Интеллектуальная обработка информации

Лекция 1Основные положения: Обзор курса

Терновой Максим Юрьевичк.т.н., доцент кафедры информационно-

телекоммуникационных сетей

Вопросы, которые будут рассмотрены

● Обсудить структуру курса● Рассмотрение понятия «искусственный интеллект»

1. Программа курса и тематика лекций

● Обзор курса и его основных положений● Рекомендуемая литература● Распределение часов, порядок проведения лекций и лабораторных работ, требования к посещаемости, другие требования

Обзор курса

● Мультидисциплинарный (объединяет различные аспекты математических, информационных, философских дисциплин)

● Ориентированный на получение теоретических и практических знаний■ Лекции, практические занятия и лабораторные работы

(большинство которых будет выполняться в классе)● Рассматриваются основы искусственного интеллекта, OLAP систем, интеллектуальные системы

Рекомендуемая литература

Для каждой темы будет указываться свой перечень литературных источников

Расписание лекций и лабораторных занятий

І неделяСр 14:15-15:50

316-30

І І неделяЧтв 8:30-10:05

316-30

ЛабыІ неделя

Птн12:20-13:55307-30

ЛекцииТИ-61

Количество лекционных часов 27Количество часов практических занятий 18Количество часов лабораторных занятий 9Отчетность --зачет

ПрактическиеІ І неделя

Чтв 10:25-12:00209-30

І неделяСр 16:10-17:45

209-30

І І неделяПтн12:20-13:55

301-30

ТИ-62

Порядок проведения лекционных занятий

● Посещение лекционных занятий является ОБЯЗАТЕЛЬНЫМ

● Материалы лекций будут даны в электронном виде● В аудитории

■ Перед началом пары выключите свои сотовые телефоны либо, если ждете важный звонок, то переведите их в режим виброзвонка без звука

■ Пользоваться компьютером и проектором в аудитории разрешается только преподавателю

● Зачет■ К зачету допускаются только те студенты, у которых нет задолженностей по лабораторным работам

Порядок проведения лабораторных работ

● Посещение лабораторных занятий является ОБЯЗАТЕЛЬНЫМ● Подготовка перед лаб. работой (Дома)

■ Проработать информацию к лабораторной работе■ Подготовить соответствующие материалы (бланки отчетов), необходимые для выполнения лаб. работы

● В аудитории■ Приступать к лабораторной работе, включать, выключать либо выполнять какие-либо манипуляции с оборудованием можно только с разрешения преподавателя

● Домашняя работа■ Оформить отчеты по сделанным лаб. работам■ Повторить теорию для защиты лаб. работы

● Защита лабораторных работ проводится на следующей паре после завершения работы

Другие требования и процедуры

● Кодекс чести■ Соблюдение кодекса чести студента НТУУ «КПИ» ожидается от вас во время изучения данного курса. Все лабораторные работы должны быть выполнены самостоятельно, а не «срисованы» у ваших товарищей.

● Специальные случаи и обстоятельства■ При необходимости уточнить какие-то детали либо оговорить ваши нужды, включая необходимость пропуска пары заранее обращайтесь к преподавателю.

«Искусственный интеллект»

● Определение● Подходы и направления ● История и современное положение дел ● Применение и перспективы развития ● Связь с другими науками ● Отношение к ИИ в обществе

Определение (1)

Искусственный интеллект (англ. Artificial intelligence, AI) — раздел информатики, занимающийся формализацией задач, напоминающих задачи, выполняемые человеком.

При этом в большинстве случаев заранее неизвестен алгоритм решения задачи. В некотором роде обособленно стоят задачи распознавания образов, которые традиционно включают в круг задач искусственного интеллекта.

Определение (2)

Искусственный интеллект — очень молодая область исследований, старт которой был дан в 1956 году. Её исторический путь напоминает синусоиду, каждый «взлёт» которой инициировался какой-либо новой идеей.

Определение (3)

1. Точного определения этой науки не существует, так как в философии не решён вопрос о природе и статусе человеческого интеллекта.

2. Нет и точного критерия достижения компьютерами «разумности», хотя на заре искусственного интеллекта был предложен ряд гипотез, например, тест Тьюрингаили гипотеза Ньюэлла — Саймона.

3. На данный момент есть множество подходов как к пониманию задачи ИИ, так и созданию интеллектуальных систем.

Тест Тьюринга

● Тест Тьюринга — эмпирический тест, идея которого была предложена Аланом Тьюрингом в статье «Вычислительные машины и разум» (англ. ComputingMachinery and Intelligence), опубликованной в 1950 году в философском журнале «Mind». Тьюринг задался целью определить, может ли машина мыслить.

● Стандартная интерпретация этого теста звучит следующим образом: «Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы —ввести человека в заблуждение, заставив сделать неверный выбор».

Тест Тьюринга

І

Гипотеза Ньюэлла- Саймона

Гипотеза Ньюэлла — Саймона или Гипотеза о физической символьной системе утверждает что:

● Физическая символьная система имеет необходимые и достаточные средства для произведения базовых интеллектуальных действий, в широком смысле.

● Под «широким смыслом» понимается то, что впоследствии было названо сильным искусственным интеллектом.

● Теория сильного ИИ предполагает, что компьютеры могут получить способность мыслить и осознавать себя, хотя и не обязательно их мыслительный процесс будет подобен человеческому. Теория слабого ИИ такую возможность отвергает.

Гипотеза Ньюэлла- Саймона

● Гипотеза была сформулирована Алленом Ньюэллом и Гербертом Саймоном в 1976 году. Основанием для гипотезы стало успешное применение созданной ими программы —универсального решателя задач — для моделирования рассуждений человека.

● Другими словами, без символьных вычислений невозможно выполнять осмысленные действия, а способность выполнять символьные вычисления вполне достаточна для того, чтобы стать способным выполнять осмысленные действия.

Гипотеза Ньюэлла- Саймона

● Таким образом, если мы полагаем, что животное, или человек, или машина действуют осмысленно, то значит, они каким-то образом выполняют символьные вычисления (ваш кот в какой-то мере — вычислительная машина). И наоборот, так как компьютер способен к подобным вычислениям, то на его основе может быть создан искусственный интеллект.

● Гипотеза уязвима для критики, но так получилось, что большая часть исследований искусственного интеллекта пошла именно по пути создания символьных систем. Независимо от того, справедлива ли эта гипотеза, символьные вычисления —реальность программирования, и полезность подобной парадигмы в этой области трудно отрицать.

Возможная классификация. Два подхода:

● нисходящий, семиотический — создание символьных систем, моделирующих высокоуровневые психические процессы: мышление, рассуждение, речь, эмоции, творчество и т. д.;

● восходящий, биологический— изучение нейронных сетей и эволюционные вычисления, моделирующих интеллектуальное поведение на основе более мелких «неинтеллектуальных» элементов.

Подходы и направления. Подходы к пониманию проблемы

● Единого ответа на вопрос чем занимается искусственный интеллект, не существует.

● Почти каждый автор, пишущий книгу об ИИ, отталкивается в ней от какого-либо определения, рассматривая в его свете достижения этой науки.

Подходы и направления:

● ИИ изучает методы решения задач, которые требуют человеческого разумения. (Речь идёт о том, чтобы научить ИИ решать тесты интеллекта. Это предполагает развитие способов решения задач по аналогии, методов дедукции и индукции, накопление базовых знаний и умение их использовать. )

● ИИ изучает методы решения задач, для которых не существует способов решения или они неприемлемы (из-за ограничений по времени, памяти и т. д.).(Благодаря такому определению, интеллектуальные алгоритмы часто привлекаются для решения NP-полныхзадач, например, задачи коммивояжёра. )

Подходы и направления:

● ИИ занимается моделированием человеческой высшей нервной деятельности.

● ИИ — это системы, способные оперировать со знаниями, а самое главное — обучаться.(В первую очередь речь идёт о том, чтобы признать класс экспертных систем (называемых так потому, что они способны заменить «на посту» людей-экспертов) интеллектуальными системами.)

● Последний подход, развиваемый с начала 1990-х годовназывается агентно-ориентированным подходом.(Этот подход акцентирует внимание на тех методах и алгоритмах, которые помогут интеллектуальному агентувыживать в окружающей среде при выполнении его задачи. Так, здесь значительно сильнее изучаются алгоритмы поиска и принятия решений.)

Подходы и направления. Непопулярные подходы:

● Самый общий подход предполагает, что ИИ будет способен проявлять поведение, не отличающееся от человеческого, причём, в нормальных ситуациях. Эта идея является обобщением подхода теста Тьюринга, который утверждает, что машина станет разумной тогда, когда будет способна поддерживать разговор с обычным человеком, и тот не сможет понять, что говорит с машиной (разговор идёт по переписке).

● Писатели-фантасты часто предлагают ещё один подход: ИИ возникнет тогда, когда машина будет способна чувствовать и творить. Так, хозяин Эндрю Мартина из «Двухсотлетнего человека» начинает относиться к нему как к человеку, когда тот создаёт игрушку по собственному проекту. А Дейта из Звёздного пути, будучи способным к коммуникации и научению, мечтает обрести эмоции и интуицию.

Подходы к изучению

Существуют различные подходы к построению систем ИИ.

На данный момент можно выделить 4 достаточно различных подхода:

1. Логический подход. 2. Структурный подход. 3. Эволюционный подход. 4. Имитационный подход.

Подходы к изучению. Логический подход

Основой для логического подхода служит Булева алгебра.

Свое дальнейшее развитие Булева алгебра получила в виде исчисления предикатов — в котором она расширена за счет введения предметных символов, отношений между ними, кванторов существования и всеобщности.

Практически каждая система ИИ, построенная на логическом принципе, представляет собой машину доказательства теорем. При этом исходные данные хранятся в базе данных в виде аксиом, правила логического вывода как отношения между ними.

Подходы к изучению. Логический подход

Кроме того, каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему.

Если цель доказана, то трассировка примененных правил позволяет получить цепочку действий, необходимых для реализации поставленной цели (такие системы известны как экспертные системы).

Мощность такой системы определяется возможностями генератора целей и машиной доказательства теорем.

Подходы к изучению. Логический подход

Добиться большей выразительности логическому подходу позволяет такое сравнительно новое направление, как нечеткая логика.

Основным ее отличием является то, что правдивость высказывания может принимать в ней кроме да/нет (1/0) еще и промежуточные значения — не знаю (0.5), пациент скорее жив, чем мертв (0.75), пациент скорее мертв, чем жив (0.25).

Данный подход больше похож на мышление человека, поскольку он на вопросы редко отвечает только да или нет.

Подходы к изучению. Структурный подход

Это попытка построения ИИ путем моделирования структуры человеческого мозга.

Одной из первых таких попыток был перцептрон Френка Розенблатта.

Основной моделируемой структурной единицей в перцептронах (как и в большинстве других вариантов моделирования мозга) является нейрон.

Позднее возникли и другие коннекционисткие модели, которые большинству известны под термином нейронные сети (НС) и их реализации —нейрокомпьютеры.

Подходы к изучению. Структурный подход

Эти модели различаются по строению отдельных нейронов, по топологии связей между ними и по алгоритмам обучения.

Среди наиболее известных сейчас вариантов НС можно назвать:НС с обратным распространением ошибки, сети Кохонена, сети Хопфилда, стохастические нейронные сети.

В более широком смысле такой подход известен как Коннективизм .

Подходы к изучению. Структурный подход

Различия между логическим и структурнымподходом не столь принципиальны, как это может показаться на первый взгляд.

1) Алгоритмы упрощения и вербализации нейронных сетейпреобразуют модели структурного подхода в явные логические модели.

2) С другой стороны, ещё в 1943 году Маккалок и Питтспоказали, что нейронная сеть может реализовывать любую функцию алгебры логики.

Подходы к изучению. Эволюционный подход

При построении систем ИИ по данному подходу основное внимание уделяется построению начальной модели, и правилам, по которым она может изменяться (эволюционировать).

Причем модель может быть составлена по самым различным методам, это может быть и НС и набор логических правил и любая другая модель.

Компьютер на основании проверки моделей отбирает самые лучшие из них, на основании которых по самым различным правилам генерируются новые модели.

Среди эволюционных алгоритмов классическим считается генетический алгоритм

Подходы к изучению. Имитационный подход

Данный подход является классическим для кибернетики с одним из ее базовых понятий черный ящик .

Объект, поведение которого имитируется, как раз и представляет собой «черный ящик».

Нам не важно, что у него и у модели внутри и как он функционирует, главное, чтобы наша модель в аналогичных ситуациях вела себя точно так же.

Таким образом здесь моделируется другое свойство человека — способность копировать то, что делают другие, без разложения на элементарные операции и формального описания действий. Зачастую эта способность экономит ему массу времени, особенно в начале его жизни.

Подходы к изучению. Гибридные подходы

Объединения нескольких из 4-х перечисленных подходов.

Пример. Экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения.

Направления исследований ● моделирование рассуждений. ● обработка естественного языка● инженерия знаний● моделирования биологических систем. ● Задачи распознавание образов● робототехника● машинное творчество (en:Computational creativity)● программирование интеллекта в компьютерных играх,

нелинейное управление, интеллектуальные системы безопасности.

Моделирование рассужденийМоделирование рассуждений подразумевает создание символьных систем, на входе которых поставлена некая задача, а на выходе требуется её решение.

Как правило, предлагаемая задача уже формализована, то есть переведена в математическую форму, но либо не имеет алгоритма решения, либо он слишком сложен, трудоёмок и т. п.

В это направление входят: доказательство теорем, принятие решений и теория игр, планирование и диспетчеризация, прогнозирование.

Обработка естественного языкаНемаловажным направлением является обработка естественного языка, в рамках которого проводится анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке.

В частности, здесь ещё не решена проблема машинного перевода текстов с одного языка на другой.

В современном мире большую роль играет разработка методов информационного поиска.

Инженерия знанийСогласно мнению многих учёных, важным свойством интеллекта является способность к обучению.

Таким образом, на первый план выходит инженерия знаний, объединяющая задачи получения знаний из простой информации, их систематизации и использования.

Достижения в этой области затрагивают почти все остальные направления исследований ИИ.

Инженерия знаний. Две важные подобласти.

Первая из них — машинное обучение— касается процесса самостоятельного получения знаний интеллектуальной системой в процессе её работы.

Второе связано с созданием экспертных систем—программ, использующих специализированные базы знаний для получения достоверных заключений по какой-либо проблеме.

Моделирования биологических систем

Сюда можно отнести несколько независимых направлений. Нейронные сети используются для решения нечётких и

сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов.

Генетический подход основан на идее, что некий алгоритм может стать более эффективным, если позаимствует лучшие характеристики у других алгоритмов («родителей»).

Моделирования биологических систем

Относительно новый подход, где ставится задача создания автономной программы — агента,взаимодействующего с внешней средой, называется агентным подходом.

А если должным образом заставить массу «не очень интеллектуальных» агентов взаимодействовать вместе, то можно получить «муравьиный» интеллект.

Распознавание образовЗадачи распознавание образов уже частично

решаются в рамках других направлений.

Сюда относятся распознавание символов, рукописного текста, речи, анализ текстов.

Особо стоит упомянуть компьютерное зрение, которое связано с машинным обучением и робототехникой.

РобототехникаВообще, робототехника и искусственный интеллект часто ассоциируется друг с другом.

Интегрирование этих двух наук, создание интеллектуальных роботов, можно считать ещё одним направлением ИИ.

машинное творчество (en:Computational creativity)

Особняком держится машинное творчество(en:Computational creativity), в связи с тем, что природа человеческого творчества ещё менее изучена, чем природа интеллекта.

Тем не менее, эта область существует, и здесь поставлены проблемы написания компьютером музыки, литературных произведений (часто — стихов или сказок), художественное творчество.

Направление: Приложения искусственного интеллекта

Наконец, существует масса приложений искусственного интеллекта, каждое из которых образует почти самостоятельное направление.

В качестве примеров можно привести программирование интеллекта в компьютерных играх, нелинейное управление, интеллектуальные системы безопасности.