ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Перейти к: навигация, поиск

Искусственный интеллект — раздел кибернетики, изучающий возможности моделирования интеллектуальной деятельности человека на электронных вычислительных машинах. Под моделированием при этом понимается создание таких программ, которые позволили бы решать на ЭВМ задачи, требующие от человека интуиции, опыта, мыслительной активности.

Любая машинная программа, сколь бы сложной она ни была, представляет собой четкое описание определенной последовательности элементарных действий. Если вычислительная машина, работая по программе, успешно решает какую-либо интеллектуальную задачу (напр., хорошо играет в шахматы или правильно классифицирует сложные изображения), то эта программа может рассматриваться как гипотеза, объясняющая механизм соответствующего интеллектуального процесса, или как одна из возможных моделей этого процесса.

Работы в области Искусственного интеллекта важны как для изучения процесса мышления (см.), так и для автоматизации различных областей человеческой деятельности, требующих от человека интуиции и опыта.

В 70-х гг. 20 в. разрабатываются программы для управления роботами, для составления производственных расписаний, поиска информации в информационно-справочных системах, автоматического анализа изображений и т. п. По мере накопления знаний о процессе мышления и совершенствования методов работы с вычислительными машинами этот перечень будет постепенно расширяться.

Исследования в области Искусственного интеллекта развиваются в двух направлениях: выяснение механизмов интеллектуальной деятельности и создание как можно более мощных методов, позволяющих успешно решать на вычислительных машинах сложные интеллектуальные задачи.

В исследованиях первого направления объектом моделирования является не конечный результат интеллектуального процесса, а сам процесс. Напр., при разработке программ для доказательства математических теорем основная цель (с точки зрения этого направления) состоит не в том, чтобы машина могла доказывать как можно более сложные теоремы, а в том, чтобы машинное доказательство как можно больше напоминало рассуждения доказывающего ту же теорему математика. К числу наиболее интересных моделей, созданных в рамках этого научного направления, принадлежит программа «Универсальный решатель задач», разработанная амер. учеными Ньюэллом и Саймоном (A. Newell, H. A. Simon) в конце 50-х гг. В этой работе показано, что для решения довольно широкого класса несложных логических и математических задач испытуемые используют один и тот же механизм — достижение заданной цели путем генерирования и осуществления последовательности более простых «подцелей». Указанный механизм оказалось возможным реализовать в виде программы для вычислительной машины. Существует также ряд программ, моделирующих такие элементы интеллектуальной деятельности, как запоминание слов, формирование понятий, принятие решений. Эксперименты с этими программами показали достаточно хорошее совпадение с результатами соответствующих психол, экспериментов. Однако на этом пути не удалось продвинуться дальше понимания некоторых элементарных механизмов, которыми далеко не исчерпывается процесс мышления и которые сами по себе недостаточны для решения действительно сложных задач.

Сторонники второго направления, не требуя обязательного сходства вычислительного процесса с рассуждениями человека, стремятся при разработке программ максимально использовать специфические особенности вычислительных машин. Наиболее эффективные методы и программы удалось разработать для некоторых классов так наз. дискретных задач, т. е. задач, для решения которых в принципе достаточно рассмотреть конечное (хотя, как правило, астрономически большое) число вариантов. К таким задачам относятся игры типа шахмат, доказательство математических теорем, задачи мед. диагностики (см. Диагностика машинная), составление производственных расписаний. Проблема решения этих задач на вычислительных машинах сводится к разработке методов выборочного поиска, позволяющих машине просматривать в процессе решения задачи лишь сравнительно небольшое число наиболее «перспективных» вариантов. Примером может служить программа для игры в шашки, обладающая способностью обучаться, т. е. накапливать опыт с увеличением числа сыгранных партий. Эта программа, вначале проигрывавшая новичкам, после обучения выиграла у одного из лучших игроков США.


Библиография: Арбиб М. Метафорический мозг, пер. с англ., М., 1976; Вычислительные машины и мышление, под ред. Э. Фейгенбаума и Дж. Фельдмана, пер. с англ., М., 1967, библиогр.; Слэйгл Дж. Р. Искусственный интеллект, Подход на основе эвристического программирования, пер. с англ., М., 1973; Simon H. А. The structure of ill structured problems, Artificial intelligence, v. 4, p. 181, 1973, bibliogr.


Источник: Большая Медицинская Энциклопедия (БМЭ), под редакцией Петровского Б.В., 3-е издание

Рекомендуемые статьи