Реферат: Искусственный интеллект

/>

МОСКОВСКИЙ КОМИТЕТОБРАЗОВАНИЯ

ЮГО-ВОСТОЧНОЕОКРУЖНОЕ УПРАВЛЕНИЕ

Средняяобщеобразовательная школа №506

с углубленнымизучением экономики


Реферат поинформатике

на тему:

«Искусственныйинтеллект»

Выполнилученик 11Б класса Ковчегин Игорь

Учитель: СальниковаНадежда Валерьевна

 

Москва, 2002

 

Содержание

Содержание… 2

Введение… 3

Искусственный интеллект – новаяинформационная революция… 5

Основытеории нейроподобных сетей. 10

Некоторыесведения о мозге. 10

Нейронкак элементарное звено. 10

Нейроподобныйэлемент. 13

Нейроподобныесети (НПС). 15

Обучениенейроподобной сети… 18

Заключение… 20

Список использованной литературы: 22

Введение

По своей сути процессы адаптацииявляются оптимизационными процессами.

Дж. Холланд,Adaptation in natural and artificial systems.

Понятиеискусственный интеллект, как впрочем и просто интеллект, весьма расплывчаты.Если обобщить все сказанное за последние тридцать лет, то оказывается, чточеловек просто хочет создать себе подобного в той или иной форме, хочет, чтобыкакие-то действия выполнялись более рационально, с меньшими затратами времени иэнергии. С конца 40-х годов ученые все большего числа университетских ипромышленных исследовательских лабораторий устремились к дерзкой цели:построение компьютеров, действующих таким образом, что по результатам работы ихневозможно было бы отличить от человеческого разума. В последнее времянаблюдается возрастание интереса к искусственному интеллекту, вызванноеповышением требований к информационным системам. Умнеет программноеобеспечение, умнеет бытовая техника. Мы неуклонно движемся к новойинформационной революции, сравнимой по масштабам с развитием Интернета, имякоторой – искусственный интеллект.

Искусственныйинтеллект является сейчас «горячей точкой» научных исследований. В этой точке,как в фокусе, сконцентрированы наибольшие усилия кибернетиков, лингвистов,психологов, философов, математиков и инженеров. Именно здесь решаются многиекоренные вопросы, связанные с путями развития научной мысли, с воздействиемдостижений в области вычислительной техники и робототехникина жизнь будущих поколений людей. Здесь возникают и получают права гражданствановые методы научных междисциплинарных исследований. Здесь формируется новыйвзгляд на роль тех или иных научных результатов и возникает то, что можно былобы назвать философским осмыслением этихрезультатов. Поэтому я посчитал актуальным раскрыть данную тему в реферате.

Терпеливопродвигаясь вперед в своем нелегком труде, исследователи, работающие в областиискусственного интеллекта (ИИ), обнаружили, что вступили в схватку с весьмазапутанными проблемами, далеко выходящими за пределы традиционной информатики.Оказалось, что прежде всего необходимо понять механизмы процесса обучения,природу языка и чувственного восприятия. Выяснилось, что для создания машин,имитирующих работу человеческого мозга, требуется разобраться в том, какдействуют миллиарды его взаимосвязанных нейронов. И тогда многие исследователипришли к выводу, что, пожалуй, самая трудная проблема, стоящая передсовременной наукой – познание процессов функционирования человеческого разума,а не просто имитация его работы. Что непосредственно затрагивало фундаментальныетеоретические проблемы психологической науки. В самом деле, ученым трудно дажеприйти к единой точке зрения относительно самого предмета их исследований –интеллекта. Некоторые считают, что интеллект – умение решать сложные задачи;другие рассматривают его как способность к обучению, обобщению и аналогиям;третьи – как возможность взаимодействия с внешним миром путем общения,восприятия и осознания воспринятого. Тем не менее многие исследователи ИИсклонны принять тест машинного интеллекта, предложенный в начале 50-х годоввыдающимся английским математиком и специалистом по вычислительной техникеАланом Тьюрингом. «Компьютер можно считать разумным, – утверждал Тьюринг, –если он способен заставить нас поверить, что мы имеем дело не с машиной, а счеловеком».

Искусственныйинтеллект – новая информационная революция

Только создав Разум творец смогпочувствовать себя Творцом

В.В. Головачев

 Наш мирустроен гораздо сложнее чем мы можем себе представить. Но несмотря на это, дажетот поток информации который человек может воспринять и обработать заопределённую единицу времени, неимоверно велик. Чего только стоит одна графика?Что говорить про отдельные случаи, когда этот поток увеличивается (гипноз,медитирование, магическое воздействие на окружающий мир).

Но это в идеале.Слепой человек лишен графического потока, парализованный — лишен осязательнойинформации, и т.д. То есть в принципе интеллект может функционировать взамкнутом пространстве, не реагируя на внешние факторы. И для этого уже нетребуется та вычислительная мощность, в которой нуждается здоровый человек. Длясоздания ИИ уже достаточно вычислительной мощности современных компьютеров. Нонеобходима особая структура оперативной памяти, отличная от ёмкостной.Оперативная память должна быть токовой.

Что собойпредставляет, привычная для пользователя компьютера, оперативная память? Этомикросхемы, чипы, построенные из ёмкостных ячеек. Каждая ячейка имеет свойадрес (координаты). Заполненная ячейка – заряженная ёмкость (1), пустая –разряженная (0). На обработку каждой ячейки, запись, стирание, считываниепроцессор выделяет отдельные циклы. То есть так он (компьютер) и работает:считывает, считает, записывает результат.

А так же лиработает мысль (человеческая оперативная память)? А ведь не так! Мы не выделяемдля её обслуживания циклов. Появление, изменение и уничтожение информации в нейконечно связано со временем. Но вычислительная мощность процессора, то естьработа мозга, направленная на обработку внешних воздействий, и поиск информациив статичной (сохранённой) памяти при этом проблем с ресурсами не имеют. Единицыв нашей оперативной памяти не подвергаются вычислительному процессу. Онивидоизменяются под воздействием внешних факторов напрямую, «проехала краснаямашина», «заболела спина», «надо ответить на письмо от друга». В машинном кодеэти мысли занимают разное битное пространство памяти. В человеческом – одинблок. В таком же блочном виде они сохраняются в статичной памяти. Разныйуровень интеллектуальных способностей у людей, видимо, связан с размерами этогоблока. Больше блок – легче осмысление крупного массива информации, быстреепоиск в сохранённой памяти. [1]

Всеуже, наверное, слышали об электромеханических собаках в Японии, способныхузнавать хозяина в лицо, выполнять некоторые простейшие команды и имеющиенекоторую способность к обучению. Слышали и про холодильники с выходом вИнтернет и про внедрение Microsoft в будущие версии Windows элементовискусственного интеллекта.

В подобном развитии области искусственного интеллекта нетничего необычного. Здесь уместно привести гипотезу о встречной эволюции человекаи компьютера: человек сначала учиться видеть, ходить, разговаривать, а ужепотом развивает способности к вычислениям и логическим выводам. Компьютер женаоборот, рождается как вычислительная система, базирующаяся на формальнойлогике, в процессе развития приобретает способности к распознаванию образов,синтезу речи и управлению в реальном времени. [2]

В настоящее время различают два основных подхода кмоделированию искусственного интеллекта (AI – artificial intelligence): машинный интеллект, заключающийся в строгомзадании результата функционирования, и искусственный разум, направленныйна моделирование внутренней структуры системы. [3] Разделение работ по искусственному интеллекту на дванаправления связано с существованием двух точек зрения на вопрос, каким образомстроить системы искусственного интеллекта. Сторонники одной точки зрения убеждены,что «важнее всего результат», т.е. хорошее совпадение поведения искусственносозданных и естественных интеллектуальных систем, а что касается внутреннихмеханизмов формирования поведения, то разработчик искусственного интеллектавовсе не должен копировать или даже учитывать особенности естественных, живыханалогов. Другая точка зрения состоит в том, что именно изучение механизмовестественного мышления и анализ данных о способах формирования разумногоповедения человека могут создать основу для построения систем искусственногоинтеллекта, причем построение это должно осуществляться прежде всего какмоделирование, воспроизведение техническими средствами принципов и конкретныхособенностей функционирования биологических объектов. [4]

Первоенаправление, таким образом, рассматривает продукт интеллектуальной деятельностичеловека, изучает его структуру, и стремится воспроизвести этот продуктсредствами современной техники. Моделирование систем машинного интеллектадостигается за счет использования законов формальной логики, теории множеств,графов, семантических сетей и других достижений науки в области дискретныхвычислений. [5] Основные результатызаключаются в создании экспертных систем, систем разбора естественного языка ипростейших систем управления вида «стимул-реакция». Ясно, что успехи этогонаправления искусственного интеллекта оказываются тесно связанны с развитиемвозможностей ЭВМ и искусства программирования, то есть с тем комплексомнаучно-технических исследований, которые часто называют компьютерными науками.

Второенаправление искусственного интеллекта рассматривает данные онейрофизиологических и психологических механизмах интеллектуальной деятельностии, в более широком плане, разумного поведения человека. Оно стремитьсявоспроизвести эти механизмы с помощью тех или иных технических устройств, с темчтобы «поведение» таких устройств хорошо совпадало с поведением человека вопределенных, заранее задаваемых пределах. Развитие этого направления тесносвязано с успехами наук о человеке. Для него характерно стремление квоспроизведению более широкого, чем в машинном интеллекте, спектра проявленийразумной деятельности человека. Системы искусственного разума базируются наматематической интерпретации деятельности нервной системы во главе с мозгом человекаи реализуются в виде нейроподобных сетей на базе нейроподобного элемента (рис.2) – аналога нейрона (рис. 1). [3]

Нейроподобныесети в последнее время являются одним из самых перспективных направлений вобласти искусственного интеллекта и постепенно входят в бытность людей вшироком спектре деятельности.

Сети первойгруппы, такие как сети обратного распространения ошибки, сети Хопфилда и др.используются для распознавания образов, анализа и синтеза речи, перевода содного языка на другой и прогнозирования. Это вызвано такими особенностямисетей как восстановление изображения по его части, устойчивостью к зашумлениювходного сигнала, прогнозирование изменения входов и параллельность вычислений.Также, немаловажной характеристикой является способность функционировать дажепри потере некоторой части сети.

Сети второйгруппы используются как системы управления в реальном времени несложныхобъектов. Это управление популярными в последнее время интеллектуальнымиагентами, выполняющими роль виртуальных секретарей. Особенностями данной группыявляется появление некоторых внутренних стимулов, возможностью к самообучению ифункционированию в реальном времени.

И, наконец,сети третьей группы, являющиеся дальнейшим развитием предыдущих, представляютсобой уже нейроподобные системы и нацелены они на создание экзотических внастоящее время виртуальных личностей, информационных копий человека, средойобитания которых является глобальная сеть Интернет. Данное направление толькозарождается, но есть немалый шанс, что мы станем свидетелями ситуации рождениявиртуальных людей, подробно описанной фантастами и режиссерами. [6]

Сейчас вИнтернете повсеместно можно встретить признаки зарождения подобных проектов,призывы объединиться всем научным потенциалом способного думать человечества вцелях очеловечивания Интернета, преобразования его в разумную систему или средуобитания разумных систем. Раз существуют подобные предпосылки, значит не что неоставит полет человеческой мысли на пути достижения поставленной цели.

На основании вышеизложенного можно сделать вывод о том,что основные направления искусственного интеллекта связаны с моделированием, нов случае машинного интеллекта мы имеем дело с моделированиемфеноменологическим, имитационным, а в случае искусственного разума – смоделированием структурным.

Основы теории нейроподобных сетей.Некоторые сведения о мозге

Что позволяетчеловеку анализировать поступающую информацию? В терминологии нейрогенетикивведено ключевое понятие – нейросеть. Именно совокупность нейросетей образуетотделы нервной системы человека, которые в свою очередь определяют всюдеятельность, придают существу разум, интеллект.

Мозг является,пожалуй, самой сложной из известных нам систем переработки информации.Достаточно сказать, что в нем содержится около 100 миллиардов нейронов, каждыйиз которых имеет в среднем 10 000 связей. При этом мозг чрезвычайно надежен:ежедневно погибает большое количество нейронов, а мозг продолжаетфункционировать. Обработка огромных объемов информации осуществляется мозгом оченьбыстро, за доли секунды, несмотря на то, что нейрон являетсямедленнодействующим элементом со временем реакции не менее несколькихмиллисекунд.

Пока не слишкомпонятно, как мозгу удается получить столь впечатляющее сочетание надежности ибыстродействия. Довольно хорошо изучена структура и функции отдельных нейронов,имеются данные об организации внутренних и внешних связей между нейронаминекоторых структурных образований мозга, совсем мало известно об участииразличных структур в процессах переработки информации. [7]

Ниже приводятсянекоторые сведения об устройстве и работе нервной системы, которые используютсяпри построении моделей нейронных сетей.

Нейрон как элементарное звено.

Нервные клетки,или нейроны, представляют собой особый вид клеток в живых организмах,обладающих электрической активностью, основное назначение которых заключается воперативном управлении организмом. Схематическое изображение нейрона приведенона рисунке 1.

/>

Рисунок 1. Схема строения нейрона

Нейрон имееттело (сому) – 1, дерево входов (дендриты) – 4 и выходов (аксон и его окончания)– 2. Сома, как правило, имеет поперечный размер в несколько десятков микрон.Длина дендритов может достигать 1 мм, дендриты сильно ветвятся, пронизываясравнительно большое пространство в окрестности нейрона. Длина аксона можетдостигать сотен миллиметров. Начальный сегмент аксона – 3, прилегающий к телуклетки, утолщен. Иногда этот сегмент называют аксонным холмиком. По мереудаления от клетки он постепенно сужается и на расстоянии нескольких десятковмикрон на нем появляется миэлиновая оболочка, имеющая высокое электрическоесопротивление. На соме и на дендритах располагаются окончания (коллатерали)аксонов, идущих от других нервных клеток. Каждое такое окончание имеет видутолщения, называемого синаптической бляшкой, или синапсом. Поперечные размерысинапса, как правило, не превышают нескольких микрон, чаще всего эти размерысоставляют около 1 мкм. [7]

Входные сигналыдендритного дерева (постсинаптические потенциалы[1]) взвешиваются и суммируются на пути каксонному холмику, где генерируется выходной импульс (спайк) или группаимпульсов. Его наличие (или интенсивность), следовательно, является функциейвзвешенной суммы входных сигналов. Выходной сигнал проходит по ветвям аксона идостигает синапсов, которые соединяют аксоны с дендритными деревьями другихнейронов. Через синапсы сигнал трансформируется в новый входной сигнал длясмежных нейронов. Этот входной сигнал может быть положительным и отрицательным(возбуждающим или тормозящим) в зависимости от вида синапсов. Величина входногосигнала, генерируемого синапсом, может быть различной даже при одинаковойвеличине сигнала, приходящего в синапс. Эти различия определяютсяэффективностью или весом синапса. Синаптический вес может изменяться в процессефункционирования синапса. [7] Многие ученыесчитают такое изменение нейрофизиологическим коррелятом (следом) памяти. Приэтом роль механизмов молекулярной памяти заключается в долговременномзакреплении этих следов.

Нейроны можно разбитьна три большие группы: рецепторные, промежуточные и эффекторные. Рецепторныенейроны обеспечивают ввод в мозг сенсорной информации. Они трансформируютсигналы, поступающие на органы чувств (оптические сигналы в сетчатке глаза,акустические в ушной улитке или обонятельные в хеморецепторах носа), вэлектрическую импульсацию своих аксонов. Эффекторные нейроны передаютприходящие на них сигналы исполнительным органам. На конце их аксонов имеютсяспециальные синаптические соединения с исполнительными органами, напримермышцами, где возбуждение нейронов трансформируется в сокращения мышц.Промежуточные нейроны осуществляют обработку информации, получаемой отрецепторов, и формируют управляющие сигналы для эффекторов. Они образуютцентральную нервную систему. [7]

/>Нейроподобный элемент.

/>

Рисунок 2. Схема строения нейроподобного элемента.

Нейроподобныйэлемент, который обычно используется при моделировании нейронных сетей,приведен на рисунке 2. На нейроподобный элемент поступает набор входных сиг­наловx1… хn (или входной вектор />),представляющий собой выходные сигналы других нейроподобных элементов. Этотвходной вектор соответствует сигналам, поступающим в синапсы[2] биологиче­ских нейронов. Каждыйвходной сигнал умножается  на соответ­ствующий вес связи w1…wn – аналог эффективности синапса. Вес связи являетсяскалярной величиной, положительной для возбуждающих  и отрицательной длятормозящих связей. Взвешенные весами связей входные сиг­налы поступают на блоксуммации, соот­ветствующий телу клетки, где осущест­вляется их алгебраическаясуммация и определяется уровень возбуждения нейроподобного элемента S [8]:

/> 

Выходной сигналнейрона у определяется путем пропускания уров­ня возбуждения S через нелинейнуюфункцию f:

/>,

где θ — некоторое постоянноесмещение (аналог порога нейрона). Обычно используются простейшие нелинейныефункции:

-   бинарная

/>

/>

-   сигмоидная:

/>

/>

В такой моделинейрона пренебрегают многими известными харак­теристиками биологическогопрототипа, которые некоторые исследо­ватели считают критическими. Например, вней не учитывают нелиней­ность пространственно-временной суммации, котораяособенно про­является для сигналов, приходящих по возбуждающим и тормозя­щимсинапсам, различного рода временные задержки, эффекты син­хронизации ичастотной модуляции, рефрактерность[3] и т. п. Несмотря на это нейроподобные сети,простроенные на основе таких простых нейроподобных элементов, демонстрируютассоциативные свойства, напоминающие свойства биологических систем. [8]

Нейроподобные сети (НПС)

Что такоеискусственные нейронные сети? Что они могут делать? Как они работают? Как ихможно использовать? Эти и множество подобных вопросов задают специалисты изразных областей.

Что же такоенейроподобная сеть? Это искусственный аналог биологической сети, по своимпараметрам максимально приближающийся к оригиналу. Нейроподобные сети прошлидлинный путь становления и развития, от полного отрицания возможности ихприменения до воплощения во многие сферы деятельности человека.

Современныецифровые вычислительные машины способны с высоким быстродействием и точностьюрешать формализованные задачи с вполне определенными данными по заранееизвестным алгоритмам. Однако в тех случаях, когда задача не поддаетсяформализации, а входные данные неполны, зашумлены или противоречивы, применениетрадиционных компьютеров становится неэффективным. Альтернативой им становятсяспециализированные компьютеры, реализующие нетрадиционные нейросетевыетехнологии. Сильной стороной этих комплексов является нестандартный характеробработки информации. Она кодируется и запоминается не в отдельных ячейкахпамяти, а в распределении связей между нейронами и в их силе, поэтому состояниекаждого отдельного нейрона определяется состоянием многих других нейронов,связанных с ним. Следовательно, потеря одной или нескольких связей не оказываетсущественного влияния на результат работы системы в целом, что обеспечивает еевысокую надежность. [9]

Высокая«естественная» помехоустойчивость и функциональная надежность касаются какискаженных (зашумленных) потоков информации, так и в смысле отказов отдельныхпроцессорных элементов. Этим обеспечиваются высокая оперативность и достоверностьобработки информации, а простая дообучаемость и переобучаемость НПС позволяютпри изменении внешних факторов своевременно осуществлять переход на новые видырешаемых задач.

Приведенныевыше преимущества нейросетевой обработки данных определяют области примененияНПС:

-  обработка и анализ изображений;

-  распознавание речи независимо от диктора,перевод;

-  обработка высокоскоростных цифровыхпотоков;

-  автоматизированная система быстрогопоиска информации;

-  классификация информации в реальноммасштабе времени;

-  планирование применения сил и средств вбольших масштабах;

-  решение трудоемких задач оптимизации;

-  адаптивное управление и предсказание.

Основныеположения теории деятельности головного мозга и математическая модель нейронабыли разработаны У. Маккалоком и Ч. Питтсом в 1943 году и опубликованы в статье «Логическоеисчисление идей, относящихся к нервной деятельности», которая была издана нарусском языке в сборнике «Автоматы» только спустя 13 лет. Согласно предложенноймодели мозг представляет собой ансамбль нейронов, имеющих одинаковую структуру.Каждый нейрон реализует некоторую функцию, называемую пороговой, над входнымизначениями. Если значение функции превышает определенную величину – порог (чтохарактеризует суммарную значимость полученной нейроном информации), нейронвозбуждается и формирует выходной сигнал для передачи его другим нейронам.Пройдя путь от рецепторов (слуховых, зрительных и других) через нейронныеструктуры мозга до исполнительных органов, входная информация преобразуется внабор управляющих воздействий, адекватных ситуации [8].

Отдельныенейроны, соединяясь между собой, образуют новое качество, которое, взависимости от характера межнейронных соединений, имеет различные уровнибиологического моделирования:

-  группа нейронов;

-  нейронная сеть;

-  нервная система;

-  мыслительная деятельность;

-  мозг.

Другимисловами, нейроподобная сеть — это параллельная связная сетьпростых адаптивных элементов, которая взаимодействует с объектами реальногомира аналогично биологической нервной системе. [8]С инженерной точки зрения такая сетьпредставляет собой сильно распараллеленную динамическую систему с топологиейнаправленного графа, которая может выполнять переработку информации посредствомизменения своего состояния в ответ на постоянный или импульсный входной сигнал.

В настоящеевремя основными направлениями реализации НПС являются:

-  программная реализация на цифровых ЭВМтрадиционной архитектуры;

-  программно-аппаратная реализация в видесопроцессоров к ЭВМ общего назначения;

-  аппаратная реализация путем созданиянейрокомпьютеров на базе нейроплат в виде параллельных нейроподобных структур.

 Ранниеварианты реализации НПС относятся к первым двум из указанных направлений.Первое направление характеризуется универсальностью, дешевизной и низкойскоростью обучения и функционирования НПС. Для второго направления характернавысокая скорость моделирования функционирования НПС, но при этом существуютсерьезные физические ограничения числа моделируемых элементов и связей междуними, а также возможностей обучения и до обучения. По мере развития элементнойбазы ЭВМ стало возможным самостоятельное развитие третьего направления, котороеположило начало индустрии нейрокомпьютеров, представляющих совокупностьаппаратных и программных средств для реализации моделей нейронных сетей.

На сегодняшнийдень известно уже более 200 различных парадигм[4] нейронных сетей (не толькодетерминированных, но и вероятностных), десятки НПС реализованы вспециализированных кристаллах и платах, на их основе созданы мощные рабочиестанции и даже суперкомпьютеры. Современные технологии достигли того рубежа,когда стало возможным изготовление технической системы из 3…4 млрд. нейронов(именно такое количество их в мозгу человека). Однако их соединение продолжаетоставаться проблемой.

/>Обучение нейроподобной сети

Одно изважнейших свойств нейроподобной сети — способность к самоорганизации,самоадапта­ции с целью улучшения качества функционирования. Это достигаетсяобучением сети, алгоритм которого задается набором обучающих правил. Обучающиеправила определяют, каким образом изменяются связи в ответ на входноевоздействие. Многие из них являются разви­тием высказанной Д. О. Хеббом идеи отом, что обучение основа­но на увеличении силы связи (синаптического веса)между одновремен­но активными нейронами. Таким образом, часто используемые всети связи усиливаются, что объясняет феномен обучения путем повторения ипривыкания. Математически это правило можно записать сле­дующим образом:

/>,

где wij(t) и wij(t+1)– значение веса связи от i-го к j-му нейрону соответственно до ипосле его изменения, α — скорость обучения, yi и yj –выходные сигналы i-го и j-го нейронов. [10] В настоящее время существует множество разнообразныхобучающих правил (алгоритмов обучения). Некоторые из них будут представлены впараграфах, посвященных рассмотрению конкретных нейросетевых моделей.

Заключение

Многие спорывокруг проблемы создания искусственного интеллекта имеют эмоциональнуюподоплеку. Признание возможности искусственного разума представляется чем-тоунижающим человеческое достоинство. Однако нельзя смешивать вопросывозможностей искусственного разума с вопросом о развитии и совершенствованиичеловеческого разума. Повсеместное использование ИИ создаёт предпосылки дляперехода на качественно новую ступень прогресса, даёт толчок новому виткуавтоматизации производства, а значит и повышению производительности труда.Разумеется, искусственный разум может быть использован в негодных целях, однакоэто проблема не научная, а скорее морально-этическая.

Однако развитиекибернетики выдвигает ряд проблем, которые все же требуют пристальноговнимания. Эти проблемы связаны с опасностями, возникающими в ходе работ поискусственному интеллекту.

Первая проблемасвязана с возможной потерей стимулов к творческому труду в результате массовойкомпьютеризации или использования машин в сфере искусств. Однако в последнеевремя стало ясно, что человек добровольно не отдаст самый квалифицированныйтворческий труд, так как он для самого человека является привлекательным.

Вторая проблеманосит более серьезный характер, и на нее неоднократно указывали такиеспециалисты, как Н. Винер, Н. М. Амосов,И. А. Полетаев и др. Состоит она в следующем. Уже сейчас существуютмашины и программы, способные в процессе работы самообучаться, т. е. повышатьэффективность приспособления к внешним факторам. В будущем, возможно, появятсямашины, обладающие таким уровнем приспособляемости и надежности, чтонеобходимость человеку вмешиваться в процесс отпадет. В этом случае возможнапотеря самим человеком своих качеств, ответственных за поиск решений. Налицовозможная деградация способностей человека к реакции на изменение внешнихусловий и, возможно, неспособность принятия управления на себя в случаеаварийной ситуации. Встает вопрос о целесообразности введения некоторогопредельного уровня в автоматизации процессов, связанных с тяжелыми аварийнымиситуациями. В этом случае у человека, «надзирающим» за управляющеймашиной, всегда хватит умения и реакции таким образом воздействовать наситуацию, чтобы погасить разгорающуюся аварийную ситуацию. Таковые ситуациивозможны на транспорте, в ядерной энергетике. Особо стоит отметить такуюопасность в ракетных войсках стратегического назначения, где последствия ошибкимогут иметь фатальный характер. Несколько лет назад в США начали внедрятьполностью компьютеризированную систему запуска ракет по командамсуперкомпьютера, обрабатывающего огромные массивы данных, собранных со всегосвета. Однако оказалось, что даже при условии многократного дублирования иперепроверки, вероятность ошибки оказалась бы столь велика, что отсутствиеконтролирующего оператора привело бы к непоправимой ошибке. От системыотказались.

Люди будутпостоянно решать проблему искусственного интеллекта, постоянно сталкиваясь всес новыми проблемами. И, видимо, процесс этот бесконечен.


Словарь терминов

ИНТЕЛЛЕКТ (от лат. intellectus — познание, понимание,рассудок), способность мышления, рационального познания. Латинский переводдревнегреческого понятия нус («ум»), тождественный ему по смыслу.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, раздел информатики, включающийразработку методов моделирования и воспроизведения с помощью ЭВМ отдельныхфункций творческой деятельности человека, решение проблемы представления знанийв ЭВМ и построение баз знаний, создание экспертных систем, разработку т. н.интеллектуальных роботов.

КИБЕРНЕТИКА (от греч. kybernetike — искусство управления),наука об управлении, связи и переработке информации. Основной объектисследования — т. н. кибернетические системы, рассматриваемые абстрактно, внезависимости от их материальной природы. Примеры кибернетических систем —автоматические регуляторы в технике, ЭВМ, человеческий мозг, биологическиепопуляции, человеческое общество. Каждая такая система представляет собоймножество взаимосвязанных объектов (элементов системы), способных воспринимать,запоминать и перерабатывать информацию, а также обмениваться ею. Современнаякибернетика состоит из ряда разделов, представляющих собой самостоятельныенаучные направления. Теоретическое ядро кибернетики составляют информациитеория, теория алгоритмов, теория автоматов, исследование операций, теорияоптимального управления, теория распознавания образов. Кибернетикаразрабатывает общие принципы создания систем управления и систем дляавтоматизации умственного труда. Основные технические средства для решениязадач кибернетики — ЭВМ. Поэтому возникновение кибернетики как самостоятельнойнауки (Н. Винер, 1948) связано с созданием в 40-х гг. 20 в. этих машин, аразвитие кибернетики в теоретических и практических аспектах — с прогрессомэлектронной вычислительной техники

ЛОГИКА (греч. logike), наука о способах доказательств иопровержений; совокупность научных теорий, в каждой из которых рассматриваютсяопределенные способы доказательств и опровержений. Основателем логики считаетсяАристотель. Различают индуктивную и дедуктивную логику, а в последней —классическую, интуиционистскую, конструктивную, модальную и др. Все эти теорииобъединяет стремление к каталогизации таких способов рассуждений, которые отистинных суждений-посылок приводят к истинным суждениям-следствиям;каталогизация осуществляется, как правило, в рамках логических. исчислений.Особую роль в ускорении научно-технического прогресса играют приложения логикив вычислительной математике, теории автоматов, лингвистике, информатике и др.

ЛОГИЧЕСКАЯ ОШИБКА, вызывается нарушением правил или законовлогики; признак формальной несостоятельности содержащих ее определений,рассуждений, выводов и доказательств.

МНОЖЕСТВ ТЕОРИЯ, раздел математики, в котором изучаютсяобщие свойства множеств, преимущественно бесконечных. Понятие множества —простейшее математическое понятие, оно не определяется, а лишь поясняется припомощи примеров: множество книг на полке, множество точек на прямой (точечноемножество) и т. д.

/>

Рисунок 3. Модуляция колебаний (сверху вниз): амплитудная, частотная и амплитудно-фазовая; S – амплитуда, t – время.

МОДУЛЯЦИЯ КОЛЕБАНИЙ, изменение амплитуды, частоты, фазы илидр. характеристик колебаний по заданному закону, медленное по сравнению спериодом этих колебаний. Различают модуляцию колебаний амплитудную, частотную ифазовую (рис.3).

НЕЙРОН (от греч. neuron — нерв), нервная клетка, состоящаяиз тела и отходящих от него отростков — относительно коротких дендритов идлинного аксона; основная структурная и функциональная единица нервной системы(см. схему). Нейроны проводят нервные импульсы от рецепторов в центральнуюнервную систему (чувствительный нейрон), от центральной нервной системы кисполнительным органам (двигательный нейрон), соединяют между собой несколькодругих нервных клеток (вставочные нейроны). Взаимодействуют нейроны между собойи с клетками исполнительных органов через синапсы. У коловратки число нейронов102, у человека —более 1010.

ПАРАДИГМА (от греч. paradeigma — пример, образец), вфилософии, социологии — исходная концептуальная схема, модель постановкипроблем и их решения, методов исследования, господствующих в течениеопределенного исторического периода в научном сообществе. Смена парадигмпредставляет собой научную революцию.

РАЗУМ, ум, способность понимания и осмысления. В рядефилософских течений — высшее начало и сущность (панлогизм), основа познания иповедения людей (рационализм).

РЕФРАКТЕРНОСТЬ (от франц. refractaire — невосприимчивый), вфизиологии — отсутствие или снижение возбудимости нерва или мышцы послепредшествующего возбуждения. Рефрактерность лежит в основе торможения.Рефрактерный период длится от нескольких десятитысячных (во многих нервныхволокнах) до нескольких десятых (в мышечных волокнах) долей секунды.

СИНАПС (греч. synapsis — соединение, связь), зона контактамежду нейронами и другими образованиями (нервными, мышечными или железистымиклетками), служащая для передачи информации от клетки, генерирующей нервныйимпульс к другим клеткам.

СИНАПТИЧЕСКИЕ ПОТЕНЦИАЛЫ, биоэлектрические потенциалы,возникающие в местах специализированных межклеточных контактов — синапсах — вовремя передачи возбуждения от одной клетки (пресинаптической) к другой(постсинаптической).

СИНХРОНИЗАЦИЯ, приведение двух или нескольких процессов ктакому их протеканию, когда одинаковые или соответствующие элементы процессовсовершаются с неизменным сдвигом во времени либо одновременно (напр., речьоратора и переводчика при синхронном переводе, производственные операции).

ЧАСТОТНАЯ МОДУЛЯЦИЯ, изменение частоты колебаний позаданному закону, медленное по сравнению с периодом этих колебаний.


Список использованной литературы:

1. Шихов Е. Варианты реализацииискусственного интеллекта – ресурс Интернета, neural.narod.ru/, 2002

2. Эндрю А. Искусственный интеллект – М.:Мир, 1985.

3. Квасный Р. Искусственный интеллект –ресурс Интернета, neural.narod.ru/, 2001.

4. Брушлинский А.В. Возможен лиискусственный интеллект?

5. Н. Винер Н. Кибернетика – М.: Наука,электронная версия, 1998.

6. Труды третьего международного симпозиума«Интеллектуальные системы» – Псков: 1998.

7. Федюкович Н. И. Анатомия и физиология:Учеб. Пособие. – Мн.: ООО «Полифакт-Альфа», 1999.

8. Соколов Е. Н., Вайткявичус Г.Г.Нейроинтеллект: от нейрона к нейрокомпьютеру – М.: Наука, 1989.

9. Цыганков В. Д. Нейрокомпьютер и егоприменение – М.: СолСистем, 1993.

10.       Ноткин Л.И. Искусственный интеллект ипроблемы обучения.

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

12.       Волгин Л. И. Комплементарная алгебранейросетей – Таллин: АО «KLTK», 1993.

13.       Чернухин Ю. В. Нейропроцессоры –Таганрог, 1994.

еще рефераты
Еще работы по кибернетике