Моделювання роботи людського інтелекту

Майже повсюдно людський інтелект є відправною точкою у створенні ШІ. Проте це не означає, що програми мають формуватися подібно до людського розуму. Багато програм ШІ створюються для вирішення нагальних проблем без урахування людської ментальної архітектури. Навіть експертні системи, що запозичують більшу частину свого знання у експертів-людей, не намагаються моделювати внутрішні процеси людського розуму. Якщо продуктивність системи – це єдиний критерій її якості, то немає особливих підстав імітувати людські методи прийняття рішень. Програми, в яких використовуються не властиві людям підходи, часто є більш успішними, аніж їх людські суперники. Проте конструювання систем, які б детально моделювали якийсь аспект функціонування інтелекту людини, є продуктивною галуззю досліджень у ШІ та у психології.

Моделювання роботи людського розуму, окрім забезпечення ШІ його основною методологією, є потужним засобом для формулювання та випробування теорій людського пізнання. Методологія теорії прийняття рішень, розроблена фахівцями в галузі комп’ютерних наук та інформатики, дали психологам новий поштовх у дослідженні людського розуму. Далі розглянемо відношення між ШІ та намаганнями зрозуміти людський розум.

Планування та робототехніка

Дослідження в галузі планування було розпочато з намагання сконструювати роботи, які б виконували свої задачі з певним ступенем гнучкості і здатності реагувати на навколишній світ. Планування передбачає, що робот повинен уміти виконувати деякі елементарні дії, намагатися розв’язати більш складну задачу. Планування з ряду причин є складною проблемою. Важливу роль у його здійсненні відіграє розмір простору можливих послідовностей кроків. Навіть простий робот здатний породити велику кількість різних комбінацій елементарних рухів. Одним із методів, які застосовуються людськими істотами при плануванні, є ієрархічна декомпозиція задачі. Кожна із задач може сама бути розбита на підзадачі. Такий підхід ефективно обмежує розмір простору пошуку, дає змогу зберігати часто використовувані маршрути для подальшого застосування.

Робот, що сліпо виконує послідовності дій, не реагуючи на зміни у своєму оточенні, не здатний виявляти чи виправляти помилки у своєму власному плані, навряд чи може вважатися розумним. Часто від нього вимагають сформулювати план, який базується на недостатній інформації, та відкоригувати свою поведінку мірою його виконання. Робот може не мати адекватних сенсорів для виявлення усіх перепон на проектованому шляху. Він повинен розпочати рух мірою виявлення інших перепон. Організація планів, яка дає змогу реагувати на зміну умов навколишнього середовища, – основна проблема планування.

Робототехніка була одним з напрямів дослідження ШІ, що започаткував множину концепцій, які лежать в основі об’єктно-орієнтованого прийняття рішень. Невдача під час розв’язання проблем великих просторів зображень та під час розробки алгоритмів пошуку для традиційного планування, спонукала до переформулювання задачі у термінах взаємодії напівавтономних агентів. Кожний агент відповідає за свою частину завдання. Загальний розв’язок виникає внаслідок скоординованих дій всіх агентів. Дослідження в галузі планування нині вийшли за межі робототехніки і включають також координацію будь-яких складних систем задач і цілей. Сучасне планування застосовується в агентських середовищах та для управління прискорювачами.

Мови та середовища ШІ

Важливим побічним продуктом досліджень ШІ є досягнення у сфері мов програмування у середовищах розробки програмного забезпечення. З багатьох причин, включаючи розміри багатьох прикладних проблем ШІ, важливість методології „створення прототипів”, тенденцію алгоритмів пошуків породжувати надмірно великі простори та складнощі у передбаченні поведінки евристичних програм, програмістам ШІ довелося розробляти потужну систему методологій програмування та каркаси експертних систем. Високорівневі мови (LISP, PROLOG), які забезпечують модульну розробку, допомагають управитися з розмірами та складністю програм. Пакети засобів трасування дають змогу програмістам реконструювати виконання складного алгоритму і розібратися у складних структурах евристичного перебору. Без таких інструментів та методик навряд чи вдалося побудувати багато відомих систем ШІ. Інші, такі як об’єктно-орієнтоване програмування, мають значний теоретичний і практичний інтерес. Нині багато алгоритмів ШІ реалізуються на традиційних для обчислювальних мовах, наприклад С++, Java.

Машинне навчання

Навчання вважається серйозною проблемою ШІ. Її важливість безперечна, оскільки здатність до нього є однією з головних складових розумної поведінки. Експертна система може виконувати тривалі і працемісткі обчислення для вирішення проблем. Але на відміну від людини вона, якщо треба вирішити ту чи іншу проблему вдруге не „згадає” розв’язку і щоразу знову виконуватиме ті самі обчислення, а це не схоже на розумну поведінку. Більшість експертних систем обмежені негнучкістю їх стратегій прийняття рішень та складнощами модифікації великих обсягів коду. Розв’язання цих проблем полягає в тому, щоб примушувати програми вчитися самим на досвіді, аналогіях чи прикладах. Навчання є складною справою, проте існують такі програми, які спростовують побоювання про їх неприступність. Однією з таких є АМ – автоматизований математик, розроблений для відкриття математичних закономірностей. Відштовхуючись від закладених в неї понять та аксіом теорії множин, цій програмі вдалося вивести з них такі важливі математичні концепції, як потужність множини, цілочислова арифметика, багато результатів теорії чисел. АМ будував теореми, модифікуючи базу знань, і застосовував евристичні методи для пошуку найкращих з можливих альтернативних теорем.

Суттєвий вплив на цю галузь мали дослідження Уїнстона з виведення таких структурних понять, як побудова „арок” з наборів „світу блоків”. Алгоритм ІДЗ виявив здібності у вирізненні загальних принципів з різних прикладів. Система Meta-DENDRAL виводить правила інтерпретації спектрографічних даних з органічної хімії на прикладах інформації про речовини з певною структурою. Система Teiresias – інтелектуальний „інтерфейс” для експертних систем – перетворює повідомлення на високорівневій мові у нові правила своєї бази знань. Програма Hacker будує плани для маніпулювання у „світі блоків” за допомогою ітеративного процесу напрацювання плану, випробування виявлених недоліків. Робота у сфері навчання, яке базується на „поясненнях”, продемонструвала свою ефективність для навчання апріорного знання. Нині відомо багато біологічних і соціологічних моделей навчання. Успішність програм машинного навчання спонукає до думки про існування універсальних принципів, відкриття яких дало б змогу конструювати програми, здатні навчатися в реальних проблемних галузях.