- •1. Искусственный интеллект как направление знаний. Основные направления. Сильный и слабый ии. Критерий интеллектуальности. Тест Тьюринга. Критика теста Тьюринга.
- •2. Критерий интеллектуальности. Тест Тьюринга. Критика теста Тьюринга. Гипотеза Ньюэлла-Саймона и тезис Ады Лавлейс.
- •3. Философские аспекты ии. Теория симуляции реальности н. Бострома. Цифровая философия э.Фредкина. Эволюционная кибернетика в.Ф.Турчина
- •4. Понятие сингулярности. Трансгуманистическая философия: основные постулаты.
- •5. Модели памяти и мышления человека. Чанки. Структуры и процессы
- •6. Восходящий, нисходящий и эволюционный подходы к ии. Понятие о нейронных сетях.
- •7. Знания и информация. Понятие о представлении знаний. Статические и динамические знания. Явные и неявные представления знаний.
- •8. Процедурное представление знаний. Продукции. Деревья и-или. Деревья решений.
- •9. Сетевое представление знаний. Семантические сети. Концептуальные графы.
- •10. Фреймовое представление знаний. Основные операции логического вывода во фреймовом представлении.
- •11. Представление знаний на основе формальной логики. Пролог как возможный язык логического представления знаний.
- •12. Поиск в нагруженном графе. Алгоритм поиска с весовой функцией и его реализация на Прологе.
- •13. Понятие об эвристическом поиске. Допустимость, монотонность,
- •14. Алгоритм поиска a. Критерий допустимости a-алгоритма. Примеры.
- •15. Реализация алгоритма a* на Прологе.
- •16. Поиск с итерационным погружением (id).
- •17. Различные способы повышения эффективности алгоритмов поиска: поиск с использованием списка пар пройденных вершин, представление путей деревьями.
- •18. Экспертные системы. Структура экспертной системы. База знаний. Машина вывода.
- •19. Основные подходы к созданию экспертных систем. Оболочки экспертных систем. Роль инженера по знаниям.
- •20. Прямой логический вывод. Иллюстрация прямого вывода на деревьях и- или. Конфликтное множество. Связь с поиском в пространстве состояний. Применение различных алгоритмов поиска.
1. Искусственный интеллект как направление знаний. Основные направления. Сильный и слабый ии. Критерий интеллектуальности. Тест Тьюринга. Критика теста Тьюринга.
Искусственный интеллект (Artificial Intelligence – AI) – раздел информатики, изучающий алгоритмическую реализацию человеческих способов решения. Иными словами, в рамках искусственного интеллекта изучаются способы решения компьютерных задач, не имеющих явного алгоритмического решения. Это может быть повторение пове- дения человека или выполнение более простых задач, например, выживание в ди- намически меняющейся обстановке.
Для некоторых исследователей это база, на основе которой можно научить искусственные системы вести себя разумно. Проблема ИИ заключается в том, что технологии, которые исследуются в его рамках, становятся обычными сразу после их внедрения. Например, построение машины, которая смогла бы различать человеческую речь, когда-то считалось частью разработки ИИ. Теперь такие технологии, как нейронные сети и скрытые модели Маркова, уже не рассматриваются как разработка ИИ Феномен
«эффект ИИ» - после того как технология ИИ находит применение, она перестает быть технологией ИИ.
Эта дисциплина занимается решением слабо алгоритмизуемых и плохо алгоритмизуемых задач. Применение технологий ИИ традиционно наиболее эффективно в тех областях, где важно отображение в программный код эмпирического опыта специалистов. Перечень типовых задач, решаемых экспертными системами, включает следующие пункты:
диагностика неисправностей в технических системах и диагностика заболеваний в организме человека;
структурный анализ сложных объектов;
выбор конфигурации сложных многокомпонентных, распределенных систем; планирование последовательности выполнения операций, приводящих к заданной цели.
Так как искусственный интеллект по разному понимается разными людьми, было
принято решение использовать другую классификацию. Сильный ИИ (Strong AI) представляет собой программное обеспечение, благодаря которому компьютеры смогут думать так же, как люди. Помимо возможности думать, компьютер обретет и сознание разумного существа. Слабый ИИ (Weak AI) представляет собой широкий диапазон технологий ИИ. Эти функции могут добавляться в существующие системы и придавать им различные «разумные» свойства.
2. Критерий интеллектуальности. Тест Тьюринга. Критика теста Тьюринга. Гипотеза Ньюэлла-Саймона и тезис Ады Лавлейс.
Единственный способ проверки на интеллект – сравнение с человеком, но не через конечные тесты, а, например, через диалог. Одна из главных задач для искусственного интеллекта была предложена Аланом Тьюрингом в его статье "Может ли машина мыслить?" в 1938 году. Тест Тьюринга состоит в следующем: Человек ("судья") ведет беседу с собеседником, не видя его. Затем он пытается определить, с кем вёл разговор. Если судья принимает, компьютерную программу за человека, значит, она прошла тест Тьюринга и может считаться разумной. В тоже время, тесту Тьюринга присущи следующие недостатки:
символьный характер коммуникации;
программа должна подстраиваться под человека, таким образом, ей надо скрывать некоторые ее достоинства;
не учитывает возможность существования особого компьютерного интеллекта;
неконструктивный характер определения интеллектуальности.
Гипотеза Ньюэлла — Саймона или гипотеза о физической символьной системе утверждает что:
Физическая символьная система имеет необходимые и достаточные средства для произведения базовых интеллектуальных действий, в широком смысле.
Тезис Ады Лавлейс: машина не может создавать информацию, а лишь перерабатывать ее, как и мозг, путем логических цепочек и умозаключений – программ.