2. Подходы к пониманию ии(1)

Область математических и технических наук занимающихся проблемами ИИ на столько широка, что говорить о роде деятельности человека как человека занимающегося ИИ практически так же бессмысленно так же как человек занимающийся физикой, ничего не сказать. Физика содержит массу дисциплин сложных. Так и здесь. Целая куча дисциплин в том числе случайно попавших под область ИИ сюда можно отнести. Но реально те кто занимаются чем то конкретным. Рассматривают 2 основных подхода к пониманию ИИ

1. Подход с точки зрения способности системы решать не формализованные или творческие задачи. Заметим что с самого начала работа по ИИ носила прагматический характер. Стремились создать инструмент для решения задач не имеющих алгоритмов решения. При этом мы помним одно из свойств алгоритма – масса. То есть если говорим что алгоритм решает определенный класс задач значит каковы бы не были исходные данные для задач этого класса алгоритм ее решит. Иначе это не алгоритм или класс задач уже. Как только оказывается что Для некоторого класса задач имеется алгоритм, такие задачи сразу становятся не интеллектуальными. Поскольку рассуждать в них не надо. Напомним, что при рассмотрении прагматических определений алгоритма, говорят о том что алгоритм это такая последовательность действий или предписаний для исполнителя, которая не требует от исполнителя ни каких творческих способностей. Например: разнообразные инструкции для спортивных арбитров не являются алгоритмом. Так как очень многое оставляют на усмотрение судьи и на его оценку ситуации. Если же мы говорим о задачах не имеющих универсального рецепта то мы начинаем требовать от системы уже некоторого индивидуализированного решения. Решения зависящего от конкретного случая. В этом случае опять же дисциплины ИИ могут использовать результаты изучения человеческого мышления и работы мозга, но не ограничиваться только им. В рамках этого подхода алгоритм решения задач заменяется Алгоритмом анализа обстановки и алгоритмом вывода решения, работающими вместе. Опять же, далеко не всегда это приводит к системе способной кардинальным образом менять свое поведение. Часто все ограничивается наличием базы знаний закладываемой экспертами и механизмами работы с ней. Движением в сторону интеллектуальности или повышения Интеллектуальности становится самообучение системы. То есть, самостоятельное обновление и дополнение базы знаний, а в идеале способность самостоятельно разрабатывать алгоритм действия для раннее не предусмотренных состояний. Высшим пилотажем было бы, если бы система сама определяла базу знаний. Основная характеристика в данном случае это Цель. Когда мы говорим об алгоритмах мы говорим, о том, как нужно выполнять последовательность действий. Когда говорим об анализе обстановке и выводе решения, мы говорим о том что от нее требуется. А она сама уже должна решать, как добиться этой цели. В рамках подхода к ИИ с точки зрения решения творческих задач выделяют ряд возможностей определяющих ИИ. 1) Формализация неформального. Построение адекватной модели для последующей обработки на компьютере. Неформальная творческая задача должна быть в итоге решена. При чем на абсолютно формализованном и детерминированном компе. Процесс формализации носит творческий и субъективный характер. Распознавание образов является только одной из частей этого процесса. При чем далеко не самым сложным. С какой-то степени сюда можно отнести синтез алгоритма. Часто нам говорят что мол такой то язык интеллектуальный, так как мы задаем цель а система делает что хочет и выводит. Но в системе заложены определенные механизмы. 2) Субъективность решений. По сути мы о ней уже говорили. Что поскольку творчески задачи не имеют алгоритмов то для них нет решения в общем виде. И тут возникает вопрос как сделать результаты не стандартных в общий. К реализации этой возможности относятся различные направление логики. 3) Общение на семантическом смысловом или прагматическом коде. В наст время существует довольно много приложений которые реализуют видимость диалога. В этом случае диалог выглядит осмысленным благодаря синтаксической правильности фраз генерируемых машиной. С другой стороны для человека Общение идет в первую очередь на прагматическом уровне. Участники диалога способны учитывать контекст в котором происходит общение и угадывать скрытый смысл напрямую не содержащийся в фразе. В этом смысле интеллектуальной могла бы быть система которая на вопрос внезапно проснувшегося человека рано утром в выходной день который сейчас час и зная его расписание ответит что он может успокоится и спать дальше что сегодня выходной. Поскольку такая система понимает что вопрос был задан не с той целью чтобы узнать время а из дезориентации во времени и внезапно возникшего беспокойства опоздать на работу. 4) Мотивация. Если система интеллектуальная достаточно самостоятельная то для чего ей вообще чего то делать. Например: мы хотим чтобы у нас было не просто нечто решающее задачи, а самостоятельная система. Спрашивается с какой стати она должна чему то учиться и обременять себя. Это в настоящий момент не разрешимый вопрос. С точки зрения создания алгоритмов широко распространены примеры на подобие робота паучка, у которого есть 8 лап. Которые ставит цель добраться до какой то точки на поверхности а он сам должен сообразить как двигать лапки. Далее отключают одну из лапок, и он снова должен сообразить как сохранять центр тяжести и как достигнуть цели. Но все укладывается в алгоритмы структурной и параметрической оптимизации. Паучок в данном случае просто оперирует конечным набором действий который может как то сочетать. Но он не встанет на стоящей рядом повозке с колёсиками и отталкиваясь лапками быстрее добраться до точки. Перечисленные признаки позволяют определить зрелость сформировавшихся ИИ. Но как видим какой либо искусственной системы полностью соответствующей всем признакам в настоящий момент не существует. Однако работы ведутся по реализации каждого из признаков. И многие системы являются интеллектуальными в некоторой степени. Аленом Тьюрингом в 1950 году был сформулирован так называемый тест Тьюринга позволяющий определить обладает ли некоторая система искусственным интеллектом. Стандартная реализация звучит след образом: человек взаимодействует с одним компом и одним человеком. На основании ответов на вопросы он должен определить с кем он разговаривает с кем он разговаривает с человеком или программой. Задача комп программы ввести человека в заблуждение заставив сделать неверный вывод. Таким образом предполагается что ИИ будет способен проявлять поведение не отличающееся от человека в нормальных ситуациях.