СОДЕРЖАНИЕ
О задачах и алгоритмах
Эвристические алгоритмы
Электронный подход к искусственному интеллекту
Другие подходы к искусственному интеллекту
Заключение
ЛИТЕРАТУРА
Машина должна работать, человек – думать.
Принцип IBM
О задачах и алгоритмах
В среде математиков известна такая притча. В давние времена,
когда никто и
понятия не имел о компьютерах и их возможностях, один индийский мудрец
оказал
большую услугу своему правителю. Правитель решил отблагодарить его и
предложил
ему самому выбрать награду. На что мудрец ответил, что пожелал бы
видеть
шахматную доску, на каждой клетке которой были бы разложены зернышки
пшена в
следующем порядке: на первой – 2, на второй –
2х2=4, на третьей – 2х2х2=8, на
четвертой 24=16, и так далее на всех клетках.
Сначала правитель обрадовался легкости расплаты. Но вот
выполнить обещание
не смог, так как он и его слуги вряд ли когда-нибудь смогли бы
отсчитать 264
зерен на последнюю клетку, что соответствует примерно 18,4 миллиардам
миллиардов (!) .
Задача, сформулированная в этой притче, относится к разряду
тех, при решении
которых самый современный компьютер бессилен так же, как в древности
слуги
правителя. Зная производительность современных ЭВМ, не представляет
труда
убедиться в том, что пользователю не хватит всей его жизни для отсчета
зерен,
но в данном случае это даже не самое главное. Суть проблемы в том, что
достаточно незначительно изменить входные данные,
чтобы перейти от
решаемой задачи к не решаемой. Каждый человек в зависимости от своих
счетных
способностей может определить, начиная с какой клетки (пятнадцатой или
допустим, восемнадцатой) продолжать отсчитывать зерна для него не имеет
смысла.
То же самое можно определить и для ЭВМ, для которой подобные
характеристики
написаны в технической документации.
В случаях, когда незначительное увеличение входных данных
задачи ведет к
возрастанию количества повторяющихся действий в степенной зависимости,
то
специалисты по алгоритмизации могут сказать, что мы имеем дело с неполиномиальным
алгоритмом, т.е. количество операций возрастает в зависимости
от числа
входов по закону, близкому к экспоненте ех
(е≈2,72; другое название
– экспоненциальные алгоритмы) .
Подобные алгоритмы решения имеет чрезвычайно большой круг
задач, особенно
комбинаторных проблем, связанных с нахожденим сочетаний, перестановок,
размещений каких-либо объектов. Всегда есть соблазн многие задачи
решать исчерпыванием,
т.е. проверкой всех возможных комбинаций. Например, так решается задача
безошибочной игры в шахматы. Эта задача относится к классическим
нерешаемым! Ни
одна современная ЭВМ не сможет сгенерировать все простые перестановки
более чем
12 разных предметов (более 479 млн.) , не говоря уже о всех возможных
раскладках колоды из 36 игральных карт.
Поэтому труднорешаемой (нерешаемой) задачей можно
называть такую задачу,
для которой не существует эффективного алгоритма решения.
Экспоненциальные
алгоритмы решений, в том числе и исчерпывающие, абсолютно неэффективны
для
случаев, когда входные данные меняются в достаточно широком диапазоне
значений,
следовательно, в общем случае считать их эффективными нельзя.
Эффективный
алгоритм имеет не настолько резко возрастающую зависимость количества
вычислений от входных данных, например, ограниченно полиномиальную,
т.е. х
находится в основании, а не в показателе степени. Такие алгоритмы
называются полиномиальными,
и, как правило, если задача имеет полиномиальный алгоритм
решения, то она
может быть решена на ЭВМ с большой эффективностью. К ним
можно отнести
задачи сортировки данных, многие задачи математического
программирования и т.п.
Чего же не может и, скорее всего, никогда не сможет компьютер
в его
современном (цифровая вычислительная машина) понимании? Ответ очевиден:
выполнить решение полностью аналитически. Постановка задачи заключается
в замене
аналитического решения численным алгоритмом, который итеративно (т.е.
циклически повторяя операции) или рекурсивно (вызывая процедуру расчета
из
самой себя) выполняет операции, шаг за шагом приближаясь к решению.
Если число
этих операций возрастает, время выполнения, а возможно, и расход других
ресурсов (например, ограниченной машинной памяти) , также возрастает,
стремясь
к бесконечности. Задачи, своими алгоритмами решения создающие
предпосылки
для резкого возрастания использования ресурсов, в общем виде не могут
быть
решены на цифровых вычислительных машинах, т.к. ресурсы всегда
ограничены.
Эвристические алгоритмы
Другое возможное решение описанной проблемы – в
написании численных
алгоритмов, моделирующих технологические особенности творческой
деятельности и
сам подход к аналитическому решению. Методы, используемые в поисках
открытия
нового, основанные на опыте решения родственных задач в условиях выбора
вариантов, называются эвристическими. На основе
таких методов и
выполняется машинная игра в шахматы. В эвристике шахматы
рассматриваются как
лабиринт, где каждая позиция представляет собой площадку лабиринта.
Почему же
именно такая модель?
В психологии мышления существует т. н. лабиринтная
гипотеза,
теоретически представляющая решение творческой задачи как поиск пути в
лабиринте, ведущего от начальной площадки к конечной. Конечно, можно
проверить
все возможные пути, но располагает ли временем попавший в лабиринт?
Совершенно
нереально исчерпывание шахматного лабиринта из 2х10116
площадок!
Занимаясь поиском ответа, человек пользуется другими способами, чтобы
сократить
путь к решению. Возможно сокращение числа вариантов перебора и для
машины,
достаточно “сообщить” ей правила, которые для
человека – опыт, здравый смысл.
Такие правила приостановят заведомо бесполезные действия.
Электронный подход к искусственному интеллекту
Исторически попытки моделирования процессов мышления для
достижения
аналитических решений делались достаточно давно (с 50-х гг ХХ в.) , и
соответствующая отрасль информатики была названа искусственным
интеллектом.
Исследования в этой области, первоначально сосредоточенные в нескольких
университетских центрах США - Массачусетском технологическом институте,
Технологическом институте Карнеги в Питтсбурге, Станфордском
университете, -
ныне ведутся во многих других университетах и корпорациях США и других
стран. В
общем исследователей искусственного интеллекта, работающих над
созданием
мыслящих машин, можно разделить на две группы. Одних интересует чистая
наука и
для них компьютер- лишь инструмент, обеспечивающий возможность
экспериментальной проверки теорий процессов мышления. Интересы другой
группы
лежат в области техники: они стремятся расширить сферу применения
компьютеров и
облегчить пользование ими. Многие представители второй группы мало
заботятся о
выяснении механизма мышления - они полагают, что для их работы это едва
ли
более полезно, чем изучение полета птиц в самолетостроении.
В настоящее время, однако, обнаружилось, что как научные, так
и технические
поиски столкнулись с несоизмеримо более серьезными трудностями, чем
представлялось первым энтузиастам. На первых порах многие пионеры
искусственного интеллекта верили, что через какой-нибудь десяток лет
машины
обретут высочайшие человеческие таланты. Предполагалось, что, преодолев
период "электронного
детства" и обучившись в библиотеках всего мира, хитроумные компьютеры,
благодаря быстродействию, точности и безотказной памяти постепенно
превзойдут
своих создателей-людей. Сейчас, в соответствии с тем, что было сказано
выше,
мало кто говорит об этом, а если и говорит, то отнюдь не считает, что
подобные
чудеса не за горами.
На протяжении всей своей короткой истории исследователи в
области
искусственного интеллекта всегда находились на переднем крае
информатики.
Многие ныне обычные разработки, в том числе усовершенствованные системы
программирования, текстовые редакторы и программы распознавания
образов, в
значительной мере рассматриваются на работах по искусственному
интеллекту.
Короче говоря, теории, новые идеи, и разработки искусственного
интеллекта
неизменно привлекают внимание тех, кто стремится расширить области
применения и
возможности компьютеров, сделать их более "дружелюбными" то есть
более похожими на разумных помощников и активных советчиков, чем те
педантичные
и туповатые электронные рабы, какими они всегда были.
Несмотря на многообещающие перспективы, ни одну из
разработанных до сих пор
программ искусственного интеллекта нельзя назвать "разумной" в
обычном понимании этого слова. Это объясняется тем, что все они узко
специализированы; самые сложные экспертные системы по своим
возможностям скорее
напоминают дрессированных или механических кукол, нежели человека с его
гибким
умом и широким кругозором. Даже среди исследователей искусственного
интеллекта
теперь многие сомневаются, что большинство подобных изделий принесет
существенную пользу. Немало критиков искусственного интеллекта считают,
что
такого рода ограничения вообще непреодолимы.
К числу таких скептиков относится и Хьюберт Дрейфус, профессор
философии
Калифорнийского университета в Беркли. С его точки зрения, истинный
разум
невозможно отделить от его человеческой основы, заключенной в
человеческом
организме. "Цифровой компьютер - не человек, - говорит
Дрейфус. - У
компьютера нет ни тела, ни эмоций, ни потребностей. Он лишен социальной
ориентации, которая приобретается жизнью в обществе, а именно она
делает
поведение разумным. Я не хочу сказать, что компьютеры не могут быть
разумными.
Но цифровые компьютеры, запрограммированные фактами и правилами из
нашей,
человеческой, жизни, действительно не могут стать разумными. Поэтому
искусственный интеллект в том виде, как мы его представляем, невозможен".
Другие подходы к искусственному интеллекту
В это же время ученые стали понимать, что создателям
вычислительных машин
есть чему поучиться у биологии. Среди них был нейрофизиолог и
поэт-любитель
Уоррен Маккалох, обладавший философским складом ума и широким кругом
интересов.
В 1942 г. Маккалох, участвуя в научной конференции в Нью-Йорке, услышал
доклад
одного из сотрудников Винера о механизмах обратной связи в биологии.
Высказанные в докладе идеи перекликались с собственными идеями
Маккалоха
относительно работы головного мозга. В течении следующего года Маккалох
в
соавторстве со своим 18-летним протеже, блестящим математиком Уолтером
Питтсом,
разработал теорию деятельности головного мозга. Эта теория и являлась
той
основой, на которой сформировалось широко распространенное мнение, что
функции
компьютера и мозга в значительной мере сходны.
Исходя отчасти из предшествующих исследований нейронов
(основных активных
клеток, составляющих нервную систему животных) , проведенных
Маккаллохом, они с
Питтсом выдвинули гипотезу, что нейроны можно упрощенно рассматривать
как
устройства, оперирующие двоичными числами. В 30-е годы XX в. пионеры
информатики,
в особенности американский ученый Клод Шеннон, поняли, что двоичные
единица и
нуль вполне соответствуют двум состояниям электрической цепи
(включено-выключено) , поэтому двоичная система идеально подходит для
электронно-вычислительных устройств. Маккалох и Питтс предложили
конструкцию
сети из электронных "нейронов" и показали, что подобная сеть может
выполнять практически любые вообразимые числовые или логические
операции. Далее
они предположили, что такая сеть в состоянии также обучаться,
распознавать
образы, обобщать, т.е. она обладает всеми чертами интеллекта.
Теории Маккаллоха-Питтса в сочетании с книгами Винера вызвали
огромный
интерес к разумным машинам. В 40-60-е годы все больше кибернетиков из
университетов и частных фирм запирались в лабораториях и мастерских,
напряженно
работая над теорией функционирования мозга и методично припаивая
электронные
компоненты моделей нейронов.
Из этого кибернетического, или нейромодельного, подхода к
машинному разуму
скоро сформировался так называемый "восходящий метод" - движение от
простых аналогов нервной системы примитивных существ, обладающих малым
числом
нейронов, к сложнейшей нервной системе человека и даже выше. Конечная
цель
виделась в создании "адаптивной сети", "самоорганизующейся
системы" или "обучающейся машины" - все эти названия разные
исследователи использовали для обозначения устройств, способных следить
за
окружающей обстановкой и с помощью обратной связи изменять свое
поведение, т.е.
вести себя так же как живые организмы. Естественно, отнюдь не
во всех
случаях возможна аналогия с живыми организмами. Как однажды заметили
Уоррен
Маккаллох и его сотрудник Майкл Арбиб, "если по весне вам захотелось
обзавестись возлюбленной, не стоит брать амебу и ждать пока она
эволюционирует".
Но дело здесь не только во времени. Основной трудностью, с
которой
столкнулся "восходящий метод" на заре своего существования, была
высокая стоимость электронных элементов. Слишком дорогой оказывалась
даже
модель нервной системы муравья, состоящая из 20 тыс. нейронов, не
говоря уже о
нервной системе человека, включающей около 100 млрд. нейронов. Даже
самые
совершенные кибернетические модели содержали лишь несколько сотен
нейронов.
Столь ограниченные возможности обескуражили многих исследователей того
периода.
Заключение
В настоящее время наличие сверхпроизводительных
микропроцессоров и дешевизна
электронных компонентов позволяют делать значительные успехи в
алгоритмическом
моделировании искусственного интеллекта. Такой подход дает определенные
результаты на цифровых ЭВМ общего назначения и заключается в
моделировании
процессов жизнедеятельности и мышления с использованием численных
алгоритмов,
реализующих искусственный интеллект. Здесь можно привести много
примеров,
начиная от простой программы игрушки “тамагочи” и
заканчивая моделями колонии
живых организмов и шахматными программами, способными обыграть
известных
гроссмейстеров. Сегодня этот подход поддерживается практически всеми
крупнейшими разработчиками аппаратного и программного обеспечения,
поскольку
достижения при создании эвристических алгоритмов используются и в
узкоспециальных, прикладных областях при решении сложных задач, принося
значительную прибыль разработчикам.
Другие подходы сводятся к созданию аппаратуры, специально
ориентированной на
те или иные задачи, как правило, эти устройства не общего назначения
(аналоговые вычислительные цепи и машины, самоорганизующиеся системы,
перцептроны и т.п.) . С учетом дальнейшего развития вычислительной
техники этот
подход может оказаться более перспективным, чем предполагалось в
50-80гг.
ЛИТЕРАТУРА
Не подходит? Заказать реферат нашим авторам? Вы также можете добавить свой реферат
Реферат прочитали 801 чел.