Файл: Конспект лекций по дисциплине информ технол.doc

Поскольку данная машина Тьюринга обладает всего двумя внутренними состояниями, ее возможности ограничиваются лишь тривиальными вычислениями. Более сложные машины с большим числом состояний способны смоделировать поведение любой ЭВМ, в том числе и значительно более сложной, чем они сами.

Это оказывается возможным благодаря тому, что они хранят полное представление логического состояния большей машины на бесконечной ленте и разбивают каждый вычислительный цикл на большое количество простых шагов. Показанная здесь машина логически обратима: мы всегда можем определить предшествующие состояния машины. Машины Тьюринга, обладающие другими правилами перехода, могут и не быть логически обратимыми.

Вклад в криптографию (время Второй Мировой войны)

Во время войны Тьюринг был призван на секретную работу в британское криптоаналитическое бюро (Государственный институт кодов и шифров). Бюро занималось перехватом и расшифровкой немецких шифровок. В то время как немецкие криптографы действовали по наитию, подходя к криптографии прежде всего как к искусству, Алан Тьюринг использовал научный и алгоритмический подход, основанный на статистическом анализе данных. Для шифрования немцы использовали специальный трехдисковый шифратор ≪Энигма≫, а британские ученые создали специальный вычислитель ≪Бомба≫, с помощью которого, начиная с 1940 года, расшифровывали все переговоры Люфтваффе. К концу войны они построили ряд более мощных вычислителей и расшифровали шифр Верховного главнокомандования.

Компьютерный интеллект

Алан Тьюринг первым поставил вопрос о том, что такое компьютерный интеллект. В 1950 г. он опубликовал свою знаменитую статью под названием ≪Может ли машина думать?≫ (Can the machine think?). В ней Тьюринг рассмотрел два основополагающих определения —≪машина≫ и ≪мыслить≫. Но если размышления ученого по первому пункту были актуальны лишь для его современников, то разработанный Тьюрингом критерий разумности вычислительных систем используется до сих пор. В упрощенном изложении тест Тьюринга формулируется таким образом: ≪Судья и подопытный общаются между собой с помощью телеграфа (чтобы исключить узнавание по голосу). Судья может задавать подопытному любые вопросы. Если на основании ответов подопытного он не может ответить на вопрос –кто общается с ним человек или компьютер, то компьютер обладает искусственным интеллектом≫. По поводу искусственного интелекта Тьюринг истывал чрезвычайный оптимизм. «И лишь в одном случае нельзя будет построить мыслящую машину, —писал в своей статье Тьюринг, — если человеческое общение основано на психокинезе и способности к прорицанию. В этом случае науке просто предстоит изучить подобные явления и смоделировать их≫. Алан Тьюринг прогнозировал, что в ходе пятиминутного теста компьютер с памятью около 126 Мб сможет обмануть человека в 30% случаев.

---

Что показало время

Сегодня компьютеры далеко перешли рубеж в 128 Мб памяти. И даже существует множество чат-ботов, которые могут поддерживать общение. До сих пор остается открытым вопрос, насколько адекватно тест Тьюринга определяет разумность машины. В сегодняшней его интерпретации он позволяет оценить лишь имитационные способности программы —то есть насколько хорошо она притворяется человеком. В 2001 г. утешительный приз за человекоподобие достался программе ALICE Ричарда Уоллеса, которая смогла убедить более 30% судей в своей немашинной природе.

Развитие подхода

Термин «искусственный интеллект» датируется 1955 г., когда Джон МакКарти (John McCarthy) предложил его на конференции в Дартмутском университете.

Казалось, что огромный успех неизбежен. Так, Герберт Саймон (Herbert Simon, 1965) смело предсказал, что «в пределах самого ближайшего будущего — значительно меньше, чем двадцать пять лет, —мы будем иметь техническую возможность заменить машиной любую функцию человека во всех организациях».

Такое волнение первых лет подпитывалось рядом успешных демонстраций ИИ в ряде ограниченных областей. Авторы системы одной из систем ИИ Ньювелл и Саймон утверждали, что при достаточно высоком уровне обобщения все задачи выглядят одинаково: это всегда проблема перехода от начального состояния к желательному. Поэтому, имея проблемно-ориентированный набор операторов (каждый из которых может осуществлять переход от одного такого состояния к другому), с помощью единственного общего метода можно решить какую бы то ни было задачу, используя общую эвристику сокращения различий.

Искусственный интеллект сейчас

Цель искусственного интеллекта (ИИ) состоит в построении компьютерных систем, которые могут продемонстрировать уровень интеллекта, подобный человеческому разуму. Начиная с компьютерных программ, понимания естественного языка, игр, доказательства теорем, распознавания образца, обучающихся машин и робототехники, ИИ превратился в зрелую дисциплину, продукты которой имеют широкое практическое применение.

Однако цель не была достигнута: каждая из систем ИИ обычно компетентна только в одной узкой предметной области. Экспертные системы интенсивно развиваются, начиная с 60-х годов прошлого века. Вот примеры промышленных экспертных систем, все ни основаны на формальной логике:

---

•MICIN —экспертная система для медицинской диагностики. Разработана группой по инфекционным заболеваниям Стенфордского университета.

Ставит соответствующий диагноз, исходя из представленных ей симпт омов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. База данных состоит из 450 правил.

•PUFF —анализ нарушения дыхания. Данная система представляет собой MICIN, из которой удалили данные по инфекциям и вставили данные о легочных заболеваниях.

•DENDRAL —распознавание химических структур. Данная система старейшая, из имеющих звание экспертных. Первые версии данной системы появились еще в 1965 году во все том же Стенфордском университете. По льзователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та в свою очередь выдает диагноз в виде соответствующе й химической структуры.

•PROSPECTOR —экспертная система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых.

К 90-м годам эти системы пордили столь большую волну общественных ожиданий к ИИ, что вызвали инвестиционный бум в эту область знаний. Инвестиционный бум достаточно быстро прекратился по двум причинам:

•неспособеность экспериных систем дать сколько-нибудь полезные промышленные результаты,

•появление конкурирующих промышленных технлогий: Интернет, мобильная связь В целом попытки разработки систем искусственного интеллекта выявили следующие проблемы.

Принципиальные особенности человеческогомышления

•формальная дедуктивная логика¹ — довольно бедная модель человеческого мышления, (например человек легко оперирует с

•формальная логика имеет свойство монотонности –это означает, по мере приближения к цели количество вариантов, которое над просчитать для получения правильного ответа может только возрастать, человеческая логика принципиально немонотонна; •мы даже не знаем, откуда у нас появляются идеи, гипотезы, решения и схемы;

формальной логики эти утвержения противоречивы), однако на сегодня другой модели мышления не существует;

•самые значительные успехи были достигнуты тогда, когда моделируемые миры были крошечными, но такие системы становились несовершенными, когда предпринимались попытки увеличить их до масштаба реального объема элемента, объединить данные большого количества датчиков или найти обобщение путем объединения нескольких предметных областей²;

---

•сложно подобрать структурированные представления знаний, которые были бы достаточно гибкими для того, чтобы моделировать разумный человеческий навык оценки соотвествия (человек может мгновенно загрузить огромные области знания в свою «рабочую память» или достать их оттуда, если что-то сделает их значимыми);

•можно построить обучающуюся машину, но сегодняшние ИИ-системы требуют огромных человеческих вложений в обучение (в инжиниринг знаний) и настройку исполнения;

•хотя сегодняшние настольные компьютеры предлагают такие объемы запоминающих устройств и производительность, которые в тысячи раз превышают показатели машин, использовавшихся пионерами, мы все еще рассматриваем ИИ, устроенный в миллионы раз проще, чем мозг человека.

Хотя ум может в значительной степени компенсироваться мощностью, мы все еще пытаемся моделировать человеческий разум с процессорами таракана.

Против ярых сторонников ИИ свой знаменитый аргумент «китайская комната» выдвинул Сирли (Searle, 1984). По аналогии с компьютером он предположил комнату, в которой рабочие без знания китайского языка переводят тексты с китайского на английский, рабски следуя набору правил. Так как в соответствии с гипотезой ни одно существо внутри комнаты не понимало китайского, Сирли, проводя аналогию, говорил, что ни одна ИИ-программа не может понимать свою тематику.

Тем не менее, поиск ИИ привел к значительным достижениям в области информатики и информационных технологий в дополнение к их широко распространенным практическим применениям. Это стало причиной интригующих философских проблем. Цель во многом изменилась. Машинный интеллект теперь не рассматривается как копия человеческого разума, хотя многие все еще полагают, что мы однажды создадим интеллекты, превосходящие наши.

Самые большие выгоды от разработок ИИ —это сопутствующие результаты.

Непосредственно или косвенно разработки инспирировали успехи в компьютерных языках, проектировании баз данных, объектно-ориентированном программировании, параллелизме, нечеткой логике и распознавании образцов, воспроизвели эволюцию, генетические алгоритмы и искусственную жизнь.

В области человеко-машинного взаимодействия никто не ведет речь о замене человека. Вектор развития изменился. Первым это положение зафиксировал Уолтер Эшби, который выдвинул идею «усилителя интеллекта». Затем эта идея появлялась под аналогичными названиями «партнерская система» и пр.

---

---