Реферати українською » Наука и техника » Історія розвитку штучного інтелекту


Реферат Історія розвитку штучного інтелекту

Страница 1 из 2 | Следующая страница

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

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

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

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

Нейросети

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

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

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

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

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

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

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

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

Якщо за цьому використати ступінчасту функцію активації, такий нейрон працюватиме точно як і, як описане вище природний нейрон.

Нейросети в штучний інтелект

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

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

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

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

Один із центральних проблем, це «проблема активних знань, що породжують потреби у діяльності системи через ті знань, нагромаджені у пам'яті системы»1.

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

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

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

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

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

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

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

Нині накопичено і значною мірою систематизований експериментальний і теоретичний матеріал про елементарної організації коркових функцій.

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

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

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

А, щоб інтегрувати ці нав'язані біологією спостереження логічні теоретичні рамки, слід також знайти некартезианское концептуальне простір для роздумів про життя і розумі, простір у межах суворої безперервності. На щастя таке простір існує у концепції Аристотеля.

Досі картезіанська

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

Будь-який, навіть не виявляв особливого інтересу до філософії розуму, знає, що Декарт вважав мислиме та фізичне двома різними, але взаємодіючими

Страница 1 из 2 | Следующая страница

Схожі реферати:

Навігація