Комп’ютерні системи гтучного інтелекту

Ім'я файлу: refoit (1).docx
Розширення: docx
Розмір: 36кб.
Дата: 09.06.2022
скачати
Пов'язані файли:
Згідно теорії споживчих цінностей Шета-Ньюмана-Гросса.docx
РПНП_Трудове право_081_2020.docx
ысторыя,выдповыды.docx
53ba423c-8fb6-4c54-9391-9921ed6b1899.docx
ОВВО КР 1.doc
dobro-pozalovat-v-USA.pptx
Буклет-2017-2.docx
Lab 5 (2).docx
Індивідуальне завдання №6 Єфименко О. 13Мд-СОукр.docx
kocbyru-kid.doc
Модуль 2.docx
Nahorniuk_bakalavr.docx

Міністерство освіти і науки України Криворізький національний університет Факультет інформаційних технологій Кафедра комп’ютерних систем та мереж

РЕФЕРАТ

з дисципліни «Основи інформаційних технологій»

на тему: Комп’ютерні системи гтучного інтелекту

Студента 1-го курсу групи

КІ-20

спеціальності

123 - «Комп’ютерна

інженерія»

Сердюка Є.В.

Перевірив

д.т.н., проф.

Національна шкала:

Кількість балів:

Оцінка ECTS:

Члени комісії:

(підпис) (прізвище та ініціали)

(підпис) (прізвище та ініціали)

м. Кривий Ріг – 2020 рік

Зміст

Вступ.

1. Історія інтелектуалізації комп'ютерів.

2. Підходи і напрямки до розуміння штучного інтелекту.

3. Сучасне тлумачення проблеми штучного інтелекту. Застосування штучного інтелекту в Україні та світі.

Висновки.

Список використаної літератури.

ВСТУП

При вирішенні будь-якої задачі управління здійснюється обробка інформації на рівні спеціаліста по можливим залученням засобів комп'ютерної обробки. Інформаційне забезпечення повинно забезпечити ефективність обміну інформацією між керівництвом і об'єктом управління. До складу інформаційного забезпечення, звичайно, включають дані, що характеризують різнобічну діяльність підприємств, нормативні та законодавчі акти, що впливають на процеси господарювання, засоби їх формалізованого опису, програмні засоби ведення і підтримки баз даних. Швидкі зміни в політичній і економічній сферах країни ще більше підкреслили роль своєчасного інформаційного забезпечення для управління виробництвом. Економічні моделі діяльності часто визначаються не стільки інтересами власника виробництва, але і в значній мірі формуються під впливом законів і податкової політики держави. Це і обумовлює необхідність впровадження та мобільного використання експертних систем, які допомагали орієнтуватися в динамічно змінному середовищі - на що у менеджерів не вистачає часу через основні обов'язки.
Тепер, коли накопичений досвід в організації технологій переробки інформації, відбувається перехід до створення інформаційних технологій з використанням штучного інтелекту. Вважається, що основні напрямки в області створення інформаційних технологій і штучного інтелекту пов'язані з винаходом ефективних систем уявлення знань і організацією процесу комунікації користувачів з ЕОМ, а також з плануванням доцільної діяльності та формуванням глобальної структури нормативної поведінки..

ІСТОРІЯ інтелектуалізації КОМП'ЮТЕРІВ

З появою комп'ютерів почався розвиток наукових досліджень під загальним об'єднуючим назвою "штучний інтелект". У шістдесяті роки провідними темами досліджень були евристичне програмування і використання формальної логіки. Це дозволяло програмувати шахову гру, доведення теорем та вирішувати логічні завдання. Однак надії на ці методи виявилися перебільшеними. Формальна логіка дуже ідеалізує мислення людини, а пошук на дереві варіантів часто стає неефективним. Вчені прийшли до розуміння необхідності ефективної репрезентації знань в машині. Як показує досвід розробки комп'ютерної системи CYC, навіть для відтворення здорового глузду десятирічного хлопчика довелося закодувати мільйон аксіом (правил). Тобто на програмування здорового глузду, яким володіє кожен психічно здоровий хлопчик, витратили приблизно стільки ж зусиль, як і на програмування "шахового розуму" на рівні чемпіона світу.
У той же час дослідники зайнялися такими цікавими завданнями, як автоматичний переклад тексту, розуміння машиною усного мовлення, розпізнавання графічних зображень і образів, технічний зір (тобто сприйняття навколишнього оточення через відеокамеру). Проблема перекладу тексту на іншу мову виявилася значно складніше, ніж спочатку думали оптимісти. Недостатньо вичерпно точно описати мову. Перекладачеві необхідно розуміти зміст тексту, а для цього треба спиратися на модель світу, про який йдеться в тексті. А сприйняття усного мовлення ще складніше і включає цілу групу завдань - розпізнавання звуків і слів, синтаксичний і семантичний аналіз. Ще в сімдесяті роки розробники прийшли до висновку, що ці процеси аналізу різних рівнів повинні йти паралельно, взаємодіючи між собою і допомагаючи долати труднощі. Ця проблема досі не вирішена задовільно. Наприклад, співробітники M.І.T. недавно) 1 розробили систему GALAXY, яка може розуміти усні запитання клієнтів і відповідати їм, і хоча тематика питань обмежена погодою, рухом літаків і відомостями про Бостон, система часто помиляється. Поки кращі системи розпізнають не більше десяти тисяч слів і то помиляються майже на кожному четвертому слові.
Поєднання баз знань з логічними машинами (генераторами висновків) породило експертні системи. Це перший клас систем, "заснованих на знаннях", що набув масового застосування. Виникло напрям інженерії знань. Були створені засоби вилучення знань у експертів і кодування їх у формі правил продукції. В експертних системах велика частина знань жорстко зафіксована в формі правил продукції. Експертна система запитує у користувача дані і застосовує їх відповідно зафіксованих правил. Ці системи відрізняються від традиційних програмних систем більшою гнучкістю, оскільки послідовність застосування правил не програмується прямо і заздалегідь, а визначається стратегією на основі текущей ситуації. Але ця різниця швидше є засобом програмування, ніж принциповою відмінністю в роботі. І не зовсім ясно, як повинні співвідноситися стратегія виведення і зміст правил. Далі, з'ясувалося, що моделювання експерта вимагає, щоб комп'ютер оперував нечіткої і суперечливою інформацією. Тому винайшли правила нечіткого виведе ня (зі ступенем невизначеності.) Крім того, система знань має складну багаторівневу структуру.
Сучасні експертні системи будуються інакше. Вони базуються на моделях в формі так званих баєсова мережа. Замість "скирти" правил використовується модель у вигляді цілісної системи зв'язків, адекватно описує проблемну область. Зв'язки відображають імовірнісні залежності між змінними, відтворює невизначеність поведінки. Вбудовані в модель "правила" можуть працювати в обох напрямках, а при необхідності об'єднуються для спільного застосування згідно з наявною інформацією. (Правила "склеюються разом" в єдину конструкцію, придатну для виведення.) Структура моделі не тільки каналізує процес виведення, а й може відбивати причинно-наслідкові зв'язки.
З одного боку, інтелектуалізація полегшує процес вирішення завдань і економить розумові зусилля людини на отримання рішення. Це сприяє автоматизації все більшого числа функцій управлінців, службовців, аналітиків, секретарів, викладачів, операторів, керівників, і піднімає на новий щабель технологію їх роботи. З іншого боку, мобілізуючи громадські знання, інтелектуалізація дозволяє вирішити нові проблеми, які не піддавалися раніше, тобто дозволяє подолати традиційні обмеження на шляхи вирішення складних проблем. Тим самим зростає "креативний потенціал" системи. Перерахуємо механізми, завдяки яким можна забезпечити зростання креативного потенціалу системи.

Стимуляція творчих можливостей людини, "синергізм" людської інтуїції з обчислювальної швидкістю і бездоганною пам'яттю комп'ютера. Завдяки комфортному інформаційному середовищі і дружньому інтерфейсу системи експерти можуть безпосередньо впливати на процес вирішення завдання в машині. А образне зображення на дисплеї комп'ютера стимулює евристичне мислення людини.

Інтеграція та концентрована мобілізація суспільних знань. Накопичений людством досвід і різноманітні знання укладаються в комп'ютерні бази знань частинами, поступово і з різних джерел, а в рішенні задач можуть використовуватися практично одночасно.

Непосредственная інтеграція інтелекту різних експертів під час їх оперативної взаємодії за допомогою СКІ. Забезпечується якісно новий вид "мозкового штурму".

СКІ об'єднує зусилля і інтелект різних фахівців і експертів завдяки тому, що допомагає подолати мовний і термінологічне непорозуміння між людьми, а також усуває соціально-психологічні перепони спілкування. Уже зараз спілкування через глобальну комп'ютерну мережу Internet (в формі електронних конференцій) дозволяє людям позбутися від тиску авторитетів, дискомфорту соціальної нерівності і психологічної несумісності. А інтелект СКІ додасть до цього ще можливість порозумітися фахівцям, мислять різними системами понять і на різних мовах.
Технологія використання знань в експертних системах можна назвати "Комп'ютер-центричної». Більшість сучасних комп'ютерних систем не можуть вирішувати завдання самостійно, і для вирішення необхідні інтуїція і інтелект людини-спеціаліста. Такі системи працюють в режимі "людино-центричної" технології, коли в діалозі спрямовуюча роль належить людині. Однак контакт між людиною і комп'ютером в таких системах - дуже примітивний. Ймовірно, в майбутніх систем втілиться "людино-орієнтований симбиотическая" технологія взаємодії. Важливими рисами машини повинні стати розуміння мови, наближеної до людської; людиноподібні реакції, логіка, і поведінку в діалозі; здатність вирішувати не строго сформульовані завдання; здатність до навчання; розуміння аналогій і метафор і т.д.
Однією з типових СКІ може стати електронний помічник експерта, консультанта або аналітика для прогнозування і пояснення реальних явищ і процесів. Такі СКІ можуть застосовуватися в центральних державних органах при дослідженні економічних і соціальних процесів, при обгрунтуванні рішень, в бізнесі і т.д. Їх основою стануть методи, що розвиваються в рамках нового напряму в галузі штучного інтелекту - data mіnіng and knowledge dіscovery іn data (що за змістом можна передати як відпрацювання даних і виявлення знань). Ці методи виявляють закономірності у великих базах даних і вилучають звідти ці закономірності в "кристалізований" формі. Можна сказати, що ці методи автоматично узагальнюють інформацію, добувають знання шляхом концентрації ( "збагачення") інформації, яка розсіяна у величезній сукупності даних. Методи включають, зокрема, класифікацію, виявлення асоціацій, виявлення трендів, відхилень та аномалій, моделювання залежностей і навіть каузальних відносин. Комп'ютер просіює дані, вилучаючи звідти регулярні патерни, стійкі співвідношення (пропорції), "відбитки" джерела даних.
Інший напрямок застосування СКІ - інформаційне обслуговування і посередництво між людьми, функції "електронного секретаря" менеджера або керівника установи. Такий системі, наприклад, для планування зустрічей, треба розуміти зміни життєвих обставин людей і психологічні особливості. Глобальна комп'ютерна мережа Internet, дотягаючи свою павутину до кожного робочого місця, перетворює електронні комунікації (пошту, конференції, електронні бібліотеки) на основні канали інформації. Потоки інформації постійно зростають. На комп'ютер переводять сортування, аналіз потоків листів, їх підготовку. Тому він повинен сприймати професійні жаргони, стежити за взаємовідносинами між людьми і враховувати приховані інтереси, розуміти стиль і діалект кожного адресата, а при необхідності - і різні національні мови. Таким же чином комп'ютер може готувати огляди періодики і витримки зі звітів. Треба мати на увазі, що суб'єктивні погляди і уявлення власника комп'ютера зазвичай не висловлені мовою, а лише проглядаються в поведінці людини. Для абонентів Інтернету розробники вже пропонують перші зразки так званих інтелектуальних агентів. Наприклад, програма Yenta, спостерігаючи електронну переписку, «втямлюе» ваші потреби і підшукує респондентів для зустрічі, а також знаходить потрібні вам товари і збиває ціну.
Можливо застосувати СКІ і при вирішенні широкого кола наукових, пошукових та інженерних задач. Один з менеджерів фірми Mіcrosoft недавно визнав, що додавання все нових можливостей і засобів в нові версії програмних продуктів значно ускладнює роботу користувача. Мета інтелектуалізації полягає в тому, щоб звільнити користувача від необхідності нишпорити в великих каталогах і бібліотеках програм і пакетів в пошуках найбільш відповідного інструменту, або занурюватися в ієрархічні глибини меню дій і сервісів. Уявімо, що людина може просто подати на вхід системи завдання у вигляді стислих (лаконічних) вказівок. Наприклад, просто дати опис мети, опис шляхів і методів її досягнення і початкові умови задачі. Реалізувати цю ідею заважають термінологічні розбіжності, неоднозначність слів і мовних конструкцій і т.д. Згідно рівня здібностей комп'ютера сприймати і виконувати вказівки (запити) людини можна розрізнятьь два ступені інтелектуалізації - "поверхневу" і глибоку. Поверхнево - інтелектуалізованих система просто намагається ототожнити (ідентифікувати) запит з одним із завдань, які зберігаються в системі і вже запрограмовані. "Тямущість" такої системи обмежена здатністю вірно вибирати завдання серед фіксованого їх перелік. Інтелектуальний інтерфейс такого типу підходить для систем, що працюють з постійним об'єктом, коли багато "розуміється без слів". Про глибоку інтелектуалізації системи доречно говорити, якщо система здатна сприймати і виконувати будь-які нові розумні завдання або запити з широкою області, представлені в узагальнений, неповної формі (зокрема, на професійній мові). Система "зрозуміти", дії випливають з представленого запиту, спланувати і організувати виконання дл ки. При цьому доводиться автоматично виявляти і долати можливі помилки і протиріччя в формулюванні завдання, виявляти, якої інформації не вистачає, а також пропонувати варіант корекції завдання. Такі здібності створюють ілюзію, що система "розуміє" завдання. Для цього комп'ютера потрібно орієнтуватися у великих базах знань, які описують не тільки моделі галузей науки, а й зв'язку між галузевими знаннями, що утворюють багатосторонні моделі світу.
Ніяка система не зможе відразу повністю «зрозуміти» складну задачу і вичерпно сформувати завдання. Часто сам користувач спочатку не дуже чітко усвідомлює, чого хоче. Тому система повинна тільки почати просування в напрямку до вирішення завдання. Завдання розпадається на ряд "розвідувальних" завдань і кроків. Наскільки великі кроки треба робити комп'ютера? Тут необхідно пройти між Сциллою ледачого тугодума і Харибдою некерованого ерудита. Занадто мала глибина аналізу означає, що майже все доведеться робити самій людині. Навпаки, занадто велика глибина аналізу веде до того, що комп'ютер зануриться в розгляд численних версій, які швидко розгалужуються і потім виявляються помилковими. Система буде довго "думати", а користувач втомиться від невдалих пропозицій і запитів. Тому треба регулювати глибину аналізу, оцінюючи достовірність гіпотез і висновків і контролюючи поточний рівень взаєморозуміння між системою і користувачем.
2. ПІДХОДИ І НАПРЯМКИ В РОЗУМІННІ ШТУЧНОГО ІНТЕЛЕКТУ
«Штучний інтелект» - розділ інформатики, що займається формалізацією задач, які нагадують завдання, що виконуються людиною. При цьому в більшості випадків заздалегідь невідомий алгоритм рішення задачі. Точного визначення цієї науки немає, оскільки в філософії не вирішено питання про природу і статус людського інтелекту. Немає і точного критерію досягнення комп'ютером «розумності», хоча перед штучним інтелектом було запропоновано ряд гіпотез, наприклад, тест Тьюринга або гіпотеза Ньюелла-Саймона. Зараз є багато підходів як до розуміння задач ШІ, так і до створення інтелектуальних систем.
За визначенням, штучний інтелект - це штучна система, що імітує рішення людиною складних завдань в процесі його життєдіяльності (лат. Іntelektus - розум; розумові здібності людини). Людина в своїй діяльності використовує різні інтелектуальні функції (інтуїція, творчість, уяву, асоціація, індукція, дедукція, обчислення, пошук та ін.). Створення штучних систем, які реалізовували ці функції і є головним завданням проблематики штучного інтелекту.
Існують різні підходи до створення систем ШІ. На даний момент можна виділити 4 досить різних підходу:
Логічний підхід. Основою для вивчення логічного підходу служить Булева алгебра. Кожен програміст знайомий з нею з тих пір, коли він вивчав оператор ІF. Свого подальшого розвитку Булева алгебра отримала у вигляді числення предикатів - у якому вона розширена за рахунок введення предметних символів, відносин між ними. Крім цього, кожна така машина має блок генерації цілі, і система виведення намагається довести дану мету як теорему. Якщо мета досягнута, то послідовність використаних правил дозволить отримати ланцюжок дій, необхідних для реалізації поставленої мети (таку систему називають експертної системі). Потужність такої системи визначається можливостями генератора цілий їй і машинного доведення теорем. Для того щоб досягти кращої виразності логічний підхід використовує новий напрямок, його назва - нечітка логіка. Головною відмінністю цього напрямку є те, що істинність висловлювання може приймати крім значень так / ні (1/0) ще й проміжне значення - не знаю (0.5), пацієнт швидше за все живий, ніж мертвий (0.75), пацієнт швидше за все мертвий, ніж живий (0.25). Такий підхід більш схожий на мислення людини, оскільки він рідко відповідає так чи ні.
Під структурним підходом ми розуміємо спроби побудови ШІ шляхом моделювання структури людського мозку. Однією з перших таких спроб був перцептрон Френка Розенблатта. Головною моделює структурною одиницею в перцептронах (як і в більшості інших варіантах моделювання мозку) є нейрон. Пізніше виникли і інші моделі, більш відомі під назвою нейронні мережі (НС) і їх реалізації - нейрокомп'ютери. Ці моделі відрізняються за будовою окремих нейронів, по топології зв'язків між ними і алгоритмами навчання. Серед найбільш відомих в даний час варіантів НС можна назвати НС зі зворотним поширенням помилки, мережі Кохонена, сітки Хопфілда, стохастичні нейрони сітки. У більш широкому сенсі цей підхід відомий як Конектівізм. Відмінності між логічним і структурним підходом стільки принципові, як це здається на перший погляд. Алгоритми спрощення та вербалізації нейронних мереж перетворюють моделі структурного підходу в явні логічні моделі. [1] З іншого боку, ще в 1943 році Маккалок і Піттс показали, що нейронна мережа може реалізувати будь-яку функцію алгебри логіки [2].
Еволюційний підхід. При побудові системи ШІ за цим методом основна увага зосереджують на побудові вихідної моделі і правилам, за якими вона може змінюватися (еволюціонувати). Причому модель може бути створена з найрізноманітніших методів, це може бути і НС, і набір логічних правил і будь-яка інша модель. Після цього ми включаємо комп'ютер і він, на основі перевірки моделей відбирає найкращі з них, і за цими моделями по самим різним правилам генеруються нові моделі. Серед еволюційних алгоритмів класичним вважається генетичний алгоритм.
Імітаційний підхід. Цей підхід є класичним для кібернетики з одним з її базових понять чорний ящик. Об'єкт, поведінка якого імітується, якраз і являє собою "чорний ящик". Для нас не важливо, які моделі в нього всередині і як він функціонує, головне, щоб наша модель в аналогічних ситуаціях вела себе без змін. Таким чином тут моделюється інша властивість людини - здатність копіювати те, що роблять інші, без поділу на елементарні операції і формального опису дій. Часто це властивість економить багато часу об'єкта, особливо на початку його життя.
В рамках гібридних інтелектуальних систем намагаються об'єднати ці напрямки. Експертні правила висновків можуть генеруватися нейронними мережами, а породжують правила отримують за допомогою статистичного вивчення. Багатообіцяючий новий підхід, який ще називають посилення інтелекту, розглядають досягнення ІІ в процесі еволюційної розробки як поточний ефект посилення людського інтелекту технологіями.
Кінцевою метою досліджень з питань «штучного інтелекту» є розкриття таємниць мислення і створення моделі мозку. Принципова можливість моделювання інтелектуальних процесів випливає з основного гносеологічного результату кібернетики, який полягає в тому, що будь-яку функцію мозку, будь-яку розумову діяльність, описану мовою з строго однозначної семантикою за допомогою кінцевого числа слів, в принципі можна передати електронного цифрового обчислювальної машині (ЕОМ). Сучасні ж наукові уявлення про природу мозку дають підстави вважати, що принаймні в чисто інформаційному аспекті суттєві закономірності мозку визначаються кінцевим (хоча, може, і дуже великий) системою правил.
Оскільки крім нечисленних оптимістів майже ніхто не намагається саме "виготовити" інтелект, аналогічний людському, то мова ведеться про створення системи, яка буде здатна реалізувати певні моделі інтелекту.

проблемна галузь - містить предметну область і завдання, які в ній вирішуються;

знання - це основні закономірності предметної області, які дають людині можливість вирішувати конкретні професійні та інші завданя, а саме: факти, поняття, правила, оцінки, взаємозалежності а також стратегії прийняття рішень в цій області. Знання - це сукупність відомостей, які створюють цілісний опис, відповідне деякому рівню обізнаності про питання, предмет, проблему ,що описуються.
Основною складовою частиною інтелектуальних програмних систем є база знань. База знань - це сукупність систематизованих основних відомостей, що відносяться до відповідної галузі знання зберігаються в пам'яті ЕОМ, обсяг яких необхідно і достатньо для вирішення заданого кола теоретичних або практичних завдань. Іншими словами, база знань - це семантична модель, яка призначена для представлення в ЕОМ знань накопичених людиною в певній предметній області. Ці моделі можна розділити на два типи: логічні та евристичні. Прикладами логічних моделей є моделі обчислення предикатів, моделі індуктивного типу, а до евристичних моделей віднесені продукційні, фреймові, мережеві. Найчастіше експертні системи використовують продукційні моделі баз знань, де продукція є пара виду "умова - дія" ( "якщо ... то»), які люди використовують при міркуваннях. Такі системи, в яких вихідною інформацією є не тільки вихідні дані завдання, але і правила обробки цих даних, які подаються у вигляді продукцій, називають продукційними.

3.Сучасні Тлумачення ПРОБЛЕМИ штучного інтелекту. Застосування штучного інтелекту в УКРАЇНІ ТА СВІТІ
Проблема штучного інтелекту відноситься до групи "хронічних" проблем, вирішення яких в дійсності не є необхідним для виживання людства. Основною рушійною силою на сучасному етапі є наукове цікавість. Пройшли ті часи, коли створення повноцінного штучного інтелекту вважалося цілком здійсненним метою, досягнення якої при порівняно невеликих капіталовкладеннях (а в умовах холодної війни світових наддержав гроші для розробки стратегічних напрямків науки взагалі не вважали) обіцяло надати кардинальні економічні і військові переваги. Розробка проблеми хоча і не наблизила нас до створення діючого штучного інтелекту, проте стимулювало розвиток багатьох галузей практичної науки і справила значний вплив на процес пізнання людиною себе як мислячої істоти. Зокрема, збагатилися наші знання принципів роботи мозку, його фундаментальних механізмів і його молекулярної природи. Прямим розвитком цієї сфери знання повинно бути розумне управління мозком в майбутньому, а також використання законів його діяльності для конструювання різних механізмів, що становлять основу технічного прогресу в нашу епоху.
Наукові дослідження в галузі штучного інтелекту поділяють на два напрямки: програмно-прагматичний і бионический. Перший напрямок охоплює створення програм, за допомогою яких можна вирішити завдання, до цього вважалися винятковою прерогативою людини (логічні задачі, завдання пошуку, класифікації і т. Д.). Другий напрямок досліджує проблеми штучного відтворення тих структур і процесів, характерних для живого людського мозку і лежать в основі процесу вирішення завдань людиною. У зв'язку зі складністю цілей і завдань бионического напрямку в даний час в області штучного інтелекту домінує програмно-прагматичний напрямок. В цьому напрямку не стає питання про адекватність структур і методів, використовуваних тим, якими користується в аналогічних випадках людина, а розглядається лише кінцевий результат вирішення конкретних завдань.

З точки зору практичних результатів програмно-прагматичного напрямку виділяють наступні розділи: інтелектуальні програми (програми вирішення інтелектуальних завдань), робота зі знаннями (теорія і програми), інтелектуальне програмування (теорія і сервісні інтелектуальні програми), інтелектуальні програмні системи. Видами інтелектуальних програмних систем є: експертні системи, інтелектуальні інформаційні системи, розрахунково-логічні (гібридні) системи, інтелектуальні системи проектування і наукових досліджень, інтелектуальні роботи, системи для навчання.
Класичний підхід вважає, що для створення штучного інтелекту треба досконально вивчити людський мозок, тобто матеріальне втілення природного інтелекту. Після цього буде легко змоделювати всі процеси в мозку за допомогою технічних засобів. Отримана модель і буде володіти штучним інтелектом.
Класичний підхід пройшов у своєму розвитку довгий шлях від вивчення будови окремих нейронів до сучасного функціонального магнітно-резонансного нейрокортування мозку, дозволяє безпосередньо вивчати еволюцію функціональних систем.
Головним теоретичним досягненням класичного підходу стало розуміння принципової помилковості обраного шляху досліджень. Цінними також розроблені окремі випадки штучного інтелекту: експертні системи, системи розпізнавання образів і мови. Головна мета, а саме, створення повноцінного штучного інтелекту, який би пройшов тест Тьюринга, не була досягнута. Важливим наслідком класичного підходу стало розуміння того, що ми не до кінця розуміємо саме поняття інтелект. Безперечно, існує багато визначень інтелекту, проте весь час виявляється його дійсна сутність тікає від вчених. Таким чином питання про створення штучного інтелекту відкладається до з'ясування змісту поняття інтелекту взагалі. Відповідь на це питання дозволить чітко уявити той позитивний результат який ми намагаємося досягти і відрізнити його від хі бніх результатів.
Отже, проблема штучного інтелекту виявилася однією з таких, в центрі якої стоїть людина. Адже людському інтелекту належить осягнути зміст інтелекту взагалі а значить і себе як його окремий випадок. Саме тут знаходиться основне філософське акцент цієї проблеми. Розглядаючи інтелект як інструмент вирішення різних завдань, ми приходимо до бачення завдання створення штучного інтелекту завдання завдань. Зазвичай в такому формулюванні проблему вирішити не можна.

Історія досліджень в галузі штучного інтелекту сьогодні виглядає різноманітною і повчальною. Тут були і злети і розчарування. Нестримний оптимізм змінювався обережною розважливістю. Багато вчених присвятили свою кар'єру проблеми інтелекту, навіть не домовившись про його зміст.

У зв'язку з проблемою ІІ розвинулися і отримали новий поштовх багато науки. Інформатика змінила наші уявлення про інтелект і інтелектуальні засоби праці, так і не давши остаточних відповідей на філософські питання. Комп'ютери дозволили людині дізнатися про себе більше ніж про комп'ютер [4].
Спроби створення окремих випадків штучного інтелекту дозволили навчити машини розпізнавати образи, маніпулювати інформацією та базами знань, підтримувати спілкування з людиною, але не дали відповіді на найважливіше питання, що таке свідомість. І можливо інтелект без свідомості.
Виявилося, що найскладніше це не розміщення знань в машині, а видобуток їх з людини. Вивчення природних мов і способів подання знань у свідомості також збагатили наші знання про себе. Проблема штучного інтелекту виявилася істотно антропологічної. І хоча сучасний еволюційний підхід розглядає людський інтелект тільки як окремий випадок інтелекту взагалі, наша власна свідомість залишається єдиним доступним мірилом, тим еталоном, за яким ми будемо завжди оцінювати успіхи в моделюванні інтелекту.
Банки застосовують системи штучного інтелекту (СШІ) в страховій діяльності (актуарна математика) при грі на біржі і управління власністю. У серпні 2001 року роботи виграли у людей в імпровізованому змаганні по трейдингу BBC News, 2001). Методи розпізнавання образів (включаючи, як більш складні і спеціалізовані, так і нейронні мережі) широко використовують при оптичному і акустичному розпізнаванні (в тому числі тексту і голосу), медичній діагностиці, спам-фільтрах, в системах ППО (визначення цілей), а також для забезпечення ряду інших завдань національної безпеки.
Розробники комп'ютерних ігор змушені застосовувати ШІ тій чи іншій мірі опрацьованості. Стандартними завданнями ШІ в іграх є відшукання шляху в двовимірному або тривимірному просторі, імітація поведінки бойової одиниці, розрахунок вірною економічної стратегії і так далі.

Проглядаються два напрямки розвитку ШІ:

· Перший полягає у вирішенні проблем, пов'язаних з наближенням спеціалізованих систем ШІ до можливостей людини і їх інтеграції, яка реалізована природою людини.

· Другий полягає в створенні штучного розуму, який представляє інтеграцію вже створених систем ШІ в єдину систему, здатну вирішувати проблеми людства.

ВИСНОВКИ
Штучний інтелект (ШІ) застосовується сьогодні в багатьох прикладних областях. Практично всі вони, може бути, і не так швидко, як хотілося б, але неухильно і безперервно розвиваються. В останні роки сучасні ІТ-технології зробили дуже різкий стрибок вперед, в основному за рахунок підвищення продуктивності масових процесорів і стрімкого здешевлення пам'яті (як оперативної, так і "твердої"). Це призвело до появи додатків, в яких втілені серйозні теоретичні напрацювання ІІ.
При цьому можна відзначити дві тенденції. З одного боку найбільший в світі фінансист досліджень по ІІ (особливо з робототехніки) - це військове наукове агентство DARPA. Сучасне зброю немислима без підходів ІІ (переважно нейронних технологій, нечітких експертних систем і інтелектуальних обчислювачів), що дозволяють за допомогою щодо малих ресурсів отримувати досить точні результати, для знаходження яких класичними методами чисельного математики потрібні були б потужності суперкомп'ютерів. Наприклад, реалізація режиму автономного польоту на невеликій висоті в поганих погодних умовах без використання заздалегідь підготовленої комп'ютерної бази рельєфу вимагає застосування високоефективних механізмів синхронізації руху з даними, отриманими від системи навігації GPS, відеокамер, радарів і інших датчиків.
СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ

1. Балабанов О. Комп'ютерний інтелект: можливості і реальність //Вісник Національної Академії наук України. - 1997. - № 9-10. - C. 16-21

2. Богатырев Р. Анатомия искусственного интеллекта: Взгляд на эволюцию искусственного интеллекта сквозь призму компьютерных шахмат //Мир ПК. - 2004. - № 9. - C. 56-63.; № 10. - C. 92-98.; № 11. - C. 68-75. -

3. Міщенко Н. Штучний інтелект-виклик часу //Науковий світ. - 2006. - № 10. - C. 12-13

4. Мельник А. Искусственный интеллект: фантазии и реальность/ А.Мельник //PC WORLD UKRAINE. - 1999. - № 11-12. - C. 99-101

5. Никитина А.П. Искуственный интеллект: философия, методология, инновации //Вопросы философии. - 2006. - № 11. - C. 167-171
скачати