Определение и классификация систем искусственного интеллекта, цели и пути их создания

Характеристики и классификация систем искусственного интеллекта

ID: 21205

Название работы: Характеристики и классификация систем искусственного интеллекта

Категория: Лекция

Предметная область: Информатика, кибернетика и программирование

Описание: Сравнительные характеристики традиционных и интеллектуальных систем Характеристики Традиционные системы Интеллектуальные системы Тип информации Данные Знания Тип обработки информации Числовая Символьная Модель представления информации Математическая Эвристическая Способ обработки информации Алгоритм Вывод на знаниях Получаемое решение задачи Оптимальное Правдоподобное Модификации системы Редкие Частые 4. к автоматическому пополнению и получению новых знаний на основе накопленного системой опыта анализа и решения задач пользователей;…

Язык: Русский

Дата добавления: 2013-08-02

Размер файла: 69.5 KB

Работу скачали: 83 чел.

PAGE  2

Лекция №4

4.1. Основные характеристики интеллектуальных систем

С помощью модема СИИ может быть связана с компьютерной сетью Internet и получать оттуда необходимые знания мирового уровня.

По своему функциональному назначению СИИ существенно отличаются от традиционных вычислительных систем принципом работы и наличием свойств интеллектуальности. Основные различия между СИИ и традиционными системами представлены в табл. 4.1 

Табл. 4.1. Сравнительные характеристики

традиционных и интеллектуальных систем

Характеристики	Традиционные системы	Интеллектуальные системы
Тип информации	Данные	Знания
Тип обработки информации	Числовая	Символьная
Модель представления информации	Математическая	Эвристическая
Способ обработки информации	Алгоритм	Вывод на знаниях
Получаемое решение задачи	Оптимальное	Правдоподобное
Модификации системы	Редкие	Частые

4.2. Свойства интеллектуальности систем искусственного интеллекта

Решение интеллектуальных задач в СИИ осуществляется путем использования так называемого символьного подхода к построению моделей человеческого мышления и общения.

Свойства и способности обрабатывать символы, преобразовывать символьные последовательности в ансамбли, совершать над ними операции и процедуры лежат в основе всех видов и форм коммуникативных связей внутри человеческого общества.

Символы или знаки в звуковой или зрительной форме, упорядоченные синтаксическими правилами, образуют языки естественных и точных наук, которые.отображают семантику (смысл) человеческих отношений.

Символьный подход к построению СИИ можно охарактеризовать как вербально-дедуктивную (словесно-логическую) парадигму, основу которой составляют следующие положения:

а) любая информация задается вербально, т.е. в форме, приближенной к словесной в виде набора явно сформулированных утверждений или правил;

б) основным механизмом получения новой информации на базе существующих знаний является дедукция – вывод частных следствий из общих правил.

Основными особенностями применения символьной обработки знаний в СИИ являются:

а) использование знаний специалистов (экспертов) для решения поставленных задач;

б) применение эвристических методов вывода на знаниях вместо традиционных математических алгоритмов решения задач;

в) использование процедур поиска, выбора, классификации и распознавания знаний, которые существенно отличаются от стандартных процедур, используемых при решении традиционных вычислительных задач;

г) усложнение структур знаний за счет перехода от традиционных линейных представлений числовой информации к представлениям в виде деревьев, сетей;

д) применение специфических механизмов и специальных процедур описания сложных структурированных знаний и т.д.

Таким образом, основными свойствами (признаками) интеллектуальности СИИ, отличающих их от традиционных систем управления и обработки данных, являются:

•  символьное (эвристическое) представление информации на естественном языке, близком к человеческому пониманию;
•  символьная (смысловая) обработка информации в форме, близкой к человеческому мышлению;
•  развитые коммуникативные способности, позволяющие вести интенсивный диалог с пользователями, в ходе которого обсуждаются, уточняются и разъясняются имеющиеся и приобретаемые системой знания;
•  формирование запросов к системе и получение ответов (решений задач) на естественном языке, близком к человеческому общению, с широким использованием компьютерной графики, видеотехники и других современных средств интеллектуального интерфейса;
•  умение решать плохо формализуемые интеллектуальные задачи путем использования эвристических моделей мышления и алгоритмов вывода на знаниях;
•  способность к самообучению, т.е. к автоматическому пополнению и получению новых знаний на основе накопленного системой опыта анализа и решения задач пользователей;
•  способность к адаптации (приспособляемости) системы к объективным изменениям предметной (проблемной) области функционирования системы и др.

Основным интеллектуальным свойством СИИ является ориентация на решение трудно формализуемых задач, обладающих одной или несколькими из следующих характеристик:

•  решаемые задачи не могут быть описаны  в математической форме;
•  цели не могут быть выражены в терминах математической целевой функции;
•  не существует алгоритмического решения задач и др.

Классическими примерами трудно формализуемых задач являются попытки математического описания (формализации) процессов функционирования мозга и жизнедеятельности человека, особенно – в непредвиденных и экстремальных ситуациях, как это имеет место, например, в нештатных ситуациях на борту космического корабля.

Как отмечалось в разделе 3, характерным примером такой задачи является моделирование подсознательного мышления правого полушария мозга человека и увязка его с моделями сознательного мышлення левого полушария.

Созданные при этом модели мышления должны учитывать совместную работу обеих полушарий, поскольку только при этом условии возникает феномен человеческого мышления и поведения.

Предполагается, что будущие СИИ смогут совершать открытия.

СИИ смогут также имитировать такие сложные проявления человеческого сознания, как эмоции, если рассматривать их в качестве особого механизма управления поведением системы в условиях экстремальной ситуации.

4.3. Классификация современных систем искусственного интеллекта

В зависимости от назначения, предметной (проблемной) области и класса решаемых задач различают следующие классы СИИ, получивших наибольшее практическое применение в настоящее время.

1) Экспертные системы (ЭС) (Лекция №5) создаются с помощью экспертов – профессионалов в соответствующих предметных (проблемных) областях, в которых они работают. Знания эксперта используются для создания базы знаний ЭС (Лекция №6) ЭС моделирует мышление эксперта при решении интеллектуальной задачи, которую пользователь ЭС не может точно сформулировать и решить самостоятельно.

2) Нейрокомпьютерные системы являются аналогами систем распознавания образов  (Лекция №1) на современном уровне их развития. Основу этих систем составляет нейрокомпьютер, представляющий собой нейросеть в виде множества процессоров, соединенных между собой в соответствии с имеющейся моделью взаимодействия нейронных клеток человека.

В настоящее время в США и Японии создаются транспьютерные нейрокомпьютеры – параллельные нейрокомпьютеры с большим количеством (десятки тысяч) процессоров. Транспьютерная технология – один из наиболее перспективных подходов к аппаратной реализации нейросетей.

Основная область применения нейрокомпьютеров сегодня – это задачи распознавания образов промышленного масштаба, например, – идентификация наземных объектов по результатам аэрофотосъемки из космоса.

3) Интеллектуальные системы принятия решений (ИСПР) осуществляют планирование и принятие решений по управлению объектами и процессами в сложных (экстремальных) условиях с применением моделей человеческого мышления и поведения. Примером характерной задачи ИСПР может служить выработка и принятие решений по устранению внештатной ситуации на борту космического корабля.

 ИСПР эффективно сочетают в себе человеческий интеллект, информационные технологии, интеллектуальное программное обеспечение, а также опыт и знания человечества, накопленные к настоящему времени.

4) Робото-технические интеллектуальные системы представляют собой электротехнические устройства, оснащенные интеллектуальным компьютером, которые имитируют человеческое восприятие окружающего мира и предназначены для автоматизации человеческого труда во вредных и опасных условиях деятельности человека.

5) Интеллектуальные инструментальные системы (WorkBench Tools) представляют собой аппаратно-программные комплексы, предназначенные для проектирования, создания, эксплуатационного сопровождения и совершенствования интеллектуальных систем различного назначения (Лекция №14).

6) Мультиагентные системы (МАС) предназначены для оперативного получения информации из различных информационных систем и сетей (главным образом – из Internet) и решения интеллектуальных задач специального назначения. Такой задачей может быть, например, сбор и последующая интеллектуальная обработки информации о финансовом состоянии конкурирующей фирмы.

МАС состоят из множества так называемых интеллектуальных агентов, каждый из которых представляет собой программный модуль или программно-исполнительное устройство, предназначенные для решения определенной интеллектуальной информационной задачи.

Интеллектуальные агенты способны поддерживать взаимодействие с окружающей программной средой и получать от нее информацию, проявлять собственную инициативу, посылать и получать сообщения от других агентов, вступать с ними во взаимодействие, действовать без вмешательства извне, в том числе – и без вмешательства человека.

Негативным примером использования интеллектуального агента является вирус, внедряемый в программное обеспечение той или иной системы с целью организации сбоев в ее работе.

8) Обучающие системы (тьюторы) имеют в своей базе знаний все необходимые знания для организации процесса обучения. Тьюторы работают в интерактивном режиме обратной связи с пользователем. Когнитивная графика тьюторов делает возможным не только текстовое обучение, но и обучение с помощью зрительных образов и мультфильмов, в создании которых участвует тьютор и сам обучаемый.

Наряду с перечисленными выше СИИ в настоящее время интенсивно развиваются (главным образом, в США и Японии) перспективные интеллектуальные системы, которые находятся на стадии становления и не получили пока широкого практического применения. К ним относятся следующие СИИ.

9) Генетические системы базируются на концепциях эволюции (естественного отбора) и используют механизм генетического наследования в природе. В основу функционирования генетических систем положены так называемые эволюционные алгоритмы генетического поиска решения интеллектуальных задач.

10) Нечеткие интеллектуальные системы предназначены для решения интеллектуальных задач с использованием аппарата так называемых мягких вычислений, основанных на методах нечеткой логики, позволяющих формализовать нечеткие знания и обрабатывать их на интеллектуальных компьютерах. Мягкие вычисления применяются, главным образом, в прикладных исследованиях, оперирующих с недостоверной и неполной информацией об исследуемых объектах, процессах и явлениях окружающего мира.

11) Системы управления знаниями предназначены для поиска, анализа, распространения, использования и обработки знаний в отдельно взятой фирме, компании, организации или на предприятии.

Основой таких систем является корпоративная память, которая получает информацию из различных источников и по аналогии с человеческой памятью позволяет использовать предыдущий опыт работы, а также избегать повторения ошибок и дублирования знаний.

12) Онтологические системы представляют собой иерархические структуры баз знаний специального назначения, которые называются онтологиями.

Они предназначены для поиска, извлечения и накопления так называемых концептуальных знаний, получаемых из различных систем и сетей, главным образом – из системы  Internet.

Онтологические системы представляют пользователям более детальную, обширную и релевантную (запросу) информацию о различных областях человеческой деятельности, чем это имееет место, например, в МАС (см. выше).

Источник: http://5fan.ru/wievjob.php?id=21205

Искусственный интеллект – Управление знаниями

 Определение

Искусственный интеллект можно определить как научную дисциплину, которая занимается автоматизацией разумного поведения.

Искусственный интеллект (ИИ, англ. Artificial intelligence, AI) — наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ. ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

Цели и задачи

Целью исскуственного интеллекта является создание технических систем, способных решать задачи невычислительного характера и выполнять действия, требующие переработки содержательной ин­формации и считающиеся прерогативой человеческого мозга.

К числу таких задач относятся, например, задачи на доказательство тео­рем, игровые задачи (скажем, при игре в шахматы), задачи по пере­воду с одного языка на другой, по сочинению музыки, распознаванию зрительных образов, решению сложных творческих про­блем науки и общественной практики.

Одной из важных задач исскуственного интеллекта является создание интеллектуальных роботов, способных автоном­но совершать операции по достижению целей, поставленных че­ловеком, и вносить коррективы в свои действия.

Структура понятия

“Искусственный интеллект” складывается из нескольких основных положений и дисциплин, являющихся его основой. Более подробно это описано на рисунке предоставленном ниже. Изображение взято из [1]

Ниже приведены основные определения использованных на картинке терминов.

Нечёткая логика и теория нечётких множеств — раздел математики, являющийся обобщением классической логики и теории множеств. Понятие нечёткой логики было впервые введено профессором Лютфи Заде в 1965 году. В этой статье понятие множества было расширено допущением, что функция принадлежности элемента к множеству может принимать любые значения в интервале [0…1], а не только 0 или 1. Такие множества были названы нечёткими. Также автором были предложены различные логические операции над нечёткими множествами и предложено понятие лингвистической переменной, в качестве значений которой выступают нечёткие множества.

Искусственные нейронные сети (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма.

Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса.

Впоследствии, после разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.

Интеллектуальный агент — программа, самостоятельно выполняющая задание, указанное пользователем компьютера, в течение длительных промежутков времени. Интеллектуальные агенты используются для содействия оператору или сбора информации.

Одним из примеров заданий, выполняемых агентами, может служить задача постоянного поиска и сбора необходимой информации в Интернете. Компьютерные вирусы, боты, поисковые роботы — всё это также можно отнести к интеллектуальным агентам.

Экспертная система (ЭС, expert system) — компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление.

Предтечи экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания.

Генетический алгоритм (англ. genetic algorithm) — это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию. Является разновидностью эволюционных вычислений. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе. Модели и методы исследований

Анализируя историю ИИ, можно выделить такое обширное направление как моделирование рассуждений. Долгие годы развитие этой науки двигалось именно по этому пути, и теперь это одна из самых развитых областей в современном ИИ.

Моделирование рассуждений подразумевает создание символьных систем, на входе которых поставлена некая задача, а на выходе требуется её решение. Как правило, предлагаемая задача уже формализована, то есть переведена в математическую форму, но либо не имеет алгоритма решения, либо он слишком сложен, трудоёмок и т. п.

В это направление входят: доказательство теорем, принятие решений и теория игр, планирование и диспетчеризация, прогнозирование.

Работа с естественными языками

Немаловажным направлением является обработка естественного языка, в рамках которого проводится анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке.

В частности, здесь ещё не решена проблема машинного перевода текстов с одного языка на другой. В современном мире большую роль играет разработка методов информационного поиска.

По своей природе, оригинальный тест Тьюринга связан с этим направлением.

Накопление и использование знаний

Согласно мнению многих учёных, важным свойством интеллекта является способность к обучению. Таким образом, на первый план выходит инженерия знаний, объединяющая задачи получения знаний из простой информации, их систематизации и использования. Достижения в этой области затрагивают почти все остальные направления исследований ИИ.

Здесь также нельзя не отметить две важные подобласти. Первая из них — машинное обучение — касается процесса самостоятельного получения знаний интеллектуальной системой в процессе её работы.

Второе связано с созданием экспертных систем — программ, использующих специализированные базы знаний для получения достоверных заключений по какой-либо проблеме.

К области машинного обучения относится большой класс задач на распознавание образов. Например, это распознавание символов, рукописного текста, речи, анализ текстов. Многие задачи успешно решаются с помощью биологического моделирования (см. след. пункт). Особо стоит упомянуть компьютерное зрение, которое связано ещё и с робототехникой.

Биологическое моделирование искусственного интеллекта

Отличается от понимания искусственного интеллекта по Джону Маккарти, когда исходят из положения о том, что искусственные системы не обязаны повторять в своей структуре и функционировании структуру и протекающие в ней процессы, присущие биологическим системам, сторонники данного подхода считают, что феномены человеческого поведения, его способность к обучению и адаптации, есть следствие именно биологической структуры и особенностей ее функционирования.

Сюда можно отнести несколько направлений. Нейронные сети используются для решения нечётких и сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов.

Генетический подход основан на идее, что некий алгоритм может стать более эффективным, если позаимствует лучшие характеристики у других алгоритмов («родителей»).

Относительно новый подход, где ставится задача создания автономной программы — агента, взаимодействующего с внешней средой, называется агентным подходом.

Перспективы развития

         Литература

1) “Управление знаниями корпорации и реинжиниринг бизнеса”  Абдикеев, Киселев

Основными ресурсами развития компаний во все большей мере становятся люди и знания, которыми они обладают, интеллектуальный капитал и растущая профессиональная компетенция кадров.

Сегодня требуются новые методы развития организации, основанные на стыке гуманитарного и инженерного подходов, что позволит получить синергетический эффект от их взаимодействия.

Этот подход базируется на современных достижениях информационных технологий, а именно когнитивных технологиях развития организации. Актуально развитие симбиоза концепции управления знаниями, реинжиниринга бизнес-процессов и когнитивной человеческой составляющей.

Для менеджеров высшего звена, бизнес-аналитиков, слушателей программ МВА по направлениям “Стратегический менеджмент”, “Антикризисное управление”, студентов экономических вузов магистерского уровня, аспирантов и преподавателей в области корпоративного менеджмента и реинжиниринга бизнеса.

2) “Модели и методы искусственного интеллекта. Применение в экономике.” М.Г. Матвеев, А.С. Свиридов, Н.А. Алейникова

Представлены теоретические основы искусственного интеллекта: информационные аспекты, сведения о бинарной и нечеткой логике, а также методы и модели актуальных направлений искусственного интеллекта, экспертных систем, инженерии знаний, нейронных сетей и генетических алгоритмов. Подробно рассмотрены вопросы практической реализации интеллектуальных систем. Приведено множество примеров, иллюстрирующих разработку и применение рассматриваемых методов и моделей. Особое внимание уделено экономическим задачам.

3) “Искусственный интеллект и интеллектуальные системы управления.”  И. М. Макаров, В. М. Лохин, С. В. Манько, М. П. Романов ; отв. ред. И. М. Макарова

4) “Искусственный интеллект : современный подход.” С. Рассел, П. Норвиг

В книге представлены все современные достижения и изложены идеи, которые были сформулированы в исследованиях, проводившихся в течениe последних пятидесяти лет, а также собраны на протяжении двух тысячелетий в области знаний, ставших стимулом к развитию искусственного интеллекта как науки проектирования рациональных агентов.

Список источников

5) http://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82

Основной источник материала данной страницы.

6) http://www.ai.obrazec.ru/articles.html

Подборка статей посвященных искусственному интеллекту и смежным вопросам.

7) http://www.gotai.net/documents-neural_networks.aspx

Раздел посвященный нейронным сетям и всему, что связано с ними.

8) http://www.gotai.net/documents-genetic_algorithms.aspx

Данный раздел посвящен генетическим алгоритмам. Что такое генетические алгоритмы? По сути, это оптимизационные алгоритмы, относящиеся к классу эвристик. Данные алгоритмы позволяют исключить перебор всех вариантов и значительно сокращают время вычислений. Специфика работы этих алгоритмов сводится к имитации эволюционных процессов.

9) http://www.gotai.net/implementations.aspx

Здесь Вы найдете идеи и готовые решения по применению искусственного интеллекта и связанных теорий для решения тех или иных практических задач.

10) http://www.gotai.net/documents-logic.aspx

В этом разделе собраны материалы, так или иначе относящиеся к классическому способу моделирования систем ИИ, моделирования на основе различных логических аппаратов. Как правило, это материалы, связанные с экспертными системами, системами поддержки принятия решения и агентными системы.

11) http://khpi-iip.mipk.kharkiv.edu/library/ai/conspai/12.html

Тенденции развития AI

Источник: https://www.sites.google.com/site/upravlenieznaniami/tehnologii-upravlenia-znaniami/iskusstvennyj-intellekt

Определение и классификация систем искусственного интеллекта, цели и пути их создания

В 1950 году в статье “Вычислительные машины и разум” (Computing machinery and intelligence) выдающийся английский математики и философ Алан Тьюринг предложил тест, чтобы заменить бессмысленный, по его мнению, вопрос “может ли машина мыслить?” на более определённый.

Вместо того, чтобы отвлеченно спорить о критериях, позволяющих отличить живое мыслящее существо от машины, выглядящей как живая и мыслящая, он предложил реализуемый на практике способ установить это.

Судья-человек ограниченное время, например, 5 минут, переписывается в чате (в оригинале – по телеграфу) на естественном языке с двумя собеседниками, один из которых – человек, а другой – компьютер. Если судья за предоставленное время не сможет надёжно определить, кто есть кто, то компьютер прошёл тест.

Предполагается, что каждый из собеседников стремится, чтобы человеком признали его. С целью сделать тест простым и универсальным, переписка сводится к обмену текстовыми сообщениями.

Переписка должна производиться через контролируемые промежутки времени, чтобы судья не мог делать заключения исходя из скорости ответов. (Тьюринг ввел это правило потому, что в его времена компьютеры реагировали гораздо медленнее человека. Сегодня же это правило необходимо, наоборот, потому что они реагируют гораздо быстрее, чем человек).

Идею Тьюринга поддержал Джо Вайзенбаум, написавший в 1966 году первую “беседующую” программу “Элиза”. Программа всего в 200 строк лишь повторяла фразы собеседника в форме вопросов и составляла новые фразы из уже использованных в беседе слов. Тем ни менее этого оказалось достаточно, чтобы поразить воображение тысяч людей.

А.Тьюринг считал, что компьютеры в конечном счёте пройдут его тест, т.е. на вопрос: “Может ли машина мыслить?” он отвечал утвердительно, но в будущем времени: “Да, смогут!”

Алан Тьюринг был не только выдающимся ученым, но и настоящим пророком компьютерной эры. Достаточно сказать, что в 1950 году (!!!), когда он писал, что к 2000 году, на столе у миллионов людей будут стоять компьютеры, имеющие оперативную память 1 миллиард бит (около 119 Мб) и оказался в этом абсолютно прав.

Когда он писал это, все компьютеры мира вместе взятые едва ли имели такую память. Он также предсказал, что обучение будет играть важную роль в создании мощных интеллектуальных систем, что сегодня совершенно очевидно для всех специалистов по СИИ.

Именно этот путь и используют практически все системы ИИ. Кроме того, именно на этом пути появляются и другие признаки интеллектуальной деятельности: накопление опыта, адаптация и т. д.

Против теста Тьюринга было выдвинуто несколько возражений.

1. Машина, прошедшая тест, может не быть разумной, а просто следовать какому-то хитроумному набору правил.

На что Тьюринг не без юмора отвечал: “А откуда мы знаем, что человек, который искренне считает, что он мыслит, на самом деле не следует какому-то хитроумному набору правил?”

2. Машина может быть разумной и не умея разговаривать, как человек, ведь и не все люди, которым мы не отказываем в разумности, умеют писать.

Могут быть разработаны варианты теста Тьюринга для неграмотных машин и судей.

3. Если тест Тьюринга и проверяет наличие разума, то он не проверяет сознание (consciousness) и свободу воли (intentionality), тем самым не улавливая весьма существенных различий между разумными людьми и разумными машинами.

Сегодня уже существуют многочисленные варианты интеллектуальных систем, которые не имеют цели, но имеют критерии поведения: генетические алгоритмы и имитационное моделирование эволюции. Поведение этих систем выглядит таким образом, как будто они имеют различные цели и добиваются их.

Ежегодно производится соревнование между разговаривающими программами, и наиболее человекоподобной, по мнению судей, присуждается приз Лебнера (Loebner).

Существует также приз для программы, которая, по мнению судей, пройдёт тест Тьюринга. Этот приз ещё ни разу не присуждался.

В заключение отметим, что и сегодня тест Тьюринга не потерял своей фундаментальности и актуальности, более того – приобрел новое звучание в связи с возникновением Internet, общением людей в чатах и на форумах под условными никами и появлением почтовых и других программ-роботов, которые рассылают спам (некорректную навязчивую рекламу и другую невостребованную информацию), взламывают пароли систем и пытаются выступать от имени их зарегистрированных пользователей и совершают другие неправомерные действия.

Таким образом, возникает задачи:

– идентификации пола и других параметров собеседника (на эту возможность применения своего теста указывал и сам Тьюринг);

– выявления писем, написанных и посланных не людьми, а также такого автоматического написания писем, чтобы отличить их от написанных людьми было невозможно. Так что антиспамовый фильтр на электронной почте тоже представляет собой что-то вроде теста Тьюринга.

Не исключено, что скоро подобные проблемы (идентификации: человек или программа) могут возникнуть и в чатах.

Что мешает сделать сетевых роботов типа программы “Элиза”, но значительно более совершенных (все же сейчас не 1966, а 2004 год), которые будут сами регистрироваться в чатах и форумах участвовать в них с использованием слов и модифицированных предложений других участников? Простейший вариант – дублирование тем с других форумов и перенос их с форума на форум без изменений, что мы уже иногда наблюдаем в Internet (например: сквозная тема про “Чакра-муни”).

Источники информации:

1. Свободная энциклопедия: http://ru.wikipedia.org/wiki/%D0%A2%D0%B5%D1%81%D1%82_%D0%A2%D1%8C%D1%8E%D1%80%D0%B8%D0%BD%D0%B3%D0%B0

2. Сотник С.Л. Конспект лекций по курсу “Основы проектирования систем искусственного интеллекта”: (1997-1998), http://neuroschool.narod.ru/books/sotnik.html.

3. Vladimir Maximenko. Реализация теста Тьюринга на Perl (ввод цифр изображенных на картинке) (perl image auth web cgi): http://www.opennet.ru/base/dev/turing_test.txt.html

4. Captcha (http://en.wikipedia.org/wiki/Captcha) – полностью автоматизированные открытые тесты Тьюринга по разделению людей и машин (Completely Automated Public Turing tests to tell Computers and Humans Apart).

5. Сайт: http://www.opennet.ru/opennews/art.shtml?num=4105

1.1.2.3.2. Классификация систем искусственного интеллекта

В данном учебном пособии мы будем рассматривать следующие классы систем искусственного интеллекта:

1. Системы с интеллектуальной обратной связью и интеллектуальными интерфейсами.

2. Автоматизированные системы распознавания образов.

3. Автоматизированные системы поддержки принятия решений

4. Экспертные системы (ЭС).

5. Нейронные сети.

6. Генетические алгоритмы и моделирование эволюции.

7. Когнитивное моделирование.

8. Выявление знаний из опыта (эмпирических фактов) и интеллектуальный анализ данных (data mining).

Этими классами системы СИИ не исчерпываются, но мы вынуждены ограничится ими, как основными, в связи с ограниченностью объема учебного пособия.

1.1.2.3.3. Особенности технологии создания систем искусственного интеллекта (обучение, “социализация”, как технологический этап)

Система искусственного интеллекта в качестве существенной своей части включает базу знаний, которая является результатом обобщения опыта эксплуатации данной системы в определенных конкретных условиях.

Это значит, что программистом может быть разработана только “пустая оболочка” системы искусственного интеллекта, которая превращается в работоспособную систему в результате процесса обучения, который, таким образом, является необходимым технологическим этапом создания подобных систем.

Можно провести аналогию между такой системой и ребенком: ребенок не может идти работать, т.к. ему для этого предварительно требуется длительное обучение в школе, а затем часто и в вузе, чтобы он смог выполнять определенные виды работ.

Источник: http://kursak.net/opredelenie-i-klassifikaciya-sistem-iskusstvennogo-intellekta-celi-i-puti-ix-sozdaniya/