Причины развития ИИ

Вводная лекция

Базовые понятия, определения ИИ и теории экспертных систем

2. Предмет, объект, цели и содержание дисциплины

Товарищи студенты, мы начинаем в этом семестре цикл лекций по дисциплине “Элементы искусственного интеллекта и экспертные системы”. Цикл лекций рассчитан на 34 учебных часа. Практические занятия в семестре отсутствуют. Планирую, что со временем будут поставлены лабораторные работы, в том числе и с вашей помощью.

Вопрос

Барр и Файгенбаум предложили следующее определение, которое никем не оспаривается почти два десятка лет:

"Искусственный интеллект (ИИ) — это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, — понимание языка, обучение, способность рассуждать, решать проблемы, принимать решение и т.д."

Необходимость создания интеллектуальных систем возникла при решении сложнейших задач в различных областях науки, в том числе таких, которые на сегодняшний день под силу только человеческому мышлению.

Причины развития ИИ

-новая фаза развития вычислительной техники, связанная с максимальной приближенностью к пользователю и освобождение его от большого количества задач программирования;

- изменение стиля информационного взаимодействия между людьми;

- роботизация производства;

- автоматизация процесса конструирования технических устройств, исследования сложнейших процессов и т.д., для решения которых людям потребовалось бы огромное количество времени.

Методы ИИ нашли применение в случаях, когда использование классических методов может быть неприемлемым, например, в силу размерности задачи.

Известно, что человеческий мозг способен решать задачи очень большой размерности в режиме реального времени (например, такая задача как бросок камня имеет размерность 32 и на сегодняшний день еще не полностью решена в робототехнических системах при гораздо меньшей размерности задачи). Притча о мудреце, шахматной доске и зернышках.

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 е^х (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 соритровки 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.

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.

Методы ИИ нашли применение при решении задач управления и контроля “больших систем”. Понятие "большой системы" – классический, широко применяемый термин. Под большой системой понимается система, имеющая настолько богатый набор внутренних связей, что общие свойства системы перестают быть просто следствием свойств и связей её элементов, а представляют собой некоторое новое качество. Несколько точнее: мы, её исследователи, не способны проследить или просчитать такие следствия, причём не столько по причине их недоступности или неточности описания, а по причине сложности самой системы и лавинообразного роста последствий малых воздействий на нее. Например, термодинамические свойства газа, состоящего из невообразимого числа молекул, никак не являются следствием простых и ясных законов динамики столкновений молекул. Другие примеры больших систем: атмосфера планеты (погода, климат), психика человека, его организм и даже организм примитивной амёбы. Пока, видимо, единственным инструментом, способным одновременно, и аналитически, и сознательно (nota bene!) исследовать большую систему, является интеллект человека. Ещё точнее: мы можем написать программу для игры в шахматы, и она (возможно) обыграет Каспарова, но это каждый раз – частный случай, ограниченность которого ясна нам самим.

Вопрос: Кто может привести пример такой системы? Интернет.

В условиях сильного воздействия внешних факторов (например в случае неисправности бортовых систем обеспечения) малые технические системы могут вести себя нелинейно, подобно “открытым” системам и характеризоваться сложным поведением (пример малого КА “Можаец-3”, один из КА системы Глонасс, потеря ориентации КА). При этом, чтобы управлять в такой ситуации КА необходимо использовать различные математические и эвристические модели, методы ИИ и экспертные системы.

Особенностью таких систем является:

- способность к обучению на основе восприятия;

- особая организация памяти;

- способность делать выводы на основе суждений.

---

<== предыдущая страница	|	следующая страница ==>
Дополнительная. 2.Грандо А.А. Врачебная этика и медицинская деонтология.-К.: Вища школа,1982.-164 с	|	Подходы к построению систем ИИ

---

Дата добавления: 2015-06-30; просмотров: 214; Нарушение авторских прав

---

Поделиться с ДРУЗЬЯМИ:

Мы поможем в написании ваших работ!