Искусственный интеллект (artificial intelligence)

В самом широком смысле И. и. — это абстрактная теория челов., животного и машинного познания. Конечная цель ее развития — создание единой теория познания.

Как теорет. психология. И. и. представляет собой продолжение исследовательской программы, начатой еще Джорджем Булем: «Математика, к-рую мы должны создать, — это математика челов.

интеллекта». Упомянутая математика известна под названием булевой алгебры и является системой, позволяющей представлять пропозиции (высказывания) в двоичной записи. Булева символическая логика наряду с разраб. языков программирования сделала возможной создание такой вычислительной науки, как И. и.

Э. Л. Пост заложил мат. основы продукционных систем, к-рые впоследствии были использованы в информ. психологии А. Ньюэлла и Г. А. Саймона.

«Продукционная система — одно из тех счастливых, но окрашенных в минорные тона событий, о к-рых историки науки часто говорят: практически готовый к использованию формализм, залежавшийся в ожидании научного применения. У продукционных систем долгая и неоднозначная история. Их использование в символической логике начинается с оста, от к-рого они получили свое название. Они тж появляются под видом алгоритмов Маркова. Их использование в лингвистике, где они наз. тж правилами вывода, возводят к Хомскому. Наряду со мн. др. понятиями теории вычислительных систем, они приобрели по-настоящему широкое распространение, когда достигли своей операционализации в языках программирования.»

Сильные стороны и ограничения И. и. нагляднее всего проявляются при сравнении его с познавательной способностью человека в различных интеллектуальных областях. В качестве таких областей будут выбраны доказательство мат. теорем, правовое обоснование, решение задач в физ. науках и процессы научного открытия.

Доказательство математических теорем

Со времен Евклида для доказательства мат. теорем в геометрии, алгебре, дифференциальном и интегральном исчислении и в более совр. разделах математики было достаточно одного челов. интеллекта. Но для доказательства теоремы о четырех красках челов. интеллекту потребовалась помощь И. и. Наиболее творческие умы в математике тщетно пытались доказать справедливость гипотезы четырех красок, и это состоялось лишь после того, как Аппель и Хакен использовали компьютер в качестве полноценного интеллектуального партнера для точного и полного разрешения этой имеющей столетнюю историю загадки.

Кроме того, хотя истинность мат. доказательств зависит от их подтверждения при воспроизведении математиками-людьми, истинность доказательства Аппеля и Хакена можно установить только путем его независимой проверки с использованием др. компьютерных программ.

роизошел серьезный отход от опоры исключительно на мат. рассуждение чел. как последней инстанции.

Гипотеза четырех красок была впервые выдвинута Фрэнсисом Гутри в 1852 г. и, невзирая на применение множества оригинальных и изобретательных мат. идей, не поддавалась доказательству до тех пор, пока, наконец, спустя столетие Аппель и Хакен не пустили в ход способности И. и. Гипотеза четырех красок кратко формулируется следующим образом: «Для раскрашивания любой карты т. о., чтобы соседние страны с общей границей имели разные цвета, достаточно четырех красок».

Решение задачи четырех красок требовало использования сложнейших методов для систематического анализа тысяч конфигураций карт, стран и цветов. Чтобы справиться с этой беспредельной сложностью, Аппель и Хакен разраб. новаторские компьютерные программы.

рактически не связанный ограничениями в механическом анализе возможных конфигураций, интеллектуальный компьютер реализовал оригинальные интеллектуальные вклады в решение задачи четырех красок. В следующем отрывке Аппель и Хакен приводят впечатляющее описание возрастающей изощренности компьютерной программы и ее мат. идей, иногда превосходивших по своему качеству их собственные.

«В этот момент программа, теперь уже насыщенная нашими идеями и усовершенствованиями за 2 прошедших года, начала удивлять нас. оначалу мы старались проверять ее аргументы вручную, с тем чтобы можно было предсказать курс, к-рому она последует в тон или иной ситуации, но теперь она вдруг начала действовать подобно шахматной ЭВМ. Она прорабатывала сложные стратегии, опирающиеся на все те приемы, к-рым она «научилась», и зачастую эти подходы были гораздо более искусными и умелыми, чем те, что предприняли бы мы сами. Тем самым она начала учить нас вещам в отношении возможных продолжений, к-рые оказывались для нас совершенно неожиданными. В каком- то смысле она превзошла своих создателей в определенных аспектах «интеллектуальных», а тж технических сторон этой задачи.»

Мат. доказательство теоремы о четырех красках повлекло за собой огромное количество расчетов, осуществляемых как чел., так и компьютерным интеллектом, однако интеллектуальные лабиринты последнего м. б. подвергнуты независимой проверке лишь с использованием др. компьютерных программ.

Революционное применение И. и. вызвало острые споры как среди математиков, так и среди философов. Аппель и Хакен выразили свое отношение к проблемам доказательства математиком и доказательства компьютером в следующих словах:

«Когда доказательства становятся длинными и отягощенными многочисленными расчетами, можно утверждать, что даже при возможности ручной проверки вероятность челов. ошибки будет значительно выше вероятности машинной ошибки; кроме того, если такие расчеты достаточно шаблонны, проверить достоверность самих программ гораздо легче, чем правильность ручных расчетов.

В любом случае, даже если окажется, что теорема о четырех красках имеет более простое доказательство, математикам все равно можно было бы посоветовать обратить более пристальное внимание на др. задачи, могущие обладать решениями этого нового типа, требующими вычислений или анализа, непосильного для одних лишь людей. Есть все основания полагать, что существует масса таких задач.»

Традиционно мат. науки отстаивали критерий ясного дедуктивного рассуждения в реализации доказательств, и такое рассуждение было исключительно продуктом челов. мат. разума. о мнению философа Тимочко, доказательство теоремы о четырех красках из-за его чрезмерной зависимости от компьютера, чьи операции не могут быть удостоверены чел., является неприемлемым.

«Если мы примем теорему о четырех красках как теорему, это обяжет нас к изменению самого смысла «теоремы» или, что еще важнее по сути, к изменению смысла основополагающего понятия «доказательства». »

Изменяется ли «смысл основополагающего понятия доказательства» или изменяется только субъект доказательства, — это стратегический вопрос для математиков и философов, однако интеллектуальные последствия искусственного мат. интеллекта вполне могут оказать радикальное влияние на внедрение подобных исслед. во всех дисциплинах.

Правовое обоснование

Понятие компьютерной юриспруденции восходит к Еотфриду Лейбницу, к-рый хотя и приобрел известность благодаря своим работам в области дифференциального и интегрального исчисления, был тж выдающимся философом и специалистом по междунар. праву. Лейбниц размышлял над созданием мат. машины, к-рая могла бы заменить юридич. споры между адвокатами или между судьями мат. выкладками по аналогии с тем, как разрешаются арифметические споры между бухгалтерами: «Давайте посчитаем».

Неск. столетий спустя Анна Гарднер разраб. компьютерную программу, предназначавшуюся не для замены юридич. споров мат. расчетами, а моделировавшую правовое обоснование в рамках машинной программы. рограмма правового обоснования Гарднер была посвящена конкретно проблеме договорного права. роблема договорного права была частью итогового экзамена, сдаваемого студентами 1-го курса юридич. факультета Гарвардского ун-та. Тем самым предоставлялась возможность сравнить между собой юридич. проницательность компьютерной программы и гарвардских студентов. Экзаменационная задача по договорному праву была связана с умением распознавать спорные вопросы в проблеме предложения и принятия.

рограмма правового обоснования Гарднер содержит сложные иерархии знаний, представляющие собой факты по конкретной договорной проблеме и набор из 100 правил для реализации логических умозаключений в отношении этих фактов и принятия правовых решений. Логические умозаключения программы свелись в конечном счёте к 9 рез-там анализа рассматриваемой договорной проблемы, каждый из к-рых сопровождался специфическим определением по поводу того, был или не был фактически достигнут договор по различным пунктам в ходе обсуждения предлагаемых и принимаемых условий. В отличие от 9 анализов, реализованных компьютерной программой, студенты юридич. факультета Гарвардского ун-та реализовали только 4 анализа.

рограмма правового обоснования Гарднер представляет собой одну из первых попыток проникновения в область правового обоснования. Эта программа фокусируется на четких вопросах в договорном праве, но только на элементарном уровне. Кроме того, хотя эта программа может оперировать имеющимися у нее фактами и правилами и принимать на их основе решения, она не может реагировать на более сложные аспекты этого права и правовой политики или на множественные судебные толкования. Установленные законом нормы уже сегодня м. б. включены в правовые экспертные системы, но потребуется огромный прогресс в И. и., чтобы приблизиться к мечте Лейбница о возможности разрешения споров среди адвокатов и судей на основе вычислительных процедур.

Решение задач в физических науках

Система решения задач на основе И. и. — гибкая система экспертных заключений с выводами, затрагивающими мн. области (flexible expert reasoner with multidomain inferencing, FERMI) — соединяет в себе научные принципы, общие методы и знания, связанные с конкретной предметной областью, что позволяет ей решать задачи в конкретных областях физ. науки. Структура FERMI делится на две иерархические структуры с взаимным обращением: схемы представления знаний и схемы

представления методов, что обеспечивает возможность ее широкого применения в различных предметных областях (доменах). Общая схема представления знаний включает принцип декомпозиции и принцип инвариантности. Эти принципы являются мощными интеллектуальными принципами, находящими широкое применение в науке и математике в целом, и потому представляют наиболее интересные аспекты FERMI.

Филос. содержание принципа декомпозиции восходит к Декарту, к-рый советовал разделять любую трудную задачу на простые составляющие, а его мат. Содержание — к Лейбницу, к-рый продемонстрировал, что решение трудных задач в интегральном исчислении может достигаться путем разложения мат. функции на ряд поддающихся интегрированию простых функций. ринцип декомпозиции в системе FERMI применяется к таким задачам, как расчет суммарной потери давления и гидравлической системе при помощи разложения общего пути в этой системе на ряд составляющих путей и вычисления соотв.

падений давления.

« ринцип декомпозиции и связанные с ним методы декомпозиции применяются к функционированию различных типов составных объектов. Например, декомпозиция применяется при вычислении падений давления или падений напряжения как функций путей; площадей или центров масс как функций областей и временных функций, выражаемых в виде функций частоты.»

Принцип инвариантности повсеместно используется в математике и в естественных науках. Уравнения физ. законов, как правило, содержат набор переменных и одну или более констант. В FERMI принцип инвариантности используется в сочетании с методом сравнения инвариантов для составлении уравнений при решении физ. задач.

«Например, энергия частицы может быть выражена через ее положение и скорость. Если энергия частицы является постоянной, рассмотрение поведения этой частицы в два различных момента времени (соотв. различным положениям и скоростям этой частицы) дает уравнение, связывающее эти положения и скорости.»

В FERMI схема представления количества или величины содержит общие знания, иерархически организованные т. о., чтобы у более низких и более специфических уровней имелась возможность наследовать знания от более высоких и более общих уровней. Верхним узлом в этой иерархии является величина, имеющая трех потомков: тип, разность величин и свойство. Тип имеет двух потомков: поле векторных величин и поле скалярных величин. Свойство тж имеет двух потомков: разложимую величину и инвариантную величину. Разложимая величина имеет двух потомков: путь и область. Инвариантная величина имеет трех потомков: путь, вход — выход и время. уть разложимой величины и путь инвариантной величины имеют общее потомство: инвариант сумма/путь. Инвариант сумма/путь имеет двух потомков: падение давления и падение напряжения. И, наконец, падение давления имеет двух потомков: PD и PD2.

Методы решения задач в FERMI содержатся в иерархии схем представления методов. Корневым узлом этой иерархии является метод, имеющий трех потомков: метод, связанный со свойством, алгебраический метод и метод аналогий. Связанный со свойством метод имеет двух потомков: декомпозицию и сравнение инвариантов. Декомпозиция имеет двух потомков: управляющую структуру и тип объекта. Сравнение инвариантов имеет двух потомков: путь и вход — выход. Управляющая структура имеет трех потомков: известное, итеративное и рекурсивное. Тип объекта имеет двух потомков: путь и область. уть как дочерний элемент сравнения инвариантов имеет двух потомков: вынужденный путь и преимущественное направление.

Способность FERMI решать задачи в областях физики резюмируется следующим образом.

«Задачи о давлениях в жидкостях. FERMI может находить разность давлений между двумя любыми точками в одной или большем числе жидкостей, находящихся в состоянии покоя.

Задачи о центрах масс. FERMI может находить центр масс любого плоского объекта, к-рый имеет прямоугольную форму или допускает разбиение на прямоугольные части.

Задачи об электрических цепях. FERMI может находить стационарные падения напряжения на разных участках электрических цепей, состоящих из любого небольшого количества проводов, резисторов и батарей, связанных различными способами.

FERMI может тж применять принцип инвариантности энергии для связывания массы и скоростей спутника или падающего объекта в двух различных точках траектории.»

Расширение границ применения общих принципов декомпозиции и инвариантности вместе с использованием знаний, связанных со специфическими предметными областями, сулит блестящие перспективы дальнейшему развитию FERMI. Авторы системы FERMI планируют распространение принципа декомпозиции на следующие области: механику, геометрию, электричество и магнетизм, теплоту и термодинамику, химию и волновые процессы. о мнению разработчиков FERMI, принцип инвариантности м. б. распространен на поддающиеся количественному выражению задачи сохранения импульса, момента количества движения и энергии.

Иерархическая структура схемы представления величины и схемы представления метода, включающая в себя интеллектуальные принципы инвариантности и декомпозиции, очевидно, делает FERMI способной к гибкому и универсальному применению. Эти способности, однако, жестко задаются заложенной в ней иерархической структурой. Этим предопределяется недостаток того типа изобретательности и интеллектуального иск-ва, к-рое характеризовало мыслительные способности в решении задач ее тезки, Энрико Ферми.

Процесс научного открытия

Существуют два подхода к процессам научного открытия с позиций И. и. ри первом подходе не предпринимается попыток моделировать когнитивные процессы исследователей; здесь в основном используются технические методы И. и. Второй подход связан с мат. моделированием интеллектуальных процессов научного открытия.

ервый подход представлен машинными программами, к-рые открывают или повторно открывают научные и мат. знания. Используя набор изощренных эвристик, записанных в умещающемся всего на двух страницах LISP коде, автоматизированная вычислительная программа совершила целый ряд мат. открытий, включая принцип простых чисел (предположение о том, что любое четное число можно представить в виде суммы двух простых чисел) и осн. теорему арифметики. Шен разраб. широкую вычислительную архитектуру систем И. и. для совершения (научных) открытий, к-рая позволяет реализовать AM-программу и ее преемника EURISCO. Лэнгли, Саймон, Брэдшоу и Житков приводят описание целого ряда сложнейших программ, с помощью к-рых были заново открыты количественные законы в физике и астрономии. Напр., программа BACON.3 заново открыла, среди др., законы Галилея (об ускорении), законы Ома и третий закон движения планет Кеплера. В химических науках программа MetaDendral осуществила значительные открытия, к-рые были впоследствии опубликованы в элитарном научном журнале.

Второй подход представлен программой KEKADA, непосредственно и тщательно моделирующей эксперим. процедуры и научные открытия выдающегося биохимика Ганса Кребса, к-рому принадлежит приоритет в установлении природы эффекта орнитина и описании цикла мочевины. Кребс сделал свои открытия в 1932 г., а позднее Холмс — на основе лабораторных записей Кребса и интервью с ним — осуществил чрезвычайно подробную реконструкцию последовательности когнитивных и эксперим. событий, предшествовавших открытиям Кребса в области обмена веществ. Опираясь на эти описания Холмса, Кулкарни и Саймон создали KEKADA, программу И. и., к-рая имитировала биохимические открытия Кребса.

роцессы открытия KEKADA заключают в себе структуру управляющей логики высокого уровня, осн. на двухпространственной модели решения задач. Эта модель исследует, систематически и циклически, пространство образцов, состоящее из множества экспериментов и их результатов, и пространство правил (rule space), состоящее из гипотез и вложенных в них структур знаний. Эвристические операторы координируются для реализации поиска в пространстве образцов и пространстве правил.

Сравнительный анализ действий KEKADA с действиями Кребса показал высокую степень сходства с тем сложным и замысловатым процессом экспериментирования, к-рый привел к открытию орнитинового цикла. На основании этого почти полного сходства в действиях, Кулкарни и Саймон приходят к выводу, что KEKADA «представляет собой теорию стиля экспериментирования Кребса». Кулкарни и Саймон тж заключают, что в силу наличия в этой системе множества независимых эвристик широкой сферы действия, KEKADA представляет собой общую модель и общую теорию процесса

научного открытия.

Вычислительные теории процессов научного открытия можно в целом понять на основе общей логики, к-рая включает набор базовых допущений.

«Исследования Кулкарни и Саймона по системе KEKADA будут использованы для проверки этих допущений и, т. о., для оценки самой логики вычислительных теорий научного открытия.

Допущение о том, что процессы творчества в научном открытии имеют познаваемый характер, может получить поддержку в случае признания того, что описания Холмса заслуживают нек-рой степени доверия. ... Допущение о том, что творческие процессы научного открытия поддаются определению, м. б. подтверждено заданными в KEKADA дефинициональными эвристиками, к-рые включают способность к планированию и постановке экспериментов, к распознаванию неожиданных эксперим. рез-тов, к последовательному уточнению гипотез и продолжению стратегий управления систематическим экспериментированием.

Допущение о том, что процессы научного открытия представляют собой подмножества общих стратегий решения задач, получает поддержку в двух пространственной модели решения задач, к-рая обеспечивает общую суперструктуру для развертывания управляющей логики в системе KEKADA.

Допущение о том, что процессы научного открытия могут моделироваться на основе стандартных эвристик вычислительных систем для автоматического решения задач, поддерживается... содержащимся в KEKADA широким набором общих эвристик, потенциально применимых к решению научных проблем, выходящих за круг решенных Кребсом.»

Вычислительные теории процесса научного открытия по существу направлены на эмуляцию когнитивных процессов, в отличие от теорий челов. процессов научного открытия, к-рые учитывают мотивационные и аффективные процессы.

«Наши изыскания направляются тем, что мы обозначили принципом внутренней мотивации креативности:

Люди будут проявлять наибольшую креативность, если они ощущают, что мотивированы в первую очередь интересом, наслаждением, радостью и напряжением, исходящими от самой работы, а не внешними давлениями. В сущности, мы говорим, что любовь людей к своей работе имеет тесную связь с творческим характером их деятельности. Это утверждение находит безусловную поддержку в описаниях феноменологии творческого процесса. Большинство отчетов специалистов о творческих личностях, как и их собственные сообщения, наполнены высказываниями о глубокой увлеченности и невероятной любви таких людей к своей работе.»

Внутренняя мотивация как необходимое условие челов. творчества не является существенной для вычислительных систем научного открытия. В подходе к научному открытию с позиций И. и. достаточным условием служит наличие механизмов алгоритмов и эвристических операторов.

редставляется несомненным, что мат. системы научного открытия, такие как программы KEKADA и BACON.3, могут приводить к впечатляющим рез-там. Следует заметить, однако, что эти системы являются индуктивными и требуют ввода исходных данных. Чтобы достичь творческих высот совр. теорет. физики, потребуются радикально новые вычислительные системы, к-рые выходят за пределы ограничений, накладываемых индуктивным методом.

См. также Теория алгоритмически-эвристических процессов, Каузальное мышление, Компьютерные программы, Общие системы, Системы и теории, Теоретическая психология

М. Уэгман

<< | >>
Источник: Под редакцией Р. Корсини и А. Ауэрбаха. ПСИХОЛОГИЧЕСКАЯ ЭНЦИКЛОПЕДИЯ (2-е издание). 2006

Еще по теме Искусственный интеллект (artificial intelligence):

  1. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ (англ. artificial intelligence, AI)
  2. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
  3. философские проблемы «искусственного интеллекта» и виртуальной реальности
  4. Меры интеллекта (intelligence measures)
  5. Старение и интеллект (aging and intelligence)
  6. Абстрактный интеллект (abstract intelligence)
  7. Наследственность и интеллект (heredity and intelligence)
  8. Интеллект человека (human intelligence)
  9. ТЕСТЫ ИНТЕЛЛЕКТА (англ. intelligence tests)
  10. Интеллект животных (animal intelligence)
  11. Векслеровские тесты интеллекта (Wechsler intelligence tests)
  12. СЕНСОМОТОРНЫЙ ИНТЕЛЛЕКТ (англ. sensorimotor intelligence)
  13. КОЭФФИЦИЕНТ ИНТЕЛЛЕКТА (англ. intelligence quotient, IQ)
  14. Общий фактор интеллекта (general intelligence factor)
  15. 12.3 Проблема языка в современных исследованиях по искусственному интеллекту