Большая энциклопедия техники

Огромное значение ИИ имеет в робототехнике и кибернетике, практически ни один робот не обходится без его использования.

Первые роботы с ИИ появились в 1960-х гг. В те времена были простейшие модели, которые выполняли однотипную работу. Например, в 1969 г. в Японии был разработан робот, предназначенный для сборочно-монтажных работ. Такой робот имел всего 6 степеней свободы, а сейчас создаются роботы до 30 степеней свободы! Память такого робота составляла всего 32 000 слов. А экран был поделен на 64 x 64 ячейки. Робот распознавал объекты, которые ограничены цилиндрическими поверхностями либо плоскостями. Если объект был не полностью виден на экране, то робот поворачивался, захватывал объект, используя сенсоры, и производил необходимые действия.

Еще один из роботов того времени под названием ТАИР (транспортный автономный интегральный робот) был создан в Киеве (лаборатория, где больше всего внимания уделяли распознаванию речи и изображений). Он состоял из 3-колесного шасси, на котором находился блок управления и сенсорная система. Он был оснащен компасом, двумя маяками, датчиками наклона тележки.

Отличительной особенностью этого робота от всех являлось то, что в нем отсутствовал компьютер. ТАИР был оснащен нейроподобной сетью, реализующей различные алгоритмы: перемещения, обработки информации сенсоров, планирование поведения.

Системы ИИ

Среди крупномасштабных систем можно отметить.

1. MICIN – система для диагностики инфекционных заболеваний. Проводит сканирование организма больного и выводит информацию о состоянии здоровья. В базе данных имеется около 450 правил.

2. DENDRAL – система распознавания химических структур. Пользователь должен вводить некоторые данные спектрометрии и некоторую информацию о веществе, а машина выводит диагноз химической структуры вещества.

Различные подходы к построению систем ИИ

Существует много подходов для создания систем ИИ. Нет такого подхода, который мог бы превосходить другие, также нельзя считать, что один из них является ошибочным, а другой – правильным, потому что в данное время нет наиболее полной системы ИИ.

Можно выделить четыре главных подхода для построения систем ИИ. Первый из них – логический. Этот подход, возможно, возник вследствие того, что все в жизни имеет 2 состояния: работает (включено) и не работает (выключено). Например, компьютеры созданы на основе такой системы, которая называется битовой – от слова бит. Основой этого подхода является алгебра логики, или Булева алгебра (в честь математика Буля). Любой из программистов обязан ее знать, иначе даже самые простейшие операции будут недоступны. Суть этой алгебры – не только выяснение истинно ли выражение или нет; также она применяется для исчисления предикатов, причем алгебра дополнена предметными символами, отношениями между ними, кванторами существования и всеобщности.

В основном все системы ИИ, которые используют этот подход, представляются в виде машин, способных доказывать теоремы. Все исходные данные хранятся в базе данных, представленные аксиомами, а правила логического вывода этих теорем – как отношения между этими аксиомами. Каждая из таких машин имеет блок генерации цели, а система каким-либо способом пытается выполнить (доказать) эту цель как теорему.

При выполнении (доказательстве) цели проходят некоторые операции, которые необходимы для выполнения поставленной задачи. Мощность системы зависит от возможностей генератора целей и мощности самой машины доказательства теорем.

Для того чтобы создать полноценный ИИ, конечно, выразительности высказываний алгебры не хватит. Как раньше упоминалось, основой всех текущих ЭВМ служит бит – ячейка памяти. Поэтому логично, что то, что возможно создать, на ЭВМ можно представить в виде логики предикатов. Интересным фактом является то, что неизвестно, за какое время должно это происходить.

Для того чтобы добиться большей выразительности, этому подходу может быть присвоено такое направление, как нечеткая логика. Ее отличием является то, что она может принимать, кроме значений 0 и 1, также такие значения как 0,25; 0,5 и 0,75. Этот подход более четко выражает мышление человека, потому что он редко отвечает на поставленные вопросы только «да» или «нет», а также «не знаю», «может быть», «возможно». Но, например, на экзамене будут приниматься только четкие ответы – «да» или «нет».

Почти для всех логических методов характерна медленная работа из-за большой трудоемкости, так как машине приходится перебирать всевозможные варианты для доказательства необходимой цели. Поэтому хорошее качество работы могут гарантировать мощные машины, обрабатывающие большое количество информации за единицу времени, либо базы данных с необходимой информацией будут иметь меньший размер.

Следующий метод для построения систем ИИ – структурный подход. ИИ моделируется в виде модели человеческого мозга. Самой первой моделью был перцептрон Френка Розенблатта – это машина, обладающая искусственным интеллектом, умеющая различать предлагаемые объекты по каким-либо признакам и разделяющая их на классы, ранее указанные ей. Основной структурной единицей в подобных машинах является нейрон.

В конце концов начали возникать некоторые другие методы для построения систем ИИ при помощи структурного метода, которые получили название «нейронные сети». Так как существует множество методов, обладающих одинаковым названием, то они должны отличаться друг от друга какими-либо свойствами. Среди них наблюдаются алгоритмы для обучения нейронных сетей, строение отдельных нейронов и топология связей между этими нейронами. Одной из самых известных систем ИИ является нейронная сеть с обратным распространением ошибки. Другие две известные нейронные сети – это сети Хопфилда и стохастические нейронные сети.

Все нейронные сети нашли широкое применение для распознавания объектов и образов, в том числе и сильно зашумленных. Очень существенным отличием структурного метода от логического является легкое распараллеливание алгоритмов, а за счет этого – сильно растущая производительность. Еще одним отличием является то, что эти системы работают даже в состоянии, когда информация об окружающей среде не полностью известна, т. е. как и человек, машина может выдавать ответы, отличные от «да» и «нет», иногда высказывая мнение, что скорее близок один ответ, чем другой. Присутствует появление неуверенности.

Третий подход для построения систем ИИ – эволюционный. Очень сильно отличается от двух предыдущих подходов тем, что здесь огромная роль уделяется начальной модели и правилам, по которым она может изменяться.

Главным является то, что как модель может быть составлена как набор логических правил, так и сама нейронная сеть. Когда начальная модель и правила заданы, то достаточно запустить машину, после чего она начинает проверку всех возможных моделей, выбирая самые лучшие, и на их основании начинают генерироваться новые по самым различным правилам. Затем снова происходит отбор и новая генерация. И такой цикл повторяется много раз.

Можно сказать, что эволюционных моделей не существует, а присутствуют лишь алгоритмы, которым обучаются машины, но модели, которые создаются по этим алгоритмам, имеют некоторые особенности и поэтому заносятся в отдельный класс. Особенностями является перенесение основной работы создателя системы ИИ с построения модели на сам алгоритм, по которому она обучается и модифицируется, и то, что созданные впоследствии модели не способствуют извлечению новых знаний о среде, окружающей ИИ, т. е. эта модель становится вещью в себе.