Систематический курс 11 класс Для классов гуманитарного профиля Допущено

Вид материала

Учебник

Содержание Искусственный интеллект Логическая модель Описание фрейма Описание фрейма «Заполненный» фрейм Системы искусственного интеллекта Фрейм — описание свойств вершин (узлов) семантиче­ской сети. Фрейм Правило вывода Экспертная система

Подобный материал:

• Элективный курс по химии 10-11 класс для профильного обучения. «Введение в биохимию, 103.1kb.
• Программа курса химии для школ и классов гуманитарного профиля (третья ступень обучения), 99.49kb.
• Элективный курс «русская речь: развитие речи», 57.53kb.
• Программа дополнительного образования, 78.63kb.
• Программа элективного курса "Издательское дело", 73.93kb.
• Систематический курс (в трёх томах) Том, 7018.51kb.
• Зимина Ирина Викторовна 2010 год пояснительная записка, 94.37kb.
• Желябовская Татьяна Олеговна, учитель русского языка и литературы моу сош №1 города, 61.66kb.
• Курс лекций по организации производства на предприятиях отрасли, 1731.03kb.
• Пояснительная записка к программе «Страноведение. Великобритания» для учащихся 9-х, 65.3kb.

2.5. Системы искусственного интеллекта



Попытки формализовать мышление человека, построить адекватную модель рассуждений, выявить способы творче­ского разрешения проблемных ситуаций предпринимались учеными с древних времен. Платон, Аристотель, Сенека, Р. Декарт, Г. В. Лейбниц, Дж. Буль, Н. Лобачевский и мно­гие другие исследователи стремились описать мышление как набор некоторых элементарных правил и операций, смоделировать интеллектуальную деятельность.

Искусственный интеллект (ИИ) как самостоятельное научное направление появился во второй половине XX века. Во многом это было связано с развитием кибернетики, кото­рая изучает управление и связь в сложных системах, в том числе управление (а также самоуправление, самоорганиза­цию) в такой системе, как человек, и в социальных систе­мах. Управление связано с принятием решений на основе анализа, сравнения, переработки информации, выдвижени­ем предположений, доказательством правильности гипотез, то есть с теми операциями, которые традиционно относятся к области интеллектуальной деятельности.

Исследования в области ИИ развиваются по двум основ­ным направлениям. Это связано с тем, что ответить на во­прос, что такое интеллектуальная система, можно двояко.

С одной стороны, систему можно считать интеллектуаль­ной, если процесс ее «рассуждений», способы формирования разумного поведения подобны естественному мышлению. В этом случае искуственный интеллект создается на основе скурпулезного изучения и моделирования принципов и кон­кретных особенностей функционирования биологических объектов.

С другой стороны, систему можно считать интеллектуа­льной, если достигнутый ею результат подобен результату, который в тех же условиях получает человек. Что касается внутренних механизмов формирования поведения, то разра­ботчик ИИ вовсе не должен копировать особенности «живых аналогов ».

Первое направление, которое чаще называют искусст­венным разумом, использует данные о нейрофизиологиче­ских и психологических механизмах интеллектуальной дея­тельности. Разработчики стремятся воспроизвести эти механизмы с помощью технических устройств.

Второе направление, называемое машинным интеллек­том, рассматривает продукт интеллектуальной деятельно­сти человека (решение задач, доказательство теорем, игры со сложной стратегией и пр.), изучает его структуру и стре­мится воспроизвести этот продукт средствами вычислитель­ной техники. Успехи этого направления тесно связаны с развитием компьютеров и искусством программирования.

Оба направления активно используют методы моделиро­вания — имитационного и структурного, математического и компьютерного и др.

Пример. В замечательной книге «Маленькая энциклопедия о большой кибернетике» В. Пекелис, описывая исследо­вания в области бионики, задает вопрос: мог ли чело­век пройти мимо заманчивой идеи — создать своими руками то, что уже создала природа? Тем более, что он подмечает много преимуществ в творениях природы перед своими собственными созданиями. При этом уче­ные стремятся не к слепому подражанию, не к заимст­вованию всех характеристик биологических объектов, а к критическому, строгому отбору только полезных для техники свойств. Моделировать деятельность жи­вых организмов интересно и нужно, особенно те функ­ции, которые повышают гибкость, надежность, эконо­мичность системы или процесса.

Самой сложной биологической системой, выполняющей разнообразные функции по переработке сигналов и управле­нию, издавна признана нервная система. Многие ее особен­ности связаны со структурными особенностями нервных клеток — нейронов и нейронной сетью, поэтому они нередко являются объектами моделирования при иследованиях в об­ласти искусственного интеллекта.

Кора больших полушарий головного мозга человека со­держит около 14 миллиардов нейронов, образующих слож­нейшее переплетение связей. Устройство и законы функцио­нирования самого нейрона также очень сложны, что позволяет использовать для его описания только упрощен­ные модели. Такие модели носят название нейроноподобных сетей. Используются они для построения систем управления различными робототехническими устройствами. Нейронопо-

добные сети являются устройствами параллельной обработ­ки информации и имеют преимущества при построении сис­тем, предназначенных для работы в реальном масштабе вре­мени.

Пример. Первый в нашей стране транспортный робот ТАИР с сете­вой системой управления был построен еще в 1975 году. Он мог целенаправленно двигаться в естественной среде (в парке), объезжать препятствия, избегать опасных мест, поддерживать внутренние параметры в заданных преде­лах. При этом робот достигал цели с минимальными энергетическими и временными затратами. Нейронопо-добная сеть, составляющая основу управления, содержа­ла 100 узлов и отвечала за шесть видов деятельности: рас­познавание и оценку ситуации, решения, маневры верхнего и нижнего уровня, элементарные двигательные действия. Исследования ТАИРа и его «последователя» — лабороторного робота МАЛЫШ, обладающего более раз­витой системой технического зрения и нейроноподобной сетью, обрабатывающей данные восприятия, стали осно­вой построения промышленного транспортного робота широкого назначения ГРУЗ-2Т.

Существующие и разрабатываемые в настоящее время ро­боты значительно отличаются друг от друга по своему назна­чению и функциональным возможностям. Некоторые из них имеют системы восприятия визуальной, аудиальной, такти­льной информации из внешней среды и системы воздействия на внешние объекты — различные манипуляторы, захваты, толкатели и пр. Многие роботы снабжаются системами, обес­печивающими их перемещения — это колесные, плавающие, летающие, шагающие платформы и аппараты. Роботы, снаб­женные системами целеполагания и планирования действий, а также системами коммуникации с человеком-оператором относятся к классу роботов с искуственным интеллектом. Разработка таких роботов ведется в настояще время.

Особое внимание в исследованиях по машинному интел­лекту уделяется проблемам распознавания образов и орга­низации речевого «общения».

Одна из удивительнейших способностей человека — спо­собность узнавать. Едва бросив взгляд, мы узнаем, что перед нами кот или собака, корабль или бабочка, буква «ч» или «у». Узнаем, как правило, безошибочно, будь то сам «ориги­нал» или его уменьшенное или увеличенное изображение. Способностью узнавать человек обладает испокон веков. И все-таки до сего времени ученые в точности не знают, как же человек узнает.

Пример. Попробуйте объяснить, по каким формальным призна­кам вы отличаете кота от собаки. Спутаете ли вы их, если оба они спят, свернувшись клубочком? По каким признакам вы их отличите теперь?

Ученые считают, что восприятие окружающего мира в форме образов дают возможность человеку (и животным) бо­лее экономно использовать память.

Задачи распознавания образов очень разнообразны. Наи­более простые из них решаются, например, в программах оптического распознавания символов (OCR — optical charac­ter recognition), предназначенных для ввода печатного или рукописного текста, в частности, с помощью сканера. Распо­знавание символов, даже будучи «наиболее простым» в классе задач распознавания образов, тем не менее достаточ­но сложны для их формализованного описания.

Пример На рис. 2.5.1. приведены различные изображения буквы «А». У них разные начертание, цвет, наклон. Какие формальные признаки, присущие только этой букве и никакой другой, можно выделить? Просто ли перевести их на строгий алгоритмический язык?

Рис. 2.5.1

Изображения буквы «А»

В робототехнике распознавание образов осуществляется системами технического зрения. Они используются в систе­мах технического контроля для обнаружения дефектов в за­готовках и изделиях, в станках с программным управлени­ем при управлении позиционированием деталей, сборкой, сваркой и т. п. В широко разрабатывающихся сейчас алго­ритмах по распознаванию и «пониманию» сложных сцен, включающих несколько произвольно расположенных в про­странстве трехмерных объектов, используется информация о расположении и конфигурации теней, полутонов, об осо­бенностях отражения света материалами различных текстур (металл, дерево, ткань) и т. п.

Автоматическое распознавание речи необходимо для со­здания средств речевого ввода команд и текстов, автомати­ческого перевода, реферирования текстов, построения спра­вочных и информационно-поисковых систем. Синтез речи является одним из функциональных узлов различных робо­тов связи.

Пример. Существуют системы, которые могут сообщение, при­сланное по электронной почте, преобразовать в «голосо­вое» и передать по нужному телефону в заданный проме­жуток времени.

Другие системы по названному телефонному номеру (входящему в зараннее определенный список) обеспечи­вают услуги выдачи адресов, маршрутов проезда и т. п.

Интересна история исследований по машинному интел­лекту.

Практически с момента появления ЭВМ появился инте­рес к автоматизации решения трудноформализуемых задач, в частности, процесса доказательства теорем, к познанию за­кономерностей творческой деятельности.

С самого начала использования ЭВМ для решения задач стало ясно, что одними точными математическими метода­ми не обойтись. Для многих задач, которые люди умеют ре­шать (играть в шахматы, сочинять стихи, строить научные теории), точных методов не существует. В этом случае мож­но попробовать воспроизводить компьютерными средствами те правила и приемы, которыми пользуется человек при ре­шении аналогичных задач. Эти специфические для человека правила и приемы называются эвристиками, а методы ре­шения задач, опирающиеся на них, эвристическими мето­дами.

Компьютеры позволяют изучать эвристическую деятель­ность человека с помощью моделей. Среди них важную роль занимают игры, особенно, шахматы, которые выступают «пробным камнем» моделирования мышления. В процессе шахматной игры человек анализирует множество условий и оценивает множество возможностей: на 64 клетках шахмат­ной доски возникает огромное число комбинаций фигур. Ко­нечно, человек перебирает не все возможные варианты, он пользуется выработанной стратегией. Аналогичные модели перебора множества возможных вариантов возникают при решении самых разнообразных задач, например, при поиске пути в лабиринте или определение стратегии размещения ценных бумаг.

На компьютере модели поведения человека в ситуации вы­бора из множества вариантов, реализуются с помощью эври­стического программирования. Главное в эвристической программе — стратегия поиска решений. В процессе выполне­ния программы машина по результатам промежуточных дей­ствий как бы судит о своей деятельности, дополнительно соби­рает необходимую ей информацию. Эвристические программы

не рассматривают вариантов бесперспективного поиска, а ищут решение только в том направлении, где оно возможно.

Эвристическое программирование используется при созда­нии систем искусственного интеллекта, называемых решате­лями задач. Обычно программы-решатели строятся для за­дач, связаных с преобразованием ситуаций, когда заданы исходная и желаемая ситуация, а также набор операторов или действий, которые могут строго определенным образом изменять ситуации. Чаще всего решатели используются как составная часть систем автоматизации управления сложны­ми объектами, в частности, роботами.

К системам ИИ относятся и системы машинного перево­да, которые включают в себя лингвистические описания входного и выходного языков, базы данных — словари, ал­горитмы, на основе которых осуществляется непосредствен­но перевод. Первые системы машинного перевода осуществ­ляли перевод пословно, не «вникая» в смысл предложения. Предназначены они были для перевода технической доку­ментации, патентов и т. п. Развитые системы машинного перевода работают по многоэтапной схеме. Основные эта­пы — это анализ переводимого (исходного) текста и синтез перевода. Перевод осуществляется обычно пофразно.

Этапы анализа таковы:

• выделение из текста очередной фразы;
  
• лексический анализ — выделение слов и частей речи;
  
• поверхностный синтаксический анализ — выделение чле­нов предложения;
  
• глубинный синтаксический анализ, учитывающий смыс­ловые связи между словами.
  

В результате анализа строится внутреннее представление фразы, отражающее ее смысл.

Синтез перевода включает следующие этапы:

• подбор слов выходного языка для передачи внутреннего представления фразы;
  
• расстановка слов в нужном порядке с извлечением из сло­варя внешней лексической формы слов;
  

• формирование окончательного вида переведенной фразы.
Почему машинный перевод относится к классу систем ис­
кусственного интеллекта? Одна из причин — многознач­
ность большинства естественных языков, когда смысл фра­
зы можно определить только из контекста.

Пример. Можно ли однозначно понять и перевести следующие фразы вне контекста?

«Не валяй дурака»; «Вот где собака зарыта»; «Остался с носом»; «Он на этом собаку съел».

Одной из ключевых проблем создания систем ИИ являет­ся проблема представления и использования знаний о той предметной области, в которой система решает те или иные задачи. Общий круг задач, решаемых в этой связи, относит­ся к разделу ИИ, называемому инженерией знаний. Важ­ным элементом любой системы управления являтся база знаний. Идея баз знаний сформировалась в ходе исследова­ний по созданию принципов и методов работы с большими базами данных. Оказалось, что эффективность использова­ния баз данных может быть существенно повышена, если связывать хранящуюся информацию не только за счет форм (таблиц, списков, деревьев), но и за счет тех отношений, ко­торые существуют между фактами. Причем, отношения эти должны быть не случайными, ситуативными, а отражать су­щественные связи объекта. Такие базы данных получили название интеллектуальных баз данных или баз знаний.

Знания о предметной области и способах решения задач из нее могут быть декларативные и процедурные. Декла­ративные знания описывают объект (отвечают на вопросы типа: «Что есть X?», «Как связаны X и Y?», «Почему X?»). Процедурные знания описывают последовательность дейст­вий, которые могут использоваться при решении задач (от­вечают на вопросы типа: «Как сделать X?»).

Базы знаний строятся на основе моделей, разработанных в когнитивной психологии (психологии познания). Основ­ных моделей три: логическая, сетевая, продукционная.

Логическая модель широко использует аппарат матема­тической логики. Декларативные знания представляются в виде формул, а использование логических операций позво­ляет записать процедурные знания.

Пример. Суждение «Я обязательно поеду на матч, если достану билет или меня пригласит товарищ и если не будет до­ждя» можно записать следующим образом:

(A v В) л чС => D. Здесь:

А — «Я достану билет»; В = «Меня пригласит товарищ»; С = «Будет дождь»; D = «Я поеду на матч»; v — логическая операция «или»;

л — логическая операция «И»; -1 — логическая операция «НЕ»; => — логическая операция «ЕСЛИ..., ТО...». Возможна и такая форма записи: ( ИМЕТЬ (я, билет) v ПРИГЛАСИТЬ (товарищ, я) ) л -, ИМЕТЬ МЕСТО (дождь) => ПОЙТИ (я, матч).

В основе сетевой модели лежит идея о том, что любые знания можно представить в виде совокупности объектов (понятий) и связей (отношений) между ними. Знания, пред­ставленные таким образом, носят название семантические сети.

Пример. Фраза «девочка ищет в комнате большой красный мяч, который лежит под письменным столом» может быть представлена в виде семантической сети, изображенной на рис. 2.5.2.

Рис. 2.5.2

Семантическая сеть

Заметим, что блок-схемы алгоритмов также представля­ют собой семантические сети. Вершины этих сетей — проце­дуры, а дуги означают действие «перейти к процедуре» («пе­редать управление процедуре»).

Понятия, входящие в сеть, описываются в виде фреймов. Фрейм — это минимально возможное (так, чтобы не «поте­рялся» сам объект) описание сущности какого-либо явле­ния, процесса, ситуации. Компоненты фрейма называются слотами. Изображается фрейм в виде цепочки слотов, при­чем исключение из фрейма любого слота делает его непол­ным, иногда бессмысленным.

Пример

Описание фрейма	«Заполненный» фрейм
(фрейм-прототип)	(фрейм-экземпляр)
Битва = <кто?> <с кем?> <ког-	Битва 1 = <СССР> <Германия>
да?> <где?> <результат>	<декабрь 1941> <Сталинград> <победил>
	Битва2 = <Иван Царевич>
	<Кощей Бессмертный> <утром>
	<в чистом поле> <победил>
Книга = <Автор(ы)> <назва-	Книга1 = <Стругацкий А., Стругацкий Б.>
ние> <жанр> <издательство>	<Понедельник начинается в субботу>
<год издания> <кол-во стр.>	<Фантастические повести> <Москва: Дет-
	ская литература> <1987> <496>

Описание фрейма «Заполненный» фрейм

(фрейм-прототип) (фрейм-экземпляр)

Битва = <кто?> <с кем?> <ког- Битва1 = <СССР> <Германия>
да?> <где?> <результат> <декабрь 1941> <Сталинград> <победил>

Битва2 = <Иван Царевич> <Кощей Бессмертный> <утром>

<в чистом поле> <победил>

Книга = <Автор(ы)> <назва- Книга1 = <Стругацкий А., Стругацкий Б.>
ние> <жанр> <издательство> <Понедельник начинается в субботу>
<год издания> <кол-во стр.> <Фантастические повести> <Москва: Дет-
екая литература> <1987> <496>

Основу продукционной модели составляют множества продукций — правил вывода. В наиболее простом виде про­дукция записывается как стандартное выражение, включа­ющее в себя конструкцию «если..., то...». Это выражение носит название ядра продукции. Например: «Если ввел не­верный символ, нажми клавишу «—>». Кроме ядра в про­дукцию» как правило, входит еще условие. Оно определяет те ситуации, в которых можно использовать указанное пра­вило. Только что рассмотренная продукция будет более определенной, если к ней добавить условие «Вводится текст с клавиатуры компьютера».

Пример

Форма продукции	Продукция
(краткая)
Имя продукции:	Определение вида треугольника:
При выполнении усло-	Известно, что а, Ь, с — длины сторон треугольника;
вия С имеет место: если А, то В	если а2 + Ъг = с2, то треугольник прямоугольный
	Поведение при пожаре:
	Вы находитесь дома и у вас есть телефон и телефон
	работает;
	если в доме вспыхнул пожар, то вызывайте пожар-
	ную команду по телефону 01

Форма продукции Продукция

(краткая)

Имя продукции: Определение вида треугольника:

При выполнении уело- Известно, что а, Ь, с — длины сторон треугольника;

вия С имеет место: если а² + Ъ^г = с², то треугольник прямоугольный

если А, то В Поведение при пожаре:

Вы находитесь дома и у вас есть телефон и телефон работает;

если в доме вспыхнул пожар, то вызывайте пожар-
ную команду по телефону 01

Наиболее динамично развивающимися системами искус­ственного интеллекта являются экспертные системы и си­стемы поддержки принятия решений.

Экспертная система (ЭС) — вычислительная система, в которую включены знания специалистов о некоторой конк­ретной предметной области и которая в пределах этой облас­ти способна принимать решения, качество которых соответ­ствует решениям, принимаемым экспертами-людьми.

Пример. Человека с самого начала не устраивала возможность за­давать компьютеру лишь вопросы типа: «Чему равен си­нус 10 радиан?» Хотелось бы получать ответы на вопро­сы: «Что случилось с этим больным?»; «Имеет ли смысл бурить скважину в этом месте?»; «Были ли случаи по­добного применения патентного права?»; «Каково моле­кулярное строение этого вещества?»; «Почему падает спрос на эту продукцию?».

Экспертные системы имеют в своем составе обширную базу данных — факты выбранной предметной области, а также базу знаний, в которой отражены профессиональные навыки и умения специалистов высокого уровня в данной области.

Основу квалификации эксперта, кроме формализованных знаний, составляют трудноформализуемые эвристические приемы, догадки, интуитивные суждения и умения делать выводы, которые сам эксперт может не вполне осознавать. Поэтому создание экспертных систем — длительный и сложный процесс. Заполнение базы знаний — наиболее тру­доемкий этап. Разработку структуры и наполнение базы знаний осуществляет инженер по представлению знаний. Он работает в тесной связи с одним или несколькими эксперта­ми. Вместе они подробнейшим образом определяют, какими должны быть правила вывода, как они взаимосвязаны меж­ду собой, по возможности устраняют противоречия в мнени­ях экспертов, находят аналогии, вырабатывают метаправи­ла (то есть правила, описывающие, каким образом другие правила должны быть использованы или модифицированы), строят разветвленные сети логических выводов и многое другое.

Экспертная система должна обладать следующими свой­ствами:

• должна иметься способность рассуждения при неполных и противоречивых данных;
  
• дожна иметься способность объяснять цепочку расужде-ний понятным для пользователя способом;
  
• факты и механизмы вывода должны быть четко отделены друг от друга;
  
• система должна быть «самообучающейся», то есть выво­ды, полученные при решении задачи, должны включать­ся в базу знаний для решения других задач;
  
• на выходе ЭС должна выдавать не таблицу чисел или гра­фики на экране, а четкий совет;
  
• быть экономически выгодной.
  

Пример. Одна из самых известных в мире консультационных ЭС — MYCIN, предназначенная для медицинской диа­гностики инфекционных заболеваний крови, сопостав­ляет с помощью правил симптомы исследуемой болезни с симптомами болезней, накопленных в базе знаний. Врач отвечает на запросы ЭС о симптомах болезни, а за­тем, получив достаточно фактов, ЭС помогает врачу по­ставить диагноз и дает рекомендации по лечению.

На рис. 2.5.3 представлена типовая структура экспертной системы.

Рис. 2.5.3

Структура

экспертной

системы



Искусственный интеллект (artificial intelligence) — вос­произведение отдельных умственных действий компьютер­ными средствами.

Системы искусственного интеллекта — технические сис­темы, воспроизводящие отдельные аспекты человеческого интеллекта, реализованные в компьютерных программах посредством специальных логических систем.

Основные направления исследований в области искусст­венного интеллекта:

• моделирование биологических систем;
  
• моделирование умственной деятельности.
  

Сферы применения систем искусственного интеллекта:

• робототехника;
  
• экспертные системы;
  
• создание универсальных решателей задач;
  
• перевод с одного языка на другой, реферирование тек­стов;
  
• создание интеллектуального интерфейса, обеспечивающе­го удобный диалог пользователя с компьютером. Основные задачи, решаемые системами искусственного
  

интеллекта;

• распознавание образов;
  
• распознавание звуков, в частности речи;
  
• синтез речи;
  
• анализ и синтез текстов;
  
• представление и использование знаний о предметной об­ласти;
  
• моделирование рассуждений;
  
• объяснение выбора действий;
  
• прогнозирование развития процесса;
  
• диагностика критических ситуаций;
  
• оптимизация процессов и др.
  

Ключевым термином искусственного интеллекта являет­ся термин «знание».

База знаний (knowledge base) — семантическая модель, предназначенная для представления в компьютере знаний, накопленных человеком в определенной предметной облас­ти. Является основной составной частью интеллектуальных и экспертных систем.

Информация в базе знаний — это все необходимое для по­нимания, формирования и решения проблемы.

Компоненты базы знаний — факты (данные) из предмет­ной области; специальные эвристики или правила, которые позволяют получать новые факты при решении проблемы; метаправила (правила о правилах) для решения проблем и получения выводов.

Основные модели представления знаний:

• логическая (на основе использования математической ло­
гики);

• сетевая (семантические сети);
  
• продукционная (на основе правил вывода и условий их применения).
  

Семантическая сеть — представление знаний посредст­вом графа (сети), вершины (узлы) которого соответствуют понятиям, действиям или объектам предметной области, а соединяющие их дуги отражают отношения между узлами.

Фрейм — описание свойств вершин (узлов) семантиче­ской сети.

Фрейм — минимально возможное описание всех основ­ных свойств объекта, соответствующего вершине сети. Свой­ства описываются атрибутами (слотами) и их значениями.

Правило вывода — определение рекомендаций, указаний или стратегий поведения в формате «если (условие), то (дей­ствие)» или «если (предпосылка), то (заключение)».

Эксперт — человек, который за годы обучения и практи­ки научился чрезвычайно эффективно решать задачи, отно­сящиеся к конкретной предметной области.

Экспертная система (expert system) — система искусст­венного интеллекта, основанная на знаниях. Она в пределах данной предметной области способна принимать решения, качество которых соответствует решениям, принимаемым экспертами-людьми.

В разработке ЭС принимают участие эксперты и инжене­ры по представлению знаний (инженеры по знаниям).

Компонентами ЭС являются:

• подсистема приобретения знаний;
  
• база знаний;
  
• машина вывода (логический блок);
  
• подсистема объяснений;
  
• подсистема совершенствования вывода (блок самообуче­ния);
  
• рабочая память, в которой хранятся текущие рабочие ги­потезы и управляющая информация.
  

Задание 1

К области искусственного интеллекта относится машинный син­тез осмысленных текстов. Он используется:

• для налаживания удобного для человека диалога с машиной. Задача — научить ЭВМ воспринимать и «понимать» тексты, указания, команды, вопросы, сформулированные на естест­венном языке, а также адекватно отвечать на них также на естественном языке;
  
• для исследования закономерностей художественного творче­ства. Задача — научить ЭВМ «сочинять» стихи, сказки, бас­ни, рассказы.
  

Сформулируйте, в чем сходство в подходах к решению этих за­дач и в чем различие. Какие, по вашему мнению, основные про­цедуры должны выполняться в том и другом случае?

Задание 2

Приведите пример декларативных и процедурных знаний, кото­рыми вы обладаете в областях, относящихся:

а) к квадратным уравнениям;

б) к законам Ньютона.

Подсказка: декларативные знания: «Квадратное уравнение — это многочлен...»; процедурное знание: «Чтобы определить кор­ни квадратного уравнения...»

Задание 3

а) Создайте фрейм-экземпляр текущего занятия по следующему
фрейму-прототипу:

Урок = <дисциплина> <класс> <преподаватель> <день> <но-мер урока> <аудитория>.

б) Определите слоты фрейма (разработайте фрейм-прототип),
описывающего учебник.

Задание 4

Подготовте реферат на тему «Использование экспертных систем в ...». В качестве предметных областей можно выбрать: военное дело, геологию, инженерное дело, информатику, компьютерные системы, космическую технику, лингвистику, математику, ме­дицину, метеорология, промышленность, сельское хозяйство, управление производстом, физику, химию, электронику, юрисп­руденцию.

Примечание. В списке перечислены те области знания, для кото­рых существуют реально функционирующие ЭС.

Задание 5

Поясните, как вы понимаете фразу, высказанную известным ис­следователем в области информатики Д. А. Поспеловым: «рань­ше ЭВМ «понимали», как надо выполнить введенную в них про­грамму, но «не понимали», что они при этом делают, а с появлением интеллектуальных систем ЭВМ научились «пони­мать», как построить нужную для решения поставленной задачи программу и что эта программа делает».

1. Можно ли считать машину думающей, если она может читать газету и делать краткий обзор ее содержания?
   
2. Можно ли считать техническую систему интеллектуаль­ной, если после некоторого времени «общения» с ней (че­рез посредника) человек не может определить, с кем он общался — с человеком или с машиной?
   

Первая программа ИИ — «Логик-теоретик», которая до­казывала теоремы в символьной логике, появилась в 1956 году в институте Карнеги (США). Ее авторы А. Ньюэлл, Г. Саймон и Дж. Шоу основывались на идее о том, что мыш­ление следует понимать как механизм для обработки инфор­мации, а решение задач человеком осуществляется путем целесообразного выбора из множества конкурирующих между собой альтернатив. После «Логика-теоретика» авто­ры попытались создать Общий решатель задач. Поставлен­ная цель не была достигнута: оказалось, что класс доступ­ных задач оказался весьма узок. Тем не менее эта программа надолго вошла в арсенал средств искусственного интеллекта, на ее основе отрабатывались приемы эвристиче­ского программирования, была создана база для совершен­ствования решателей задач.

Термин «искуственный интеллект» впервые ввел Дж. Маккарти, автор многих ярких работ по программиро­ванию. Он же организовал первую конференцию по ИИ и начал теоретическую работу, которая привела к созданию языка символьного программирования Лисп (Lisp), ставше­го базовым языком для создания программного обеспечения для систем искусственного интеллекта.

Первые роботы, системы управления которых были по­строены на основе нейроноподобных сетей (на уровне отде­льных нейронов) были разработаны в 60-х годах XX века Л. Сутро, У. Килмером, Дж. Олбусом и др.

Первые машинные стихи появились в 60-х годах XX века. Вот два примера машинных стихотворений:

Пока жизнь создает ошибочные, Добрый реет шелест,

совершенно пустые образы, Плачет пустота,

Пока медленное время течет Слушают качели,

мимо полезных дел, И поет беда.

А звезды уныло кружатся в небе, Стань покорно горе,

Люди не могут смеяться. Томно лишь летит,

И прозрачно море, Тайно шелестит. И бежит земная Незаметно тень, Медленно лесная Славит влажный день.

Теоретическую основу моделей представления знаний (а также основу разработки большинства компьютерных язы­ков) заложил Н. Хомский, который предложил новую систе­му понимания языка, называемую формальной граммати­кой, которая позволяет описать структуру фраз, текстов

Фреймы впервые были определены М. Минским в 1974 году как структуры, группирующие данные по объединяю­щему их смыслу.

Семантические сети как модели представления знаний были предложены Р. Квиллингом в 70-х годах.

Одна из первых экспертных систем была разработана для химических исследований в середине 60-х годов. Проект DENDRAL был предназначен для определения пространст­венных структур органических молекул.

Одна из первых успешно действующих ЭС в области компьютерных систем и электроники XCON появилась толь­ко в конце 70-х годов. Современные разработки ЭС в этой об­ласти связаны с проектированием конфигурации компьюте­ров, с диагностикой неисправностей, с управлением процессом производства компьютеров.



Термин «интеллект» традиционно считается психологи­ческим термином. Наиболее тесно он связан с термином «ра-

зум». Интеллект рассматривается как психологическая основа разумного, рационального поведения. В общем виде интеллект — это система психических механизмов, которые обеспечивают возможность построения «внутри» индивиду­ума субъективной картины окружающего мира и происхо­дящих в нем процессов. С психологической точки зрения назначение интеллекта — создавать порядок из хаоса на основе приведения в соответствие потребностей индивида с объективными требованиями реальности. Все те области че­ловеческой деятельности, где надо что-то узнать, сделать что-то новое, принять решение, понять, объяснить, от­крыть, предсказать — все это сферы действия интеллекта. По одному из определений, интеллект — это способность адекватно отражать ситуацию, адекватно этому отражению принимать решение и адекватно этому решению действо­вать.

В психологии мышления существуют следующие наибо­лее распространенные модели интеллектуальной творческой деятельности:

• лабиринтная модель. Суть ее такова: переход от исход­ных данных задачи к ее решению лежит через лабиринт возможных альтернативных путей. Не все пути ведут к желаемой цели, многие из них заводят в тупик, из кото­рого надо уметь возвращаться к тому месту, где потеряно правильное направление. Решение всякой творческой за­дачи сводится к целенаправленному поиску в лабиринте альтернативных путей с оценкой успеха после каждого шага;
  
• ассоциативная модель. Решение неизвестной задачи так или иначе основывается на уже решенных задачах, чем-то похожих на ту, которую надо решить. Ассоциатив­ные связи могут возникать не только по похожести, но и по контрасту, по смежности (совпадению ситуаций или времени) и пр. Широко используется в системах распо­знавания;
  
• модельная гипотеза. Согласно ей, мозг человека содер­жит модель проблемной ситуации, в которой ему надо принять решение. Для решения используется вся сово­купность знаний человека о данной проблемной области. Основные процедуры здесь — представление знаний, рас­суждения.
  

В психологии проблема интеллекта далека от своего ре­шения. Почему один соображает медленно, но верно, тогда как другой — быстро, но бестолково? Почему умные, каза­лось бы, люди подчас ведут себя на редкость глупо? Почему то, что сейчас большинству кажется логичным, оказывается абсурдным потом? Почему все годами наблюдают одно и то же явление, но только один, наконец, изумляется и делает великое открытие? Почему ребенок иногда демонстрирует явное отставание в интеллектуальном развитии, а спустя годы попадает в категорию интеллектуально одаренных? Вряд ли в обозримом будущем ученые смогут однозначно от­ветить на эти и подобные вопросы.

Интересны наблюдения, сделанные М. А. Холодной, из­вестным российским психологом, отражающие факт проти­воречивого отношения к интеллектуально одаренным лю­дям как на государственно-идеологическом, так и на обыденно-житейском уровне. Государство как обществен­ный институт, призванный заниматься организацией жиз­ни своих граждан нередко настороженно относится к лю­дям, интеллектуально одаренным, отдавая свои симпатии другим типам одаренности (спорсменам, певцам, поэтам, модельерам и т. п.).

Интеллектуальный потенциал общества является важ­нейшим основанием его прогрессивного развития. Интел­лектуальное высокотехнологичное производство — один из решающих факторов экономического развития. Интеллек­туальная собственность становится ключевой формой собст­венности. Интеллектуальное творчество как важная сторона духовной жизни является социальным механизмом, проти­востоящим регрессу. Продуктом интеллектуального творче­ства выступают идеи. Слой идей в общественной атмосфере подобен озоновому в обычной земной атмосфере, и столь же важна его роль. И, наконец, развитие интеллекта — гаран­тия личной свободы и самодостаточности человека. Чем в большей мере человек использует интеллект в анализе и оценке происходящего, тем в меньшей мере он поддается любым попыткам манипулирования им извне.



Мы рассматриваем интересующий нас объект как систе­му, строим его различные модели, выявляем, какие инфор­мационные процессы в нем протекают — и все это для того, чтобы лучше узнать свойства, характеристики, принципы и закономерности поведения (функционирования) объекта. А зачем нам все это нужно знать? Либо чтобы использовать окружающие нас предметы и явления для удовлетворения наших потребностей, либо чтобы избежать вредного воздей­ствия. И в том и в другом случае мы должны уметь управ­лять объектом, чтобы он «действовал» в желаемом для нас направлении.

Управление есть совокупность процессов, большинство из которых связано с получением, анализом, преобразованием информации. То есть в управлении велика роль информаци­онных процессов. А потому знание информационных основ управления способствует повышению качества управления, обеспечивает принятие эффективных управленческих реше­ний и адекватный выбор средств их реализации.

Реальные системы управления отличаются большой сложностью и большим разнообразием. Сложность проблем такова, что она требует всемерного использования современ­ных средств и методов обработки информации и применения вычислительной техники для автоматизации процессов при­нятия и анализа управленческих решений.

Общие закономерности и принципы управления в систе­мах различной природы изучаются кибернетикой. Именно в кибернетике было убедительно показано, что общая модель управления справедлива для всех систем. Такая общность позволяет успешно описывать функционирование различ­ных систем едиными формальными средствами и использо­вать системы одной природы (например, искусственные) для моделирования и изучения других систем (например, социа­льных). Это подчеркивает важную роль моделирования. Мо­делирование является одним из основных методов исследо­вания в кибернетике.

Таким образом, изучение основ кибернетики или инфор­мационных основ управления как в фокусе собирает все зна­ния, полученные вами на уроках информатики — знание сущности и свойств информации, информационных процес­сов, формализации, моделирования, алгоритмизации, средств и технологий автоматизации и многого другого.

Исторически сложилось так, что информатика «вышла» из кибернетики, стала решать задачи, которые впервые по­ставила перед собой кибернетика. Но кибернетика, уступив пальму первенства информатике, стала ее венцом, объектом приложения всех достижений, полученных в информатике.