Подходы к разработке искусственного интеллекта

Выделяют 2 основных подхода: нисходящий и восходящий.

Нисходящий подход основан на имитацию высокоуровневых психических процессов – мышление, рассуждение, эмоции, творчество. В рамках данного подхода большое внимание уделяется системам обработки знаний, моделям представления знаний, системам логического вывода.

Восходящий подход (биологический) – в рамках его в первую очередь рассматриваются вопросы вычислительных средств и низкоуровневых инструментов, которые должны обеспечить возможность для реализации высокоуровневых процессов.

Причем результаты исследований в рамках этих двух подходов далеко не всегда согласованы. Например, высокоуровневые модели оказываются ориентированными на традиционные вычислительные среды, а низкоуровневые инструменты часто реализуют лишь специфичные для них алгоритмы вывода. Но есть и удачные способы сочетания, когда высокоуровневые системы, например системы поддержки принятия решений, основанные на знаниях, в процессе адаптации к реальным условиям используют низкоуровневые модели, например основанные на нейронных сетях, которые в свою очередь обеспечены аппаратно.

В рамках подходов часто выделяют несколько частных подходов.

1. символьный подход – основан на формальных преобразованиях в рамках некоторой формальной аксеоматической теории. Семантика теории задается или учитывается при формировании теории и при интерпретации результатов выводов. Сам вывод основывается на преобразовании символьных выражений – формул теории и при этом не рассматривает смысла приписываемого символа, входящего в состав выражения, то есть имеются строки символов и правила их преобразования. Начало это направление получило в связи с созданием языка символьных вычислений Lisp. Его часто называют языком искусственного интеллекта, но интеллекта в нем нет. Проблема в рамках данного подхода – это то, что при решении практических задач требуется большая гибкость в методах абстрагирования. В результате полностью символьную систему искусственного интеллекта построить затруднительно, поскольку ей все время потребуется перестраивать способы формирования модели решаемой задачи. Тем не менее для задач, в которых формальная постановка уже проведена, символьные системы себя хорошо показывают. Пример – системы компьютерной математики.

2. логический подход – направлен на создание систем, основанных на знаниях. В рамках данного подхода занимаются разработкой языков представления о знаниях, модели представления знаний, структуру баз знаний, методов и алгоритмов все это использующий по большей части для поддержки принятия решений. Часто для описания знаний активно пользуются языков предикатов, к одному из достижений данного подхода относят языки логического программирования. Но в этой части логических подход в существенной мере пересекается с символьным, поскольку всевозможные теории, основанные на исчислении предикатов используют все те же символьные принципы. Машина логического вывода в Прологе тоже основывается на символьных преобразованиях, не зависящих от смысла закладываемого в предикаты и выражения.

3. агентно-ориентированный – активно развивается в начала 90-х. согласно его интеллект – вычислительная часть способности достигать поставленных перед интеллектуальной машиной цели. Машина при этом является интеллектуальным объектом, воспринимающей окружающий мир с помощью датчиков и способным воздействовать на него с помощью исполнительных механизмов. При этом особое внимание уделяется методам и алгоритмам, обеспечивающим выживание агента при выполнении задач и методы и алгоритмы поиска путей решений. Интеллектуальным агентом может быть как реальная физическая машина (робот), так и виртуальным. В первом случае речь идет либо об экспериментальных образцах для обработки идей искусственного интеллекта, либо о роботах, предназначенных для конкретного круга задач. Виртуальные роботы – поисковые машины, которые занимаются сбором информации и систематизации по сети, игровые роботы, при этом интеллектуальный агент как правило действует в рамках некоторой модели представления окружающей среды. Эта модель может включать других интеллектуальных объектов, с которыми робот может взаимодействовать. Получаем команды роботов в играх, получаем в системах моделирования возможность взаимодействия.

Ответвлением агентного подхода является многоагентный подход, представляющий собой группу методов, позволяющих моделировать и анализировать системы, состоящие из большого числа агентов, каждый из которых имеет свою цель и пусть и примитивную логику принятия решения. Многоагентные модели систем активно применяются для моделирования социальных, экономических процессов, в политических, военных моделях, могут применяться в моделях дорожного движения, компьютерных сетей.

4. гибридный подход – предполагает, что только самоорганизующаяся комбинация низкоуровневых и высокоуровневых моделей достигает полного спектра, когнитивных и вычислительных способностей. Примерами такого сочетания могут служить связки логических моделей и искусственных нейронных сетей, генетических алгоритмов и символьных моделей и тд. Низкоуровневым моделям при этом обычно отводится задача адаптации систем, выявление закономерностей из данных, создание и подстройки правил поведения. Высокоуровневые же модели уже используют эти результаты в процессах рассуждения и принятия решений.

Понятия знания

Термин или понятие «знание» является одним из ключевых при разработке систем, основанных на логическом подходе. Знание получается в результате применения к исходным данным или к декларативной информации процедур обработки, в результате которых получается информация, которая до этого напрямую не была известна, то есть в декларативной информации не содержалась. При этом можно говорить о знаниях, содержащихся в системе, то есть тех, на основе которых она строит свои рассуждения, и о знаниях, как результатов процесса рассуждения. Схематично процесс получения знаний можно изобразить:

Данные + процесс обработки = информация

Информация + процесс обработки = знание

Для знаний характерны следующие свойства:

- внутренняя интерпретируемость – каждая информационная единица, участвующая в описании знания, должна иметь уникальное имя и однозначно определяться.

- структурированность – знание в первую очередь характеризуется знаниями, выраженными в виде некоторых отношений, при этом возможны рекурсии.

- знание образует некоторое пространство, которое может быть как метрическим, так и неметрическим. Это свойство вытекает из предыдущего.

Знание по своей природе активно. Их появление или недостатки приводят к реализации некоторых действия.

Часто выделяют три основных типа знаний, которые используются совместно.

1. фактическое или единичное знание (факт) – простое утверждение о свойствах объекта.

2. концептуальное знание (знание об отношениях) – знание, содержит информацию о взаимосвязи между объектами, в том числе устанавливает взаимосвязь между единицами, образующие между фактическими знаниями.

3. процедурное (алгоритмическое) знание – под ним понимаются как способы обработки и интерпретации знаний предыдущих типов, так и сведения о последовательностях действий, активированных в процессе или по результатам вывода на знаниях.

Реализация систем, основанных на логическом подходе, обычно происходит в рамках определенной модели знаний.

Часто фактические знаний описывают или определяют некоторый объект, при этом чисто структурное его описание часто оказывается неэффективным, тогда как гораздо более удачно его можно описать с точки зрения функционального назначения.

Как правило, при решении задач в конкретной предметной области какой-то одной модели представления знаний недостаточно. Приходится использовать комбинацию нескольких моделей с некоторой долей самостоятельной доработки. В результате получаем некоторую гибридную модель представления знаний. Корректно идентифицировать модель знаний или разработать модель адекватной предметной области задача для инженера по знаниям. Информация о знаниях, применяемых в предметной области берется как из документальных источниках, так и выясняется в процессе собеседований с экспертами в предметной области. При этом возникает проблема терминологического разрыва. Инженер по знаниям может не понимать всех тонкостей терминов предметной области, а эксперт не готов рассуждать на уровне абстрактных терминов моделей представления о знаниях. Задачей инженера является суметь сопоставить эти термины между собой и выяснить у эксперта логику его действий в процессе анализа предметной области и принятия решений. Если инженер не сумеет быстро сопоставить термины, разобраться в предметной области и будет задавать глупые с точки зрения эксперта вопросы, эксперт вообще может потерять смысл в этой работе и посчитать бессмысленным создание системы.

Другая проблема заключает в том, что эксперты часто принимают решения интуитивно и не способны четко сформулировать, исходя из каких соображений решение было принято. Например, один и тот же человек во внешне неотличимых ситуациях может поступать по-разному, причем правильно. Часто это говорит о том, что описание ситуаций является недостаточно полным, то есть был еще какой-то признак, который был подсознательно учтен.