Архітектура і основні складові частини систем ШІ

Існують різні підходи до побудови систем ШІ. Цей поділ не є історичним, коли одна думка поступово змінить іншу, різні підходи існують і зараз. Крім того, оскільки по-справжньому повних систем ШІ в цей час немає, то не можна сказати, що якийсь підхід є правильним, а якийсь помилковим.

Для початку коротко розглянемо логічний підхід. Чому він виник? Адже людина займається аж ніяк не тільки логічними виведеннями. Але саме здатність до логічного мислення дуже відрізняє людину від тварин.

Основою для даного логічного підходу служить булева алгебра. Кожен програміст знайомий з нею і з логічними операторами з тих пір, коли він засвоював оператор if. Свій подальший розвиток булева алгебра отримала у вигляді вирахування предикатів – у якому вона розширена за рахунок введення предметних символів, відносин між ними, кванторів існування і загальності. Практично кожна система ШІ, побудована на логічному принципі, являє собою машину доказу теорем. При цьому вихідні дані зберігаються в базі даних у вигляді аксіом. Крім того, кожна така машина має блок генерації мети, і система виведення намагається довести дану мету як теорему. Якщо мета доведена, то трасування застосованих правил дозволяє одержати ланцюжок дій, необхідних для реалізації поставленої мети. Потужність такої системи визначається можливостями генератора цілей і машиною доказу теорем.

Зазвичай можна сказати, що виразності алгебри виразів не вистачить для повноцінної реалізації ШІ, але варто згадати, що основою всіх існуючих ЕОМ є біт – комірка пам'яті, що може приймати значення тільки 0 і 1. У такий спосіб було б логічно припустити, що все, що можливо реалізувати на ЕОМ, можна було б реалізувати і у вигляді логіки предикатів. Хоча тут не говориться за який час.

Домогтися більшої виразності логічному підходу дозволяє такий порівняно новий напрямок як нечітка логіка. Основною її відмінністю є те, що правдивість виразу може приймати в ній крім так/ні (1/0) ще й проміжні значення – не знаю (0,5), пацієнт скоріше живий, ніж мертвий (0,75), пацієнт скоріше мертвий, ніж живий (0,25). Даний підхід більше схожий на мислення людини, оскільки він на питання рідко відповідає тільки "так" чи "ні".

Для більшості логічних методів характерна більша трудомісткість, оскільки під час пошуку доказу можливий повний перебір варіантів. Тому даний підхід вимагає ефективної реалізації обчислювального процесу, і гарна робота зазвичай гарантується при порівняно невеликому розмірі бази даних.

Під структурним підходом ми маємо на увазі спроби побудови ШІ шляхом моделювання структури людського мозку. Однією з перших таких спроб був перцептрон Френка Розенблатта. Основною структурною моделюючою одиницею в перцептронах (як і у більшості інших варіантів моделювання мозку) є нейрон.

Пізніше виникли й інші моделі, які відомі під терміном "нейронні мережі" (НМ). Ці моделі розрізняються за будовою окремих нейронів, топологією зв'язків між ними і алгоритмами навчання. Серед найбільш відомих зараз варіантів НМ можна назвати НМ зі зворотним поширенням помилки, мережі Хопфілда, стохастичні нейронні мережі.

НМ найбільш успішно застосовуються в завданнях розпізнавання образів, у тому числі дуже зашумлених, однак є і приклади успішного застосування їх для побудови суто систем ШІ (раніше згадуваний ТАІР).

Для моделей, побудованих за мотивами людського мозку характерна не занадто велика виразність, легке розпаралелювання алгоритмів, і пов'язана з цим висока продуктивність паралельно реалізованих НМ. Також для таких мереж характерна одна властивість, що дуже зближує їх з людським мозком – нейронні мережі працюють навіть за умови неповної інформації про навколишнє середовище, тобто як і людина, вони на питання можуть відповідати не тільки "так" і "ні" але й "не знаю точно, але скоріше так".

Досить велике поширення одержав і еволюційний підхід. При побудові систем ШІ за цим підходом основна увага приділяється побудові початкової моделі, і правилам, за якими вона може змінюватися (еволюціонувати). Причому модель може бути складена за будь-якими методами: це може бути і НМ і набір логічних правил і будь-яка інша модель. Після цього ми включаємо комп'ютер і він, на підставі перевірки моделей відбирає найкращі з них, на підставі яких за будь-якими правилами генеруються нові моделі, з яких знову вибираються найкращі і т.д.

У принципі можна сказати, що еволюційних моделей як таких не існує, існують тільки еволюційні алгоритми навчання, але моделі, отримані при еволюційному підході, мають деякі характерні риси, що дозволяє виділити їх в окремий клас.

Такими особливостями є перенесення основної роботи розроблювача з побудови моделі на алгоритм її модифікації і те, що отримані моделі практично не супроводжують витягу нових знань про середовище, що оточує систему ШІ, тобто вона стає як би річчю в собі.

Ще один широко використовуваний підхід до побудови систем ШІ – імітаційний. Даний підхід є класичним для кібернетики з одним з її базових понять – "чорним ящиком" (ЧЯ). ЧЯ – пристрій, програмний модуль або набір даних, інформація про внутрішню структуру і зміст яких відсутні повністю, але відомі специфікації вхідних і вихідних даних. Об'єкт, поводження якого імітується, саме і являє собою такий "чорний ящик". Нам не важливо, що в нього і у моделі всередині і як він функціонує, головне, щоб наша модель в аналогічних ситуаціях поводилася так само.

У такий спосіб тут моделюється інша властивість людини – здатність копіювати те, що роблять інші, не вдаючись у подробиці, навіщо це потрібно. Найчастіше ця здатність заощаджує їй масу часу, особливо на початку її життя.

Основним недоліком імітаційного підходу також є низька інформаційна здатність більшості моделей, побудованих з його допомогою.

Загальний висновок даної лекції полягає в тому, що в цей час існують методи, алгоритми й пристрої, які дозволяють нам досить непогано змоделювати нижні рівні людського інтелекту, причому зовсім не обов'язково на такому ж фізичному принципі.