7. Искусственный интеллект: предмет, история развития, направления исследований.

Иску́сственный интелле́кт (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.

История искусственного интеллекта как нового научного направления начинается в середине XX века. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления, экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений — теории алгоритмов — и были созданы первые компьютеры.

Возможности новых машин в плане скорости вычислений оказались больше человеческих, поэтому в учёном сообществе закрался вопрос: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека? В 1950 году один из пионеров в области вычислительной техники, английский учёный Алан Тьюринг, пишет статью под названием «Может ли машина мыслить?»^[7], в которой описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившую название теста Тьюринга.

В исследованиях в области искусственного интеллекта сложилось два главных направления: прагматическое и бионическое.

Прагматическое направление основано на предположении о том, что мыслительная деятельность человека – «черный ящик». Но если результат функционирования искусственной системы в некотором смысле совпадает с результатом деятельности эксперта, то такую систему можно признать интеллектуальной независимо от способов получения этого результата. При таком подходе не ставится вопрос об адекватности используемых в компьютере структур и методов тем структурам и методам, которыми пользуется в аналогичных ситуациях человек, а рассматривается лишь конечный результат решения конкретных задач.

С точки зрения конечного результата в прагматическом направлении можно выделить три целевые области: создание инструментария. Инструментарий – языки для систем искусственного интеллекта; дедуктивные и индуктивные методы автоматического синтеза программ; лингвистические процессоры; системы анализа и синтеза речи; базы знаний; оболочки, прототипы систем; системы когнитивной графики; разработка методов представления и обработки знаний – является одной из основ современного периода развития искусственного интеллекта; интеллектуальное программирование – разбивается на несколько групп. К ним относят игровые программы, естественно-языковые программы (системы машинного перевода, автоматического реферирования, генерации текстов), распознающие программы, программы создания произведений живописи и графики.

Общим для перечисленных программ является широкое использование поисковых процедур и методов решения переборных задач, связанных с поиском и просмотром большого числа вариантов. Эти методы применяются при машинном решении игровых задач, в задачах выбора решений, при планировании целесообразной деятельности в интеллектуальных системах.

Бионическое направление исследований в области искусственного интеллекта основано на предположении о том, что если в искусственной системе воспроизвести структуры и процессы человеческого мозга, то и результаты решения задач такой системой будут подобны результатам, получаемым человеком. В этом направлении исследований выделяются: нейробионический подход. В его основе лежат системы элементов, способные подобно нейронам головного мозга воспроизводить некоторые интеллектуальные функции. Прикладные системы, разработанные на основе этого подхода, называются нейронными сетями; структурно-эвристический подход. В его основе лежат знания о наблюдаемом поведении объекта или группы объектов и соображения о тех структурах, которые могли бы обеспечить реализацию наблюдаемых форм поведения. Примером подобных систем служат мультиагентные системы; гомеостатический подход. В этом случае решаемая задача формулируется в терминах эволюционирующей популяции организмов – совокупности противоборствующих и сотрудничающих подсистем, в результате функционирования которых обеспечивается нужное равновесие (устойчивость) всей системы в условиях постоянно изменяющихся воздействий среды. Такого рода подход реализован в прикладных системах на основе генетических алгоритмов.