Введение

ИИ — одна из новейших дисциплин, официально начатая в 1956 году, когда было придумано название. Однако изучение интеллекта является одной из старейших дисциплин, которой около 2000 лет. Появление компьютеров впервые дало людям возможность тестировать предложенные ими модели обучения, рассуждений, восприятия и т. д.

Что такое ИИ?

Рисунок 1.1

1. Системы, которые мыслят как люди.
2. Системы, которые действуют как люди.
3. Системы, которые мыслят рационально.
4. Системы, которые действуют рационально.

Действуя по-человечески

Первым предложением для успеха в построении программы и поступках по-человечески был тест Тьюринга. Чтобы считаться разумной, программа должна быть способна вести себя достаточно похоже на человека, чтобы обмануть следователя. Человек одновременно опрашивает программу и другого человека через терминал. Если по истечении разумного периода времени следователь не может сказать, что есть что, программа завершается.

• обработка естественного языка
• представление знаний
• автоматизированное рассуждение
• машинное обучение

• компьютерное зрение
• робототехника

Думать по-человечески

Для этого нужно «заглянуть внутрь» человеческого разума, чтобы увидеть, как он работает, а затем сравнить с ним наши компьютерные программы.Это то, что пытается сделать когнитивная наука. Другой способ сделать это — наблюдать за решением проблем человеком и утверждать, что чьи-то программы решают проблемы аналогичным образом.

Пример: GPS (General Problem Solver) была ранней компьютерной программой, которая пыталась моделировать человеческое мышление. Разработчиков не так сильно интересовало, правильно ли GPS решает задачи. Они были больше заинтересованы в том, чтобы показать, что он решает проблемы, как люди, выполняя одни и те же шаги и занимая примерно одинаковое количество времени для выполнения этих шагов.

Думать рационально

Аристотель был одним из первых, кто попытался систематизировать «мышление». Его силлогизмы представляли собой модели структуры аргументов, которые всегда давали правильные выводы и давали правильные посылки.

Пример: Все компьютеры потребляют энергию. Использование энергии всегда генерирует тепло. Следовательно, все компьютеры выделяют тепло.

Это инициирует поле логики. Формальная логика была разработана в конце девятнадцатого века. Это был первый шаг к тому, чтобы компьютерные программы могли рассуждать логически.

К 1965 году существовали программы, которые могли при наличии достаточного количества времени и памяти описать проблему в логической записи и найти решение, если оно существовало. Традиция логики в области ИИ надеется использовать такие программы для создания интеллекта.

У этого подхода есть два основных препятствия: во-первых, трудно сделать неформальное знание достаточно точным, чтобы можно было использовать логицистский подход, особенно когда в знании есть неопределенность. Во-вторых, существует большая разница между возможностью решить проблему в принципе и решением проблемы на практике.

Действовать рационально: подход рационального агента

Действовать рационально означает действовать так, чтобы достичь своих целей, учитывая свои убеждения. Агент — это просто то, что воспринимает и действует.

В логическом подходе к ИИ упор делается на правильные выводы. Это часто является частью того, чтобы быть рациональным агентом, потому что один из способов действовать рационально — рассуждать логически, а затем действовать в соответствии со своими выводами.Но это не вся рациональность, потому что агенты часто оказываются в ситуациях, когда нет доказуемо правильного действия, но они должны что-то делать.

Есть также способы действовать рационально, которые, по-видимому, не предполагают логических выводов, например, рефлекторные действия.

1. Это более общий подход, чем логический, поскольку правильный вывод — это лишь полезный, а не необходимый механизм достижения рациональности.
2. Он более поддается научной разработке, чем подходы, основанные на человеческом поведении или человеческом мышлении, потому что стандарт рациональности может быть определен независимо от людей.

Основы ИИ

Математика

Философы застолбили за собой большинство важных идей ИИ, но для перехода к формальной науке требуется уровень математического формализма в трех основных областях: вычисления, логика и вероятность.

Математики доказали, что существует алгоритм для доказательства любого истинного утверждения в логике первого порядка. Однако если добавить принцип индукции, необходимый для улавливания семантики натуральных чисел, то это уже не так. В частности, теорема о неполноте показала, что в любом языке, достаточно выразительном для описания свойств натуральных чисел, существуют неразрешимые истинные утверждения: их истинность не может быть установлена ​​никаким алгоритмом.

Точно так же Тьюринг показал, что есть некоторые функции, которые не может вычислить ни одна машина Тьюринга.

Хотя неразрешимость и невычислимость важны для понимания вычислений, понятие неразрешимости оказало гораздо большее влияние на информатику и ИИ. Класс задач называется неразрешимым, если время, необходимое для решения экземпляров класса, растет по крайней мере экспоненциально с размером экземпляров.

Экспоненциальный против полиномиального. Между ними находится недетерминированный полином.

Даже экземпляры неразрешимых классов задач среднего размера не могут быть решены за разумное время.Следовательно, следует стремиться разделить общую проблему формирования разумного поведения на разрешимые подзадачи, а не на неразрешимые.

Еще одно важное понятие из математики — сокращение задач. Редукция — это общее преобразование от одного класса задач к другому, при котором решения первого класса могут быть найдены путем сведения их к задачам второго класса и последующего их решения.

Одно понятие для распознавания неразрешимых проблем в NP-полноте. Задачи, которые можно решить за недетерминированное полиномиальное время. Любой класс задач, к которому можно свести NP-полную проблему, скорее всего, будет неразрешимым.

Вероятность — это основной математический инструмент, который мы должны представлять и рассуждать о неопределенности. Байес предложил правило обновления субъективных вероятностей в свете новых данных. Это правило составляет основу современного подхода к неопределенным рассуждениям в ИИ.

Теория принятия решений объединяет теорию вероятности с теорией полезности (которая обеспечивает основу для определения предпочтений агента), чтобы дать общую теорию, которая может отличать хорошие действия от плохих.

1. Стимул транслируется во внутреннее представление
2. Представление управляется когнитивными процессами для получения новых внутренних представлений.
3. Они переводятся в действия

Наличие теории того, как люди успешно обрабатывают естественный язык, является полной проблемой ИИ — если бы мы могли решить эту проблему, мы бы создали модель интеллекта.

Большая часть ранней работы по представлению знаний была сделана для поддержки программ, пытавшихся понять естественный язык.

История ИИ

На заре ИИ существовал большой оптимизм по поводу того, что до интеллектуального компьютера осталось всего несколько десятилетий. Однако проблема оказалась гораздо сложнее, чем предполагалось. Сегодня большинство исследователей ИИ достаточно умны, чтобы не делать прогнозов.Кроме того, многие на самом деле не озабочены созданием интеллекта, а скорее озабочены созданием более интеллектуальных компьютерных программ, чем существующие в настоящее время.

Подход микромиров к ИИ был впервые применен в 1960-х годах и пытался решать проблемы в ограниченных областях.

Программа ANALOGY может решать задачи геометрической аналогии, подобные этой.

Самый известный микромир — Мир Блоков (1970-е годы). Такая команда, как «Поднимите красный блок», может использоваться для управления миром.

Подход к микромиру оказался проблематичным, потому что успехи, достигнутые в написании программ для микромиров, оказались не поддающимися обобщению.

Ранние работы в лагере логиков также имели проблемы из-за использования слабых методов (они используют слабую информацию о предметной области). Однако более успешными оказались наукоемкие подходы. Ключевым развитием традиции логиков стали системы, основанные на знаниях, в 1980-х годах.

В конце 1980-х нейронные сети снова вошли в моду (они были популярны в 60-х) благодаря улучшенным алгоритмам обучения и более быстрым процессорам.

1943 — МакКаллох и Питс предлагают моделировать нейроны с помощью устройств включения/выключения.
1950-е — Клод Шеннон и Алан Тьюринг пытаются написать программы для игры в шахматы.
1957 — Джон Маккарти придумал название «Искусственный интеллект».
1960-е — Теоретик логики, GPS, микромиры, нейронные сети.
1971 — Теория NP-полноты (Кук и Карп) ставит под сомнение общую применимость методов ИИ.
1970-е — Системы, основанные на знаниях, и экспертные системы.
1980-е — методы ИИ получили широкое распространение, заново открыты нейронные сети.
1990-е — Deep Blue побеждает чемпиона мира по шахматам. Распознавание изображений и речи становится практичным.