Области практического применения Искусственного Интеллекта
В связи с растущими потребностями людей в развитии технологий, совершенствуются и компьютеры. Их эволюция шла в сторону уменьшения размеров, стоимости и энергоемкости. Когда отдельные машины стали объединяться в сети, совершился чрезвычайно расширивший их возможности переход от «одноклеточных» к «многоклеточным» созданиям. На этом этапе возникли некоторые сложности. Дело в том, что с одной стороны ЭВМ показали себя мощным интеллектуальным орудием, необходимым в работе и повседневной жизни. Но с другой стороны общаться с ЭВМ на понятном для нее машинном языке и, тем самым, использовать ее огромные возможности могли далеко не все. Здесь требовались посредники – программисты, а в условиях их нехватки рост числа компьютеров был бы бессмысленным. Лозунгом, провозглашенным японцами, стал: «Вычислительная машина должна быть в управлении не сложнее стиральной машины. Только тогда она станет таким же предметом домашнего обихода и конструкторского оборудования, как телефон». И теперь, на данном этапе, можно со всей ответственностью заявить, что компьютеры стали неотъемлимой частью человеческой жизни. Они находят применение не только в виде обычного ПК, но и в вооружении, технологии, медицине и других отраслях человеческой деятельности. Современные работы в области практического применения искусственного интеллекта ведутся по нескольким основным направлениям: 1. Распознавание образов. Эта проблема касается распознавания зрительных или звуковых образов, а также других (смешанных) модальностей. Медицинская диагностика, предсказание погоды являются примерами задач распознавания образов. В последнее время основная часть работ в этой области ориентирована на анализ ситуаций (сцен), а не отдельных объектов (например, печатных знаков). 2. Использование естественного языка. Под этим подразумевается разработка систем «вопрос-ответ» и систем автоматического перевода. 3. Экспертные системы. В них воплощаются большие объемы знаний и навыков, присущих эксперту – человеку. Эти системы представляют большую ценность, в частности, в медицинской диагностике, в геологии, а также в некоторых других областях. 4. Инженерия знаний. Эта область не является самостоятельной, но сам термин отражает определенное отношение к тому, каким образом следует осуществлять взаимодействие различных видов знаний в распознавании образов, робототехнике и в экспертных системах, а также включает ту область, в рамках которой ведутся исследования по определению знаний, манипулированию ими и слежению за пополнением и корректировкой знаний. 5. Моделирование игр. Игры являются хорошей основой для изучения эвристического поиска. Программы ведения игр, несмотря на их простоту, ставят перед исследователями новые вопросы, включая вариант, при котором ходы противника невозможно определенно предугадать. Наличие противника усложняет структуру программы, добавляя в нее элемент непредсказуемости и потребность уделять внимание психологическим и тактическим факторам игровой стратегии. 6. Доказательство теорем. Данная область перекрывается с определенными областями математики и решением проблем в ряде других областей (например, в робототехнике). 7. Нейронные сети. В эту сложную область исследований входят такие перспективные методы, как обработка видеоизображений и их преобразование в векторные графические модели, автоматизация построения и анализа объектов моделей или местности с учетом динамики их развития, получение аналитических решений в графическом виде в режиме реального времени, работа с зашумленными данными и многое другое, в частности: в экономике для предсказания рынков, оценки риска невозврата кредитов, предсказания банкротств, автоматического рейтингования, оптимизации товарных и денежных потоков, автоматического считывания чеков и форм. В медицине: обработка медицинских изображений, мониторинг состояния пациентов, диагностика, факторный анализ эффективности лечения, очистка показаний приборов от шумов. В авиации: обучаемые автопилоты, распознавание сигналов радаров, адаптивное пилотирование сильно поврежденного самолета. В средствах сязи: сжатие видео-информации, быстрое кодирование-декодирование, оптимизация сотовых сетей и схем маршрутизации пакетов. 8. Генетические алгоритмы. С помощью генетических алгоритмов и методик искусственной жизни исследователи вырабатывают новые решения проблем из компонентов предыдущих решений. Генетические операторы, такие как скрещивания или мутация, подобно своим эквивалентам в реальном мире, вырабатывают с каждым поколением все лучшие решения. 9. Робототехника. Эта сфера представляет непосредственный практический интерес и наглядно демонстрирует возможности, поэтому остановимся на ней подробнее. Робототехника – это область исследований, которая ставит перед собой цель вывести машины из вычислительных центров в реальный мир. Современные машины существенно отличаются от достаточно мощных машин промышленной революции. Для робототехники становится необходимым, чтобы эти машины обладали не только интеллектом, но и мускулами: они должны иметь «глаза» и «уши». (В некоторых системах превзойдены возможности человеческого зрения – использование лазеров позволяет измерять расстояние гораздо точнее, чем это доступно бинокулярному зрению человека). Большое значение в области робототехнике придается анализу трехмерных сцен. Но, несмотря на заметное превосходство в быстроте принятия решения задач, многое из того, что человек делает с легкостью, для машин оказывается очень трудным. Робот, слепо выполняющий последовательность действий, не реагируя на изменения в своем окружении, или неспособный обнаруживать и исправлять ошибки в своем собственном плане, едва ли может считаться разумным. Зачастую от робота требуют сформировать план, основанной на недостаточной информации, и откорректировать свое поведение по мере его выполнения. Робот может не располагать адекватными сенсорами для того, чтобы обнаружить все препятствия на проектируемом пути. Такой робот должен начать двигаться по комнате, основываясь на воспринимаемых им данных, и корректировать свой путь по мере того, как выявляются другие препятствия. Организация планов, позволяющая реагировать на изменение условий окружающей среды, - основная проблема планирования и конструирования роботов, которые бы выполняли свои задачи с некоторой степенью гибкости и способностью реагировать на окружающий мир. По ряду причин такое планирование является сложной проблемой, и немалую роль в этом играет размер пространства возможных последовательностей шагов. Даже очень простой робот способен породить огромное число различных комбинаций элементарных движений. Для написания программы, которая могла бы разумно определить оптимальный путь обхождения машиной препятствий и не была бы при этом перегружена огромным их числом, потребуются сложные методы для представления пространственного знания и управления перебором в пространстве альтернатив.
|
