МИНИСТЕРСТВО ПРОСВЕЩЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего образования «Алтайский государственный гуманитарно-педагогический университет имени В.М. Шукшина» (АГГПУ им. В.М. Шукшина) Институт естественных наук и профессионального образования Кафедра изобразительного искусства, технологии и дизайна Доклад ТЕМА Искусственный интеллект Выполнила студентка группы Т-ИД201 Луткова Анна Игоревна Бийск 2020 Содержание Введение………………………………………………………………...………..3 1. История развития искусственного интеллекта…………………………4 2. Искусственный интеллект и системы искусственного интеллекта…...5 3. Примеры реальных исследований искусственного интеллекта……….6 4. Заключение………………………………………………………………..8 Список источников……………………………………………………………...9 2 Введение Искусственный интеллект сегодня одна из передовых областей исследований ученых. Причем рассматриваются как системы, разработанные с его частичным использованием: например, распознавание текстов, бытовые роботы, до возможности замены творческого труда человека искусственным. Данная область образовалась на стыке целого ряда дисциплин: информатики, философии, кибернетики, математики, психологии, физики, химии и др. Сегодня в самых различных областях науки и техники требуется выполнение машинами тех задач, которые были под силу только человеку. На помощь тогда приходит искусственный интеллект, заменяющий человека на несложной деятельности. Сегодня системы, как программные, так и аппаратные, созданные на основе искусственного интеллекта, находят все большее применение в технике. Это автомобили с электроникой с использованием искусственного интеллекта, новейшие роботы, которые участвуют в производстве, компьютерные программы, включающие в себя и игры с искусственным интеллектом. Цель создания полного искусственного интеллекта, т.е. такого, который мог бы выполнять действия по обработке информации на уровне человека или выше, это, прежде всего, улучшение жизни человека и дальнейшее увеличение степени автоматизации производства. Тогда человеку бы осталось лишь выполнять высокотворческий труд, приносящий ему удовольствие. Но и на современном этапе развития этой области до создания таких систем полного искусственного интеллекта довольно далеко, и пока вмешательство искусственного интеллекта в другие интеллектуальные системы лишь частично. Это, прежде всего, программные средства. Например, экспертные системы, системы распознавания образов и д.р. Их относят к системам искусственного интеллекта, так как они способны выполнять свои, пока очень узконаправленные задачи, которые раньше не могли выполнять компьютеры. Результаты их работы схожи с результатами аналогичной интеллектуальной работы человека. Начиналось все с довольно простых по формализации задач: логические игры (шахматы, шашки, числовые и др.). Американский кибернетик А. Самуэль составил для вычислительной машины программу, которая позволяет ей играть в шашки, при этом в ходе игры машина обучалась или, по крайней мере, создает впечатление, что обучается, улучшая свою игру на основе накопленного опыта. Можно сказать, с этого и началось исследование искусственного интеллекта. Тогда, да и сегодня следовали определению Тьюринга, что такое искусственный интеллект: "Компьютер можно считать разумным - если он способен заставить нас поверить, что мы имеем дело не с машиной, а с человеком". 3 История развития искусственного интеллекта Этапы развития искусственного интеллекта 1. Нейрон и нейронные сети (50-е года). Он связан с появлением первых машин последовательного действия, с очень небольшими, по сегодняшним меркам, ресурсными возможностями по памяти, быстродействию и классам решаемых задач. Это были задачи сугубо вычислительного характера, для которых были известны схемы решений и которые можно описать на некотором формальном языке. К этому же классу относятся и задачи на адаптацию. 2. Эвристический поиск (60-е года). В "интеллект" машины добавились механизмы поиска, сортировки, простейшие операции по обобщению информации, не зависящие от смысла обрабатываемых данных. Это стало новой точкой отсчета в развитии и понимании задач автоматизации деятельности человека. 3. Представление знаний (70-е года). Учеными была осознана важность знаний для синтеза интересных алгоритмов решения задач. При этом имелись в виду знания, с которыми математика не умела работать, т.е. опытные знания, не носящие строгого формального характера и описываемые обычно в декларативной форме. Это знания специалистов в различных областях деятельности, врачей, химиков, исследователей и т.п. 4. Обучающие машины (80-е года). Четвертый этап развития ИИ стал прорывным. С появлением экспертных систем в мире начался принципиально новый этап развития интеллектуальных технологий - эра интеллектуальных систем - консультантов, которые предлагали варианты решений, обосновывали их, способны были к обучению и к развитию, общались с человеком на привычном для него, хотя и ограниченном, естественном языке. 5. Автоматизированные обрабатывающие центры (90-е года). Усложнение систем связи и решаемых задач потребовало качественно нового уровня "интеллектуальности" обеспечивающих программных систем, таких систем, как защита от несанкционированного доступа, информационная безопасность ресурсов, защита от нападений, смысловой анализ и поиск информации в сетях и т.п. Именно они позволяют создавать гибкие среды, в рамках которых обеспечивается решение всех необходимых задач. 6. Робототехника (2000-е года). Область применения роботов достаточно широка и простирается от автономных газонокосилок и пылесосов до современных образцов военной и космической техники. Модели оборудованы навигационной системой и всевозможными периферийными датчиками. 7. Сингулярность (2008 год). Создание искусственного интеллекта и самовоспроизводящихся машин, интеграция человека с вычислительными 4 машинами, либо значительное скачкообразное увеличение возможностей человеческого мозга за счёт биотехнологий. Искусственный интеллект и системы искусственного интеллекта Основной особенностью интеллектуальных систем является то, что они основаны на знаниях, а вернее, на некотором их представлении. Знания здесь понимаются как хранимая (с помощью ЭВМ) информация, формализованная в соответствии с некоторыми правилами, которую ЭВМ может использовать при логическом выводе по определенным алгоритмам. Наиболее фундаментальной и важной проблемой является описание смыслового содержания проблем самого широкого диапазона, т.е. должна использоваться такая форма описания знаний, которая гарантировала бы правильную обработку их содержимого по некоторым формальным правилам. Эта проблема называется проблемой представления знаний. В настоящее время наиболее известны четыре подхода к представлению знаний в обсуждаемых системах: 1. Продукционная модель; 2. Логическая модель; 3. Семантические сети; 4. Фреймы. Продукционные правила - наиболее простой способ представления знаний. Он основан на представлении знаний в форме правил, структурированных в соответствии с образцом "Если - То". Часть правила "Если" называется посылкой, а "То" - выводом или действием. Правило в общем виде записывается так: Если А1, А2, ..., А" То В. Такая запись означает, что "если все условия от Ai до А" являются истинными, то В также истинно" или "когда все условия от Ai до А" выполняются, то следует выполнить действие В". Основная идея подхода при построении логических моделей представления знаний - вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. Семантическая сеть- информационная модель предметной области, имеющая вид ориентированного графа, вершины которого соответствуют объектам предметной области, а дуги (рёбра) задают отношения между ними. Объектами могут быть понятия, события, свойства, процессы. В названии соединены термины из двух наук: семантика в языкознании изучает смысл 5 единиц языка, а сеть в математике представляет собой разновидность графа набора вершин, соединённых дугами (рёбрами), которым присвоено некоторое число. В семантической сети роль вершин выполняют понятия базы знаний, а дуги (причем направленные) задают отношения между ними. Таким образом, семантическая сеть отражает семантику предметной области в виде понятий и отношений. Фрейм - это модель абстрактного образа, минимально возможное описание сущности какого-либо объекта, явления, события, ситуации, процесса. Под структурой фрейма понимается способ использования схемы, типичной последовательности действий, ситуативная модификация фрейма. Фрейм, кроме всего прочего, включает определённое знание по умолчанию, которое называется. Фрейм отличает наличие определённой структуры, он состоит из имени и отдельных единиц, называемых слотами. Фреймовые представления объектно-центрированы в том же смысле, что и: все факты и свойства, связанные с одной концепцией, размещаются в одном месте, поэтому не требуется тратить ресурсы на поиск по базе данных. Проблема представления знаний заключается в несоответствии между сведениями о зависимостях данной предметной области, имеющимися у специалиста, методами, используемыми им при решении задач, и возможностями формального (однозначно-ограниченного) представления такой информации в ЭВМ. Часто проблема осложняется трудностями для эксперта по формулированию в явном виде имеющихся у него знаний. Примеры реальных исследований искусственного интеллекта ИИ в Японии. Среди направлений, более популярных в Японии в сравнении с европейскими и американскими школами ИИ, отметим следующие: создание и моделирование работы э-рынков и э-аукционов, биоинформатика (электронные модели клеток, анализ белковой информации на параллельных компьютерах, ДНК-вычислители), обработка естественных языков (самообучающиеся многоязычные системы распознавания и понимания смысла текстов). Интернет (интеграция Сети и всевозможных датчиков реального времени в жилых домах, интеллектуальные интерфейсы, автоматизация рутинных работ на основе формализации прикладных и системных понятий Интернета, итерационные технологии выделения нужных сведений из больших объемов данных), робототехника (машинное обучение, эффективное взаимодействие автономных устройств, организация движения, навигация, планирование действий, индексация информации, описывающей движение). Способы представления и обработки знаний (повышение качества знаний, методы получения знаний от людей-экспертов, раскопка и поиск данных, решение на этой основе задач реального мира например, управления документооборотом). 6 ИИ в США. Исследования в области нейронных сетей, позволяющих получить хорошие (хотя и приближенные) результаты при решении сложных задач управления, часто финансирует военное научное агентство DARPA. Пример - проект SmartSensorWeb, который предусматривает организацию распределенной сети разнообразных датчиков, синхронно работающих на поле боя. Каждый объект в такой сети представляет собой источник данных визуальных, электромагнитных, цифровых, инфракрасных, химических и т. п. Ведутся работы по автоматическому распознаванию целей, анализу и предсказанию сбоев техники по отклонениям от типовых параметров ее работы (например, по звуку). На разработках, связанных с технологиями машинного зрения, основано все высокоточное оружие. В СМИ нередко можно прочитать о грядущих схватках самостоятельно действующих армий самоходных машин-роботов и беспилотных самолетов. Однако существует ряд нерешенных научных проблем, не позволяющих в ближайшие десятилетия превратить подобные прогнозы в реальность. Прежде всего это недостатки систем автоматического распознавания, не способных правильно анализировать видеоинформацию в масштабе реального времени. Не менее актуальны задачи разрешения коллизий в больших сообществах автономных устройств, абсолютно точного распознавания своих и чужих, выбора подлежащих уничтожению целей, алгоритмов поведения в незнакомой среде и т. п. Поэтому на практике военные пытаются достичь менее масштабных целей. Значительные усилия вкладываются в исследования по распознаванию речи, создаются экспертные и консультационные системы, призванные автоматизировать рутинные работы и снизить нагрузку на пилотов. Нейронные сети эффективно применяются для обработки сигналов сонаров и различения подводных камней и мин. Генетические алгоритмы используются для эвристического поиска решения уравнений. Определяющих работу военных устройств (систем ориентации, навигации), а также в задачах распознавания - для разделения искусственных и естественных объектов, распознавания типов военных машин, анализа изображения, получаемого от камеры с низким разрешением или инфракрасных датчиков. 7 Заключение 1. Искусственный интеллект - это научное направление, связанное с машинным моделированием человеческих интеллектуальных функций. 2. Понятие искусственный интеллект обычно используется для обозначения способности вычислительной системы выполнять задачи, свойственные интеллекту человека, например, задачи логического вывода и обучения. 3. Любая задача, алгоритм решения которой заранее не известен или же данные неполные может быть отнесена к задачам области ИИ. Это, например, игра в шахматы, чтение текста, перевод текста на другой язык и т.д. 4. Системы, программы, выполняющие действия по решению задачи можно отнести к ИИ, если результат их деятельности аналогичен результату человека при решении той же задачи. Поэтому к ИИ можно отнести целый ряд программных средств: системы распознавания текста, автоматизированного проектирования, самообучающиеся программы и др. Но не только поэтому, а еще и потому, что они работают по сходным принципам с человеком. 5. Есть два основных перспективных направления в исследовании ИИ. Первое заключается в приближении систем ИИ к принципам человеческого мышления. Второе заключается в создании ИИ, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества. Справившись с целью реферата - рассмотреть процесс развития ИИ, мы можем сказать, что создание искусственно интеллекта, как полного, так и неполного, таит в себе множество проблем. Причем как на пути к его созданию, так и после него. 8 Список источников 1. Уоссерман Ф. Нейрокомпьютерная техника: Теория и практика/ Ф. Уоссерман; пер. с англ. - М.: Мир, 1992 2. https://www.calltouch.ru/glossary/iskusstvennyy-intellekt/ 3. https://theoryandpractice.ru/posts/17550-chto-takoe-iskusstvennyy-intellektii-opredelenie-ponyatiya-prostymi-slovami 4. https://mining--cryptocurrency-ru.turbopages.org/miningcryptocurrency.ru/s/iskusstvennyj-intellekt-ai/ 9
