Історія розвитку систем ШІ

Історично склалися три основних напрямки в моделюванні ШІ.

У рамках першого підходу об'єктом досліджень є структура і механізми роботи мозку людини, а кінцева мета полягає в розкритті таємниць мислення. Необхідними етапами досліджень у цьому напрямку є побудова моделей на основі психофізіологічних даних, проведення експериментів з ними, висування нових гіпотез щодо механізмів інтелектуальної діяльності, удосконалювання моделей і т.д.

Другий підхід в якості об'єкту дослідження розглядає ШІ. Тут мова йде про моделювання інтелектуальної діяльності за допомогою обчислювальних машин. Метою робіт у цьому напрямку є створення алгоритмічного і програмного забезпечення обчислювальних машин, що дозволяє вирішувати інтелектуальні завдання не гірше людини.

Нарешті, третій підхід орієнтований на створення змішаних людино-машинних, або, як ще говорять, інтерактивних інтелектуальних систем, на симбіоз можливостей природного і штучного інтелекту. Найважливішими проблемами в цих дослідженнях є оптимальний розподіл функцій між природним і штучним інтелектом і організація діалогу між людиною і машиною.

Початок досліджень в області ШІ (кінець 50-х років) пов'язують із роботами Ньюела, Саймана і Шоу. Результатами їхніх робіт стали такі програми як "ЛОГІК-ТЕОРЕТИК", призначена для доказу теорем у обчисленні виразів, і "ЗАГАЛЬНИЙ ВИРІШУВАЧ ЗАДАЧ". Ці роботи поклали початок першому етапу досліджень в області ШІ, пов'язаному з розробкою програм, що вирішують завдання на основі застосування різноманітних евристичних методів.

Евристичний метод рішення завдання при цьому розглядався як властивий людському мисленню "взагалі", для якого характерне виникнення здогадів про шляхи рішення завдання з наступною перевіркою їх. Йому протиставлявся використовуваний в ЕОМ алгоритмічний метод, що інтерпретувався як механічне здійснення заданої послідовності кроків, яка детерміновано приводить до правильної відповіді. Трактування евристичних методів рішення завдань як суто людської діяльності й обумовили появу і подальше поширення терміну ШІ. Так, при описі своїх програм Ньюел і Саймон приводили доводи, які підтверджують, що їхні програми моделюють людське мислення, результати порівняння записів доказів теорем у вигляді програм із записами міркування <думаючої вголос> людини. На початку 70-х років вони опублікували багато даних подібного роду і запропонували загальну методику складання програм, які моделюють мислення. Приблизно в той час, коли роботи Ньюела і Саймона стали привертати до себе увагу, у Массачусетському технологічному інституті, Стенфордському університеті і Стенфордському дослідницькому інституті також сформувалися дослідницькі групи в області ШІ. На противагу раннім роботам Ньюела і Саймона ці дослідження більше ставилися до формальних математичних подань. Способи рішення завдань у цих дослідженнях розвивалися на основі розширення математичної логіки. Моделюванню ж людського мислення надавалося другорядне значення.

На подальші дослідження в області ШІ великий вплив зробила поява методу резолюцій Робінсона, заснованого на доказі теорем у логіці предикатів і доказ, що він є вичерпним методом. При цьому визначення терміну ШІ зазнало істотних змін. Метою досліджень, проведених у напрямку ШІ, стала розробка програм, здатних вирішувати "людські завдання". Так, один з видатних дослідників ШІ того часу Р. Бенерджі в 1969 році писав: "Область досліджень, звичайно називану ШІ, імовірно, можна уявити як сукупність методів і засобів аналізу і конструювання машин, здатних виконувати завдання, з якими донедавна могла упоратися тільки людина. При цьому за швидкістю і ефективністю машини повинні бути зрівнянні з людиною." Функціональний підхід до спрямованості досліджень стосовно ШІ зберігся в основному дотепер, хоча ще й зараз ряд учених, особливо психологів, намагаються оцінювати результати робіт щодо ШІ з позицій їхньої відповідності людському мисленню.

Дослідницьким полігоном для розвитку методів ШІ на першому етапі стали всілякі ігри, головоломки, математичні завдання. Деякі із цих завдань стали класичними в літературі зі ШІ (завдання про мавпу і банани, місіонерів і людожерів, Ханойську вежу і інші). Вибір таких завдань обумовлювався простотою і ясністю проблемного середовища (у якому розгортається рішення завдання), його відносно малою громіздкістю, можливістю досить легкого підбору і навіть штучного конструювання "під метод". Основний розквіт такого роду досліджень доводиться на кінець 60-х років, після чого стали робитися перші спроби застосування розроблених методів для завдань, розв'язуваних не в штучних, а в реальних проблемних середовищах. Необхідність дослідження систем ШІ при їхньому функціонуванні в реальному світі привела до постановки завдання створення інтегральних роботів. Проведення таких робіт можна вважати другим етапом досліджень стосовно ШІ. У Стенфордському університеті, Стенфордському дослідницькому інституті і деяких інших місцях були розроблені експериментальні роботи, що функціонують у лабораторних умовах. Проведення цих експериментів показало необхідність вирішення кардинальних питань, пов'язаних із проблемою подання знань про середовище функціонування, і одночасно недостатнє дослідження таких проблем, як зорове сприйняття, побудова складних планів поводження в динамічних середовищах, спілкування з роботами природною мовою. Ці проблеми були більш ясно сформульовані і поставлені перед дослідниками в середині 70-х рр., пов'язаних з початком третього етапу досліджень систем ШІ. Його характерною рисою став зсув центру уваги дослідників зі створення автономно функціонуючих систем, які самостійно вирішують у реальному середовищі поставлені перед ними завдання, до створення людино-машинних систем, що інтегрують у єдине ціле інтелект людини і здатності ЕОМ для досягнення загальної мети – рішення завдання, поставленого перед інтегральною людино-машинною вирішальною системою. Такий зсув обумовлювався двома причинами:

1. До цього часу з'ясувалося, що навіть прості на перший погляд завдання, що виникають перед інтегральним роботом при його функціонуванні в реальному часі, не можуть бути вирішені методами, розробленими для експериментальних завдань у спеціально сформованих проблемних середовищах;

2. Стало ясно, що поєднання можливостей людини і ЕОМ, які доповнюють один одного, дозволяє обійти гострі кути шляхом перекладання на людину тих функцій, які поки ще не доступні для ЕОМ. На перший план висувалася не розробка окремих методів машинного рішення завдань, а розробка методів, які забезпечують тісну взаємодію людини і обчислювальної системи протягом усього процесу рішення завдання з можливістю оперативного внесення людиною змін у ході цього процесу.

Розвиток досліджень стосовно ШІ в даному напрямку обумовлювався різким зростанням виробництва засобів обчислювальної техніки і різким їх здешевленням, що зробило їх потенційно доступними для більш широких кіл користувачів.

Найпершими інтелектуальними завданнями, які стали вирішуватися за допомогою ЕОМ, були логічні ігри (шашки, шахи), доказ теорем. Хоча тут треба відзначити ще кібернетичні іграшки типу "електронної миші" Клода Шеннона, що управлялася складною релейною схемою. Ця мишка могла "досліджувати" лабіринт, і знаходити вихід з нього. А крім того, поміщена у вже відомий їй лабіринт, вона не шукала вихід, а відразу ж, не заглядаючи в тупикові ходи, виходила з лабіринту.

Американський кібернетик А. Самуель склав для обчислювальної машини програму, що дозволяє їй грати в шашки, причому в ході гри машина навчається, або, принаймні, створює враження, що навчається, поліпшуючи свою гру на основі накопиченого досвіду. В 1962 р. ця програма поборолася з Р. Нілі, найсильнішим шашкістом у США, і перемогла.

Яким чином машині вдалося досягти настільки високого класу гри?

Природно, що в машину були програмно закладені правила гри так, що вибір чергового ходу підлягав цим правилам. На кожній стадії гри машина вибирала черговий хід з множини можливих ходів відповідно до деякого критерію якості гри. У шашках (як і в шахах) звичайно невигідно втрачати свої фігури, і, навпаки, вигідно брати фігури супротивника. Гравець (будь він людина чи машина), що зберігає рухливість своїх фігур і право вибору ходів і в той же час тримає під боєм велику кількість полів на дошці, звичайно грає краще свого супротивника, що не надає значення цим елементам гри. Описані критерії гарної гри зберігають свою силу протягом всієї гри, але є й інші критерії, які ставляться до окремих її стадій – дебюту, міттендшпілю, ендшпілю.

Розумно поєднуючи такі критерії (наприклад у вигляді лінійної комбінації з коефіцієнтами, що підбирають експериментально, або більш складним чином), можна для оцінки чергового ходу машини одержати деякий числовий показник ефективності – оцінну функцію. Тоді машина, зрівнявши між собою показники ефективності чергових ходів, вибере хід, що відповідає найбільшому показнику. Подібна автоматизація вибору чергового ходу не обов'язково забезпечує оптимальний вибір, але все-таки це якийсь вибір, і на його основі машина може продовжувати гру, удосконалюючи свою стратегію (спосіб дії) у процесі навчання на минулому досвіді. Формальне навчання складається в підстроюванні параметрів (коефіцієнтів) оцінної функції на основі аналізу проведених ходів й ігор з урахуванням їх результату.

На думку А. Самуеля, машина, що використовує цей вид навчання, може навчитися грати краще, ніж середній гравець, за відносно короткий період часу.

Можна сказати, що всі ці елементи інтелекту, продемонстровані машиною в процесі гри в шашки, повідомлені їй автором програми. Але не слід забувати, що програма ця не є "твердою", заздалегідь продуманою у всіх деталях. Вона вдосконалює свою стратегію гри в процесі самонавчання. І хоча процес "мислення" у машини істотно відмінний тому, що відбувається в мозку граючої в шашки людини, вона здатна в неї виграти.

Яскравим прикладом складної інтелектуальної гри донедавна були шахи. В 1974 р. відбувся міжнародний шаховий турнір машин, забезпечених відповідними програмами.

У наш час існують і успішно застосовуються програми, які дозволяють машинам грати в ділові або військові ігри, що мають велике прикладне значення. Тут також надзвичайно важливо додати програмам властиві людині здатність до навчання і адаптації. Одним з найцікавіших інтелектуальних завдань, що має величезне прикладне значення, є завдання навчання розпізнавання образів і ситуацій. Рішенням його займалися й продовжують займатися представники різних наук – фізіологи, психологи, математики, інженери. Такий інтерес до завдання стимулювався фантастичними перспективами широкого практичного використання результатів теоретичних досліджень: читаючі автомати, системи ШІ, які ставлять медичні діагнози, проводять криміналістичну експертизу і т.п., а також роботи, здатні розпізнавати й аналізувати складні сенсорні ситуації.

В 1957 р. американський фізіолог Ф. Розенблатт запропонував модель зорового сприйняття і розпізнавання – перцептрон. Поява машини, здатної навчатися поняттям і розпізнавати пропоновані об'єкти, виявилася надзвичайно цікавою не тільки фізіологам, але й представникам інших областей знання і породила великий потік теоретичних і експериментальних досліджень.

Перцептрон або будь-яка програма, що імітує процес розпізнавання, працює у двох режимах: у режимі навчання і в режимі розпізнавання. У режимі навчання хтось (людина, машина, робот або природа), що грає роль учителя, подає машині об'єкти і про кожен з них повідомляє, до якого поняття (класу) він належить. За цим даними будується вирішальне правило, що є, власне кажучи, формальним описом понять. У режимі розпізнавання машині подаються нові об'єкти (відмінні від раніше поданих), і вона повинна їх класифікувати, по можливості, правильно.

Проблема навчання розпізнаванню тісно пов'язана з іншим інтелектуальним завданням – проблемою перекладу з однієї мови на іншу, а також навчання машини мові. При досить формальній обробці і класифікації основних граматичних правил і прийомів користування словником можна створити цілком задовільний алгоритм для перекладу, скажімо наукового або ділового тексту. Для деяких мов такі системи були створені ще наприкінці 60-х. Однак для того, щоб складно перевести досить великий розмовний текст, необхідно розуміти його зміст. Роботи над такими програмами ведуться вже давно, але до повного успіху ще далеко. Є також програми, що забезпечують діалог між людиною і машиною на урізаній природній мові.

Що ж стосується моделювання логічного мислення, то гарним модельним завданням тут може служити завдання автоматизації доказу теорем. Починаючи з 1960 р. був розроблений ряд програм, здатних знаходити докази теорем у вирахуванні предикатів першого порядку. Ці програми володіють, за словами американського фахівця в області ШІ Дж. Маккатті, "здоровим глуздом", тобто здатністю робити дедуктивні висновки.

У програмі К. Гріна, що реалізує запитально-відповідальну систему, знання записуються мовою логіки предикатів у вигляді набору аксіом, а питання, що задають машині, формулюються як підлягаючі доказу теореми. Великий інтерес представляє "інтелектуальна" програма американського математика Хао Ванга. Ця програма за 3 хвилини роботи IBM-704 вивела 220 простих лем і теорем з фундаментальної математичної монографії, а потім за 8,5 хвилин видала доказ ще 130 більш складних теорем, частина з яких ще не була виведена математиками. Правда, дотепер жодна програма не вивела і не довела жодної теореми, яка б, що називається "конче" була потрібна математикам і була б принципово новою.

Дуже великим напрямком систем ШІ є робототехніка. У чому основна відмінність інтелекту робота від інтелекту універсальних обчислювальних машин?

Для відповіді на це питання доречно згадати належний великому російському фізіологу І.М. Сєченову вислів: "... вся нескінченна розмаїтість зовнішніх проявів мозкової діяльності зводиться остаточно лише до одного явища – м'язового руху". Інакше кажучи, вся інтелектуальна діяльність людини спрямована в підсумку на активну взаємодію із зовнішнім світом за допомогою рухів. Так само елементи інтелекту робота служать насамперед для організації його цілеспрямованих рухів. У той же час основне призначення суто комп'ютерних систем ШІ складається в рішенні інтелектуальних завдань, що носять абстрактний або допоміжний характер, які зазвичай не зв'язані ні зі сприйняттям навколишнього середовища за допомогою штучних органів почуттів, ні з організацією рухів виконавчих механізмів.

Перших роботів важко назвати інтелектуальними. Тільки в 60-х роках з'явилися так звані чуттєві роботи, які управлялися універсальними комп'ютерами. Наприклад, в 1969 р. в Електротехнічній лабораторії (Японія) почалася розробка проекту "промисловий інтелектуальний робот". Мета цієї розробки – створення чуттєвого маніпуляційного робота з елементами штучного інтелекту для виконання складально-монтажних робіт з візуальним контролем.

Поступово характеристики роботів монотонно поліпшувалися, але дотепер вони ще далекі від людини, хоча деякі операції вже виконують на рівні кращих жонглерів. Наприклад, утримують на лезі ножа кульку від настільного тенісу.

Ще можна виділити роботи київського Інституту кібернетики, де під керівництвом М.М. Амосова і В.М. Глушкова вівся комплекс досліджень, спрямованих на розробку елементів інтелекту роботів. Особлива увага в цих дослідженнях приділялася проблемам розпізнавання зображень і мови, логічного виведення (автоматичного доказу теорем) і керування за допомогою нейроподібних мереж.

Наприклад можна розглянути створений ще в 70-х роках макет транспортного автономного інтегрального робота (ТАІР). Конструктивно ТАІР являє собою триколісне шасі, на якому змонтована сенсорна система і блок керування. Сенсорна система містить у собі наступні засоби чуття: оптичний далекомір, навігаційну систему із двома радіомаяками і компасом, контактні датчики, датчики кутів нахилу візка, таймер і ін. Особливістю, що відрізняє ТАІР від багатьох інших систем, створених у нас і за кордоном, є те, що в його складі немає комп'ютера в тому вигляді, до якого ми звикли. Основу системи керування становить бортова нейроподібна мережа, на якій реалізуються різні алгоритми обробки сенсорної інформації, планування поводження і керування рухом робота.

Наприкінці даного дуже короткого огляду розглянемо приклади великомасштабних експертних систем.

MICIN – експертна система для медичної діагностики. Розроблена групою з інфекційних захворювань Стенфордського університету. Ставить відповідний діагноз, виходячи із наданих їй симптомів, і рекомендує курс медикаментозного лікування кожної з діагностованих інфекцій. База даних складається з 450 правил.

PUFF – аналіз порушення подиху. Дана система являє собою MICIN, з якої видалили дані щодо інфекцій і вставили дані про легеневі захворювання.

DENDRAL – розпізнавання хімічних структур. Дана система найстарша з тих, що називаються експертними. Перші версії даної системи з'явилися ще в 1965 році у тому ж Стенфордському університеті. Користувач дає системі DENDRAL деяку інформацію про речовину, а також дані спектрометрії (інфрачервоної, ядерного магнітного резонансу і мас-спектрометрії), яка в свою чергу видає діагноз у вигляді відповідної хімічної структури.

PROSPECTOR – експертна система, створена для сприяння пошуку комерційно виправданих родовищ корисних копалин.