Перспективные технологии и применение ии систем

Во первых, следует уделить внимание основным развиваемым подходам к созданию ИИ — в порядке убывания их популярности у специалистов. Следует отметить, что не только потенциал той или иной технологии влияет на ее популярность. Зачастую, не менее важной оказывается отдаленностью перспектив ее прикладной реализации (например, крайне высокий потенциал киберзаводов пока не вызывает серьезного интереса из-за наличия множества нерешенных задач по их управлению).

1. Нейронные сети. Пока еще никому не удалось сбросить это направление с верхушки списка. Продолжается совершенствование алгоритмов обучения и классификации в масштабе реального времени, обработки естественных языков, распознавания изображений, речи, сигналов, а также создание моделей интеллектуального интерфейса, подстраивающегося под пользователя. С помощью нейронных сетей решаются такие прикладные задачи, как финансовое прогнозирование, раскопка данных, диагностика систем, контроль деятельности сетей, шифрование данных. В последнее время усилился интерес к поиску эффективных методов синхронизации работы нейронных сетей на параллельных устройствах.

2. Эволюционные вычисления. На данное направление создания искуственного интеллекта (ЭВ; автономное и адаптивное поведение компьютерных приложений и робототехнических устройств) значительное влияние оказали прежде всего инвестиции в нанотехнологии. ЭВ изучают вопросы создания самособирающихся, самоконфигурирующихся и самовосстанавливающихся систем, состоящих из множества одновременно функционирующих узлов и связанных с этим ключевых проблем реализации.

Другой аспект ЭВ – создание автономных агентов, призванных оказать помощь в решении повседневных задач в качестве персональных секретарей, управляющих личными счетами, ассистентов, отбирающих нужные сведения в сетях с помощью поисковых алгоритмов третьего поколения, планировщиков работ, личных учителей, виртуальных продавцов и так далее. Сюда же относится робототехника и все связанные с ней области. Основные направления развития — выработка стандартов, открытых архитектур, интеллектуальных оболочек, языков сценариев/запросов, методологий эффективного взаимодействия программ и людей. Модели автономного поведения предполагается активно внедрять во всевозможные бытовые устройства, способные убирать помещения, заказывать и готовить пищу, водить автомобили и т. п.

В будущем, для решения сложных задач (быстрого исследования содержимого Сети, больших массивов данных наподобие геномных) предполагается использование коллективов автономных агентов. Это влечет за собой активное изучение всевозможных направлений эволюции подобных коллективов, планирования совместной работы, способов связи, группового самообучения, кооперативного поведения в нечетких средах с неполной информацией, коалиционного поведения агентов, объединяющихся по интересам, научиться разрешать конфликты взаимодействия и т. п.

Особняком стоят социальные аспекты — как общество будет на практике относиться к таким сообществам интеллектуальных программ.

3. На третьем — пятом местах (по популярности) располагаются большие группы различных технологий.

3.1 Нечеткая логика. Системы нечеткой логики активнее всего будут применяться преимущественно в гибридных управляющих системах.

3.2 Обработка изображений. Продолжится разработка способов представления и анализа изображений (сжатие, кодирование при передаче с использованием различных протоколов, обработка биометрических образов, снимков со спутников), являющихся независимыми от устройств воспроизведения, оптимизации цветового представления на экране и при выводе на печать, распределенных методов получения изображений.

Дальнейшие развитие получат средства поиска, индексирования и анализа смысла изображений, согласования содержимого справочных каталогов при автоматической каталогизации, организации защиты от копирования, а также машинное зрение, алгоритмы распознавания и классификации образов.

3.3. Экспертные системы. Спрос на экспертные системы остается на достаточно высоком уровне. Наибольшее внимание сегодня привлечено к системам принятия решений в масштабе времени, близком к реальному, средствам хранения, извлечения, анализа и моделирования знаний, системам динамического планирования.

3.4. Интеллектуальные приложения. Рост числа интеллектуальных приложений, способных быстро находить оптимальные решения комбинаторных проблем (возникающих, например, в транспортных задачах), связан с производственным и промышленным ростом в развитых странах.

3.5. Распределенные вычисления. Поскольку компьютерные сети и высокопроизводительные кластеры стали достаточно распространены, увеличился интерес к вопросам распределенных вычислений — балансировке ресурсов, оптимальной загрузке процессоров, самоконфигурированию устройств для достижения максимальной эффективности, отслеживанию элементов, требующих обновления, выявлению несоответствий между объектами сети, диагностированию корректной работы программ, моделированию подобных систем.

3.6. ОС РВ. Появление автономных робототехнических устройств повышает требования к ОС реального времени — организации процессов самонастройки, планирования обслуживающих операций, использования средств ИИ для принятия решений в условиях дефицита времени.

3.7. Интеллектуальная инженерия. Особый интерес к ИИ проявляют в последние годы компании, занимающиеся организацией процессов разработки крупных программных систем (программной инженерией). Методы ИИ все чаще используются для анализа исходных текстов и понимания их смысла, управления требованиями, выработкой спецификаций, проектирования, кодогенерации, верификации, тестирования, оценки качества, выявления возможности повторного использования, решения задач на параллельных системах. Программная инженерия постепенно превращается в так называемую интеллектуальную инженерию, рассматривающую более общие проблемы представления и обработки знаний (пока основные усилия в интеллектуальной инженерии сосредоточены на способах превращения информации в знания).

3.8. Самоорганизующиеся СУБД. Самоорганизующиеся СУБД будут способны гибко подстраиваться под профиль конкретной задачи и не потребуют администрирования.

4. Следующая по популярности группа технологий ИИ.

4.1. Автоматический анализ естественных языков (лексический, морфологический, терминологический, выявление незнакомых слов, распознавание национальных языков, перевод, коррекция ошибок, эффективное использование словарей).

4.2. Высокопроизводительный OLAP-анализ и раскопка данных, способы визуального задания запросов.

4.3. Медицинские системы, консультирующие врачей в экстренных ситуациях, роботы-манипуляторы для выполнения точных действий в ходе хирургических операций.

4.4. Создание полностью автоматизированных киберзаводов, гибкие экономные производства, быстрое прототипирование, планирование работ, синхронизация цепочек снабжения, авторизации финансовых транзакций путем анализа профилей пользователей.

5. Небольшое число конференций посвящено выработке прикладных методов, с помощью которых можно решить конкретные задачи промышленности в области финансов, медицины и математики.

Разумеется, разработчики игр и развлекательных программ проявляют немалый интерес к ИИ, ведь именно он позволит придать их продуктам большую реалистичность(это отдельная тема). Среди новых направлений их исследований — моделирование социального поведения, общения, человеческих эмоций, творчества.

Итоги и проблемы

Сейчас уже не так часто можно встретить информацию об уникальных и интересных достижениях специалистов, занимающихся исследованием искусственного интеллекта (ИИ), суливших невиданные возможности. Эйфория, связанная с первыми практическими успехами в сфере ИИ, прошла довольно быстро, потому что перейти от исследования экспериментальных компьютерных моделей к решению прикладных задач реального мира оказалось намного более сложно, чем можно было предположить. Проблемами, связанными с этим переходом занимались многие специалисты по всему миру. После максимально полного анализа все они сошлись во мнении, что практически все проблемы связаны с нехваткой ресурсов двух типов: компьютерных (вычислительной мощности, емкости оперативной и внешней памяти) и людских (наукоемкая разработка интеллектуального ПО требует привлечения ведущих специалистов из разных областей знания и организации долгосрочных исследовательских проектов).

И, если компьютерные ресурсы шагают семимильными шагами к тому уровню, который сможет позволить ИИ решать даже весьма сложные для человека практические задачи, то вот с людскими ресурсами ситуация отнюдь не становится лучше, скорее даже ухудшается — именно поэтому последние достижения в сфере ИИ все чаще связываются с небольшим числом ведущих ИИ-центров при крупнейших университетах.

Во всех направлениях исследований главные трудности связаны с тем, что недостаточно изучены и поняты принципы человеческой интеллектуальной деятельности, процесс принятия решений и решение задач. Даже то, что такое понимание, мышление, все еще нуждается в осмыслении.

Если в 60-х годах широко обсуждался вопрос может ли компьютер мыслить, то теперь вопрос ставится иначе: достаточно ли хорошо человек понимает, как он мыслит, чтобы передать эту функцию компьютеру? Это привело к тому, что почти все работы в области искусственного интеллекта тесно соприкасаются с исследованиями по соответствующим разделам психологии, физиологии, лингвистики.

Основным фактором, влияющим на развитие ИИ-технологий, на данный момент являются темпы роста вычислительной мощности компьютеров, поскольку принципы работы человеческой психики до сих пор остаются не полностью изученными (на все еще не доступном для моделирования уровне детализации). Поэтому тематика ИИ-конференций выглядит достаточно стандартно и существенно почти не меняется уже довольно давно. Но, рост производительности современных компьютеров в сочетании с ростом качества алгоритмов иногда делает возможным применение различных научных методов на практике. Так случилось с интеллектуальными игрушками, так происходит с домашними роботами.

Вновь будут интенсивно развиваться временно забытые методы простого перебора вариантов (как в шахматных программах), использующих крайне упрощенные описания объектов. С помощью такого подхода (главный ресурс для его успешного применения — производительность) удастся решить, как ожидается, множество самых разных задач (например, из области криптографии). Уверенно действовать автономным устройствам в сложном мире помогут достаточно простые, но при этом весьма ресурсоемкие алгоритмы адаптивного поведения. При этом ставится цель разрабатывать системы, не просто внешне пытающиеся копировать человека, но и действующие, как человек.

Некоторые ученые пытаются заглянуть и в более отдаленное будущее. Одним из волнующих их вопросов является то, можно ли создать автономные устройства, способные при необходимости самостоятельно собирать себе подобные копии (размножаться), способна ли наука создать соответствующие алгоритмы; будет ли у нас достаточно средств ля контроля подобных машин. Пока что никто не может ответить на эти вопросы.

Продолжится активное внедрение формальной логики в прикладные системы представления и обработки знаний. В то же время, такая логика не способна полноценно отразить реальную жизнь, и произойдет интеграция различных систем логического вывода в единых оболочках. Не исключено, что это позволит перейти от концепции детального представления информации об объектах и приемов манипулирования этой информацией к более абстрактным формальным описаниям и применению универсальных механизмов вывода, а в самих объектах будет хранится достаточно небольшое количество данных, основанных на вероятностных распределениях характеристик.

Сфера ИИ, ставшая полноценной областью науки, развивается постепенно, медленно, но неуклонно продвигаясь вперед. Поэтому результаты достаточно хорошо прогнозируемы, хотя на этом пути не исключены и внезапные прорывы, связанные со стратегическими инициативами. Например, в 80-х годах национальная компьютерная инициатива США вывела немало направлений ИИ из лабораторий и оказала существенное влияние на развитие теории высокопроизводительных вычислений и ее применение во множестве прикладных проектов. Вероятнее всего, подобные инициативы будут появляться на стыках разных математических дисциплин — теории вероятности, нейронных сетей, нечеткой логики.

Заключение

Создание искусственно интеллекта, как полного, так и неполного, включает в себя достаточно много проблем. Причем как на пути к его созданию, так и после него. На пути создания ИИ это и ограниченность ресурсов, и недостаточные знания в этой области, и проблема вообще осуществимости это сделать, и многие другие технические проблемы. После непосредственно создания ИИ, сравнимого с человеком, возникает еще больше проблем.

Во-первых, потеря интереса человека к творческому труду в случае его замены, а затем и полная деградация человека. Однако, с другой стороны, творчество должно приносить человеку радость, потому он не должен от этого отказаться. Возможна и друга проблема: при полном изобилии ресурсов общество потеряет свою структуру и человек обезличится, перестанет развиваться во время своей жизни.

Во-вторых, это возможность ошибки ИИ или сбоя в его работе в областях, ошибки на которых могут быть фатальными для всего человечества. Это, к примеру, оборона стран или энергетика. В любом случае последнее слово в принятии решений, например, по началу войны, или ликвидации сбоя на электростанции, должно остаться за человеком. Ведь любой человек может выйти из-под контроля, а значит и ИИ по его подобию тоже.

Можно сделать основные выводы:

1). Искусственный интеллект – это научное направление, связанное с машинным моделированием человеческих интеллектуальных функций.

2). Понятие искусственный интеллект обычно используется для обозначения способности вычислительной системы выполнять задачи, свойственные интеллекту человека, например задачи логического вывода и обучения.

3). Любая задача, алгоритм решения которой заранее не известен или же данные неполные, может быть отнесена к задачам области ИИ. Это, например, игра в шахматы, чтение текста, перевод текста на другой язык и т.д.

4). Системы, программы, производящие действия для решения задачи можно отнести к ИИ, если результат их деятельности аналогичен результату, полученному человеком при решении той же задачи. Поэтому к ИИ можно отнести целый ряд программных средств: системы распознавания текста, автоматизированного проектирования, самообучающиеся программы и др. Эти программы не только получают результат, аналогичный таковому при решении задачи человеком, но и само решение производят по схожим с работой человека принципам.

5). Есть два основных перспективных направления в исследовании ИИ. Первое заключается в приближении систем ИИ к принципам человеческого мышления. Второе заключается в создании ИИ, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.

Список литературы

1.Бобровский С. «Перспективы и тенденции развития искусственного интеллекта.» \\ PC Week / RE №32, 2001. С.32-34

2. Ноткин Л.И. «Искусственный интеллект и проблемы обучения» — М. : КомКнига, 1999

3. Винер Н. “Кибернетика” , М.: Наука, 1983 Эндрю А. Искусственный интеллект – М.: Мир, 1985.

4. Шалютин С. М. “Искусственный интеллект” , М.: Мысль, 1985

5. Перспективы развития вычислительной техники. Кн.2. Интеллектуализация ЭВМ.М., 2002.

6. Венда В. Ф. Системы гибридного интеллекта – М.: Машиностроение, 1990

7. Уоссерман Ф. Нейрокомпьютерная техника: Теория и практика. Пер. С англ. — М.Мир, 1992.

8. Материалы по искусственному интеллекту Ростовского-на-Дону государственный колледж связи и информатики.

9. Осипов Г.С. «искусственный интеллект: состояние исследований и взгляд в будущее» Президент Российской ассоциации искусственного интеллекта, постоянный член Европейского координационного комитета по искусственному интеллекту (ECCAI), д.ф.-м.н., профессор.

10.Уинстон П. Искусственный интеллект. М.2001.

Случайные записи:

Искусственный интеллект (ИИ): какие изменения нас ждут


Похожие статьи:

Добавьте постоянную ссылку в закладки. Вы можете следить за комментариями через RSS-ленту этой статьи.
Комментарии и трекбеки сейчас закрыты.