Основные направления исследований в области искусственного интеллекта реферат

Обновлено: 05.07.2024

Искусственный интеллект будет реализован лишь тогда, когда неодушевленная машина сможет решить задачи, которые до сих пор не удавалось решить человеку, — не вследствие большей скорости и точности машины, а в результате ее способности найти новые методы для решения имеющейся задачи.

Основные направления исследований в области искусственного интеллекта

Интеллектуальные информационные системы проникают во все сферы нашей жизни, поэтому трудно провести строгую классификацию направлений, по которым ведутся активные и многочисленные исследования в области искусственного интеллекта. Рассмотрим кратко некоторые из них.

Разработка интеллектуальных информационных систем или систем, основанных на знаниях. Это одно из главных направлений искусственного интеллекта. Основной целью построения таких систем являются выявление, исследование и применение знаний высококвалифицированных экспертов для решения сложных задач, возникающих на практике. При построении систем, основанных на знаниях, используются знания, накопленные экспертами в виде конкретных правил решения тех или иных задач. Это направление преследует цель имитации человеческого искусства анализа неструктурированных и слабоструктурированных проблем. В данной области исследований осуществляется разработка моделей представления, извлечения и структурирования знаний, а также изучаются проблемы создания баз знаний, образующих ядро систем, основанных на знаниях. Частным случаем систем, основанных на знаниях являются экспертные системы.

Генерация и распознавание речи. Системы речевого общения создаются в целях повышения скорости ввода информации в ЭВМ, разгрузки зрения и рук, а также для реализации речевого общения на значительном расстоянии. В таких системах под текстом понимают фонемный текст (как слышится).

Обработка визуальной информации. В этом научном направлении решаются задачи обработки, анализа и синтеза изображений. Задача обработки изображений связана с трансформированием графических образов, результатом которого являются новые изображения. В задаче анализа исходные изображения преобразуются в данные другого типа, например в текстовые описания. При синтезе изображений на вход системы поступает алгоритм построения изображения, а выходными данными являются графические объекты (системы машинной графики).

Обучение и самообучение. Эта актуальная область искусственного интеллекта включает модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний с использованием процедур анализа и обобщения данных. К данному направлению относятся не так давно появившиеся системы добычи данных (Data-mining) и системы поиска закономерностей в компьютерных базах данных (Knowledge Discovery).

Распознавание образов. Это одно из самых ранних направлений искусственного интеллекта, в котором распознавание объектов осуществляется на основании применения специального математического аппарата, обеспечивающего отнесение объектов к классам, а классы описываются совокупностями определенных значений признаков.

Игры и машинное творчество. Машинное творчество охватывает сочинение компьютерной музыки, стихов, интеллектуальные системы для изобретения новых объектов. Создание интеллектуальных компьютерных игр является одним из самых развитых коммерческих направлений в сфере разработки программного обеспечения. Кроме того, компьютерные игры предоставляют мощный арсенал разнообразных средств, используемых для обучения.

Программное обеспечение систем искусственного интеллекта. Инструментальные средства для разработки интеллектуальных систем включают специальные языки программирования, ориентированные на обработку символьной информации (LISP, SMALLTALK, РЕФАЛ), языки логического программирования (PROLOG), языки представления знаний (OPS 5, KRL, FRL), интегрированные про-граммные среды, содержащие арсенал инструментальных средств для создания систем ИИ (КЕ, ARTS, GURU, G2), а также оболочки экспертных систем (BUILD, EMYCIN, EXSYS Professional, ЭКСПЕРТ), которые позволяют создавать прикладные ЭС, не прибегая к программированию.

Новые архитектуры компьютеров. Это направление связано с созданием компьютеров не фон-неймановской архитектуры, ориентированных на обработку символьной информации. Известны удачные промышленные решения параллельных и векторных компьютеров, однако в настоящее время они имеют весьма высокую стоимость, а также недостаточную совместимость с существующими вычислительными средствами.

Интеллектуальные роботы. Создание интеллектуальных роботов составляет конечную цель робототехники. В настоящее время в основном используются программируемые манипуляторы с жесткой схемой управления, названные роботами первого поколения. Несмотря на очевидные успехи отдельных разработок, эра интеллектуальных автономных роботов пока не наступила. Основными сдерживающими факторами в разработке автономных роботов являются нерешенные проблемы в области интерпретации знаний, машинного зрения, адекватного хранения и обработки трехмерной визуальной информации.

Примеры решений задач по астрономии: Фокусное расстояние объектива телескопа составляет 900 мм, а фокусное .

Эталон единицы силы электрического тока: Эталон – это средство измерения, обеспечивающее воспроизведение и хранение.

Считается, что замена человека-специалиста на системы искусственного интеллекта позволяет существенно ускорить и удешевить процесс производства. Системы искусственного интеллекта всегда объективны и результаты их работы не зависят от моментного настроения и ряда других субъективных факторов, которые присущи человеку. Получается что в дальнейшем искусственный интеллект сможет заменить человека? Как показывает практика, функционирование искусственного интеллекта осуществляется, на сегодняшний день, с помощью человека. Ведь именно человек, в отличие от искусственного интеллекта, умеет мыслить нестандартно и творчески, что позволяло ему развиваться и идти вперед на протяжении всей его эпохи.

Содержание

Введение………………………………………………………………………….3
Глава 1. Понятие искусственного интеллекта…………………………………4
§1.1 Общее определение искусственного интеллекта……………………. 4
§1.2 Понятие искусственного интеллекта в России. ……………………..5
Глава 2. История создания искусственного интеллекта……………………..7
§2.1 Зарождение нейрокибернетики.…………………………………………8
§2.2 От кибернетики "черного ящика" к ИИ.……………………………. 9
§2.3 История искусственного интеллекта в России………………………12
Глава 3.Основные направления исследований в области искусственного интеллекта…..…………………………………………………………………15
§3.1 Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems)………………………………………………….15
§3.2 Программное обеспечение систем ИИ (software engineering for AI).16
§3.3 Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing)………………………………………………. 17
§3.4 Интеллектуальные роботы (robotics)…………………………………18
§3.5 Обучение и самообучение (machine learning)…………………………18
§3.6 Распознавание образов (pattern recognition)………………………. 18
§3.7 Другие направления……………………………………………………18
Заключение…………………………………………………………………….20
Список использованной литературы…

Работа содержит 1 файл

реферат по информатике 1.docx

В 1956-1963 гг. велись интенсивные поиски моделей и алгоритмов человеческого мышления и разработка первых программ на их основе. Представители существующих гуманитарных наук - философы, психологи, лингвисты - ни тогда, ни сейчас не в состоянии были предложить таких алгоритмов. Тогда кибернетики начали создавать собственные модели. Так последовательно были созданы и опробованы различные подходы.

1. В конце 50-х годов родилась модель лабиринтного поиска. Этот подход представляет задачу как некоторое пространство состояний в форме графа, и в этом графе проводится поиск оптимального пути от входных данных к результирующим. Была проделана большая работа по разработке этой модели, но для решения практических задач эта идея не нашла широкого применения. В первых учебниках по искусственному интеллекту описаны эти программы - они играют в игру "15", собирают "Ханойскую башню", играют в шашки и шахматы.

2. Начало 60-х - это эпоха эвристического программирования. Эвристика - правило, теоретически не обоснованное, которое позволяет сократить количество переборов в пространстве поиска. Эвристическое программирование - разработка стратегии действий на основе известных, заранее заданных эвристик.

3. В 1963-1970 гг. к решению задач стали подключать методы математической логики. Робинсон разработал метод резолюций, который позволяет автоматически доказывать теоремы при наличии набора исходных аксиом. Примерно в это же время выдающийся отечественный математик Ю. С. Маслов предложил так называемый обратный вывод, впоследствии названный его именем, решающий аналогичную задачу другим способом. На основе метода резолюций француз Альбер Кольмероэ в 1973 г. создает язык логического программирования Пролог. Большой резонанс имела программа " Логик-теоретик", созданная Ньюэлом, Саймоном и Шоу, которая доказывала школьные теоремы. Однако большинство реальных задач не сводится к набору аксиом, и человек, решая производственные задачи, не использует классическую логику, поэтому логические модели при всех своих преимуществах имеют существенные ограничения по классам решаемых задач.

4. История искусственного интеллекта полна драматических событий, одним из которых стал в 1973 г. так называемый "доклад Лайтхилла", который был подготовлен в Великобритании по заказу Британского совета научных исследований. Известный математик Д. Лайтхилл, никак с ИИ профессионально не связанный, подготовил обзор состояния дел в области ИИ. В докладе были признаны определенные достижения в области ИИ, однако уровень их определялся как разочаровывающий, и общая оценка была отрицательная с позиций практической значимости. Этот отчет отбросил европейских исследователей примерно на 5 лет назад, так как финансирование ИИ существенно сократилось.

5. Примерно в это же время существенный прорыв в развитии практических приложений искусственного интеллекта произошел в США, когда к середине 1970-х на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы (ЭC). Стал применяться новый подход к решению задач искусственного интеллекта - представление знаний. Созданы MYCIN и DENDRAL, cтавшие уже классическими, две первые экспертные системы для медицины и химии. Существенный финансовый вклад вносит Пентагон, предлагая базировать новую программу министерства обороны США (Strategic Computer Initiative - SCI) на принципах ИИ. Уже вдогонку упущенных возможностей в начале 80-х объявлена глобальная программа развития новых технологий ESPRIT (Европейский Союз), в которую включена проблематика искусственного интеллекта.

6. В ответ на успехи США в конце 70-х в гонку включается Япония, объявив о начале проекта машин V поколения, основанных на знаниях. Проект был рассчитан на 10 лет и объединял лучших молодых специалистов (в возрасте до 35 лет) крупнейших японских компьютерных корпораций. Для этих специалистов был создан специально новый институт ICOT, и они получили полную свободу действий, правда, без права публикации предварительных результатов. В результате они создали достаточно громоздкий и дорогой символьный процессор, программно реализующий ПРОЛОГо-подобный язык, не получивший широкого признания. Однако положительный эффект этого проекта был очевиден. В Японии появилась значительная группа высококвалифицированных специалистов в области ИИ, которая добилась существенных результатов в различных прикладных задачах. К середине 90-х японская ассоциация ИИ насчитывает 40 тыс. человек. Начиная с середины 1980-х годов, повсеместно происходит коммерциализация искусственного интеллекта. Растут ежегодные капиталовложения, создаются промышленные экспертные системы. Растет интерес к самообучающимся системам. Издаются десятки научных журналов, ежегодно собираются международные и национальные конференции по различным направлениям ИИ.

Искусственный интеллект становится одной из наиболее перспективных и престижных областей информатики (computer science).

§2.3 История искусственного интеллекта в России.

В 1954 г. в МГУ начал свою работу семинар "Автоматы и мышление" под руководством академика Ляпунова А. А. (1911-1973), одного из основателей российской кибернетики. В этом семинаре принимали участие физиологи, лингвисты, психологи, математики. Принято считать, что именно в это время родился искусственный интеллект в России. Как и за рубежом, выделились два основных направления - нейрокибернетики и кибернетики "черного ящика".

В 1954-1964 гг. создаются отдельные программы и проводятся исследования в области поиска решения логических задач. В Ленинграде (ЛОМИ - Ленинградское отделение математического института им. Стеклова) создается программа АЛПЕВ ЛОМИ, автоматически доказывающая теоремы. Она основана на оригинальном обратном выводе Маслова, аналогичном методу резолюций Робинсона. Среди наиболее значимых результатов, полученных отечественными учеными в 60-е годы, следует отметить алгоритм "Кора" М. М. Бонгарда, моделирующий деятельность человеческого мозга при распознавании образов. Большой вклад в становление российской школы ИИ внесли выдающиеся ученые Цетлин М. Л., Пушкин В. Н., Гаврилов М. А, чьи ученики и явились пионерами этой науки в России (например, знаменитая Гавриловская школа).

В 1965-1980 гг. происходит рождение нового направления - ситуационного управления (соответствует представлению знаний, в западной терминологии). Основателем этой научной школы стал проф. Поспелов Д. А. Были разработаны специальные модели представления ситуаций - представления знаний.

Притом что отношение к новым наукам в советской России всегда было настороженное, наука с таким "вызывающим" названием тоже не избежала этой участи и была встречена в Академии наук в штыки. К счастью, даже среди членов Академии наук СССР нашлись люди, не испугавшиеся столь необычного словосочетания в качестве названия научного направления. Двое из них сыграли огромную роль в борьбе за признание ИИ в нашей стране. Это были академики А. И. Берг и Г. С. Поспелов.

Только в 1974 году при Комитете по системному анализу при президиуме АН СССР был создан Научный совет по проблеме "Искусственный интеллект", его возглавил Г. С. Поспелов, его заместителями были избраны Д. А. Поспелов и Л. И. Микулич. В состав совета входили на разных этапах М. Г. Гаазе-Рапопорт, Ю. И. Журавлев, Л. Т. Кузин, А. С. Нариньяни, Д. Е. Охоцимский, А. И. Половинкин, О. К. Тихомиров, В. В. Чавчанидзе.

По инициативе Совета было организовано пять комплексных научных проектов, которые были возглавлены ведущими специалистами в данной области. Проекты объединяли исследования в различных коллективах страны: "Диалог" (работы по пониманию естественного языка, руководители А. П. Ершов, А. С. Нариньяни), "Ситуация" (ситуационное управление, Д. А. Поспелов), "Банк" (банки данных, Л. Т. Кузин), "Конструктор" (поисковое конструирование, А. И. Половинкин), "Интеллект робота" (Д. Е. Охоцимский).

В 1980-1990 гг. проводятся активные исследования в области представления знаний, разрабатываются языки представления знаний, экспертные системы (более 300). В Московском университете создается язык РЕФАЛ.

В 1988 г. создается АИИ - Ассоциация искусственного интеллекта. Ее членами являются более 300 исследователей. Президентом Ассоциации единогласно избирается Д. А. Поспелов, выдающийся ученый, чей вклад в развитие ИИ в России трудно переоценить. Крупнейшие центры - в Москве, Петербурге, Переславле-Залесском, Новосибирске. В научный совет Ассоциации входят ведущие исследователи в области ИИ - В. П. Гладун, В. И. Городецкий, Г. С. Осипов, Э. В. Попов, В. Л. Стефанюк, В. Ф. Хорошевский, В. К. Финн, Г. С. Цейтин, А. С. Эрлих и другие ученые. В рамках Ассоциации проводится большое количество исследований, организуются школы для молодых специалистов, семинары, симпозиумы, раз в два года собираются объединенные конференции, издается научный журнал.

Уровень теоретических исследований по искусственному интеллекту в России ничуть не ниже мирового. К сожалению, начиная с 80-х гг. на прикладных работах начинает сказываться постепенное отставание в технологии. На данный момент отставание в области разработки промышленных интеллектуальных систем составляет порядка 3-5 лет

Глава 3.Основные направления исследований в области искусственного интеллекта.

Искусственный интеллект - это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю- непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Среди множества направлений искусственного интеллекта есть несколько ведущих, которые в настоящее время вызывают наибольший интерес у исследователей и практиков. Опишем их чуть подробнее 5 .

§3.1 Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems).

Это основное направление в области изучения искусственного интеллекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем. В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний.

§3.2 Программное обеспечение систем ИИ (software engineering for AI).

В рамках этого направления разрабатываются специальные языки для решения интеллектуальных задач, в которых традиционно упор делается на преобладание логической и символьной обработки над вычислительными процедурами. Эти языки ориентированы на символьную обработку информации - LISP, PROLOG, SMALLTALК, РЕФАЛ и др. Помимо этого создаются пакеты прикладных программ, ориентированные на промышленную разработку интеллектуальных систем, или программные инструментарии искусственного интеллекта, например KEE, ARTS, G. Достаточно популярно также создание так называемых пустых экспертных систем или "оболочек" - KAPPA, EXSYS, M1, ЭКО и др., базы знаний которых можно наполнять конкретными знаниями, создавая различные прикладные системы.

§3.3 Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing).

Начиная с 50-х годов одной из популярных тем исследований в области ИИ является компьютерная лингвистика, и, в частности, машинный перевод (МП). Идея машинного перевода оказалась совсем не так проста, как казалось первым исследователям и разработчикам.

Уже первая программа в области естественно-языковых (ЕЯ) интерфейсов - переводчик с английского на русский язык - продемонстрировала неэффективность первоначального подхода, основанного на пословном переводе. Однако еще долго разработчики пытались создать программы на основе морфологического анализа. Неплодотворность такого подхода связана с очевидным фактом: человек может перевести текст только на основе понимания его смысла и в контексте предшествующей информации, или контекста. Иначе появляются переводы в стиле "Моя дорогая Маша - my expensive Masha". В дальнейшем системы МП усложнялись и в настоящее время используется несколько более сложных моделей:

применение так называемых "языков-посредников" или языков смысла, в результате происходит дополнительная трансляция "исходный язык оригинала - язык смысла - язык перевода";

ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных текстовых репозиториях или базах данных;

Морфологический анализ - анализ слов в тексте.
Синтаксический анализ - разбор состава предложений и грамматических связей между словами.
Семантический анализ - анализ смысла составных частей каждого предложения на основе некоторой предметно-ориентированной базы знаний.
Прагматический анализ - анализ смысла предложений в реальном контексте на основе собственной базы знаний.

§3.4 Интеллектуальные роботы (robotics).

Идея создания роботов далеко не нова. Само слово "робот" появилось в 20-х годах, как производное от чешского "робота" - тяжелой грязной работы. Его автор - чешский писатель Карел Чапек, описавший роботов в своем рассказе "Р.У.Р".

Роботы - это электротехнические устройства, предназначенные для автоматизации человеческого труда.

Искусственный интеллект как – научное направление

Определить искусственный интеллект как научное направление — это значит, прежде всего, определить предмет и метод искусственного интеллекта.

Предмет изучения — это чувственно отражаемые стороны, части, свойства и отношения объектов, изучаемые с определенной целью, обобщенно выделенные в знаковом представлении, которое постоянно наполняется содержанием, соответствующим развивающемуся знанию как о непосредственно изучаемом, так и обо всей объективной реальности в целом. Предмета изучения не существует вне процесса познания. Предмета изучения нет и без познающего субъекта. Предмет отражает представление познающего, а его содержание постоянно обновляется, дополняется, хотя форма выражения, конкретное символьное представление такой формы может быть неизменным. Символьное выражение, представление познаваемого предмета должно быть кратким и отражать самую суть.

Предметом искусственного интеллекта как научного направления — являются процессы активного отражения.

Система, способная к активному отражению действительности, самостоятельно формирует некий комплекс целей, самостоятельно выбирает объект изучения и целенаправленно отражает, познает, изучает его посредством своих органов чувств, датчиков информации. Важно отметить, что при активном отражении у субъекта появляется цель. Причем, цель может быть порождена внутри этого субъекта, например, в случае мышления человека или поведения животных. Также, цель может быть заложена в отражающую систему внешним субъектом, например, при обработке информации в ЭВМ, программа для которой написана человеком.

Метод — это способ организации деятельности для достижения цели научного объяснения предмета исследования, посредством воспроизведения этого предмета в мышлении, в виде определенным образом организованного, символьного, знакового описания.

Рассматривая искусственный интеллект — как научное направление, основным методом является моделирование, причем в самых различных формах, от формализованного знакового моделирования до построения и создания различных физических, кибернетических, биологических и т.д. моделей. Важную роль играет и системно-структурный подход, как общенаучный методологический принцип. Основным методом теории искусственного интеллекта является формализованное знаковое моделирование, которое имеет следующие два аспекта:

формализация; 2) знаковое представление модели.

Модель, в данном случае, рассматривается как отражение, обобщение субъектом предмета познания, т.е. мышления или процессов активного отражения. При этом, мышление определяется, представляется логикой, по крайней мере, в области осознанного мышления, т.е. сознания. Рассмотрение мышления, как предмета теории искусственного интеллекта, предполагает две стороны. С одной стороны, это определенная логическая система — система знаний или, просто, знания, т.е. логические формы и отношения между ними. С другой стороны, изменения логической системы, что приводит к изменению системы знаний, в том числе и к генерации, порождению новых знаний. Формализация предполагает построение некоторой формально-логической системы, которую в свою очередь, можно определить как формальную систему знаний. Знаковое представление необходимо для материализации, фиксации, определенности полученной системы знаний.

Первый подход основан на том, что мыслить способен исключительно человеческий мозг, поэтому для создания ИИ необходимо воссоздать его структуру. Подобные системы называют нейронными сетями. Особое внимание уделяется биологическому аспекту. Предполагается, что открытие биологической обработки информации позволит совершить невиданный скачок в развитии [2]. Поэтому нейрокибернетика, необходимость применения которой многократно возрастает при решении плохо формализованных задач, имеет большую популярность в наше время. Так, ученым из Цюриха удалось создать постоянную память на основе ДНК. Тем не менее, и без биологической обработки информации создаются и развиваются самообучающиеся (использующие уже накопленный опыт) нейронные сети, заточенные, например, под распознавание образов.

Второй же подход гласит, что неважно то, как будет устроен ИИ, а важно лишь то, что он должен преобразовать данные как человеческий мозг. Большое внимание в данном подходе уделяется решению интеллектуальных задач. Именно из-под его крыла появились первые системы, основанные на знаниях, которые также называются экспертными системами. Они представляют собой набор знаний высококлассных специалистов определенных предметных областей, который будет в дальнейшем использоваться менее квалифицированными специалистами.

Существуют огромное число направлений исследований в области искусственного интеллекта. К их числу, например, относятся [1]:

Конечно, существуют и другие направления исследований в области искусственного интеллекта. К их числу относят генетические алгоритмы, когнитивное моделирование, интеллектуальные интерфейсы, распознавание и синтез речи, многоагентные системы, менеджмент знаний, логический вывод, формальные модели, мягкие вычисления и многое другое [1]. Подобное многообразие связано с тем, что область применения искусственного интеллекта настолько широка, что всего лишь попытка каким бы то ни было образом ее ограничить уже является настоящей наукой.

Таким образом, можно сделать вывод, что искусственным интеллектом стоит будущее. Исследования, открытия и разработки в данной области позволят нам совершить качественный скачок вперед в своем развитии, а также повседневно решать огромной перечень задач, работа с которыми представляется нам сейчас невозможной или крайне сложной.

Основные термины (генерируются автоматически): искусственный интеллект, система, область, решение задач, уж, язык, естественный язык, машинное зрение, машинное творчество, человеческий мозг.

Читайте также: