Защита информации в компьютерных сетях

Основные направления исследований в области искусственного интеллекта

Синтезируя десятки определений ИИ из различных источников, в качестве рабочего определения можно предложить следующее.

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.

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

Это основное направление в области разработки систем 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. 2. Программное обеспечение систем ИИ (software engineering for Al)

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, SMALL-TALK, РЕФАЛ и др. Помимо этого создаются пакеты прикладных программ, ориентированные на промышленную разработку интеллектуальных систем, или программные инструментарии искусственного интеллекта, например KEE, ART, G2 [Хейес-Рот и др., 1987; Попов, Фоминых, Кисель, Шапот, 1996]. Достаточно популярно также создание так называемых пустых экспертных систем или «оболочек» – KAPPA, EXSYS, Ml, ЭКО и др., базы знаний которых можно наполнять конкретными знаниями, создавая различные прикладные системы.

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;

• структурный подход, включающий последовательный анализ и синтез естественно-языковых сообщений.

Традиционно такой подход предполагает наличие нескольких фаз анализа:

1)  Морфологический анализ – анализ слов в тексте.

2) Синтаксический анализ – разбор состава предложений и грамматических связей между словами.

3)  Семантический анализ – анализ смысла составных частей каждого предложения на основе некоторой предметно-ориентированной базы знаний.

4) Прагматический анализ – анализ смысла предложений в реальном контексте на основе собственной базы знаний.

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.

Можно условно выделить несколько поколений в истории создания и развития робототехники:

I поколение. Роботы с жесткой схемой управления. Практически все современные промышленные роботы принадлежат к первому поколению. Фактически это программируемые манипуляторы.

II поколение. Адаптивные роботы с сенсорными устройствами. Есть образцы таких роботов, но в промышленности они пока используются мало.

III поколение. Самоорганизующиеся или интеллектуальные роботы. Это – конечная цель развития робототехники. Основные нерешенные проблемы при создании интеллектуальных роботов – проблема машинного зрения и адекватного хранения и обработки трехмерной визуальной информации.

В настоящее время в мире изготавливается более 60 000 роботов в год. Фактически робототехника сегодня – это инженерная наука, не отвергающая технологий ИИ, но не готовая пока к их внедрению в силу различных причин.

5. Обучение и самообучение (machine learning)

Активно развивающаяся область искусственного интеллекта. Включает модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний на основе анализа и обобщения данных [Гаек, Гавранек, 1983; Гладун, 1994; Финн, 1991]. Включает обучение по примерам (или индуктивное), а также традиционные подходы из теории распознавания образов.

В последние годы к этому направлению тесно примыкают стремительно развивающиеся системы data mining – анализа данных и knowledge discovery – поиска закономерностей в базах данных.

6. Распознавание образов (pattern recognition)

Традиционно – одно из направлений искусственного интеллекта, берущее начало у самых его истоков, но в настоящее время выделившееся в самостоятельную науку. Ее основной подход – описание классов объектов через определенные значения значимых признаков. Каждому объекту ставится в соответствие матрица признаков, по которой происходит его распознавание. Процедура распознавания использует чаще всего специальные математические процедуры и функции, разделяющие объекты на классы. Это направление близко к машинному обучению и тесно связано с нейрокибернетикой [Справочник по ИИ, 1990].

7. Новые архитектуры компьютеров (new hardware platforms and architectures)

Самые современные процессоры сегодня основаны на традиционной последовательной архитектуре фон Неймана, используемой еще в компьютерах первых поколений. Эта архитектура крайне неэффективна для символьной обработки. Поэтому усилия многих научных коллективов и фирм уже десятки лет нацелены на разработку аппаратных архитектур, предназначенных для обработки символьных и логических данных. Создаются Пролог- и Лисп-машины, компьютеры V и VI поколений. Последние разработки посвящены компьютерам баз данных, параллельным и векторным компьютерам [Амамия, Танака, 1993].

И хотя удачные промышленные решения существуют, высокая стоимость, недостаточное программное оснащение и аппаратная несовместимость с традиционными компьютерами существенно тормозят широкое использование новых архитектур.

8. Игры и машинное творчество

Это, ставшее скорее историческим, направление связано с тем, что на заре исследований ИИ традиционно включал в себя игровые интеллектуальные задачи – шахматы, шашки, го. В основе первых программ лежит один из ранних подходов – лабиринтная модель мышления плюс эвристики. Сейчас это скорее коммерческое направление, так как в научном плане эти идеи считаются тупиковыми.

Кроме того, это направление охватывает сочинение компьютером музыки [Зарипов, 1983], стихов, сказок [Справочник по ИИ, 1986] и даже афоризмов [Любич, 1998]. Основным методом подобного «творчества» является метод пермутаций (перестановок) плюс использование некоторых баз знаний и данных, содержащих результаты исследований по структурам текстов, рифм, сценариям и т. п.

9. Другие направления

ИИ – междисциплинарная наука, которая, как мощная река по дороге к морю, вбирает в себя ручейки и речки смежных наук. Выше перечислены лишь те направления, которые прямо или косвенно связаны с основной тематикой – инженерией знаний. Стоит лишь взглянуть на основные рубрикаторы конференций по ИИ, чтобы понять, насколько широко простирается область исследований по ИИ:

генетические алгоритмы;

когнитивное моделирование;

интеллектуальные интерфейсы; 

распознавание и синтез речи;

дедуктивные модели;

многоагентные системы;

онтологии;

менеджмент знаний;

логический вывод;

формальные модели;

мягкие вычисления и многое другое.

Конечно, невозможно в рамках одного параграфа рассмотреть все многообразие подходов и идей в области ИИ.


На главную