12
совершающих действия), а также возможность манипулировать этими
представлениями через дедуктивные процессы.
В 1959 году М. Мински в Массачусетском технологическом институте
основал Лабораторию искусственного интеллекта и спроектировал робот,
способный воспринимать окружающие объекты и манипулировать ими.
Устройство было снабжено оптическими сканерами и тактильными
датчиками, управляемыми ЭВМ.
1.2. Машинное обучение в 1960-1990е годы.
C 1960 г. ИИ как самостоятельное направление распространилось по
всему миру. В работу включились СССР, Япония, страны Европы. Период с
1945 по 1960 гг. был первым шагом развития новой науки. В это время
появились основные направления исследований ИИ, результаты которых
породили огромное количество разнообразных идей, порождая как
междисциплинарные связи, так и принципиально новые идеи.
Однако не обошлось и без трудностей. Например, один из их типов
проблем - недостаточное или полное незнание предмета высказывания.
В 1965 году ELIZA Вайзенбаума могла вступать в серьезные дискуссии
на любую тему, но на самом деле использовала для этого высказывания,
предварительно введенные человеком.
Довольно типичный случай произошёл во времена первых попыток
машинного перевода, которые спонсировались Национальным
исследовательским советом с целью ускорить перевод технической
документации с русского языка на пороге запуска Спутника в 1957.
Изначально предполагалось, что в переводе для сохранения смысла
предложений и ухода от двойных значений достаточно будет простых
синтаксических трансформаций, основанные на грамматике русского и
английского языков, а также использования электронного слова для замены
лексики. На самом деле, перевод требует установления содержания
предложения. Известный перевод предложения "the spirit is willing but the flesh
13
is weak” как “водка хорошая, но мясо гнилое” отлично иллюстрирует
проблему. В 1966 отчет консультативного совета гласил “машинного перевода
научных текстов нет и не предвидится в ближайшем будущем”, и
правительство США прекратило финансирование академических проектов в
этой области.
Вторым типом трудностей была глубина проблем, которые пытался
решить ИИ. Большинство первых ИИ программ были успешными, потому что
“микромиры” в которых они работали, содержали небольшое количество
объектов. До развития теории NP-полноты считалось, что решение более
глубоких проблем зависит только от более быстрого оборудования и больши
объемов памяти. Оптимизм от доказательства некоторых теорем быстро
сдулся, когда оказалось, что невозможно доказать теорему с большим
количеством составляющих. Факт того, что программа может найти решение
в теории не означает, что она может найти его на практике.
Иллюзия безграничной вычислительной силы охватывала не только
программы по принятию решений. Первые эксперименты в машинной
эволюции (сейчас - генетических алгоритмах) были основаны на абсолютной
уверенности в том, что за несколько мутаций в коде, любой сможет создать
программу, способную решать любые простые задачи. Идея состояла в том,
чтобы внедрить случайные мутации, а затем из них выбрать те, которые
способствуют улучшению поведения программы. Несмотря на тысячи ЦПУ-
часов, никакого прогресса не было.
Неспособность справиться с “комбинаторным взрывом” стала главным
аргументом в критике ИИ в докладе Лайтхилла (1973), на котором
основывалось британское правительство в прекращении поддержки
исследований в области ИИ во всех университетах, кроме двух.
Третья трудность появилась из-за некоторых фундаментальных
ограничений в основных структурах, используемых для генерации
интеллектуального поведения. Например, в книге Персептроны (1969)
14
Мински и Заперт доказали, что хотя персептроны способны показать
способность к обучаемости всему, что могут представлять, представлять они
могут очень немногое.
В 1969 году в Вашингтоне состоялась Первая международная
конференция по искусственному интеллекту (IJCAI). После этого регулярно
раз в два года эти конференции стали повторяться. Их место проведения
чередуется так, что конференции с нечетными номерами проводятся на
американском континенте, а конференции с четными номерами – на других
континентах. Эти международные форумы сыграли решающую роль в
формировании методологии новой науки и выявлении областей ее
приложения. Количество их участников выросло от нескольких сот,
присутствующих на первых конференциях, до 4-5 тысяч участников. В 1976 г.
начал издаваться международный журнал "Искусственный интеллект". В эти
же годы в различных странах, где возрастала активность исследований в
области интеллектуальных систем, стали издаваться национальные и
международные журналы, посвященные отдельным проблемам ИИ или
проблемам всей области в целом. В странах социалистического лагеря роль
такого объединяющего исследователей международного органа выполнял
издаваемый с 1982 г. в Братиславе (ЧССР) журнал "Вычислительные машины
и искусственный интеллект".
В течение 70-х годов сложились основные теоретические направления
исследований в области интеллектуальных систем.
1. Представление знаний. Многие специалисты по интеллектуальным
системам считают это направление работ основным. Именно появление
знаний в памяти ЭВМ позволило, по их мнению, всерьез говорить о появлении
"интеллекта" в программах, реализуемых на ЭВМ. До этого при решении
задач на ЭВМ проблема заключалась в написании той процедуры, которую
нужно было реализовать на машине, и ее переводе на язык, понятый ЭВМ (т.е.
программировании). При появлении в памяти ЭВМ всех необходимых знаний
15
о некоторой фиксированной проблемной области ЭВМ становится способной
на основании этих знаний сама синтезировать программы, необходимые для
решения поставленных перед ней задач. Другими словами, труд программиста
выполняет сама ЭВМ, а человек общается с ней таким же способом, как он это
делает, когда общается со своим коллегой по работе.
Представление знаний как ведущее направление в ИИ решает
следующие задачи: а) как собрать знания о проблемной области и, в частности,
как получить с помощью опроса эти знания от специалистов в данной области;
б) как представить эти знания в базе знаний в форме, удобной для
последующей обработки на ЭВМ; в) как сохранить непротиворечивость и
достичь полноты знаний при объединении знаний, получаемых из различных
источников; г) как классифицировать собранные знания и как обобщать их в
процессе накопления; д) как их использовать при решении различных задач.
Из этого перечисления видно, что при работе со знаниями надо рассматривать
как теоретические, так и практические вопросы. Совокупность задач первого
типа образует множество проблем теории представления знаний, а
совокупность задач второго типа - множество проблем прикладной науки,
получившей в искусственном интеллекте название "инженерия знаний"
(специалисты, работающие в этой области, подготовка которых усиленными
темпами ведется во многих странах, называются инженерами по знаниям или
просто инженерами знаний).
В теории представления знаний изучаются формальные системы,
которые могут быть использованы при представлении знаний. Среди них
наиболее популярными оказались семантические сети, фреймы, сценарии,
продукционные системы и разного рода логические исчисления (чаще всего
это исчисление предикатов первого порядка).
Преобразования знаний, выполняемые в тех или иных моделях их
представления, носят, как правило, логический характер. В связи с этим в
теории представления знаний большое внимание уделяется созданию
16
специальных логических систем для работы со знаниями. В СССР, в
частности, разрабатывались псевдофизические логики (Д.А.Поспелов,
А.С.Нариньяни и др.), предназначенные для описания закономерностей,
отражающих временной, пространственный или каузальный аспект действий,
совершаемых в реальном физическом мире.
2. Общение. Вторым большим направлением в ИИ являются
исследования, касающиеся создания интеллектуальных программ, способных
к организации антропоморфного общения интеллектуальной системы с
пользователем. Чаще всего имеется в виду общение на ограниченном
естественном языке, когда сообщения вводятся в ЭВМ в виде письменного
текста или в виде последовательности речевых сигналов, а ответ
интеллектуальной системы либо высвечивается на экране дисплея, либо
формируется с помощью речевого синтезатора. Исследуется также способ
общения, опирающийся на рисование пиктограмм (картинок), но чаще такой
способ общения включается в качестве вспомогательного в общение первого
типа. В результате интенсивных исследований в области вопросно-ответных
и диалоговых систем специалисты по искусственному интеллекту создали
теорию таких систем и в настоящее время интеллектуальные системы
оказываются способными на имитацию достаточно развитых форм общения с
пользователем.
3. Рассуждения и планирование. Третье направление в работах по
искусственному интеллекту связано с созданием и исследованием различных
логических систем, способных воспроизводить в интеллектуальных системах
особенности человеческих рассуждений при решении разнообразных задач. В
нем рассматриваются проблемы принятия решений в альтернативных
ситуациях, а также нахождения и обоснования планов целесообразной
деятельности при решении задач, формируемых пользователем или
возникающих, как промежуточные, в процессе деятельности
интеллектуальных систем.
17
4. Восприятие. В свое время распознавание образов оказало некоторое
влияние на исследования по интеллектуальным системам. Теория
распознавания образов в дальнейшем стала развиваться отдельно от работ в
области ИИ. Но между ними появилась пограничная область – машинное
восприятие, в которой методы каждой из наук переплетаются между собой. К
восприятию относятся те задачи обработки зрительных образов, которые для
своего решения требуют использования знаний. Такие знания, в частности,
используются при анализе и описании трехмерных сцен, в которых отдельные
объекты могут закрывать другие или тени, возникающие из условий
освещенности, сцен, могут искажать общую картину и т.д. Подобные задачи
характерны для тех интеллектуальных систем, которые в процессе своей
деятельности должны много контактировать с реальным миром. Но и на
уровне информационных представлений о зрительных объектах такие задачи
возникают весьма часто.
5. Обучение. Методы, исследуемые в теории обучения интеллектуаль-
ных систем, активно опираются на знания. Поэтому, как и восприятие,
обучение интеллектуальных систем есть пограничная область между науками,
развивающимися вне сферы искусственного интеллекта, и теми методами,
которые характерны для интеллектуальных систем. Как правило, методы
последнего типа – это процедуры обучения на основании использования
информации о подтверждении или неподтверждении некоторых гипотез
фактами, хранящимися в базе знаний интеллектуальных систем. Это позволяет
считать, что в них развиваются идеи, которые были использованы в
упоминавшихся ранее исследованиях.
6. Деятельность. В этой части теории продолжают активно развиваться
исследования в области решения комбинаторных и игровых задач, характерных
еще для первого этапа развития работ в области ИИ, а также эвристического
программирования. Только на данном этапе развития ИИ происходит осмысление
постановок задач в этой области с точки зрения того уровня, который уже
18
достигнут в интеллектуальных системах. А этот уровень стал уже настолько
высок, что и в области ИИ стали возникать собственные программные и
инструментальные средства. Стали возникать и новые формы деятельности, ранее
не встречавшиеся в области интеллектуального программирования. Все это
знаменовало наступление нового этапа в развитии искусственного интеллекта.
Начало 80-х годов характеризуется изменением взгляда на ИИ. Если ранее
среди большинства специалистов бытовало мнение, что эта область науки
представляет весьма специфический и ограниченный интерес, то к началу 80-х
это мнение стало стремительно сменяться интересом к исследованиям в области
интеллектуальных систем. Это произошло потому, что к тому моменту развитие
теории искусственного интеллекта достигло такого уровня, когда на смену
"игрушечным" моделям и чисто демонстрационным интеллектуальным програм-
мам стали приходить системы, интересные и важные для решения трудных практи-
ческих задач, которые не могли быть решены ранее известными методами.
Можно указать несколько областей практического приложения
интеллектуальных систем, созданных в первой половине 80-х годов.
1. Традиционные системы управления. Связанные с появлением в конце
60-х годов методов ситуационного управления (Д.А. Поспелов, Ю.И. Клыков, Л.С.
Загадская и др.). Эти методы использовались для решения обычных задач
управления, когда другие методы не давали решения. В ситуационных моделях
использовались знания об объекте управления и методах управления им, а также
применялись такие традиционные для ИИ приемы, как описание ситуаций,
складывающихся на объекте управления на ограниченном и формализованном
естественном языке, использование псевдофизических логик для оценки и
преобразования ситуаций, обучение при накоплении информации в памяти
системы, планирование целесообразных действий по управлению и
использованию информации от технологов и управленцев. Существует ряд
областей управления, в которых применение методов ИИ дает большое
продвижение вперед. Среди этих областей наиболее перспективной является
19
создание роботизированных производств с гибкой технологией, с постепенным
повышением интеллектуального уровня роботов и разработкой новых технологий
для безлюдных производств. Работы в этой области развернулись в 80-е годы в
большинстве развитых стран и с их успешным завершением связываются огромные
надежды на подъем уровня производства. Еще одна область – это
"распределенные интеллектуальные системы" или даже "распределенный
интеллект". Эта область охватывает сложные задачи, в решении которых участвуют
многие люди, взаимно связанные друг с другом через общую информацию или
управление (примером задачи такого типа может служить отраслевое
планирование). Применение при решении подобных задач таких средств ИИ, как
база знаний или планировщик-решатель, может привести, как показали первые
опыты использования подобных систем, к весьма значительному эффекту.
2. Автоматизация научной и инженерной деятельности. С конца 70-х
годов весьма стремительно развиваются и внедряются в практику
интеллектуальные пакеты прикладных программ (ИППП). Эти системы
позволяют специалисту, работающему в определенной области, гибко и с
минимальными затратами усилий использовать обширные библиотеки
разнообразных прикладных программ, предназначенных для решения задач в этой
области. В ИППП имеется система общения с пользователем, позволяющая ему
общаться с программой на естественном профессиональном языке, модель
предметной области (своеобразная база знаний) и монитор-планировщик,
осуществляющий взаимодействие пользователя с библиотекой программ.
Расчетно-логические системы – еще один вид интеллектуальных систем,
используемый в исследовательской деятельности. Они являются дальнейшим
развитием ИППП и предоставляют пользователю еще более богатые
возможности по работе с моделью предметной области и пакетом прикладных
программ. Как правило, в таких системах имеется хорошо развитая графическая
система общения, делающая наглядными и легко изменяемыми чертежи и
схемы, хранящиеся в памяти системы. В СССР под руководством Г.С.
20
Поспелова было создано несколько систем подобного типа, предназначенных для
отраслевого планирования и проектирования сложных технических систем (первая
половина 80-х годов).
Обучающие системы (тьюторы) становятся в 80-е годы все более и более
популярными. Идея машинного обучения не нова. Но первый этап развития таких
систем проходил вне сферы ИИ, что не позволило авторам обучающих систем
добиться заметного успеха. С началом внедрения в эту область идей и методов
искусственного интеллекта возник перелом. Применения в обучающих системах
развитых баз знаний и гибких планировщиков-решателей сделало эти системы
эффективными. Кроме обучения решению задач на ЭВМ, обучающие системы
активно работают в различных тренажерах и при обучении в высших учебных
заведениях и в школе.
Экспертные системы (ЭС) – наиболее известный тип современных
промышленных интеллектуальных систем. Принципиальное отличие ЭС от
других систем ИИ – это наличие системы обоснования. Задачей системы
обоснования является формирование пользователю, если он этого требует,
совокупности объяснений о том, как система получила то решение, которое она
выдала пользователю. Подобная функция в предшествующих системах не
реализовывалась. Цель системы обоснования состоит в повышении доверия к
результатам, получаемым ЭС.
В целом ЭС бывают двух типов. ЭС первого типа близки к тьюторам. Они
используются для помощи специалистам, решающим нужную им задачу, но не
обладающим всеми необходимыми для этого знаниями. Таким специалистом
может быть врач, впервые столкнувшийся с неизвестным ему заболеванием, или
инженер-эксплуатационник, не знающий что делать в наблюдаемой в данный
момент ситуации. В этих случаях ЭС, хранящая в своей памяти богатый запас
знаний, почерпнутый из печатной продукции или от экспертов-специалистов, в
режиме диалога с пользователем пытается оказать ему посильную помощь в
постановке диагноза, планировании его деятельности, принятии решений при
21
имеющемся множестве альтернатив и т.п. ЭС второго типа предназначены для
работы со специалистами, ведущими научные исследования. Они являются для
них вспомогательным инструментом, предназначенным для совместной работы
в диалоговом режиме. Такие ЭС могут быстро производить нужные расчеты,
создавать геометрические зрительные образы конструируемых объектов, быстро
искать информацию в базе по запросу пользователя и т.п.
3. Производство ЭВМ новых поколений. В начале 80-х годов произошел
всплеск в области конструирования ЭВМ. Известный проект "ЭВМ пятого поколе-
ния – путь к прогрессу", выдвинутый Японией, вызвал широкий отклик во всех
развитых странах, ибо декларировал переход на новый уровень переработки инфор-
мации и решения задач. ЭВМ пятого поколения должны быть такими, чтобы
пользователь мог их применять с такой же легкостью, с какой он пользуется
другими приборами, носящими название бытовых. Достижение этого уровня гаран-
тирует массовое внедрение ЭВМ в повседневную деятельность людей [52].
Так искусственный интеллект стал в середине 80-х годов одним из ведущих
направлений научно-технического прогресса.
1.3. Машинное обучение в настоящее время.
В наше время методы искусственного интеллекта используют очень
обширно, существует множество областей их применения. Кроме логических
игровых программ, сегодня развиваются следующие: слуховые аппараты на
базе алгоритмов, отфильтровывающих фоновый шум; навигационные
системы, отображающие карты и подсказывающие маршрут водителям;
рекомендательные системы, предлагающие книги и музыкальные альбомы
пользователям на основе анализа их предыдущих покупок и оценок; системы
поддержки принятия медицинских решений, помогающие врачам, например,
диагностировать рак молочной железы, подбирать варианты лечения и
расшифровывать электрокардиограммы. В современном мире, кроме
промышленных роботов, число которых уже превысило миллион, появились
различные роботы-помощники: домашние питомцы; пылесосы;