Історія розвитку штучного інтелекту

Раніше з поняттям штучного інтелекту (ШІ) пов'язували надії на створення мислячої машини, здатної конкурувати з людським мозком і, можливо, перевершити його. Ці надії, на довгий час захопили уяву багатьох ентузіастів, так і залишилися несправдженими. І хоча фантастичні літературні прообрази «розумних машин »створювалися ще за сотні років до наших днів, лише з середини тридцятих років, з моменту публікації робіт А. Тьюринга, в яких засуджувалася реальність створення таких пристроїв, до проблеми ШІ почали ставитися серйозно.

Для того, щоб відповісти на питання, яку машину вважати «свідомої», Тьюринг запропонував використовувати наступний тест: випробувач через посередника спілкується з невидимим для нього співбесідником людиною або машиною. «Інтелектуальної» може вважатися та машина, яку випробувач в процесі такого спілкування не зможе відрізнити від людини.

Якщо випробувач під час перевірки комп'ютера на «інтелектуальність» буде дотримуватися досить жорстких обмежень у виборі теми та форми діалогу, цей тест витримає будь-який сучасний комп'ютер, оснащений відповідним програмним забезпеченням. Можна було б вважати ознакою інтелектуальності вміння підтримувати бесіду, але, як було показано, ця людська здатність легко моделюється на комп'ютері. Ознакою інтелектуальності може служити здатність до навчання. У 1961 р. професор Д. мічі, один з провідних англійських фахівців з ШІ, описав механізм, що складається з 300 сірникових коробок, який міг навчитися грати в хрестики і нулики. Мічі назвав цей пристрій MENACE (Matchbox Educable Naughts and Crosses Engine). У назві (загроза) полягає, очевидно, частка іронії, викликаної упередженнями перед мислячими машинами.

До теперішнього часу єдиного і визнаного всіма визначення ШІ не існує, і це не дивно. «Досить згадати, що універсального визначення людського інтелекту також немає дискусії про те, що можна вважати ознакою ШІ, а що ні, нагадують суперечки середньовічних вчених про те, яких цікавило, скільки ангелів зможуть розміститися на кінчику голки »1. Зараз до ІІ прийнято відносити ряд алгоритмів та програмних систем, відмітною властивістю яких є те, що вони можуть вирішувати деякі задачі так, як хто робив б розмірковують над їх вирішенням чоловік.

Нейросеті

Ідея нейронних мереж народилася в ході досліджень у галузі штучного інтелекту, а саме в результаті спроб відтворити здатність нервових біологічних систем навчатися і виправляти помилки, моделюючи низькорівневий структуру мозку. Основною областю досліджень з штучного інтелекту в 60-80ті роки були експертні системи. Такі системи грунтувалися на високорівневої моделюванні процесу мислення (зокрема, на його представленні як маніпуляцій з символами). Скоро стало ясно, що подібні системи, хоча і можуть принести користь у деяких областях, не охоплюють деякі ключові аспекти роботи людського мозку.

Згідно з однією з точок зору, причина цього полягає в тому, що вони не в змозі відтворити структуру мозку. Щоб створити штучний інтелект, необхідно побудувати систему зі схожою архітектурою.

Мозок складається з дуже великого числа (приблизно 1010) нейронів, з'єднаних численними зв'язками (в середньому кілька тисяч зв'язків на один нейрон, проте це число може сильно коливатися). Нейрони - це спеціальні клітини, здатні розповсюджувати електрохімічні сигнали. Нейрон має розгалужену структуру введення інформації (дендрити), ядро і розгалужуються вихід (аксон). Аксони клітини з'єднуються з дендрита інших клітин за допомогою синапсів. При активації нейрон посилає електрохімічний сигнал за своїм аксонів. Через синапси цей сигнал досягає інших нейронів, які можуть в свою чергу активуватися. Нейрон активується тоді, коли сумарний рівень сигналів, що прийшли в його ядро з дендрітов, перевищить певний рівень (поріг активації).

Інтенсивність сигналу, що отримується нейроном (а, отже, і можливість його активації), сильно залежить від активності синапсів. Кожен синапс має довжину, і спеціальні хімічні речовини передають сигнал вздовж нього. Один із самих авторитетних дослідників нейросістем, Дональд Хебб, висловив постулат, що навчання полягає в першу чергу у змінах сили синоптичних зв'язків. Наприклад, в класичному досвіді. Павлова кожного разу перед годуванням собаки дзвонив дзвоник, і собака швидко навчилася пов'язувати дзвінок дзвоника з їжею.

Синоптичні зв'язку між ділянками кори головного мозку, відповідальними за слух, і слинними залозами посилилися, і при порушенні кори звуком дзвоника у собаки починалося слиновиділення.

Таким чином, будучи побудований з дуже великого числа зовсім простих елементів (кожен з яких бере зважену суму вхідних сигналів і у випадку, якщо сумарний вхід перевищує певний рівень, передає далі двійковий сигнал), мозок здатний вирішувати надзвичайно складні завдання. Визначення формального класичного нейрона дається наступним чином:

Він отримує вхідні сигнали (вихідні дані або вихідні сигнали інших нейронів мережі) через кілька вхідних каналів. Кожен вхідний сигнал проходить через з'єднання, що має певну інтенсивність (або вага); ця вага відповідає синоптичної активності біологічного нейрона. З кожним нейроном пов'язано певне граничне значення. Обчислюється зважена сума входів, з неї віднімається граничне значення і в результаті виходить величина активації нейрона.

Сигнал активації перетворюється за допомогою функції активації (або передавальної функції) і в результаті виходить вихідний сигнал нейрона.

Якщо при цьому використовувати ступеневу функцію активації, то такий нейрон буде працювати точно так само, як описаний вище природний нейрон.

Нейросеті в штучний інтелект

Роботи з створення інтелектуальних систем ведуться в двох напрямках. Прихильники першого напряму, які складають сьогодні абсолютна більшість серед фахівців у галузі штучного інтелекту, виходять з положення про те, що штучні системи не зобов'язані повторювати у своїй структурі та функціонуванні структуру і випливає в ній процеси, притаманні біологічним системам. Важливо лише те, що тими чи іншими засобами вдається домогтися тих же результатів в поведінці, які характерні для людини та інших біологічних систем.

Прихильники другого напрямку вважають, що на суто інформаційному рівні цього не вдасться зробити. Феномени людської поведінки, його здатність до навчання та адаптації, на думку цих фахівців, є наслідком саме біологічної структури та особливостей її функціонування.

У прихильників першого інформаційного напряму є реально діючі макети і програми, що моделюють ті чи інші сторони інтелекту. Одна з найбільш яскравих робіт, що представляють перший напрям, це програма «Загальний вирішувач завдань» А. Ньюела, І. Шоу та Г. Саймона. Розвиток інформаційного напряму йшло від задачі про раціоналізації міркувань шляхом визначення загальних прийомів швидкого виявлення помилкових і істинних висловлювань в заданій системі знань. Здатність міркувати і знаходити суперечності в різних системах взаємопов'язаних ситуацій, об'єктів, понять є важливою стороною феномена мислення, виразом здатності до дедуктивному мислення.

Результативність інформаційного напряму бесґспорна в галузі вивчення і відтворення дедуктивних розумових проявів. Для деяких практичних задач цього достатньо. Інформаційне напрямок наука точна, сувора, що увібрала в себе основні результати досліджень кібернетики і математичну культуру. Головні проблеми інформаційного напряму ввести в свої моделі внутрішню активність і зуміти представити індуктивні процедури.

Одна з центральних проблем, це «проблема активних знань, які породжують потреби в діяльності системи з-за тих знань, які накопичилися в пам'яті системи »1.

У прихильників другий біологічного напрямку результатів поки істотно менше, ніж надій. Одним з родоначальників біологічного напрямку в кібернетиці є У. Мак-Каллок. У нейрофізіології встановлено, що цілий ряд функцій і властивостей у живих організмів реалізовані за допомогою певних нейронних структур. На основі відтворення таких структур у ряді випадків отримані гарні моделі, особливо це стосується деяких сторін роботи зорового тракту.

Створення нейрокомп'ютерів, що моделюють нейронні мережі (НС), в даний час розглядається як один з найбільш перспективних напрямків у вирішенні проблем інтелектуалізації новостворюваних ЕОМ та інформаційно-аналітичних систем нового покоління.

У більшій частині досліджень на цю тему НС представляється як сукупність великого числа порівняно простих елементів, топологія з'єднань яких залежить від типу мережі. Практично всі відомі підходи до проектування НС пов'язані в основному з вибором і аналізом деяких приватних структур однорідних мереж на формальних нейронах з відомими властивостями (мережі Хопфілда, Хеммінга, Гроссберга, Кохонена тощо) і деяких описаних математично режимів їх роботи. У цьому випадку термін нейронні мережі метафоричний, оскільки він відображає лише те, що ці мережі в певному сенсі подібні до живим НС, але не повторюють їх у всій складності. Внаслідок такого трактування нейронні ЕОМ розглядаються як чергового етапу високо паралельних супер-ЕОМ з оригінальною ідеєю розпаралелювання алгоритмів розв'язання різних класів задач. Сам термін нейронна ЕОМ нейрокомп'ютер, як правило, ніяк не пов'язаний з будь-то не було властивостями і характеристиками мозку людини і тварин. Він пов'язаний тільки з умовним найменуванням порогового логічного елемента як формального нейрона з налаштованим або фіксованими ваговими коефіцієнтами, який реалізує найпростішу передавальний функцію нейрона-клітини. Дослідження в області створення нейроінтеллекта ведуться на різних рівнях: теоретичний інструментарій, прототипи для прикладних задач, засоби програмного забезпечення НС, структури апаратних засобів. Основними етапами на шляху створення мозгоподобного комп'ютера є з'ясування принципів освіти межелементних зв'язків та мозгоподобних системах адаптивних мережах з великим числом елементів, створення компактного багатовхіді адаптивного елемента аналога реального нейрона, дослідження його функціональних особливостей, розробка і реалізація програми навчання мозгоподобного пристрою.

Одним з найбільш істотних шляхів розширення функціонального діапазону НС, а також підвищення їх ефективності для традиційних завдань є більш цілеспрямоване використання в моделях механізмів і принципів організації мозку. Обгрунтуванням цього є достатньо економна реалізація функцій в мозку, поки не доступна для найдосконаліших супер-ЕОМ. У мозку, як і в будь-якій складній системі, процес функціонування являє собою сукупний результат роботи його елементів і способів їх взаємодії. Обидва ці фактори знаходять своє відображення в системній роботі мозку.

В даний час стає очевидним, що успіх розробки нейрокомп'ютерів і інтелектуалізації ЕОМ нового покоління в значній мірі визначається успіхом роботи над створенням нового класу базових елементів з використанням даних про роботу мозку. У першу чергу, це стосується ускладнення архітектури, простанственно-часового розподілу процесів в самому базовому елементі і розширення його функціональних можливостей. Тому актуальна необхідність у новому погляді на перерозподіл основних функцій обробки інформації між самими базовими елементами нейрокомп'ютера і мережевими ресурсами в сторону збільшення логічної навантаження на базові елементи.

Це пов'язано з тим, що тільки в найостанніший час, на основі даних практичної нейрофізіології з'явилася можливість виділити з величезного числа процесів в мозку невелика їх кількість найбільш значущих для переробки інформації й виконання складних функцій прийняття кінцевих рішень. Мінімально необхідний набір структур, що забезпечують ці процеси, значно звузився і внаслідок встановлених обмежень існуючих ЕОМ, які не можуть бути подолані в даний час без використання властивостей роботи мозку. Крім того, широко практикуються однорідні структури штучних НС на формальних нейронах не використовують у повній мірі можливостей реальних нейронів: їх різнотипність, властивості розподіленої і паралельної роботи, багаторівневу ієрархічну структурованість і співпідпорядкованість в організації базових структур головного мозку.

З величезного числа даних про діяльність мозку, мабуть, найближче до вирішення проблеми інтелектуалізації розроблюваних ЕОМ належать факти про механізми і принципах елементної і мережевої організації процесів і функцій в корі великих півкуль (КБП). Це визначається її функціональної значимості та рівнем сучасних даних про конкретні механізми її роботи. Відомо, що КБП є основним субстратом виконання вищих функцій, що визначає рівень інтелекту особистості.

В даний час накопичено й значною мірою систематизовано експериментальний і теоретичний матеріал про елементарної організації кіркових функцій.

Все це дає підстави припускати, що дані про роботу вищого відділу мозку можуть мати істотне значення і для ідеології створення нейрокомп'ютерів, і для конструктивних рішення окремих їх блоків.

У плані загального підходу до моделювання нейрокомп'ютера істотно те, що в міру накопичення фактів про морфології, цітохіміі та нейрофізіології з'являється все більше шляхів для переходу від імовірнісних до детермінованим мереж корковою діяльності, заснованих на даних про архітектурні принципи організації КБП. На основі цих даних все чіткіше простежується зв'язок особливостей функцій КБП з конкретною специфікою її елементів і зв'язків. Це дозволяє вже на початковій стадії моделювання вирішувати принципове питання про співвідношення функціональних навантажень окремого елемента і мережі в цілому, що визначає саму стратегію розробки нейрокомп'ютера.

На практиці цей вибір пов'язаний, перш за все, з визначенням набору функцій і властивостей базового елементу і залежить як від рівня технічної бази, так і від конструкторського вирішення їх реалізації. Обгрунтуванням перегляду концепції базового елементу нового типу є дані практичної нейрофізіології, які виявили необхідний мінімальний набір базових властивостей реальних нейронів, забезпечує реалізацію основних інформаційних функцій мозку у тварин і людини. Згідно з цими даними. У задачі створення нових поколінь інтелектуальних обчислювальних систем та завдання розвитку робототехніки шлях інтелектуалізації за рахунок введення квазібіологічна автоматів, в кінцевому рахунку, виявиться технічно і економічно більш доцільним напрямком по порівнянні з введенням елементів інтелекту на основі інформаційно-логічних методів.

Для того, щоб інтегрувати ці нав'язані біологією спостереження в логічні теоретичні рамки, необхідно також знайти некартезіанское концептуальне простір для роздумів про життя і розум, простір в рамках суворої безперервності. До щастя таке простір існує в концепції Аристотеля.

Все ще картезіанська

Буде дуже корисно на якийсь час сконцентруватися на одному специфічному спірному питанні, за яким розходяться ортодоксальна та біологічна наука про мисленні, а саме вираження співвідношення яка існує між нейробіологічних/біохімічними властивостями живих організмів з одного боку і мисленням з іншого боку. Відмінність в цьому питанні може бути пояснено тим фактом, що два види науки про мислення сформовані в радикально розрізняються філософських концепціях. У цілому біологічна наука про мислення найбільш органічно лягає в рамки загальної Аристотелев концепції, в той же час у ортодоксальної науки про мислення спостерігаються картезіанскій коріння.

Будь-хто, хто навіть не виявляв особливого інтересу до філософії розуму, знає, що Декарт вважав мислиме і фізичне двома різними, але взаємодіючими онтологічними реальності. Однак інший внесок, зроблений Декартом у вивчення розуму, менш широко відомий. Цим другим внеском є форма психологічного обгрунтування - дуалізм обгрунтування - який одночасно підтримує наступні тези: (1) для пояснення фізичного явища, хтось потребує залучення тільки специфічних фізичних сутностей і станів і специфічних фізичних законів; (2) для пояснення психологічних явищ, хтось потребує в залученні тільки специфічних розумових сутностей і станів і специфічних законів мислення. Дуалізм обгрунтування прекрасно узгоджується з ідеєю, що розумові події є граничною формою фізичних явищ. Для фізичної онтології, пропонуємо ми фізичний чи психологічний стиль обгрунтування залежить опису, до якого, з поточними заданими конкретними цілями обгрунтування, схиляються взяті які нас цікавлять явища.

Важливо те, що Декарт мислив органічне тіло мислителя як ще один фізичний об'єкт в фізичному світі. З огляду на дуалізм обгрунтування, дана ідея приводила його до тому, що нейробіологічних/біохімічне обгрунтування подій в тілі мислителя недоречно у психологічному обгрунтуванні подій в розумі мислителя, в тому сенсі, що психологічне обгрунтування може бути проведено у відсутності будь-якого, скільки б то не було деталізованого нейробіологічних/біохімічного знання про тіло мислячого об'єкта. Дане обосновательное відділення розуму від фізичного носія приводив у результаті до уривчастості в обгрунтуванні в даному контексті між життям і розумом. Наукове обгрунтування процесів, які розглядалися картезіанства як органічні, пов'язані з тілесного життя (такі процеси як травлення, розмноження і зростання) негайно потрапляло в область біологічних пояснень, якої тлумачили як принижується фізичної наукою. Наукове обгрунтування фізичних процесів, з іншого боку, має потребу у викладі мовою, абсолютно відрізняється від біологічної мови, у мові специфічному для психології. Це рівнозначно відхиленню положень суворої безперервності. Іншими словами, дуалізм обгрунтування несумісний з біологічною наукою про мислення.

В даний час функціоналістів у філософії розуму дотримуються поглядів, що визначає властивість типу ментального стану є причинний роль того, що стан грає в посередництві між (1) сенсорними входами, (2) іншими типами ментальних станів і (3) моторикою поведінки. Строго кажучи, функціоналізм не проводить зв'язків до природи основи, на якій реалізовані ментальні стану, тому що сутність в деякому приватному ментальному стані вже є, як уже говорилося, сутністю в деякому специфічному функціональному стані, і абсолютно еквівалентні функціональні стану можуть бути, в принципі, реалізовані біохімічно на вуглецевої основі, у вигляді кремнієвого мозку або у вигляді картезіанського розуму самого по собі. Тут, у принципі, функціоналізм входить складовою частиною в дуалізм субстанцій. Даний принциповий факт може здатися незначним, якщо вважати, що функціоналізм зазвичай є робочою конячкою теорії розпізнавання, згідно з якої будь-яка сутність даного типу ментального стану є єдиною і подібна з деяким фізичним станом у фізичній системі. Але, «Додаток до вимог розпізнавання не розглядає нейробіологічні і біохімічні деталі тіла біологічного мислячого об'єкта відноситься до процесу психологічного обгрунтування »1. Згідно функціоналістів, процес психологічного обгрунтування може проводитися в чудовою ізоляції від цих приватних деталей. Подібна позиція вже розглядалася раніше: функціоналізм є формою картезіанського дуалізму обгрунтування.

Так як же база дуалізму обгрунтування в функціоналізму доречна в розумінні ортодоксальної науці про мислення? Відповіддю є, що ортодоксальна наука про мислення побудована на функціоналізму. Справді, обчислювальні стану (тип станів до яких вдаються ортодоксальний штучний інтелект і ортодоксальна наука про мисленні) прекрасні приклади функціонально певних станів. При цьому немає ніякого протиріччя в тому, що одне з класичних положень функціоналізму було висловлено в теорії шляхом використання машини Тьюринга. Як тільки приймається функціоналісткіе основи ортодоксальної науки про мислення і разом з ній загальне картезіанської розгляд відносин між живим тілом і розумом які породжуються даними основами, можна побачити чому ортодоксальна наука про мислення пов'язана з ідеєю, що може бути описане без розуміння або істотних посилань на нейробіологічних або біохімічний базис даного процесу мислення. Іншими словами, можна бачити чому ортодоксальна наука про мисленні приймає положення абсолютно неприйнятні біологічної наукою про мисленні.

Список літератури

Для підготовки даної роботи були використані матеріали з сайту http://www.popal.ru/