Тип зв’язку та найщільніша упаковка

Дата добавления: 2015-10-15; просмотров: 538

6. Архитектура и принцип функционирования ЭС.. 3

6.1. Феномен экспертных систем.. 3

6.2. Архитектура экспертных систем.. 7

6.3. Автоматическое рассуждение. Основные механизмы дедукции (логического вывода). 12

6.4. Объяснительный компонент. 13

6.5. Категории экспертных систем.. 14

6.6. Методология построения экспертных систем.. 22

6.7.Современное состояние разработки экспертных систем.. 30

и инструментальных средств для их построения. 30

6.7.1Тенденции развития экспертных систем.. 38

6.8.Представление знаний в ЭС.. 38

6.8.1. Основные понятия. 38

6.8.2. Состав знаний экспертной системы.. 39

6.8.3.Организация знаний. 45

6.8.4.Модели представления знаний. 50

6.9.Теоретические аспекты извлечения знаний. 54

6.9.1. Стратегии получения знаний. 54

7. Системы распознавания образов (идентификации) 62

7.1.Понятие образа. 62

7.2.Проблема обучения распознаванию образов (ОРО) 63

7.3. Геометрический и структурный подходы. 66

7.4.Гипотеза компактности. 69

7.5.Обучение и самообучение. Адаптация и обучение. 70

7.6. Перцептроны.. 71

7.7. Нейронные сети. 75

7.7.1. История исследований в области нейронных сетей. 75

7.7.2. Нейронные сети: основные положения. 75

8. Системы распознавания естественного языка. 81

8.1. Введение. 81

8.1.1 Примеры системы обработки естественного языка. 85

8.1.2. Методы озвучивания речи. 87

8.1.3. Наиболее распространенные системы синтеза речи. 88

8.2. Речевой вывод информации. 89

8.3. Автоматический компьютерный синтез речи по тексту. 90

8.3.1. Методы синтеза речи. 90

8.3.2. Обобщенная функциональная структура синтезатора. 90

8.3.3. Модуль лингвистической обработки. 91

8.3.4. Лингвистический анализ. 91

8.3.5. Формирование просодических характеристик. 92

8.3.6. Cинтезатор русской речи. 93

8.3.7. Язык формальной записи правил синтеза. 94

8.3.8. Интонационное обеспечение. 94

8.3.9. Аллофонная база данных. 94

8.3.10. Лингвистический анализ. 95

8.3.11. Инструментарий синтеза русской речи. 95

8.4. Cистема распознавания речи. 96

8.4.1. Акустическая модель. 96

8.4.2. Лингвистическая модель. 96

8.5. Классификация систем распознавания речи. 97

9. Системы машинного зрения. 99

Введение. 99

9.1. Основные принципы или целостность восприятия. 99

9.2. Распознавание символов. 101

9.2.1.Шаблонные системы.. 101

9.2.2.Структурные системы.. 102

9.2.3.Признаковые системы.. 102

9.2.4. Структурно-пятенный эталон. 102

9.3. Система машинного чтения от Cognitive Technologies. 104

9.4. Распознавание рукописных текстов. 106

Библиографический список. 108

Оглавление. 109

Королькова Е.В. "Технический аспект создания искусственного интеллекта".

Введение

Актуальность темы. Возможен ли искусственный интеллект? Уже сама такая постановка вопроса вызывает оживленную дискуссию [1, с.1]. Вторая половина семидесятых и начало восьмидесятых годов ознаменовались спадом уверенности в скорейшем создании искусственного интеллекта, даже в возможности создания вообще. В настоящий момент в изданной в России в 1999 г. книге "Наступление машин" Кевина Уорвика [2, с.5], профессора департамента кибернетики университета Рединга (Англия), автор пытается убедить, что рано или поздно появятся машины, интеллект которых превзойдет человеческий. Он указывает, что роботы с интеллектом кошки появятся через пять лет, а с интеллектом близким к человеческому, - через 10-15 лет. Каждые десять лет возникает новая технология, которая радикально меняет все в этом мире. Директор компании мозгового центра Institute for the Future Пол Саффо отмечает, что в развитии сенсорных устройств произойдет слияние разделенных в настоящее время технологических миров цифрового и аналогового, тогда компьютеры научатся воспринимать мир, данный им в ощущении, и совершится собственно революция: вещи будут делать вещи.

Целью данного доклада является проанализировать текущее состояние проблемы создания искусственного интеллекта (в дальнейшем ИИ) и социально-этический аспект появления искусственного разума.

1. Технический аспект создания искусственного интеллекта

Искусственный интеллект (от лат. Intellectus - познание, понимание, рассудок) - это раздел информатики, изучающий методы, способы и приемы моделирования и воспроизведения с помощью ЭВМ разумной деятельности человека, связанной с решением задач.

Рассмотрим исторический путь развития "технической" мысли по созданию ИИ, попытаемся сделать обзор существующих подходов и технологий.

Структура интеллекта начала изучаться в имитационных теориях моделирования. В бывшем СССР этими исследованиями занимался Николай Амосов в институте кибернетики АН УССР (Киев) начиная с 1962 года. Теория эвристического моделирования была огромным шагом вперёд в исследовании естественного интеллекта человека, а также в направлении создания искусственного интеллекта. Однако преодолев "теоретический антропоцентризм" и доказав возможность и необходимость существования в рамках развитого ИИ сложной душевной и духовной жизни, мыслей, чувств, потребностей и убеждений, эта теория не смогла преодолеть "технологический антропоцентризм" - она рассматривает два противоположных подхода к моделированию интеллекта, названных сетевым и алгоритмическим. Сетевой интеллект рассматривается как трёхмерная структура, состоящая из элементов со множеством пространственных пересекающихся связей (такую структуру имеют нейронные ансамбли), алгоритмический интеллект построен на линейных, последовательных структурах (технологически современные ЭВМ работают с последовательностями информационных сигналов) [3, c.38-39].

В настоящее время когда речь идет об идее искусственного интеллекта в среде людей, занимающихся этим вопросом или близкими к ним, она прежде всего ассоциируется с нейронными сетями (НС) и семантическими алгоритмами (СА).

Идея эксформации была выдвинута Станиславом Лемом [3, c.40]. Эксформация представляет собой способность информационной системы, например, компьютерной программы, к самопрограммированию, саморазвитию и при этом значительному информационному росту. Одним из этапов является реализация "компьютерных хромосом" и "компьютерного генного аппарата", то есть информационных модулей по структуре подобных компьютерным вирусам, но отличающихся от них полезной, а не разрушительной функцией и к тому же способных к эволюции, мутациям. Компьютерные гены должны стать ключом к механизму автономного эксформационного генезиса. Генезис предопределяет свойства и структуру растущей совокупности файлов из компактного первоначального ядра. Эта растущая структура должна функционировать как единая система с заранее предполагаемыми параметрами.

К сожалению, российских работ по данным разделам ИИ незначительное количество. ИИ в своем реальном понимании был чужд советской идеологии, так как подрывал ее основу. А сегодня на постсоветском пространстве государства не располагают финансами для поддержки этой отрасли. Из советских работ можно выделить теоретическую работу Н.М. Соломатина, в которой автор вводит понятие информационной семантической системы (ИСС) [2, c.5].

Такая система определяется как система, функционирование которой направлено на достижение цели. Специфической их особенностью является семантическая переработка семантической информации. Указывая на неоднозначность, незрелость дефиниции, понятия семантической информации, Н.М. Соломатин дает такое определение семантической информации: выраженное знаками сведения о выделенной заданием стороне (сторонах) объекта. Причем в данном определении понятие сведения принимаются первичными и не определяются.

В последующем автор излагает теорию ИСС, в которой определяет класс семантических операций, класс семантических объектов, их функции и структуру. Также рассматривает информирование как семантический диалог, его принципы; системы с целью, их классификацию, поднимает вопрос стабильности ИСС.

Развитие нейронных сетей (набор связанных между собой нейронов выполняющих конкретную вычислительную функцию), как раздела ИИ, по-видимому, находится в кризисе [2, c.6]. Используемый здесь основной подход, базирующийся на анатомо-физиологических данных работы головного мозга, неплох для построения роботов, но не как для моделирования мышления. Тем более выяснилось наличие более сложного механизма обучения и фиксации информации в головном мозге, чем считалось ранее, на заре развития кибернетики, а это значительно затрудняет моделирование нейросетей.

На входе нейрона имеется в среднем от 5 000 до 10 000 тысяч сигналов (синапсов). Это приводит к сложной зависимости в интеграции сигналов и генерации выходного сигнала. Для функции такого одного нейрона пока невозможно построить адекватного математического описания. А таких нейронов в головном мозге человека доходит до 100 миллиардов.

Исходя из этого, уже сложно использовать идеи построения нейросетей просто на основе имеющейся аналогии сети нервных клеток. Тем не менее, существуют самообучающиеся нейросети, находящие практическое применение. В частности, исследователи из Крэнфилдского университета (Великобритания) разработали устройство, способное по запаху определять наличие возбудителей различных инфекционных заболеваний [2, с.7].

Аппарат представляет собой аналог человеческой обонятельной сенсорной системы: главной его частью является блок электронных сенсоров. Последние объединены в несколько групп, каждая из которых способна распознавать наличие в обследуемом объекте определенного химического вещества. Сигналы генерируемые сенсорами, поступают в специально обученную искусственную нейросеть, которая и делает вывод о наличии того или иного заболевания.

Интересно также сообщение о разработке имплантов позволяющих дистанционно управлять техникой.

Кевин Уорвик вживил себе в руку чип, позволяющий включать и выключать свой компьютер, не приближаясь к нему. Данный чип в виде стеклянной капсулы на удаленный запрос системы может выдать уникальный 64-битный ответ.

Технологии самообучающихся нейронных сетей отчасти находят свое прикладное применение в управлении производством.

Способные, как и многие другие нейронные системы, к самообучению, Neugents будут следить за состоянием системы, отслеживая отдельные процессы. Обнаружив необычное течение процесса, Neugents не только сообщит об этом, но и предскажет, в какой момент нестабильная работа процесса приведет к сбою системы. Агенты будут также оценивать вероятность возникновения сбоя. Планируется использовать подобные нейропрограммы для распознавания поддельных документов и предсказания потребления энергии для электрических компаний.

Возникновение новых подходов при разработке семантических алгоритмов не мыслимо рассматривать в отрыве от психологических исследований, поскольку первые на них основываются.

Немаловажный аспект исследований связан с созданием так называемого биомашинного интерфейса, позволяющего связать нервную систему напрямую (через проводники) с компьютером. Специалистам медикам Рою Бэйки (Roy Bakay) и Филипу Кеннеди (Philip Kennedy) из университета Эмори (США) удалось создать электрод, который непосредственно воспринимает импульсы головного мозга человека [2, c.7].

Система пока всего лишь облегчает парализованным больным контакт с внешним миром, но в перспективе может привести к появлению новых технологий.

Электрод представляет собой два небольших полых конуса из пористого стекла. На поверхность электрода нанесены выделенные из клеток нервной периферической системы вещества (Прим. мое в гистологии они называются тканевыми факторами роста), которые вызывают рост окружающих электрод клеток коры головного мозга и их проникновение внутрь конусов. Этот процесс занимает несколько недель. Электрический сигнал воспринимается находящимися внутри конусов металлическими проводниками, усиливается и передается на компьютер. Электрод вживляется в участок коры головного мозга, управляющий движениями тела, и больной учится управлять курсором, пытаясь отдавать привычные команды своему неподвижному теперь телу. Больной также может передавать сообщения о том, что он голоден.

Исследования в области биомашинного интерфейса пополнились еще одним научным фактом. Благодаря ученым из Калифорнийского университета (Беркли, США) Ян Дан (Yang Dang), Гаррет Стэнли (Garrett Stanley) и Фэй Ли (Fei Li) удалось декодировать зрительные сигналы, поступающие в кошачий мозг, и даже сделать на их основе видеозапись [2, c.7].

В мозг кота в район таламуса, были вживлены 117 электродов. На основе электрической активности участков таламуса с электродами, ученые реконструировали изображение, используя как указано в статье (Journal of Neuroscience) некую линейную декодирующую технику. Им удалось получить изображения вполне узнаваемых объектов, таких, например, как человеческие лица.

В одной из своих частных реализациях ИИ был эмиссирован в концепции виртуального мира (КВМ). Виртуальный мир (ВМ) реализуется как программная среда трехмерной графики с интеллектуальным состоянием встроенных в него объектов. Используя специальное устройство - шлем виртуальной реальности (ШВР), состоящее из двух миниатюрных мониторов находящихся напротив глаз пользователя, микрофона и стереодинамиков, пользователь как бы оказывается в ВМ. Перемещение в среде реализуется при помощи джойстика или виртуальных перчаток, имеющих датчики растяжения. Основной стратегией в развитии программных средств ВМ является наращивание параметров интерактивности.

В настоящее время концепция виртуального мира получила свое очередное воплощение. Американская компания анонсировала технологию, которая должна существенно расширить значение термина мультимедиа, добавив к зрительным и слуховым ощущениям еще и обонятельные.

Не отстают и технологии распознавания речи. IBM выпустила новую версию ViaVoice программы распознавания речи для платформы Windows. Развитые возможности ViaVoice позволяют говорить слитно, без пауз, используя естественные синтаксические конструкции языка. В отличие от предыдущей версии, переключение между режимами диктовки, редактирования текста и управлением приложением не требуется.

Помимо встроенного словаря, содержащего 64 тысячи наиболее распространенных слов, предусмотрена возможность подключения дополнительных словарей и создание пользовательского модуля. Для ускорения работы ViaVoice содержит набор часто встречающихся фраз. Не забыты и дети, высокие голоса которых часто не распознаются программами речевого ввода, - разработка IBM поддерживает дополнительный диапазон 11-22 кГц.

В списке новых технологий не на последнем месте стоит технология распознавания изображения человеческого лица, для верификации личности. В будущем, вероятно, компьютер должен понимать и эмоции пользователя, для более гибкого с ним взаимодействия это одна из сторон интеллектуализации интерфейса программ. Сотрудники Питсбурского университета уже стоят на пороге коммерческой реализации такой технологии [2, c.9].

Таким образом, в современном видении ИИ может быть создан в слиянии человеческого начала и машины. Общность мышления со способностью отражения служит объективной основой моделирования процессов мышления. Мышление связано с созданием, передачей и преобразованием информации, а эти процессы могут происходить не только в мозгу, а и в других системах, например ЭВМ.

Конкретно-научное обоснование материалистической концепции мышления, практическое доказательство того, что мышление есть функция высокоорганизованной материальной системы - важнейшее философское завоевание кибернетики. Работы по искусственному интеллекту во многом тесно связаны с философской проблемой кибернетического моделирования. Эти работы часто связывают с построением точной копии человеческого мозга. Однако такой подход можно назвать "некибернетическим". В своей "Истории западной философии" Б. Рассел ставит вопрос о факторах, позволивших европейцам создать тип культуры, в котором ведущее место заняла наука [2, c.16]. Причину этого Рассел усматривает, как он выражается, в двух великих интеллектуальных изобретениях: изобретение дедуктивного метода древними греками (Эвклид) и изобретение экспериментального метода в эпоху возрождения (Галилей). Именно эти два интеллектуальных изобретения - дедуктивный метод (а тем самым математика) и эксперимент позволили создать классическую науку. К этим двум основным интеллектуальным орудиям современное развитие познания добавляет третье - математическую модель и математическое моделирование. Соединение дедуктивных построений математики с данными, добытыми экспериментальным методом, создает естествознание, в центре которого стоит понятие научного закона. Совокупность законов это основное содержание естествознания; их установление его основная задача.

Вывод. Путь, по которому идёт современная наука и который предлагает кибернетика, состоит в построении эскизных моделей, охватывающих все более и более широкий диапазон функций мышления. Задачи раскрыть "сущность мышления" не ставится, а ставится задача построения эскизных моделей, позволяющих описать отдельные его стороны, воспроизведены отдельные его функции и, двигаясь в этом направлении, строить системы, все более приближающиеся к человеческому мозгу.

Литература

1. Хазиев В.С. Искусственный интеллект и цель // Депонировано в ИНИОН АН РАН №5220 от 17.04.80, электронный ресурс, Философская библиотека Ихтика, URL - http://ihtik.lib.ru

2. Бойко Д.Н. Исследование бессознательного для построения систем искусственного интеллекта // Электронный ресурс, Философская библиотека Ихтика, URL - http://ihtik.lib.ru , 2003г.

3. Терехов В.Б. Парадигма эксформатики: моделирование самопрограммирующихся и интеллектуальных систем. // Электронный ресурс, Философская библиотека Ихтика, URL - http://ihtik.lib.ru , 1999г.

4. Щедровиций Г.П. Интеллект и коммуникация // Вопросы философии 3-2004, сс.170-183.