroje šeštojo dešimtmečio pabaigoje - septintojo dešimtmečio pradžioje. Tokio požiūrio į dirbtinį intelektą, kibernetiką ir kompiuterių mokslą laikosi ne visi. Taip yra dėl to, kad Vakaruose šių mokslų ribos yra kiek kitokios.

Privažiavimai ir kryptys

Požiūriai į problemos supratimą

Vieno atsakymo į klausimą, ką veikia dirbtinis intelektas, nėra. Beveik kiekvienas autorius, rašantis knygą apie AI, pradeda nuo tam tikro apibrėžimo, atsižvelgdamas į šio mokslo pasiekimus.

iš viršaus į apačią (angl. Top-Down AI), semiotinė – ekspertinių sistemų, žinių bazių ir loginių išvadų sistemų kūrimas, imituojančių aukšto lygio psichinius procesus: mąstymą, samprotavimą, kalbą, emocijas, kūrybiškumą ir kt.;
Bottom-Up AI), biologinis – neuroninių tinklų ir evoliucinių skaičiavimų, modeliuojančių intelektualų elgesį remiantis biologiniais elementais, tyrimas, taip pat atitinkamų skaičiavimo sistemų, tokių kaip neurokompiuteris ar biokompiuteris, kūrimas.

Pastarasis požiūris, griežtai tariant, nepriklauso AI mokslui Johno McCarthy pateikta prasme – juos vienija tik bendras galutinis tikslas.

Turingo testas ir intuityvus požiūris

Šis metodas orientuotas į tuos metodus ir algoritmus, kurie padės protingam agentui išgyventi savo aplinkoje, atliekant savo užduotį. Taigi, čia kelio paieškos ir sprendimų priėmimo algoritmai yra tyrinėjami daug atidžiau.

Hibridinis požiūris

Hibridinis požiūris daro prielaidą, kad tik sinergetiniu neuroninių ir simbolinių modelių deriniu pasiekiamas visas pažinimo ir skaičiavimo galimybių spektras. Pavyzdžiui, ekspertų išvadų taisyklės gali būti generuojamos neuroniniais tinklais, o generatyvinės taisyklės gaunamos naudojant statistinį mokymąsi. Šio požiūrio šalininkai mano, kad hibridinės informacinės sistemos bus daug stipresnės nei įvairių sąvokų suma atskirai.

Tyrimo modeliai ir metodai

Simbolinis mąstymo procesų modeliavimas

Analizuodami AI istoriją, galime nustatyti tokią plačią sritį kaip modeliuojantis samprotavimą. Daugelį metų šio mokslo raida judėjo būtent šiuo keliu, o dabar tai yra viena labiausiai išsivysčiusių šiuolaikinio AI sričių. Modeliuojantis samprotavimas apima simbolinių sistemų kūrimą, kurių įvestis yra nustatyta tam tikram uždaviniui, o išvestis reikalauja jos sprendimo. Paprastai siūloma problema jau formalizuota, tai yra išversta į matematinę formą, bet arba neturi sprendimo algoritmo, arba ji per sudėtinga, daug laiko reikalaujanti ir pan. Ši sritis apima: teoremų įrodinėjimą, sprendimų priėmimą. ir žaidimų teorija, planavimas ir išsiuntimas, prognozavimas.

Darbas su natūraliomis kalbomis

Svarbi kryptis yra natūralios kalbos apdorojimas, kurios metu atliekama tekstų „žmogiška“ kalba supratimo, apdorojimo ir generavimo galimybių analizė. Šia kryptimi siekiama natūralią kalbą apdoroti taip, kad žinių būtų galima įgyti savarankiškai, skaitant esamą internete esantį tekstą. Kai kurios tiesioginės natūralios kalbos apdorojimo programos apima informacijos gavimą (įskaitant giliųjų tekstų gavybą) ir mašininį vertimą.

Žinių vaizdavimas ir panaudojimas

Kryptis žinių inžinerija derina žinių gavimo iš paprastos informacijos, jų sisteminimo ir panaudojimo užduotis. Ši kryptis istoriškai siejama su kūryba ekspertų sistemos- programas, kurios naudoja specializuotas žinių bazes, kad gautų patikimas išvadas dėl bet kokios problemos.

Žinių gavimas iš duomenų yra viena iš pagrindinių duomenų gavybos problemų. Yra įvairių šios problemos sprendimo būdų, įskaitant tuos, kurie pagrįsti neuronų tinklo technologija, naudojant neuroninio tinklo verbalizacijos procedūras.

Mašininis mokymasis

Problemos mašininis mokymasis susiję su procesu nepriklausomasžinių įgijimas intelektualiai sistemai jos veikimo procese. Ši kryptis buvo pagrindinė nuo pat AI kūrimo pradžios. 1956 m. Dartmundo vasaros konferencijoje Ray'us Solomonoffas parašė pranešimą apie tikimybinę neprižiūrimą mokymosi mašiną, pavadinęs ją „Indukcinės išvados mašina“.

Robotika

Mašinų kūrybiškumas

Žmogaus kūrybiškumo prigimtis ištirta dar mažiau nei intelekto prigimtis. Vis dėlto ši sritis egzistuoja, čia keliamos kompiuterinės muzikos, literatūros kūrinių (dažnai poezijos ar pasakų), meninės kūrybos problemos. Realistiškų vaizdų kūrimas plačiai naudojamas filmų ir žaidimų pramonėje.

Atskirai išsiskiria dirbtinio intelekto sistemų techninio kūrybiškumo problemų tyrimas. Išradimo problemų sprendimo teorija, kurią 1946 metais pasiūlė G. S. Altshuller, pažymėjo tokių tyrimų pradžią.

Šios galimybės įtraukimas į bet kurią išmaniąją sistemą leidžia labai aiškiai parodyti, ką tiksliai sistema suvokia ir kaip tai supranta. Vietoj trūkstamos informacijos pridėjus triukšmą arba filtruojant triukšmą su sistemoje turimomis žiniomis, abstrakčios žinios sukuriamos į konkrečius vaizdus, kuriuos žmogus lengvai suvokia, o tai ypač naudinga intuityvioms ir menkavertėms žinioms, kurių patikrinimas formali forma reikalauja didelių protinių pastangų.

Kitos tyrimų sritys

Galiausiai, yra daug dirbtinio intelekto pritaikymų, kurių kiekvienas sudaro beveik nepriklausomą sritį. Pavyzdžiui, programavimo intelektas kompiuteriniuose žaidimuose, netiesinis valdymas, intelektualios informacijos apsaugos sistemos.

Ateityje daroma prielaida, kad dirbtinio intelekto vystymasis bus glaudžiai susijęs su kvantinio kompiuterio kūrimu, nes kai kurios dirbtinio intelekto savybės turi panašius veikimo principus kaip ir kvantiniai kompiuteriai.

Matyti, kad daugelis tyrimų sričių sutampa. Tai būdinga bet kuriam mokslui. Tačiau dirbtinio intelekto srityje ryšys tarp iš pažiūros skirtingų sričių yra ypač stiprus, ir tai siejama su filosofinėmis diskusijomis apie stiprų ir silpną AI.

Šiuolaikinis dirbtinis intelektas

Galima išskirti dvi AI vystymosi kryptis:

spręsti problemas, susijusias su specializuotų AI sistemų priartinimu prie žmogaus galimybių ir jų integracijos, kurią įgyvendina žmogaus prigimtis ( žr. Intelekto stiprinimas);
dirbtinio intelekto sukūrimas, atspindintis jau sukurtų AI sistemų integravimą į vieną sistemą, galinčią išspręsti žmonijos problemas ( žr. Stiprus ir silpnas dirbtinis intelektas).

Tačiau šiuo metu dirbtinio intelekto srityje dalyvauja daugybė dalykų, kurie turi praktinį ryšį su AI, o ne esminį. Išbandyta daug metodų, tačiau nė viena tyrimų grupė dar nepriartėjo prie dirbtinio intelekto atsiradimo. Žemiau yra tik keletas žinomiausių AI srities pokyčių.

Taikymas

Kai kurios iš žinomiausių AI sistemų yra:

Dirbtinio intelekto sistemas (AI) bankai naudoja draudimo veikloje (aktuarinė matematika), žaisdami biržoje ir valdydami turtą. Modelių atpažinimo metodai (įskaitant tiek sudėtingesnius, tiek specializuotus ir neuroninius tinklus) plačiai naudojami optiniame ir akustiniame atpažinimo (įskaitant tekstą ir kalbą), medicininėje diagnostikoje, šiukšlių filtruose, oro gynybos sistemose (taikinio identifikavimas), taip pat siekiant užtikrinti kitų nacionalinio saugumo užduočių skaičius.

Psichologija ir pažinimo mokslas

Kognityvinio modeliavimo metodika skirta analizuoti ir priimti sprendimus netinkamai apibrėžtose situacijose. Jį pasiūlė Axelrodas.

Jis pagrįstas subjektyvių ekspertų idėjų apie situaciją modeliavimu ir apima: situacijos struktūrizavimo metodiką: modelį, skirtą eksperto žinioms atvaizduoti pasirašyto dvigrafo (kognityvinio žemėlapio) pavidalu (F, W), kur F yra situacijos veiksnių visuma, W – priežasties ir pasekmės ryšių tarp situacijos veiksnių visuma; situacijos analizės metodai. Šiuo metu kognityvinio modeliavimo metodika tobulinama situacijos analizės ir modeliavimo aparato tobulinimo kryptimi. Čia siūlomi situacijos raidos prognozavimo modeliai; atvirkštinių problemų sprendimo būdai.

Filosofija

Mokslas apie „dirbtinio intelekto kūrimą“ negalėjo nepatraukti filosofų dėmesio. Atsiradus pirmosioms protingoms sistemoms, buvo iškelti esminiai klausimai apie žmogų ir žinias, o iš dalies ir apie pasaulio tvarką.

Filosofinės dirbtinio intelekto kūrimo problemos gali būti suskirstytos į dvi grupes, santykinai kalbant, „prieš ir po AI vystymosi“. Pirmoji grupė atsako į klausimą: „Kas yra AI, ar įmanoma jį sukurti ir, jei įmanoma, kaip tai padaryti? Antroji grupė (dirbtinio intelekto etika) užduoda klausimą: „Kokios yra AI sukūrimo pasekmės žmonijai?

Terminą „stiprus dirbtinis intelektas“ įvedė Johnas Searle'as, o požiūris apibūdinamas jo žodžiais:

Be to, tokia programa nebūtų tiesiog proto modelis; ji, tiesiogine to žodžio prasme, pati bus protas, ta pačia prasme, kuria žmogaus protas yra protas.

Tuo pačiu metu būtina suprasti, ar įmanomas „grynas dirbtinis“ protas („metamind“), suprantantis ir sprendžiantis tikras problemas ir tuo pačiu neturintis žmogui būdingų emocijų, reikalingų jo individualiam išgyvenimui. [ ] .

Priešingai, silpno AI šalininkai į programas žiūri tik kaip į įrankius, leidžiančius joms išspręsti tam tikras problemas, kurioms nereikia visų žmogaus pažintinių gebėjimų.

Etika

Kiti tradiciniai tikėjimai retai apibūdina AI problemas. Tačiau kai kurie teologai vis dėlto atkreipia į tai dėmesį. Pavyzdžiui, arkivyskupas Michailas Zacharovas, argumentuodamas krikščioniškosios pasaulėžiūros požiūriu, kelia tokį klausimą: „Žmogus yra racionaliai laisva būtybė, sukurta Dievo pagal savo paveikslą ir panašumą. Esame įpratę visus šiuos apibrėžimus priskirti biologinei Homo Sapiens rūšiai. Bet kiek tai pagrįsta? . Į šį klausimą jis atsako taip:

Jei manytume, kad tyrimai dirbtinio intelekto srityje kada nors lems dirbtinės būtybės, kuri intelektu pranašesnė už žmones ir turi laisvą valią, atsiradimą, ar tai reikštų, kad ši būtybė yra asmuo? ... žmogus yra Dievo kūrinys. Ar galime šią būtybę vadinti Dievo kūriniu? Iš pirmo žvilgsnio tai žmogaus kūrinys. Tačiau net ir kuriant žmogų vargu ar verta pažodžiui suprasti, kad Dievas savo rankomis iš molio nulipdė pirmąjį žmogų. Tai tikriausiai alegorija, nurodanti žmogaus kūno, sukurto Dievo valia, materialumą. Bet be Dievo valios niekas nevyksta šiame pasaulyje. Žmogus, kaip šio pasaulio bendrakūrėjas, gali, vykdydamas Dievo valią, kurti naujus kūrinius. Tokias būtybes, sukurtus žmogaus rankomis pagal Dievo valią, tikriausiai galima vadinti Dievo kūriniais. Juk žmogus kuria naujas gyvūnų ir augalų rūšis. O augalus ir gyvūnus laikome Dievo kūriniais. Tą patį galima taikyti ir dirbtinei nebiologinio pobūdžio būtybei.

Mokslinė fantastika

DI tema Roberto Heinleino darbuose nagrinėjama iš skirtingų pusių: AI savimonės atsiradimo hipotezė, kai struktūra tampa sudėtingesnė peržengus tam tikrą kritinį lygį ir vyksta sąveika su išoriniu pasauliu ir kitais AI nešėjais. intelektas („The Moon Is a Harsh Mistress“, „Time Enough For Love“, „Ateities istorijos“ serijos veikėjai Mycroft, Dora ir Aya), AI vystymosi problemos po hipotetinės savimonės ir kai kurios socialinės bei etinės problemos („penktadienis“). Socialinės-psichologinės žmogaus sąveikos su dirbtiniu intelektu problemos nagrinėjamos ir Philipo K. Dicko romane „Ar androidai svajoja apie elektrines avis? “, taip pat žinomas dėl „Blade Runner“ ekranizacijos.

Mokslinės fantastikos rašytojo ir filosofo Stanislovo Lemo kūriniai aprašo ir iš esmės numato virtualios realybės, dirbtinio intelekto, nanorobotų ir daugelio kitų dirbtinio intelekto filosofijos problemų kūrimą. Ypač verta atkreipti dėmesį į Sum technologijos futurologiją. Be to, Iyon the Quiet nuotykiuose ne kartą aprašomi gyvų būtybių ir mašinų santykiai: borto kompiuterio maištas su vėlesniais netikėtais įvykiais (11-oji kelionė), robotų prisitaikymas žmonių visuomenėje („The Washing“). Tragedija“ iš „Ijono Tyliojo atsiminimų“), absoliučios tvarkos kūrimas planetoje apdorojant gyvus gyventojus (24-oji kelionė), Korkorano ir Diagoro išradimai („Tyliojo Ijono atsiminimai“), psichiatrijos klinika robotams ( „Ijono Tyliojo atsiminimai“). Be to, yra visas ciklas romanų ir apsakymų „Kiberiada“, kur beveik visi veikėjai yra robotai, tolimi nuo žmonių pabėgusių robotų palikuonys (žmones vadina blyškiais ir laiko mitinėmis būtybėmis).

Filmai

Beveik nuo septintojo dešimtmečio, kartu su mokslinės fantastikos istorijų ir romanų rašymu, buvo kuriami filmai apie dirbtinį intelektą. Daugelis visame pasaulyje pripažintų autorių istorijų yra nufilmuotos ir tampa žanro klasika, kitos tampa raidos etapu.

Nurodo: „Problema ta, kad iki šiol negalime apskritai nustatyti, kurias skaičiavimo procedūras norime vadinti protingomis. Mes suprantame vienus intelekto mechanizmus, o kitų nesuprantame. Todėl intelektas šiame moksle reiškia tik kompiuterinį gebėjimo pasiekti tikslus pasaulyje komponentą.

intelektas

Paprasčiausia elektronika dažnai vadinama dirbtiniu intelektu, rodančiu jutiklių buvimą ir automatinį darbo režimų pasirinkimą. Žodis dirbtinis šiuo atveju reiškia, kad nereikėtų tikėtis, kad sistema sugebės rasti naują veikimo režimą kūrėjų nenumatytoje situacijoje.

Prielaidos dirbtinio intelekto mokslo plėtrai

Naujų mašinų galimybės skaičiavimo spartos prasme pasirodė didesnės nei žmonių, tad į mokslo bendruomenę įsivėlė klausimas: kokios yra kompiuterių galimybių ribos ir ar mašinos pasieks žmogaus išsivystymo lygį? 1950 m. vienas iš kompiuterijos pradininkų, anglų mokslininkas Alanas Turingas, parašė straipsnį pavadinimu „Ar mašina gali mąstyti? , kuriame aprašoma procedūra, pagal kurią bus galima nustatyti momentą, kada mašina intelekto prasme prilygs žmogui, vadinamą Tiuringo testu.

Dirbtinio intelekto raidos istorija SSRS ir Rusijoje

SSRS dirbtinio intelekto srityje pradėta dirbti septintajame dešimtmetyje. Maskvos universitete ir Mokslų akademijoje buvo atlikta nemažai novatoriškų studijų, kurioms vadovavo Veniamin Puškin ir D. A. Pospelovas.

Privažiavimai ir kryptys

Požiūriai į problemos supratimą

mažėjantis (anglų k.) AI iš viršaus į apačią), semiotinė – ekspertinių sistemų, žinių bazių ir loginių išvadų sistemų, imituojančių aukšto lygio psichinius procesus: mąstymą, samprotavimą, kalbą, emocijas, kūrybiškumą ir kt., kūrimas;
didėjantis (anglų k.) AI iš apačios į viršų), biologinis – neuroninių tinklų ir evoliucinių skaičiavimų, kurie modeliuoja intelektualų elgesį remiantis biologiniais elementais, tyrimas, taip pat atitinkamų skaičiavimo sistemų, tokių kaip neurokompiuteris ar biokompiuteris, kūrimas.

Pastarasis požiūris, griežtai tariant, nepriklauso AI mokslui Johno McCarthy pateikta prasme – juos vienija tik bendras galutinis tikslas.

Turingo testas ir intuityvus požiūris

Empirinį testą pasiūlė Alanas Turingas savo darbe „Computing Machines and Minds“. Skaičiavimo mašinos ir intelektas ), paskelbtas 1950 m. filosofiniame žurnale " Protas“ Šio testo tikslas – nustatyti žmogui artimą dirbtinio mąstymo galimybę.

Standartinis šio testo aiškinimas yra toks: Žmogus bendrauja su vienu kompiuteriu ir su vienu žmogumi. Pagal atsakymus į klausimus jis turi nustatyti, su kuo kalba: su žmogumi ar kompiuterine programa. Kompiuterinės programos tikslas – suklaidinti žmogų, kad jis pasirinktų neteisingai.“ Visi testo dalyviai negali matyti vienas kito.

Bendriausias požiūris daro prielaidą, kad dirbtinis intelektas įprastose situacijose sugebės elgtis kaip žmogus. Ši idėja yra Turingo testo metodo apibendrinimas, teigiantis, kad mašina taps protinga, kai galės kalbėtis su paprastu žmogumi, o jis nesugebės suprasti, kad kalbasi su mašina ( pokalbis vyksta susirašinėjant).
Mokslinės fantastikos rašytojai dažnai siūlo kitą požiūrį: AI atsiras, kai mašina sugebės jausti ir kurti. Taigi, Andrew Martin savininkas iš „Bicentennial Man“ pradeda elgtis su juo kaip su žmogumi, kai sukuria žaislą pagal savo dizainą. O „Star Trek“ duomenys, gebantys bendrauti ir mokytis, svajoja įgyti emocijų ir intuicijos.

Tačiau atidžiau panagrinėjus pastarasis požiūris vargu ar atlaiko kritiką. Pavyzdžiui, nesunku sukurti mechanizmą, kuris įvertins tam tikrus išorinės ar vidinės aplinkos parametrus ir reaguos į nepalankias jų vertes. Apie tokią sistemą galima sakyti, kad ji turi jausmų („skausmas“ – tai reakcija į suveikiantį smūgio jutiklį, „alkis“ – reakcija į žemą baterijos įkrovą ir pan.). O „Kohonen“ kortelių ir daugelio kitų „protingų“ sistemų gaminių sukurtus klasterius galima laikyti kūrybiškumo rūšimi.

Simbolinis požiūris

Istoriškai simbolinis požiūris buvo pirmasis skaitmeninių mašinų eroje, nes būtent po Lisp, pirmosios simbolinės skaičiavimo kalbos, sukūrimo jos autorius įsitikino, kad gali praktiškai pradėti įgyvendinti šias intelekto priemones. Simbolinis požiūris leidžia operuoti su silpnai formalizuotomis reprezentacijomis ir jų reikšmėmis.

Naujų problemų sprendimo sėkmė ir efektyvumas priklauso nuo gebėjimo išskirti tik esminę informaciją, o tai reikalauja abstrakcijos metodų lankstumo. Tuo tarpu įprastinė programa nustato savo duomenų interpretavimo būdą, todėl jos darbas atrodo šališkas ir visiškai mechaniškas. Tokiu atveju intelektualią problemą sprendžia tik žmogus, analitikas ar programuotojas, negalėdamas to patikėti mašinai. Dėl to sukuriamas vienas abstrakcijos modelis – konstruktyvių esybių ir algoritmų sistema. O lankstumas ir universalumas lemia didelių išteklių sąnaudas netipinėms užduotims, tai yra, sistema grįžta nuo žvalgybos prie brutalios jėgos.

Pagrindinis simbolinio skaičiavimo bruožas yra naujų taisyklių kūrimas programos vykdymo metu. Tuo tarpu neprotingų sistemų galimybės baigiasi prieš pat galimybę bent identifikuoti naujai kylančius sunkumus. Be to, šie sunkumai neišsprendžiami ir, galiausiai, kompiuteris pats tokių gebėjimų nepagerina.

Simbolinio požiūrio trūkumas – tokias atviras galimybes nepasiruošę žmonės suvokia kaip priemonių trūkumą. Šią gana kultūrinę problemą iš dalies išsprendžia loginis programavimas.

Logiškas požiūris

Loginis požiūris į dirbtinio intelekto sistemų kūrimą yra skirtas sukurti ekspertines sistemas su loginiais žinių bazių modeliais naudojant predikatinę kalbą.

Kalbos ir loginio programavimo sistema Prolog buvo priimta kaip dirbtinio intelekto sistemų mokymo modelis devintajame dešimtmetyje. Žinių bazės, parašytos Prolog kalba, yra faktų ir loginių išvadų taisyklių rinkiniai, parašyti loginių predikatų kalba.

Loginis žinių bazių modelis leidžia įrašyti ne tik konkrečią informaciją ir duomenis faktų pavidalu Prolog kalba, bet ir apibendrintą informaciją naudojant loginių išvadų taisykles ir procedūras, įskaitant logines taisykles, skirtas apibrėžti sąvokas, kurios tam tikras žinias išreiškia kaip specifines. ir apibendrinta informacija.

Apskritai dirbtinio intelekto problemų tyrimai, vadovaujantis loginiu požiūriu į žinių bazių ir ekspertinių sistemų kūrimą, yra skirti intelektualių informacinių sistemų kūrimui, kūrimui ir veikimui, įskaitant studentų ir moksleivių mokymo problemas. kaip tokių išmaniųjų informacinių sistemų naudotojų ir kūrėjų mokymas.

Agentu pagrįstas požiūris

Naujausias metodas, sukurtas nuo 1990-ųjų pradžios, vadinamas agentu pagrįstas požiūris, arba požiūris, pagrįstas protingų (racionalių) agentų naudojimu. Remiantis šiuo požiūriu, intelektas yra skaičiavimo dalis (grubiai tariant, planavimas) gebėjimo pasiekti išmaniajai mašinai keliamus tikslus. Pati tokia mašina bus išmanusis agentas, suvokiantis aplinkinį pasaulį naudodamas jutiklius ir galintis paveikti aplinkoje esančius objektus naudodamas pavaras.

Šis metodas orientuotas į tuos metodus ir algoritmus, kurie padės intelektualiajam agentui išgyventi aplinkoje atliekant savo užduotį. Taigi čia daug atidžiau tyrinėjami kelio paieškos ir sprendimų priėmimo algoritmai.

Hibridinis požiūris

Pagrindinis straipsnis: Hibridinis požiūris

Tyrimo modeliai ir metodai

Simbolinis mąstymo procesų modeliavimas

Pagrindinis straipsnis: Modeliavimo samprotavimas

Analizuodami AI istoriją, galime nustatyti tokią plačią sritį kaip modeliuojantis samprotavimą. Daugelį metų šio mokslo raida judėjo būtent šiuo keliu, o dabar tai yra viena labiausiai išsivysčiusių šiuolaikinio AI sričių. Modeliuojantis samprotavimas apima simbolinių sistemų kūrimą, kurių įvestis yra tam tikra problema, o išvestis reikalauja jos sprendimo. Paprastai siūloma problema jau formalizuota, ty išversta į matematinę formą, bet arba neturi sprendimo algoritmo, arba ji per sudėtinga, daug laiko reikalaujanti ir pan. Ši sritis apima: teoremų įrodinėjimą, sprendimų priėmimą. ir žaidimų teorija, planavimas ir išsiuntimas , prognozavimas .

Darbas su natūraliomis kalbomis

Žinių vaizdavimas ir panaudojimas

Mašininis mokymasis

Problemos mašininis mokymasis susiję su procesu nepriklausomasžinių įgijimas intelektualiai sistemai jos veikimo procese. Ši kryptis buvo pagrindinė nuo pat AI kūrimo pradžios. 1956 m. Dartmundo vasaros konferencijoje Ray Solomonoff parašė pranešimą apie tikimybinę neprižiūrimą mokymosi mašiną, pavadinęs ją „indukciniu išvadų varikliu“.

Robotika

Pagrindinis straipsnis: Išmanioji robotika

Mašinų kūrybiškumas

Pagrindinis straipsnis: Mašinų kūrybiškumas

Kitos tyrimų sritys

Šiuolaikinis dirbtinis intelektas

Galima išskirti dvi AI vystymosi kryptis:

spręsti problemas, susijusias su specializuotų AI sistemų priartinimu prie žmogaus galimybių ir jų integracijos, kurią įgyvendina žmogaus prigimtis ( žr. Intelekto stiprinimas);
dirbtinio intelekto sukūrimas, atspindintis jau sukurtų AI sistemų integravimą į vieną sistemą, galinčią išspręsti žmonijos problemas ( žr. Stiprus ir silpnas dirbtinis intelektas).

Taikymas

RoboCup turnyras

Kai kurios iš žinomiausių AI sistemų yra:

Psichologija ir pažinimo mokslas

Kognityvinio modeliavimo metodika skirta analizuoti ir priimti sprendimus netinkamai apibrėžtose situacijose. Jį pasiūlė Axelrodas.

Filosofija

Terminą „stiprus dirbtinis intelektas“ įvedė Johnas Searle'as, o požiūris apibūdinamas jo žodžiais:

Be to, tokia programa nebūtų tiesiog proto modelis; ji, tiesiogine to žodžio prasme, pati bus protas, ta pačia prasme, kuria žmogaus protas yra protas.

Priešingai, silpno AI šalininkai į programas žiūri tik kaip į įrankius, leidžiančius joms išspręsti tam tikras problemas, kurioms nereikia visų žmogaus pažintinių gebėjimų.

Etika

Mokslinė fantastika

Mokslinės fantastikos rašytojo ir filosofo Stanislovo Lemo kūriniai aprašo ir iš esmės numato virtualios realybės, dirbtinio intelekto, nanorobotų ir daugelio kitų dirbtinio intelekto filosofijos problemų kūrimą. Ypač verta atkreipti dėmesį į technologijų sumos futurologiją. Be to, Ijono Tyliojo nuotykiuose ne kartą aprašomi gyvų būtybių ir mašinų santykiai: borto kompiuterio maištas su vėlesniais netikėtais įvykiais (11-oji kelionė), robotų prisitaikymas žmonių visuomenėje („The Washing“). Tragedija“ iš „Ijono Tyliojo atsiminimų“), absoliučios tvarkos kūrimas planetoje apdorojant gyvus gyventojus (24-oji kelionė), Korkorano ir Diagoro išradimai („Tyliojo Ijono atsiminimai“), robotų psichiatrijos klinika. („Ijono Tyliojo atsiminimai“). Be to, yra visas ciklas romanų ir apsakymų „Kiberiada“, kur beveik visi veikėjai yra robotai, tolimi nuo žmonių pabėgusių robotų palikuonys (žmones vadina blyškiais ir laiko mitinėmis būtybėmis).

Filmai

Beveik nuo šeštojo dešimtmečio, kartu su mokslinės fantastikos istorijų ir romanų rašymu, buvo kuriami filmai apie dirbtinį intelektą. Daugelis visame pasaulyje pripažintų autorių istorijų yra nufilmuotos ir tampa žanro klasika, kitos – mokslinės fantastikos kino raidos etapu, pavyzdžiui, „Terminatorius“ ir „Matrica“.

Taip pat žr

Pastabos

DUK iš Johno McCarthy, 2007 m
M. Andriejus. Realus gyvenimas ir dirbtinis intelektas // „Dirbtinio intelekto naujienos“, RAAI, 2000 m.
Gavrilova T. A. Choroševskis V. F. Išmaniųjų sistemų žinių bazės: vadovėlis universitetams
Averkin A. N., Gaase-Rapoport M. G., Pospelov D. A. Aiškinamasis dirbtinio intelekto žodynas. - M.: Radijas ir ryšiai, 1992. - 256 p.
G. S. Osipovas. Dirbtinis intelektas: tyrimų būklė ir žvilgsnis į ateitį
Iljasovas F.N. Dirbtinis ir natūralus intelektas // Turkmėnijos SSR mokslų akademijos naujienos, socialinių mokslų serija. 1986. Nr 6. P. 46-54.
Alanas Turingas, Ar mašinos gali mąstyti?
S. N. Korsakovo išmaniosios mašinos
D. A. Pospelovas. Informatikos formavimasis Rusijoje
Apie kibernetikos istoriją SSRS. Pirmas rašinys, antras rašinys
Džekas Copelandas. Kas yra dirbtinis intelektas? 2000 m
Alanas Turingas, „Skaičiavimo mašinos ir intelektas“, Mind, t. LIX, Nr. 236, 1950 spalis, p. 433-460.
Natūralios kalbos apdorojimas:
Natūralios kalbos apdorojimo programos apima informacijos gavimą (įskaitant teksto gavybą ir mašininį vertimą):
Gorbanas P. A. Neuroninių tinklų žinių gavimas iš duomenų ir kompiuterinės psichoanalizės
Mašininis mokymasis:
Alanas Turingas aptarė tai kaip pagrindinę temą dar 1950 m. savo klasikiniame straipsnyje „Computing Machinery and Intelligence“. ()
(PDF nuskaityta originalo kopija) (1957 m. paskelbta versija, Induktyvioji išvadų mašina, IRE konvencijos įrašas, informacijos teorijos skyrius, 2 dalis, p. 56–62)
Robotika:
, p. 916–932
, p. 908–915
Blue Brain projektas – dirbtinės smegenys
Švelnaus būdo Watson Skewers žmonių priešininkus gresia
20Q.net Inc
Axelrodas R. Sprendimo struktūra: politinio elito pažinimo žemėlapiai. - Prinstonas. Universiteto leidykla, 1976 m
Johnas Searle'as. Ar smegenų protas yra kompiuterinė programa?
Penrose'as R. Naujas karaliaus protas. Apie kompiuterius, mąstymą ir fizikos dėsnius. - M.: URSS, 2005. - ISBN 5-354-00993-6
AI kaip pasaulinis rizikos veiksnys
...nuves tave į Amžinąjį gyvenimą
http://www.rc.edu.ru/rc/s8/intellect/rc_intellect_zaharov_2009.pdf Ortodoksų požiūris į dirbtinio intelekto problemą
Haris Harisonas. Turingo pasirinkimas. - M.: Eksmo-Press, 1999. - 480 p. - ISBN 5-04-002906-3

Literatūra

Kompiuteris mokosi ir motyvuoja (1 dalis) // Kompiuteris įgyja intelektą = Artificial Intelligence Computer Images / red. V. L. Stefaniukas. - Maskva: Mir, 1990. - 240 p. – 100 000 egzempliorių.
- ISBN 5-03-001277-X (rusų k.); ISBN 705409155 (anglų k.) Devyatkovas V.V.

Dirbtinio intelekto sistemos / Ch. red. I. B. Fiodorovas. - M.: MSTU leidykla im. N. E. Bauman, 2001. - 352 p. - (Informatika technikos universitete). – 3000 egzempliorių.- ISBN 5-7038-1727-7

Korsakovas S.N.

Studentai, magistrantai, jaunieji mokslininkai, kurie naudojasi žinių baze savo studijose ir darbe, bus jums labai dėkingi.

Paskelbta http://www.allbest.ru/

Kursinis darbas disciplinoje „Informacinės technologijos“

Tema „Dirbtinio intelekto taikymo sritys“

Užbaigė Timošenko Aleksandras Viktorovičius

Įvadas

3. Pagrindinės dirbtinio intelekto taikymo sritys

3.2 AI kariuomenėje

Išvada

Žodynėlis

Įvadas

Dirbtinio intelekto sąvoka yra labai dviprasmiška. Jei sudėliotume viską, kas buvo pasakyta per pastaruosius 40 metų, paaiškėtų, kad žmogus, norėdamas sumažinti laiko ir energijos sąnaudas, tiesiog nori sukurti panašų į save, kuris atliktų konkrečius veiksmus.

Nuo šeštojo dešimtmečio pradžios vis daugiau mokslinių tyrimų laboratorijų mokslininkai siekė vieno tikslo: sukurti kompiuterius, kurie veiktų taip, kad jų rezultatai būtų neatskiriami nuo žmogaus proto. Pastaruoju metu sulaukiama didelio susidomėjimo dirbtiniu intelektu, kurį paskatino išaugę reikalavimai informacinėms sistemoms. Žmonija sparčiai juda link naujos informacinės revoliucijos, kurios mastu galima palyginti su interneto plėtra, šios revoliucijos pavadinimas – dirbtinis intelektas.

Dirbtinis intelektas dabar labai aktyviai tiriamas ir vystomas. Šioje srityje sutelktos didžiausios kalbininkų, filosofų, psichologų, matematikų, inžinierių ir kibernetikų pastangos. Čia nagrinėjami specifiniai klausimai, susiję su mokslinės minties raida ir pažangos tokiose srityse kaip kompiuterinės technologijos ir robotika įtaka ateities kartų žmonių gyvenimui. Čia atsiranda nauji ir kitokie mokslinio tyrimo metodai. Čia formuojasi naujas žvilgsnis į tam tikrus mokslo rezultatus bei filosofinis gautų rezultatų supratimas. Žvelgiant į priekį, dirbtinio intelekto srityje dirbantys mokslininkai susiduria su labai sudėtingomis problemomis, kurios peržengia tradicinių kompiuterių mokslo ribas. Pasirodo, pirmiausia reikėjo perprasti mokymosi proceso mechanizmus, juslinį suvokimą ir kalbos prigimtį. Mokslininkai išsiaiškino, kad norint imituoti žmogaus smegenų funkcionavimą, būtina suprasti milijardų tarpusavyje susijusių neuronų veikimo mechanizmą. Paaiškėjo, kad sunkiausia problema, su kuria susiduria šiuolaikinio mokslo tyrinėtojai, yra žmogaus proto veikimo proceso supratimas, o ne tik darbo imitavimas. Tai palietė teorines psichologijos mokslo problemas. Mokslininkai negali pasiekti bendro sutarimo dėl paties savo tyrimo dalyko – intelekto. Kai kuriems intelektas yra gebėjimas spręsti sudėtingas problemas; o kiti tai vertina kaip gebėjimą mokytis, apibendrinti, analizuoti; dar kiti – kaip galimybė bendrauti su išoriniu pasauliu per suvokimą, bendravimą ir suvokimą apie tai, kas suvokiama.

Daugelis dirbtinio intelekto tyrinėtojų yra pasirengę priimti mašininio intelekto testą, kurį 40-ųjų pabaigoje pasiūlė puikus anglų kompiuterių mokslininkas Alanas Turingas. „Kompiuteris gali būti laikomas protingu“, – tvirtino Turingas, – „jei jis gali priversti mus patikėti, kad turime reikalų ne su mašina, o su žmogumi“.

Šio kursinio darbo tyrimo objektas yra dirbtinis intelektas. Tyrimo objektas – dirbtinio intelekto tobulinimo ir plėtros būdai.

Šio darbo tikslas – nustatyti dirbtinio intelekto taikymo sritis.

Pagrindinės užduotys, kurias reikia išspręsti šiame darbe:

1) Apsvarstykite dirbtinio intelekto ištakas;

2) Suprasti, kodėl kuriamas dirbtinis intelektas;

3) Šiuolaikinis dirbtinio intelekto taikymas;

4) Tyrinėti perspektyvias dirbtinio intelekto sritis;

5) Suprasti, kaip AI naudojamas kariniais tikslais;

6) atskleisti dirbtinio intelekto ateitį;

7) Tyrinėti neuroninius tinklus;

1. „Dirbtinio intelekto“ sąvoka

Išmaniąja sistema vadinama (1 pav.), galinti kryptingai, priklausomai nuo informacijos įvesties būsenos, keisti ne tik veikimo parametrus, bet ir patį savo elgesio būdą, o elgesio būdas priklauso ne tik nuo esamos būsenos. informacijos įvesties, bet ir ankstesnes sistemos būsenas.

1 pav. „Pažangi sistema“

Pateikime kelis pavyzdžius.

Bet kuris gyvas organizmas yra protinga sistema. Jis turi ilgalaikę atmintį ir gebėjimą mokytis savarankiškai. Vaikas, prisilietęs prie karštos viryklės, klaidos nepakartos. Šuniukas, pirmą kartą persekiojęs katę, gaus rimtą pamoką ir vargu ar rysis su ja žaisti dar kartą. Kito susitikimo metu jis greičiausiai pabėgs arba parodys dantis, arba parodys vieną iš tūkstančio galimų reakcijų.

Techninės sistemos dažniausiai nėra išmanios, t.y. jų reakcija į tą patį įvykį negali kardinaliai pasikeisti. Automatinė dujų slėgio valdymo sistema vamzdyje gali atidaryti ir uždaryti vožtuvą (valdymo parametrai), tačiau negali nuspręsti visiškai atsukti vožtuvo nuo vamzdžio. Jei prieš dujotiekio gedimą pasikeičia slėgis (pavyzdžiui, iš pradžių smarkiai padidėja, o po to smarkiai sumažėja), automatinė sistema tai suvokia kaip įprastą situaciją ir bandys ją „sureguliuoti“ judindama sklendę. Net jei po kiekvienos avarijos į valdymo sistemą pridėsime naują bloką, tiksliai fiksuojant ankstesnės situacijos parametrus, niekas nepasikeis. Tiesiog kaupiami duomenys sistemos „neapmokys“.

Faktas yra tas, kad šuniukas, gavęs pamoką iš katės, prisiminė ne tik situacijos parametrus (nagų ilgį ir reakcijos greitį), bet ir elgesio taisykles (neartėti, neprilipti). tavo nosis lauk, jei loja, ji pabėgs).

Išmanioji sistema – tai sistema, kuri modeliuoja žmogaus mąstymą kompiuteryje.

Antrasis apibrėžimas atsirado 60-aisiais, kai buvo manoma, kad žmogaus smegenis galima imituoti kompiuteriu. Smegenų ląstelė – neuronai buvo aprašyti programiškai, naudojant specialius matematinius metodus. Taigi kompiuterinė programa reprezentavo žmogaus smegenų dalį. Kai kurie duomenys buvo pateikti į programos įvestį (elektrinis signalas tiekiamas į gyvo organizmo smegenų ląstelės įvestį), o išvestyje buvo paimti rezultatai ir lyginami su standartu. Priklausomai nuo to, kiek gauti rezultatai nukrypo nuo standarto, buvo atlikti apskaičiuotų koeficientų pakeitimai. Nuo tokio „mokymosi“ ciklų skaičiaus priklauso labai mažų žmogaus smegenų darbo rezultatai.

Idėja, kad 80-aisiais pavyks atkartoti smegenis kompiuteryje. XX amžiuje Tai buvo visiška nesėkmė, tačiau neuroninių tinklų teorija, neuroninio tinklo metodas, įrodė savo naudingumą daugelyje praktinių pritaikymų. Geri rezultatai visų pirma gauti sprendžiant parametrų verčių numatymo ir modelio atpažinimo problemas.

Intelektuali sistema yra sistema, leidžianti sustiprinti žmogaus intelektualinę veiklą, vedant prasmingą dialogą su juo.

Iki 80-ųjų pabaigos. Visiškai akivaizdu, kad universalaus dirbtinio intelekto sukurti neįmanoma. Be to, paaiškėjo, kad tai visiškai nereikalinga. Būtina sukurti labai specializuotas intelektualias sistemas, kurios ne pakeistų, o papildytų. Žmogus turi daugybę unikalių savybių, tačiau nėra laisvas nuo trūkumų. Niekas neturi katės reakcijos. Nė vienas iš mūsų negali perskaityti L. N. romano. Tolstojaus „Karas ir taika“ per vieną minutę, retai kas turi enciklopedinę atmintį. Kompiuteris turi enciklopedinę atmintį, kompiuteris atlieka milijonus operacijų per sekundę, kompiuteris reaguoja akimirksniu. Bet kompiuteris yra „kvaila aparatūra“, jis nesugeba mąstyti, negali būti atsakingas už savo veiksmus.

Pabrėžkime bendros žmogaus ir mašinos veiklos aktualumą. Reikia, kad kompiuteris tarnautų kaip žmogaus patarėjas, greitai išanalizuoti situaciją, generuoti veiksmų variantus pagal didžiulę atmintį ir pasiūlyti juos žmogui, o žmogus svarsto siūlomus variantus ir paaiškina, kodėl tas ar kitas variantas yra blogas. Kompiuteris, atsižvelgdamas į gautus paaiškinimus, vėl išanalizuotų visus veiksmų variantus ir išduotų naujus, o žmogus pasirinktų tinkamą variantą ir būtų atsakingas už jo įgyvendinimą.

Pavyzdys: automatizuota raketų nukreipimo sistema aptiko taikinį. Taikinys aptiktas. Taikinys buvo aptiktas beveik akimirksniu, žmogus net nespėjo jo pastebėti. Raketa buvo automatiškai nukreipta į taikinį. Taikiniui buvo išsiųstas prašymas „draugas ar priešas“. Taikinys pasirodė valdymo pulte priešais operatorių, asmuo priėmė sprendimą nugalėti, pasirinko ginklo tipą ir paspaudė mygtuką „sunaikinti“. Visiškai automatizuoto taikinio sekimo atveju kiltų realus pavojus sunaikinti jūsų orlaivį. Priešingu atveju, jei asmuo kreiptųsi į taikinį, gali būti prarastas laikas.

Taigi šiandien dirbtinis intelektas yra savarankiško mokymosi įrankis, kuris sustiprina žmogaus aktyvumą kuriant ir priimant sprendimus.

1.1 Dabartinės DI tyrimų sritys

Paskutiniame praėjusio šimtmečio dešimtmetyje buvo aiškiai nustatytos šios svarbios intelektualiųjų sistemų kūrimo kryptys. [D.V. Smolinas - „Įvadas į dirbtinį intelektą“ -23psl. 2]

1 Sistemos, imituojančios kūrybinius procesus. Muzikinių kūrinių kūrimas, žaidimo uždavinių sprendimas (šachmatai, šaškės, domino), automatinis vertimas, teoremų įrodymas, modelių atpažinimas, mąstymo imitavimas ir kt.

Bandymai programuoti žaidimus kompiuteryje buvo būdingi šiuolaikiniam AI nuo pat jo atsiradimo. [ E. Hantas dirbtinis intelektas. Leidykla "Mir" 1978- 25c. 3]

2 Informacinės sistemos, pagrįstos žiniomis (ekspertų sistemos), t.y. nepatyrusių vartotojų konsultavimas, įrangos nustatymas, mokymas ir kt.

3 Išmaniosios informacinės sistemos – tai didelės ir labai didelės programos, skirtos dalykinės srities problemoms spręsti, remiantis matematiniais ir algoritminiais modeliais ir turinčios galimybę vesti prasmingą dialogą su vartotoju, siekiant supaprastinti valdymą, sumažinti žmogaus darbo apimtį, tobulinti. kokybė ir kt.

4 Robotika. „Intelekto“ požiūriu išskiriamos kelios robotų kartos. Pirmoji karta – tai robotai manipuliatoriai, kurie veikia pagal iš anksto patvirtintą ir nekeičiamą programą (pavyzdžiui, tiekia ruošinius į mašiną). Jei darbo metu dėl kokių nors priežasčių pasikeis atstumas iki ruošinio, robotas jį praras. Antroji karta yra prisitaikantys robotai. Tokių robotų nariai aprūpinti daugybe jutiklių: prožektoriai, deformacijos matuokliai, dujų analizatoriai ir kt.. Tokie robotai naudojami, pavyzdžiui, automobilių kėbulų virinimui. Faktas yra tas, kad gana dideli techniniai produktai, net ir masinės gamybos, vis tiek pasirodo unikalūs. Dviejų tos pačios markės automobilių ilgis skiriasi. Adaptyvusis robotas suvirina siūlę ne absoliučiomis koordinatėmis, o tam tikro pradžios taško atžvilgiu, kurį pats suranda ant automobilio kėbulo. Jei reikia, žmogus suvirintojas perima valdymą, o robotas, prisimindamas savo veiksmus naujoje situacijoje, „mokosi“. Pirmieji du robotų tipai yra pramoniniai robotai, skirti dirbti iš anksto nustatytoje aplinkoje – gamyklos aukšte. Orientacijai ir tiksliam padėties nustatymui erdvėje bakas turi daugybę valdymo taškų – jutiklių, kurių koordinatės nesikeičia. Pavyzdžiui, robotui, kuris yra realiame pasaulyje, yra daug sunkiau ištirti nuskendusį laivą. Turiu atsakyti į klausimus: "Kur aš esu?", "Kas prieš mane?", "Ar galiu patekti?" ir tt Išmanūs robotai turi apdoroti duomenis iš savo jutiklių ir žmonių komandų realiu laiku, o jei taip pat pateikiama įvykių prognozė, tada „supervirtualiuoju“ režimu (naudojama, pavyzdžiui, transporto priemonėms valdyti). Panašios problemos kyla ir su paieškos robotais – specialia programų klase, skirta dokumentams indeksuoti pasauliniame internete, kuri užtikrina paieškos sistemų darbą.

5 Diagnostika. Tikimybine analize pagrįstos medicininės diagnostikos programos sugebėjo pasiekti patyrusio gydytojo lygį keliose medicinos srityse. Heckermanas aprašė atvejį, kai pagrindinis limfmazgių patologas nesutiko su programos diagnoze dėl ypač sudėtingo atvejo. Programos kūrėjai pasiūlė šiam gydytojui paprašyti kompiuterio paaiškinti šią diagnozę. Mašina nurodė pagrindinius veiksnius, turėjusius įtakos jos sprendimui, ir paaiškino kelių konkrečiu atveju pastebėtų simptomų sąveikos niuansus. Galiausiai ekspertas sutiko su programos sprendimu.

6 Tiekimo planavimas. Per Persijos įlankos krizę 1991 m. JAV armija įdiegė DART (dinaminės analizės ir perplanavimo) sistemą, kad užtikrintų automatinį tiekimo planavimą ir transportavimo planavimą. Šios sistemos veikimas vienu metu apėmė iki 50 000 transporto priemonių, krovinių vienetų ir žmonių; turėjo atsižvelgti į išvykimo ir paskirties taškus, maršrutus, taip pat pašalinti visų parametrų konfliktus. Dirbtiniu intelektu pagrįsti planavimo metodai leido per kelias valandas parengti planus, kurių sudarymas senais metodais būtų užtrukęs kelias savaites. DARPA (Defense Advanced Research Projects Agency – Office of Advanced Research Programs) atstovai teigė, kad vien ši programa atpirko agentūros trisdešimties metų investicijas į dirbtinį intelektą.

7 Savarankiškas planavimas ir planavimas. NASA nuotolinio agento programa, veikianti šimtus milijonų kilometrų nuo Žemės, buvo pirmoji autonominio planavimo programa, skirta erdvėlaivių operacijų planavimui valdyti. „Remote Agent“ programa rengė planus pagal aukšto lygio iš Žemės keliamus tikslus, o įgyvendinant planus stebėjo erdvėlaivio veikimą: aptikdavo, diagnozuodavo ir ištaisydavo iškilusias problemas.

2. Dirbtinio intelekto taikymo sritys

Pastaruoju metu buvo imtasi labai aktyvių veiksmų naudojant ir diegiant neuroninius tinklus įvairiose srityse, tokiose kaip technologijos, geologija, fizika, verslas ir kt. 2 paveiksle parodytas neuroninis tinklas.

Ryžiai. 2 "Neuronų tinklas"

Neuroniniai tinklai naudojami visur, kur reikia spręsti problemas, susijusias su valdymu, prognozavimu ir klasifikavimu. Tokį aktyvų naudojimą lemia šios priežastys:

Plačios galimybės. Labai sudėtingoms priklausomybėms atkurti naudojami galingi modeliavimo metodai, kurie realizuojami naudojant neuroninius tinklus. Ilgą laiką tiesinis modeliavimas buvo naudojamas daugumoje sričių, tai buvo pagrindinis metodas, nes tam buvo sukurtos įvairios gerai optimizuotos procedūros. Tiesiniai modeliai blogai veikia tais atvejais, kai tiesinis aproksimavimas neveikia labai gerai. Be to, neuroniniai tinklai neleidžia veikti esant dideliam kintamųjų skaičiui dėl „dimensijų prakeiksmo“ prevencijos.

Lengva naudoti. Neuroniniai tinklai gali mokytis iš pavyzdžių. Neuroniniu tinklu besinaudojantis žmogus parenka reikiamus duomenis, tada jam suteikiama galimybė paleisti mokymosi algoritmą, kuris duomenis suvoks automatiškai. Žinoma, vartotojas turi turėti euristinių žinių, kaip pasirinkti ir paruošti duomenis, pasirinkti reikiamą tinklo architektūrą ir apdoroti rezultatus. Norint naudoti neuroninius tinklus, reikia daug žemesnio lygio žinių nei naudojant tradicinius statistinius metodus.

Neuroniniai tinklai yra labai patrauklūs, nes yra pagrįsti paprastu nervų sistemos modeliu. Netolimoje ateityje tokių modelių kūrimas iš tiesų gali pasitarnauti mąstymo mašinų (kompiuterių) kūrimui. Yra sistema ST Neural Networks, galinti sukurti paprastus neuroninius tinklus, o tai yra Dievo dovana taikomosios statistikos specialistams.

2.1 Neuroninių tinklų taikymas

Problemas, kurias sprendžia neuroniniai tinklai, lemia tai, kaip tinklas veikia ir mokosi. Neuroninis tinklas, spręsdamas tam tikras problemas, gamina ir gauna vertes. Tinklas naudojamas tam tikrai nežinomai informacijai gauti iš esamos žinomos informacijos. Tokių užduočių pavyzdžiai:

Prognozė akcijų rinkoje.

Žinodami praėjusios savaitės akcijų kainas, galite numatyti rytojaus akcijų kainą.

Kredito suteikimas.

Į banką kreipėsi privatus asmuo. Būtina nustatyti, ar paskolos suteikimo rizika yra didelė.

Kontrolė . Būtina nustatyti roboto veiksmus, kad jis pasiektų savo tikslą jame sumontuotos kameros dėka.

Ne visos problemos gali būti išspręstos naudojant neuroninius tinklus. Jei nuspręsite nustatyti loterijos rezultatą, žinodami savo ūgį, tada nieko nepavyks, nes šie dalykai neturi nieko bendra. Jei burtai traukiami be sukčiavimo, tada nėra informacijos, kuri galėtų tiksliai numatyti žaidimo baigtį.

Kita ne mažiau svarbi neuroninių tinklų naudojimo sąlyga: Būtina užtikrintai žinoti, kad yra ryšys tarp žinomų įvesties ir nežinomų išvesties reikšmių. Šį ryšį gali iškraipyti triukšmas, bet jis turi egzistuoti.

Neuroninis tinklas dažniausiai naudojamas tada, kai nežinomi tikslūs jungčių tarp išėjimų ir įėjimų tipai – jei jie žinomi, tuomet ryšį galima modeliuoti tiesiogiai. Kitas ne mažiau svarbus neuroninių tinklų bruožas yra tinklo mokymas. Neuroniniams tinklams mokyti naudojami dviejų tipų algoritmai: prižiūrimi ir neprižiūrimi. Dažniausiai naudojamas mokymosi metodas.

Prižiūrėtam mokymui naudotojai turi iš anksto paruošti treniruočių duomenų paketą. Tai įvesties ir išvesties pavyzdžiai. Tinklai išmoksta užmegzti ryšius tarp jų. Tokie treniruočių duomenys dažniausiai paimami iš istorijos. Aukščiau aptartuose pavyzdžiuose tokie duomenys gali apimti ankstesnes akcijų kainas, informaciją apie buvusius skolininkus – kaip jie vykdė savo įsipareigojimus bankui.

Tada neuroninis tinklas apmokomas naudojant konkretų prižiūrimą mokymosi algoritmą, kad prognozės paklaida būtų sumažinta iki nieko. Jei tinklo mokymosi lygis yra aukštas, jis gali modeliuoti nežinomą funkciją, jungiančią įvesties ir išvesties kintamuosius. Ateityje toks tinklas gali būti naudojamas nuspėti įvairias situacijas su nežinomomis išvesties reikšmėmis.

3. Dirbtinio intelekto taikymas

3.1 Galima AI kūrimo strategija ir planas

Be eksperimento nėra mokslo, neįmanoma nustatyti pasirinkto kelio teisingumo, todėl būtina:

1) sukurti virtualią aplinką prototipui, nes surinkti mechaninį stebuklą su daugybe jutiklių yra daug sunkiau ir brangiau.

2) imituoti jutiklius, tokius kaip klausa, virtualus matymas ("regėjimas" - virtualios erdvės, vaizdo kamerų ir "interneto" pavidalu), virtualios rankos ir kojos, kurias galima padaryti labai supaprastintu būdu, svarbiausia išmokyti IR kalbėti, spausti klavišus ir atlikti virtualius rankų, kojų ir kitų virtualių dalių judesius, pvz., pelės žymeklį.

4) sukurti IR prototipą – t.y. ląstelių veikimo ir augimo algoritmai, jungčių nustatymo algoritmai ir kt., kurie leis vienu ar kitu laipsniu imituoti daugelio tipų nervinių ląstelių ir struktūrų darbą.

5) pradėti „ugdyti“ AI virtualioje aplinkoje, sąveikaujant su juo ir virtualia aplinka, keičiant algoritmus ir struktūrą, tobulinant „svarstymo“ procesą.

Naudingiausias AI taikymas būtų ten, kur prisitaikymas yra labai svarbus ir kur paprasti algoritmai neturi jokio poveikio. Visų pirma, tai visos su žmogumi susijusios sritys, pradedant nuo pagalbos vairuojant automobilį, liftą ir buitinę techniką iki pramogų, žmogiškos pagalbos ir apskritai visų smulkių problemų, kurių žmogus nenori gaišti laiko, sprendimo. įjungta.

Apskritai tokia sistema gali būti naudojama daug plačiau – pavyzdžiui, kaip savaime besiorganizuojanti sistema, kuriai duodamas tik bendras tikslas, o jos įgyvendinimas krenta ant pačios sistemos pečių. Tarkime, kasti karjerą kasybai. Tie. apskritai visur, kur galima pasipelnyti atleisdamas žmones.

3.2 AI kariuomenėje

dirbtinio intelekto neuroninis tinklas

Karinė pramonė visada vystosi ypač sparčiai, naudojant visus naujausius mokslo pasiekimus. Kompiuterių ir robotikos kūrimas neliko nuošalyje nuo kariškių požiūrio, o daugelis pasaulio armijų jau turi visiškai robotizuotus kovinius vienetus – nedideliais kiekiais pradėjo atsirasti robotų sapierių, dronų, žvalgybos mašinų, kovinių robotų. Nors jie vis dar gana primityvūs ir toli nuo androidų robotų kaip filmo „Terminatorius“ herojai, tokių kovinių vienetų pasirodymas – tik laiko klausimas. Galbūt kada nors, be plieninio skeleto, jie gaus ir dirbtinį intelektą, kuris savo gebėjimais niekuo nenusileidžia žmogaus smegenims.

Šiuo metu dauguma šiuolaikinių robotų gali atlikti daugybę sudėtingų užduočių, tačiau vis tiek reikalauja žmogaus priežiūros. Žmogus visada siekė nemirtingumo ir nepažeidžiamumo, jis dar nesugeba jų sau duoti, bet jau sugeba sukurti android robotus su tvirtu metaliniu skeleto rėmu (žmogaus standartais, praktiškai nemirtingus). Tačiau norint sukurti sau lygią mašiną, reikia išmokyti ją mąstyti pačiam. Kariuomenė jau seniai atkreipė dėmesį į bandymus sukurti dirbtinį intelektą (AI), šiems įvykiams jie atidžiai stebi. Neįmanoma pasakyti, kada mūšio lauke pasirodys robotai, galintys veikti visiškai autonomiškai, be žmogaus įsikišimo, tačiau tikimybė, kad tai kada nors įvyks, yra gana didelė.

Šiuo metu dirbtinio intelekto užuomazgos aviacijoje naudojamos gana ilgą laiką. Šiuolaikinis autopilotas gali atlikti skrydį nuo pakilimo iki nusileidimo visiškai be žmogaus pagalbos. Įprasti AI valdomi automobiliai be žmogaus pagalbos gali įveikti didelius atstumus. Prancūzijoje ir Japonijoje geležinkeliais važinėja automatiniai traukiniai, kuriuos valdo AI, kuris gali užtikrinti maksimalų komfortą ir patogumą keleiviams kelionės metu. Šiandien dirbtinio intelekto kūrimo technologija apima keletą požiūrių, tarp kurių yra šie:

1) Neuroninės grandinės, veikiančios pagal principus, panašius į žmogaus smegenų darbą. Jie naudojami ranka rašytam tekstui ir kalbai atpažinti, finansinėse programose, diagnozėms nustatyti ir kt.

2) Evoliuciniai algoritmai, kai robotas kuria programas jas mutuodamas, jas kryžmindamas (keisdamasis programų dalimis) ir testuodamas, kad atliktų kokią nors tikslinę užduotį. Tokiu atveju geriausius rezultatus pasiekiančios programos išgyvena daugybę bandomųjų paleidimų, o tai suteikia evoliucijos efektą.

3) Fuzzy logic – leidžia kompiuteriui naudoti terminus ir objektus iš realaus pasaulio ir su jais sąveikauti. Su jo pagalba kompiuteris turi suprasti tokių „žmogiškų“ terminų, kaip šiltesnis, arčiau, beveik, reikšmę. Apytikslė logika naudojama buitiniuose prietaisuose, tokiuose kaip skalbimo mašinos ir oro kondicionieriai.

Tuo pačiu metu pastaruoju metu vis daugiau dėmesio skiriama psichofiziologijai ir jos pagalba gaunamiems žmogaus smegenų stebėjimams. Žmogus jau maždaug supranta, kaip veikia mūsų intelektas ir sąmonė. Smegenų skenavimas ir daugybė eksperimentų parodė, kad visos mūsų mintys ir jausmai turi labai tikrą fizinį įsikūnijimą. Bet kuri mintis iš esmės yra mūsų smegenų neuronų grandinės aktyvavimo seka. Tai reiškia, kad šį procesą galima studijuoti ir išmokti jį valdyti bei kurti kompiuterines simuliacijas. Šiuo metu jau yra kompiuterinių modelių, kurie imituoja žmonių ir gyvūnų neuronų modelius. Mokslininkams pavyko iki galo apibūdinti paprasčiausio gyvūno – kalmaro – darbą. Pasirodo pirmieji modeliai, kuriuose derinamos neuroninės sistemos ir silicio elektronika.

Visa tai mokslininkams suteikia pagrindo manyti, kad iki 2030 metų kompiuteriai galės pasiekti tokią skaičiavimo galią, kuri prilygs žmogaus smegenų galimybėms. Tiesą sakant, tai leis įkelti žmogaus sąmonę į kompiuterį. Dar labiau tikėtina, kad jau 2020 metais bus sukurti teoriniai grynai mašininio intelekto sąmonės pagrindai. Bet kuriuo atveju 2025–2035 metais dirbtinis intelektas galės prilygti žmogaus intelektui, o vėliau savo galimybėmis jį pranokti.

3.3 Dirbtinio intelekto ateitis

Informacinių technologijų pramonė yra viena dinamiškiausiai besivystančių gyvenimo sričių. Pagal Moore'o dėsnį, 2020 metais kompiuteriai pasieks žmogaus smegenų galią, nes... galės atlikti 20 kvadrilijonų (t. y. 20 000 000 milijardų) operacijų per sekundę, o iki 2060 m., kaip tiki kai kurie futurologai, kompiuteris protine galia prilygs visai žmonijai. Tačiau 1994 m. kompiuteris, pagrįstas „Intel Pentium“ procesoriumi ir juokingu, pagal šiandienos standartus, 90 MHz dažniu, šachmatų turnyrų serijoje įveikė kelis stipriausius pasaulio didmeistrus, įskaitant dabartinį planetos čempioną Garį Kasparovą. .

Tas pats Gordonas Moore'as 90-ųjų viduryje palygino mikroprocesorių technologijos ir automobilių pramonės vystymosi tempus: „Jei automobilių pramonė vystytųsi tokiu pat greičiu kaip puslaidininkių pramonė, tada „Rolls-Royce“ galėtų įveikti atstumą iki pusė milijono mylių šiandien vienas galonas benzino, ir būtų pigiau kiekvieną kartą jį išmesti, nei pastatyti.

Šiandieninės informacinės technologijos jau daug ką gali. Pastaruoju metu aktyviai plėtojami telematiniai terminalai (borto valdymo sistemos) automobiliams. Analitinės bendrovės „Forrester Research“ duomenimis, iki 2006 metų apie 80% visų naujų mašinų bus įrengti telematiniai terminalai informacijai apdoroti ir perduoti.

Šiandien yra realių galimybių naudoti tokią technologiją beveik bet kuriame automobilyje. Pavyzdžiui, „Johnson Controls“ „BlueConnect“ ausinės – integruotas laisvų rankų įrangos transporto priemonės modulis, pagrįstas „Intel PXA250“ ir „Intel PXA210“ procesoriais, leidžia vairuotojui atlikti įvairius balsu aktyvuojamus veiksmus naudojant mobilųjį telefoną ir „Bluetooth“ technologiją.

Kitas įrenginys, kuriame naudojami nauji procesoriai, yra automobilyje esanti daugialypės terpės platforma, suteikianti keleiviams prieigą prie išteklių, pvz., DVD vaizdo ir MP3 garso, transliuojamų per mediją orientuotos sistemos transportavimo (MOST) tinklą.

Automobilių pramonė yra tik viena iš daugelio gyvenimo sričių, kurioje mikroprocesoriai tampa vis svarbesni. Akivaizdu, kad kasmet vis daugiau galingų mikroprocesorių bus naudojami vis daugiau skirtingų buitinių prietaisų. Pastaruoju metu „Intel“ specialistai sukūrė tranzistorius, kurių veikimo greitis „Pentium 4“ greitį viršija beveik 1000%. Taigi buvo įrodyta, kad nėra esminių kliūčių toliau plėtoti mikroprocesorius pagal Moore'o dėsnį iki šio dešimtmečio pabaigos.

Tokie tranzistoriai, kurių matmenys yra tik 20 nanometrų, leis „Intel“ iki 2007 m. sukurti procesorius su milijardu tranzistorių, veikiančius iki 20 GHz dažniu ir maždaug 1 volto maitinimo įtampą. O įmonės vadovybė jau kalba apie būsimus procesorius, kurių taktiniai dažniai sieks iki 30 GHz. Prielaidos tokių mikroprocesorių gamybai jau sukurtos „Intel“.

Pavyzdžiui, šiandien „Animat Lab“ kuriamas projektas „Psikharpax“, kuriame robote sintetinami kai kurie prisitaikantys mechanizmai ir nervinės struktūros, atsakingos už žiurkių erdvinę navigaciją. Šios robotinės žiurkės gebėjimai augs dėl „mokymosi be mokytojo“, tai yra, gyvūnas pats sukurs pažintinį aplinkos žemėlapį ir kurs adaptyvias elgesio strategijas, naudodamas mechanizmus, panašius į tuos, kuriuos naudoja žiurkės smegenys. Humanoid Robotics Group iš MIT dirbtinio intelekto laboratorijos dabar kuria į beždžiones panašius ir mobilius robotus (Kismet, Soco), kurių elgsenos repertuaras yra daug sudėtingesnis nei pirmieji į vabzdžius panašūs robotai, kurie visų pirma apima gebėjimą socialiai sąveikauti ir afektyvios emocinės reakcijos.

Be to, eksperimentai su tokiais robotais gali paskatinti naujų idėjų, kurios atskleidžia adaptyvaus elgesio principus, atsiradimą. Tokie eksperimentai leidžia bent jau pašalinti akivaizdžiai nerealias teorijas. Modeliavimas kaip klaidų pašalinimo priemonė yra galinga priemonė suprasti, kaip veikia smegenys. Todėl daugelis neurologų primygtinai reikalauja, kad smegenų funkcijos teorijos turi būti suformuluotos algoritmiškai, kad būtų galima modeliuoti. Vienas iš pirmaujančių teorinių neurologų ir Nobelio premijos laureatas Geraldas Edelmanas tapo vienu iš evoliucinio mokymosi robotuose pradininkų. Edelmanas, sukūręs pagrindinę smegenų veikimo teoriją ir biologinį sąmonės pagrindą, savo institute Kalifornijoje (Neuromokslų institutas) kuria NOMAD robotų seriją. Šie robotai taip pat turi bendrinį pavadinimą „Darwin“. Kiekvienas naujas „Darvinas“ gimsta praktiškai nemokytas, tačiau susidūręs su išorinio pasaulio objektais ir turėdamas tam tikrą įgimtą pirmenybę, jis pradeda kurti savo abstrakčias kategorijas. Robotas įgyja žinių, kurias gali panaudoti atliekant kitas užduotis. Tai yra, pradeda veikti vienas iš principų, pagal kuriuos, matyt, vyko intelekto mechanizmų evoliucija.

Išvada

Šiuo metu aktyviai diskutuojama apie dirbtinio intelekto kūrimo galimybių problemą. Daugelis mano, kad dirbtinio intelekto sukūrimas pakenks žmogaus orumui. AI galimybės negali būti painiojamos su klausimais apie žmogaus proto tobulėjimą ir vystymąsi.

Šiuolaikiniame pasaulyje dirbtinis intelektas naudojamas beveik visur, tai sukuria prielaidas naujam pažangos postūmiui. Dirbtinis intelektas leidžia automatizuoti gamybą, taigi ir darbo našumą. Tačiau kibernetika, turėdama daugybę privalumų, turi ir trūkumų, kuriems reikia labai didelio žmonijos dėmesio. Šie trūkumai siejami su pavojais, kylančiais dirbant su dirbtiniu intelektu.

Kai kurios problemos yra susijusios su galimybe žmonėms prarasti paskatą dirbti. Visa tai yra dėl bendro kompiuterizavimo ir mašinų naudojimo mene. Tačiau vis tiek tapo aišku, kad žmonės savo noru neatsisakys labiausiai kvalifikuoto kūrybinio darbo, nes jis yra patrauklus patiems žmonėms.

Antroji problemų grupė yra rimtesnė ir susideda iš šių. Jau šiuo metu yra programų ir mašinų, kurios savo darbo metu mokosi, tai yra prisitaiko prie išorinių veiksnių. Netolimoje ateityje gali atsirasti mašinų, kurių patikimumas ir pritaikomumas bus toks, kad žmogui nereikės kištis į procesą. Tokiu atveju žmogus nustos vykdyti savo funkciją – sprendimų paieškos funkciją.

Galbūt žmogus nesugebės adekvačiai reaguoti į išorinių sąlygų pokyčius, taip pat gali nustoti valdyti įvykus kritinei situacijai. Reikės įvesti tam tikrus limitus automatizuojant procesus, susijusius su sunkiomis avarinėmis situacijomis, tada valdymo mašiną prižiūrinčiam asmeniui visada užteks reakcijos ir gebėjimo teisingai elgtis nenumatytoje situacijoje.

Panašios situacijos galimos branduolinėje energetikoje ir transporte. Ypač verta atkreipti dėmesį į šį pavojų raketų pajėgose, nes klaida gali turėti skaudžių pasekmių.

Pasirodo, net daug kartų tikrinant ir dubliuojant, klaidų tikimybė yra labai didelė. Priežiūros operatoriaus nebuvimas gali sukelti mirtiną klaidą.

DI problemas visą laiką spręs žmonės. Atsiras vis daugiau naujų problemų ir atrodo, kad šis procesas yra begalinis.

Šiame darbe buvo nagrinėjamos kai kurios dirbtinio intelekto problemos, AI užduotys, trumpa dirbtinio intelekto ištakų istorija, DI taikymo sritys, AI panaudojimas ginkluotosiose pajėgose, taip pat neuroniniai tinklai. Šio kursinio darbo medžiaga bus įdomi žmonėms, besidomintiems šiuolaikinėmis technologijomis dirbtinio intelekto srityje. Kursiniam darbui iškelti tikslai pasiekti.

Žodynėlis

		Apibrėžimas
	Aproksimacija	(aproksimacija) – tai mokslinis metodas, susidedantis iš kai kurių objektų pakeitimo kitais, viena ar kita prasme artimais originaliems, bet paprastesniais.
	Dirbtinis intelektas	Tai suprantama kaip kompiuterinių sistemų gebėjimas atlikti tokius veiksmus, kurie būtų vadinami protingais, jei ateitų iš žmogaus
	Dirbtinis neuroninis tinklas	tai matematinis modelis, taip pat lygiagrečiai skaičiavimo įrenginiai, kurie yra sujungtų ir tarpusavyje sąveikaujančių paprastų procesorių sistema
	Kibernetika	mokslas apie bendruosius valdymo procesų ir informacijos perdavimo mašinose, gyvuose organizmuose ir visuomenėje dėsnius.
		centrinė stuburinių gyvūnų nervų sistemos dalis, kurią sudaro nervinės ir glijos ląstelės bei jų procesai.
	Į neuroną panašus tinklas	tai lygiagrečiai sujungtas paprastų prisitaikančių elementų tinklas, kuris sąveikauja su realaus pasaulio objektais panašiai kaip biologinė nervų sistema
	Nervų sistema	vientisas morfologinis ir funkcinis įvairių tarpusavyje susijusių nervų struktūrų rinkinys, kuris kartu su humoraline sistema užtikrina tarpusavyje susijusį visų organizmo sistemų veiklos reguliavimą bei reakciją į besikeičiančias vidinės ir išorinės aplinkos sąlygas. Nervų sistema veikia kaip integracinė sistema.
		nervų ląstelės, nervų sistemos struktūriniai ir funkciniai vienetai. Žmogaus smegenų žievėje yra 10-20 milijardų neuronų
	Paradigma	XX amžiaus septintojo dešimtmečio pabaigos šis terminas mokslo filosofijoje ir mokslo sociologijoje vartojamas tam tikru istoriniu laikotarpiu mokslo bendruomenėje vyravusiai pirminei konceptualiai schemai, problemų ir jų sprendimo būdų nustatymo modeliui, tyrimo metodams apibūdinti.
	Programavimas	kompiuterinių programų kūrimo naudojant programavimo kalbas procesas ir menas. Programavimas sujungia meno, gamtos mokslų, matematikos ir inžinerijos elementus

Naudotų šaltinių sąrašas

1 Dmitrovičius A.I. Išmaniosios informacinės sistemos./ Dmitrovičius A.I. - Minskas, - 1997. -125 p. -ISBN: 5-86534-576-6

2Brushlinsky A.V. Ar įmanomas dirbtinis intelektas?/. -263 s. -ISBN: 5-86425-523-1

3I.A.Bessmertny. Dirbtinis intelektas – Sankt Peterburgas: Sankt Peterburgo valstybinis universitetas ITMO, 2010. -168 p.

4Viner N. Mokslas, elektroninė versija, / Viner N. - M. Kibernetika - 1998. -211 p. -ISBN: 5-15248-325-3

5Venda V.F. Hibridinio intelekto sistemos / Venda V.F. - M.: Mechanikos inžinerija, - 1990. -232 p. -ISBN: 5-86475-354-8

6 Volgin L.I. Neuroninių tinklų papildoma algebra/ Volgin L.I. - Talino UAB “KLTK”, - 2003. -123 p. -ISBN: 5-86452-276-4

7 Notkin L.I. Dirbtinis intelektas ir mokymosi problemos./ Notkin L.I. -132 s. -ISBN: 5-83334-336-9

8Sokolov E.N., Vaitkyavichus G.G. Neurointelektas: nuo neurono iki neurokompiuterio: Mokslas - 1989. -455 p. -ISBN: 5-83652-526-4

9Fedjukovičius N.I. Anatomija ir fiziologija: vadovėlis. Vadovas./ Fedyukovich N. I. - Mn.: Leidykla "Polifact-Alfa" LLC, - 1999. -115 p. -ISBN: 5-86324-476-8

10Tsygankov V.D. Neurokompiuteris ir jo taikymas / Tsygankov V.D.: SolSystem, - 1993. -223 p. -ISBN: 5-84534-376-3

11 Chernukhin Yu. Neuroprocesoriai / Chernukhin Yu. -ISBN: 5-86224-176-1

12Andrew A. Dirbtinis intelektas / Andrew A. - M. Mir, - 1985. -187 p. -ISBN: 5-26552-745-1

Paskelbta Allbest.ru

Panašūs dokumentai

Dirbtinio intelekto samprata kaip automatinių sistemų gebėjimas atlikti individualias žmogaus intelekto funkcijas. Ekspertinės sistemos medicinos srityje. Įvairūs būdai kurti dirbtinio intelekto sistemas. Neuroninių tinklų kūrimas.

pristatymas, pridėtas 2015-05-28

Kūrimo istorija ir pagrindinės dirbtinio intelekto modeliavimo kryptys. Problemos mokantis vizualinio suvokimo ir atpažinimo. Roboto intelekto elementų kūrimas. Tyrimai neuroninių tinklų srityje. Vynerio grįžtamojo ryšio principas.

santrauka, pridėta 2009-11-20

Dirbtinio intelekto apibrėžimo esmė ir problemos, pagrindiniai jo uždaviniai ir funkcijos. Filosofinės dirbtinio intelekto kūrimo ir žmogaus saugumo užtikrinimo dirbant su robotu problemos. Kelio pasirinkimas dirbtiniam intelektui kurti.

testas, pridėtas 2009-12-07

Žmogaus veiklos sritys, kuriose galima panaudoti dirbtinį intelektą. Dirbtinio intelekto problemų sprendimas kompiuterių moksle, naudojant žinių bazių ir ekspertų sistemų projektavimą. Automatinis teoremų įrodymas.

kursinis darbas, pridėtas 2013-08-29

Mokytojų rengimo dirbtinio intelekto srityje švietimo standartų apžvalga. Domeno modelio konstravimas semantinių tinklų pavidalu. Probleminio mokymosi charakteristikos. Pagrindiniai Prolog programavimo kalbos įrankiai.

baigiamasis darbas, pridėtas 2013-10-01

Dirbtinis intelektas yra mokslo sritis, susijusi su žmogaus intelektinių funkcijų mašininiu modeliavimu. Dirbtinio intelekto bruožai Dirbtinio intelekto plėtra, perspektyvios jo tyrimų ir modeliavimo kryptys.

santrauka, pridėta 2010-11-18

Dirbtinio intelekto esmė, žmogaus veiklos sferos, kuriose jis įprastas. Šio reiškinio istorija ir raidos etapai. Pirmosios idėjos ir jų įgyvendinimas. Robotikos dėsniai. Dirbtinio intelekto naudojimas komerciniais tikslais.

santrauka, pridėta 2015-08-17

Istorinė darbo dirbtinio intelekto srityje raidos apžvalga. Algoritminės ir kompiuterinės programinės įrangos, leidžiančios spręsti intelektines problemas ne prasčiau nei žmogus, kūrimas. Nuo loginių žaidimų iki medicininės diagnostikos.

santrauka, pridėta 2009-10-26

Ar dirbtinis intelektas tokiame technologijų ir technologijų išsivystymo lygyje gali pranokti žmogaus intelektą? Ar žmogus kontaktuodamas gali atpažinti dirbtinį intelektą? Pagrindinės dirbtinio intelekto praktinio pritaikymo galimybės.

pristatymas, pridėtas 2013-03-04

Dirbtinio intelekto sistemų evoliucija. Dirbtinio intelekto sistemų kūrimo kryptys. Žinių reprezentavimas yra pagrindinė dirbtinio intelekto sistemų problema. Kas yra narystės funkcija ir kur ji naudojama?

Tikriausiai esate girdėję apie robotą, kuris pasirodo ir duoda jums skardinę kokakolos, kai sakote, kad esate ištroškęs. Taip pat tikriausiai girdėjote apie kalbos atpažinimo sistemą, kuri valdo jūsų buitinę techniką? Ir tikriausiai girdėjote apie orlaivių treniruoklius, kurie gali padėti atkurti tikrą orlaivio skrydžio aplinką?

1956 m. visame pasaulyje žinomas amerikiečių mokslininkas Johnas McCarthy sukūrė terminą, kuris yra visų šių ir daugelio kitų galimybių esmė. Jo sugalvotas terminas buvo „Dirbtinis intelektas“. Dirbtinis intelektas arba sutrumpintai AI yra mokslas ir inžinerija, kuria siekiama sukurti protingas mašinas, taip pat intelektualias kompiuterių programas, kurios gali reaguoti kaip žmonės. Tai yra, tokių mašinų, galinčių pajusti juos supantį pasaulį, suprasti pokalbius ir priimti sprendimus, panašius į žmogaus pasirinkimą, sukūrimas. Dirbtinis intelektas mums suteikė viską – nuo skaitytuvo iki robotų realiame gyvenime.

Šiandien dirbtinio intelekto sritį galima apibūdinti kaip kognityvinės informatikos, psichologijos, kalbotyros ir matematikos sriubą, laukiančią žaibo blyksnio – bandymo sujungti mokslininkų pastangas ir išteklius, kurti naujus metodus, panaudoti pasaulio duomenų saugyklas. žinių, kad sukurtų tokią kibirkštį, kuri sukurs naują gyvybės formą.

Dirbtinio intelekto srityje mes ugdome vaiko mašiną nuo vaikystės iki pilnametystės taip, kad sukurtume visiškai naujus mašininio mokymosi metodus.

Dirbtinio intelekto šakos

John McCarthy nustatė kai kurias toliau aprašytas AI šakas. Jis taip pat pažymėjo, kad kai kurie iš jų dar nenustatyti.

Dirbtinio intelekto logika: AI programa turi žinoti faktus ir situacijas.

Modelio atpažinimas: Kai programa atlieka stebėjimą, ji paprastai užprogramuojama atpažinti ir suderinti modelį. Pavyzdžiui, kalbos atpažinimo sistema arba veido atpažinimo sistema.

Našumas: Turi būti būdas AI įrenginiui pateikti faktus apie pasaulį. Atvaizdavimui naudojama matematinė kalba.

Išvada: išvada leidžia iš esamų faktų išskirti naujus faktus. Iš kai kurių faktų galima spręsti apie kitus.

Planavimas: planavimo programa prasideda faktais ir tikslo pareiškimu. Iš jų programa sukuria strategiją tikslui pasiekti.

Turėdamas sveiką protąir samprotavimas- Ši aktyvi AI tyrimų ir studijų sritis atsirado šeštajame dešimtmetyje, tačiau rezultatas vis dar toli nuo žmogaus lygio.

Epistemologija– tai įrenginio galimybė mokytis ir įgyti žinių. Leidžia studijuoti tam tikro tipo užduočiai reikalingų žinių tipus.

Euristinė yra būdas pabandyti rasti programoje įterptą idėją.

Genetinis programavimas– automatinis LISP (List Processing) programos, leidžiančios išspręsti problemą, sukūrimas.

Įrankiai, naudojami sudėtingoms problemoms spręsti kuriant AI

Per pastaruosius šešis dešimtmečius buvo sukurtos įvairios priemonės sudėtingoms kompiuterių mokslo problemoms spręsti. Kai kurie iš jų yra:

Paieška ir optimizavimas

Daugumą AI problemų galima išspręsti teoriškai, protingai ieškant galimų sprendimų. Tačiau paprasta išsami paieška retai būna naudinga arba pakankama daugeliui realaus pasaulio problemų. Dešimtajame dešimtmetyje išpopuliarėjo įvairios paieškos rūšys, kurios buvo pagrįstos optimizavimu. Dėl daugelio problemų galite spėti ir patikslinti užklausą. Paieškos procesui palengvinti buvo parašyti įvairūs optimizavimo algoritmai.

Logikos

Logika leidžia tyrinėti argumentus. AI jis naudojamas žinioms reprezentuoti ir problemoms spręsti. Dirbtinio intelekto tyrimuose naudojamos įvairios logikos rūšys. Pirmosios eilės logika naudoja kvantorius ir predikatus bei padeda vaizduoti faktus ir jų savybes. Neaiškioji logika yra pirmosios eilės logikos rūšis, leidžianti rasti teiginio, kuris bus vaizduojamas kaip 1 (tiesa) arba 0 (klaidingas), teisingumą.

Tikimybių teorija

Tikimybė yra būdas išreikšti žinias. Šiai sąvokai buvo suteikta matematinė reikšmė tikimybių teorijoje, kuri plačiai naudojama AI.

Dirbtinis intelektas ir jo pritaikymai

Dirbtinis intelektas šiuo metu naudojamas įvairiose srityse, įskaitant modeliavimą, robotiką, kalbos atpažinimą, finansus ir akcijas, medicininę diagnostiką, aviaciją, saugumą, žaidimus ir kt.

Pažvelkime atidžiau į kai kurias sritis:

Žaidimas Sfera: Yra mašinų, kurios gali žaisti šachmatais profesionaliai. AI taip pat taikoma įvairiems vaizdo žaidimams.

Kalbos atpažinimas: Kompiuteriai ir robotai, kurie supranta žmogaus kalbos kalbą, turi integruotą dirbtinį intelektą.

Simuliatoriai: Modeliavimas yra kažkokio tikro daikto imitacija. Jis naudojamas daugelyje kontekstų, pradedant vaizdo žaidimais ir baigiant aviacija. Į treniruoklius įeina skrydžio treniruokliai, skirti pilotams pasiruošti pilotuoti „dirižablį“.

Robotika: Robotai tapo įprasta daugelyje pramonės šakų, nes pasirodė, kad robotai yra efektyvesni už žmones, ypač atliekant pasikartojančius darbus, kai žmonės linkę prarasti koncentraciją.

Finansai: Bankai ir kitos finansų įstaigos pasikliauja išmaniąja programine įranga, kuri teikia tikslią duomenų analizę ir padeda pagal tai daryti prognozes.

Vaistas: Dirbtinio intelekto sistemos ligoninėse naudojamos pacientų tvarkaraščiams tvarkyti, darbuotojų rotacijai užtikrinti, medicininei informacijai teikti. Dirbtinis neuroninis tinklas, kuris yra matematinis modelis, įkvėptas biologinių neuroninių tinklų struktūros ir (arba) funkcinių aspektų, padeda atlikti medicininę diagnozę.

Dirbtinis intelektas yra naudojamas įvairiose srityse ir pritaikymo srityse. Apsaugos sistemos, teksto ir kalbos atpažinimo sistemos, duomenų gavyba, el. pašto šiukšlių filtravimas ir daugybė kitų pavyzdžių. Britų telekomunikacijų grupė naudojo euristinę paiešką planavimo programoje, kuri suplanuoja daugiau nei dvidešimties tūkstančių inžinierių darbą. Dirbtinis intelektas taip pat pateko į krovinių gabenimo pramonę, kur buvo sukurti neaiškios logikos valdikliai, skirti automobilių automatinėms pavarų dėžėms.

Iššūkiai, su kuriais susiduria dirbtinio intelekto kūrėjai

Per pastaruosius šešis dešimtmečius mokslininkai aktyviai stengėsi imituoti žmogaus intelektą, tačiau augimas sulėtėjo dėl daugelio dirbtinio intelekto modeliavimo problemų. Kai kurios iš šių problemų yra:

Žinių bazė: faktų, kuriuos žmogus žino, yra tiesiog per daug. Parengti duomenų bazę, kurioje būtų visos šio pasaulio žinios, yra didžiulė daug laiko reikalaujanti užduotis.

Išskaičiavimas, samprotavimas ir problemų sprendimas: AI turi žingsnis po žingsnio išspręsti bet kokią problemą. Paprastai žmonės sprendžia problemas remdamiesi intuityviais sprendimais ir tada sukuria veiksmų planą, programą. Dirbtinis intelektas daro lėtą pažangą, imituodamas žmogiškąjį problemų sprendimo metodą.

Natūralios kalbos apdorojimas: Natūrali kalba yra kalba, kuria kalba žmonės. Vienas iš pagrindinių iššūkių, su kuriuo susiduria dirbtinis intelektas, yra atpažinti ir suprasti, ką žmonės sako.

Planavimas: Planavimas linkęs tik apriboti žmones, nes jie gali mąstyti. Gebėjimas planuoti ir mąstyti kaip žmogus yra būtinas protingiems agentams. Kaip ir žmonės, jie turi sugebėti įsivaizduoti ateitį.

Teigiami AI naudojimo aspektai

Jau dabar savo namuose matome nedidelius dirbtinio intelekto pritaikymus. Pavyzdžiui, išmanusis televizorius, išmanusis šaldytuvas ir kt. Ateityje DI bus visuose namuose. Dirbtinis intelektas su nanotechnologijomis ar kitomis technologijomis gali paskatinti naujų pramonės šakų atsiradimą mokslo srityje. Be abejo, dirbtinio intelekto vystymasis lems tai, kad jis taps mūsų kasdienio gyvenimo dalimi. Kai kuriose darbo vietose žmones jau keičia robotai. Karinėje pramonėje dirbtinis intelektas leis sukurti įvairius modernius ginklus, pavyzdžiui, robotus, kurie sumažins mirtingumą karų atveju.

Neigiami AI naudojimo aspektai

Nors dirbtinis intelektas turi daug privalumų, yra daug trūkumų.
Paprasčiau tariant, dirbtinio intelekto naudojimas atliekant kasdienes užduotis gali sukelti žmonių tinginystę, o tai gali sukelti bendrosios populiacijos degradaciją.

Dirbtinio intelekto ir nanotechnologijų panaudojimas karinėje pramonėje tikrai turi daug teigiamų aspektų, pavyzdžiui, sukuriamas idealus apsauginis skydas nuo bet kokios atakos, tačiau yra ir tamsioji pusė. Dirbtinio intelekto ir nanotechnologijų pagalba galėsime sukurti labai galingus ir destruktyvius ginklus, o neatsargiai naudojami jie gali sukelti negrįžtamų pasekmių.

Masinis dirbtinio intelekto naudojimas lems žmonių darbo vietų mažinimą.

Be to, spartus dirbtinio intelekto ir robotikos plėtros ir taikymo tempas gali pastūmėti Žemę aplinkos katastrofos link. Net ir dabar kompiuterių komponentų ir kitų elektroninių prietaisų atliekos daro didžiulę žalą mūsų planetai.

Jei mašinoms suteiksime intelekto, jos galės išnaudoti visas galimybes. Protingos mašinos taps protingesnės už jų kūrėjus ir tai gali lemti rezultatą, kuris buvo parodytas filmų serijoje „Terminatorius“.

Išvada ir taikymas ateityje

Dirbtinis intelektas yra sritis, kurioje tęsiasi daug tyrimų. Dirbtinis intelektas yra kompiuterių mokslo šaka, skirta suprasti intelekto prigimtį ir kurti kompiuterines sistemas, galinčias atlikti protingus veiksmus. Nors žmonės turi intelektą, jie nesugeba jo maksimaliai išnaudoti. Mašinos galės panaudoti 100% savo intelekto, jei suteiksime joms tą intelektą. Tai yra ir privalumas, ir trūkumas. Mes priklausome nuo mašinų beveik kiekviename gyvenime. Mašinos dabar yra mūsų gyvenimo dalis ir naudojamos visur. Taigi turėtume žinoti daugiau apie mašinas ir žinoti ateitį, kas gali nutikti, jei suteiksime joms informaciją. Dirbtinis intelektas negali būti geras ar blogas. Jis keičiasi, kai mes jį naudojame.