IZONE- http://www.izcity.com/- бесплатный софт, вэб-сервисы, ресурсы для раскрутки, свежие номера журнала "Internet Zone".

Непростые будни искусственного интеллекта

Бес Сахара

Буквально несколько десятилетий назад все было понятно: знание - особенность исключительно человеческого интеллекта, так как он предполагает способность не только хранить информацию, но и понимать ее. Однако бурное развитие современных информационных технологий привело к кардинальному пересмотру многих привычных определений. В их числе оказалось и само понятие интеллекта: уникальность человеческого разума была поставлена под сомнение самим человеком.

Первые исследования в области искусственного интеллекта (ИИ) были начаты в 60-х годах и первоначально ограничивались решением простейших задач, как то: наделение машин способностью доказывать несложные теоремы, обучение логике игры в шахматы и т. п. Конечно, полученные на тот момент результаты нельзя было считать революцией в области ИИ. Хотя бы потому, что единого критерия, по которому систему можно считать в полном смысле слова интеллектуальной, у специалистов просто не было.

Чтобы разобраться, как складывалось определение подобных систем, необходимо вернуться чуть назад, во времена становления самого понятия ИИ. От решения первых простейших задач исследователи постепенно перешли к более сложным моделям: ускорение типовых вычислений как продукт их первоначальной деятельности перестало удовлетворять нуждам общества. Собственно говоря, отсюда и берет свое начало история хорошо известных сегодня систем автоматизации. Опыт, знания и навыки, применяемые отдельным человеком - экспертом в своей области, послужили основой для создания единой компьютерной технологии, использование которой было бы доступно всем.

Первоначально, как и интернет, системы автоматизации были доступны и разрабатывались только для узкого круга людей науки, заинтересованных в построении и вычислении специализированных математических моделей. Постепенно приоритеты создаваемых систем сместились в сторону решения с их помощью различных типовых прикладных задач, но на этом эволюция в области автоматизации деятельности отнюдь не завершилась.

Разработчики пришли к выводу, что потенциальные возможности данных решений поистине огромны - именно так на свет появилась идея создания программного обеспечения с опциями универсальной настройки, обладающего широкими возможностями, которые позволят решать целый спектр достаточно типовых задач. При этом оно должно быть легким и удобным в использовании, иметь множество необходимых для работы функций и позволять в полном смысле автоматизировать рабочее место для каждого конкретного пользователя.

Заметьте, о том, что данное ПО необходимо наделить интеллектом, речь пока не шла - примером тому могут послужить системы автоматизации деятельности, существующие и по сей день (в частности, это системы автоматизации документооборота, решающие задачи хранения, доступа и поиска необходимой информации).
Однако после массового внедрения систем автоматизации в бизнес-процессы, возникли первые трудности.

Выяснилось, что многие задачи, успешно и быстро решаемые человеком-экспертом, не поддаются описанию в понятиях компьютерной логики, основанной только на математике. Альянс "человек + компьютер" по-прежнему оставался доминирующим при выборе и построении моделей подобных систем. Естественно, учитывая все возраставшую тенденцию к максимальной автоматизации деятельности, создавшееся положение требовало глобального переосмысления существующего подхода к информации вообще. Машины необходимо было научить не только структурировать информацию, но и думать, принимая самостоятельные решения. Именно этот момент можно по праву считать началом века ИИ.

Специалисты быстро поняли, что основной задачей новой области должно стать эффективное управление поступающими информационными потоками, то есть, в конечном счете, получение знаний из информации. Было очевидно, что для начала часть материалов может и должна быть отсеяна, исходя из определенных критериев. Системы автоматизации на тот момент достаточно эффективно справлялись с этой задачей. Но оказалось, что даже оставшейся частью данных не так просто оперировать, поскольку система познания человека и механизмы его рассуждений опираются на обширную структурированную базу знаний. В отличие от компьютеров, которые тогда являлись исключительно устройствами для хранения информации, пусть и более совершенными, чем человек.

Именно поэтому технология построения искусственного разума свелась к вопросу об идеальном структурировании информации, которая была бы представлена компьютеру в виде, обеспечивающем ему возможность извлекать из нее нужные знания и управлять ими.

Таким образом, мы вплотную подошли к основному понятию в области систем искусственного интеллекта - Knowledge Management, системе управления знаниями (СУЗ), которая представляет собой мощный универсальный инструмент для детального анализа внешней среды в широких предметных областях и получения уникальных формализованных знаний по ним в том виде, который удобен пользователю.
Годовой оборот мирового рынка СУЗ на данный момент составляет свыше двух миллиардов долларов, а решения в области управления знаниями предлагают уже более двадцати вендоров - производителей программного обеспечения (Datachannel, Hummingbird, Hyperwave, 2Share, Comintell).

В России также имеются системы такого класса - в частности, автоматизированная система управления информационными потоками Press Online, которую разработала компания "Открытые Коммуникации". Потребителями же таких систем являются не только транснациональные корпорации (Siemens, Volkswagen, Reuters, Sybase), но и узкоспециализированные компании, которые хотят обеспечить себе возможность оперативно реагировать на изменение условий на рынке.

Логично, что помимо управления входящими информационными потоками данная система способна также извлекать и структурировать большие объемы поступившей информации с помощью различных методов. В число обязательных "умений" СУЗ входит также система информационной поддержки принятия решений, на которой мы остановимся подробнее. Именно потому, что эта функция большой СУЗ дала жизнь отдельному направлению в построении систем искусственного интеллекта - экспертным системам (ЭС). ЭС - основанная на знаниях определенной комплексной предметной области информационная система искусственного интеллекта, выполняющая роль эксперта-консультанта для конечных пользователей.

Это своего рода прикладное решение для сравнительно небольшой группы пользователей (компании, фирмы), базирующееся на системе поддержки принятия решений. Именно этот вид систем искусственного интеллекта, по отзывам профессионалов, на сегодняшний день имеет достаточно большой потенциал для применения в наших российских условиях, ввиду своей четкой ориентации на определенную предметную область бизнеса.

Вообще говоря, система поддержки принятия решений (СППР) способна давать заключения, которые мог бы сделать человек - эксперт высокой квалификации.

Главное отличие ЭС от универсальной СППР - ее узкая специализация, то есть способность "разбираться" только в определенном секторе тематических знаний. Экспертные знания в ЭС составляют отдельную базу знаний, которая, в частности, может быть получена на основании опыта реальных людей-экспертов, умеющих эффективно решать задачи в своей предметной области. Наглядным примером тому может послужить одна из первых ЭС - "Мицин", спроектированная в Стенфордском университете. Эта система диагностирует и определяет методы лечения в первые двое суток после заражения для нескольких видов бактериальных инфекций на основании более чем 500 правил, которые были разработаны по результатам опросов множества врачей-специалистов.

К экспертным системам предъявляются достаточно жесткие требования - ведь, позволив компьютеру самостоятельно принимать решения, человек тем самым увеличил "степень ответственности" машины и, следовательно, риск поступления неверных советов.

Поэтому, по мнению профессионалов, хорошая экспертная система должна в обязательном порядке обладать следующими качествами.

1. Самоотчет. ЭС должна уметь объяснять свои выводы и действия. При решении реальных задач ценятся, в первую очередь, практические рекомендации, основанные на существующих фактах, которые можно проверить, и объяснение которых подчиняется формальной логике. Если в концепцию ЭС не будет заложено это свойство, задачи, ею решаемые, превращаются в нереалистическое моделирование, то есть своего рода интеллектуальную игру.

2. Компетентность. ЭС должна достигать экспертного уровня решений, а именно: рассуждать, опираясь на фундаментальные принципы принятия правильного логического решения, даже в тех случаях, когда обрабатываемая ею информация недостаточна или содержит некорректные данные. Данное свойство ЭС иногда также называют "робастностью" (от англ. robust - здравый, ясный).

3. Использование символьных рассуждений. Это свойство ЭС означает, что результат ее "размышлений" должен быть выражен обычными предложениями с использованием профессиональных терминов точно так же, как и настоящие эксперты обходятся без сложных математических формулировок, оперируя словами в символьном исполнении - "платежеспособность", "рентабельность" и т. д. Символьные строки для ЭС должны объединяться в символьные структуры, исходя из их логических взаимосвязей. При необходимости данная функция ЭС позволяет полностью переформулировать задачу.

4. Глубина. ЭС должна уметь работать с трудными задачами, используя сложные правила. Если такого качества у ЭС нет, она может быть применена разве что для решения надуманных или чисто теоретических задач.

В качестве примера такой внедренной и успешно работающей системы, обладающей всеми необходимыми качествами, можно назвать ЭС "Помощник выдающего кредит", которая широко используется компанией "Американ Экспресс". Данная программа способна принимать решение, предоставлять или нет кредит по индивидуальному запросу клиента, тратя на "обдумывание ответа" не более 90 секунд.

"Помощник выдающего кредит" содержит базу знаний, полученных от опытных сотрудников, что помогает сразу распознавать нетипичные запросы и отвергать их. В результате внедрения этой ЭС "Американ Экспресс" значительно снизила свои убытки от выдаваемых кредитных карточек.

На пути повсеместного распространения ЭС в России лежит несколько заблуждений потенциальных клиентов. Главенствующим среди них является представление, что ЭС знает и умеет делать гораздо меньше, чем отдельно взятый человек-эксперт либо, на худой конец, столько же, но это обходится гораздо дороже.

Модели рассуждения

Как рассуждают люди:
- создают категории поступающей информации (сохраняют информацию о фактах, используя ключевые атрибуты);
- используют прошлый опыт - прецеденты ("Если А, то В");
- используют априорные правила ("Если А, то B, если B, то C - значит, если А, то С");
- используют эвристику - "правила обхода" ("Если еда включает мясо, то выбираем красное вино");
- используют "математические ожидания" ("Вы не самостоятельны сегодня ").

Одна из компьютерных моделей, основанных на человеческом рассуждении - сеть, состоящая из фреймов (вершин или узлов сети) и их слотов (атрибутов, отношений между ними).

Похожа на базу данных в традиционном понимании (если брать общий метод структуризации), но в то же время сильно отличается от нее. Каждый фрейм находится в одной или нескольких иерархических связях типа "Если А, то В". Верхние уровни иерархии этой сети представляют собой общие концепции, а нижние - более специфические, уточняющие ("математические ожидания"). Значения любого фрейма могут быть унаследованы от более общей вершины. ("Если А, то В, если В, то С - значит, если А, то С"). При этом значения любого фрейма, заданные по умолчанию, затем могут быть отменены (эвристика).

Другая модель - "распознавание образов - искусственные нейронные сети". Это множество связанных вычислительных элементов (нейронов), описываемых относительно простой математической моделью. Нейроны сопоставляют свои образцы на входе, используя множество примеров, и обучаются на этих примерах, регулируя свои связи.

Выходные данные используются для классификации нового множества примеров. Нейронные сети способны распознавать образы, даже если данные содержат помехи, неоднозначны, искажены или имеют много разновидностей.

Учитывая опыт имеющихся на рынке систем, объединяющих в себе знания не одного, а многих экспертов, а также наличие самообучающихся ЭС в областях, в которых экспертов крайне мало или вообще нет, можно с уверенностью сказать, что это далеко не так. Вторым по важности можно назвать убеждение большинства в том, что ЭС никогда не заменит человека-профессионала. Здесь необходимо отметить, что многие ЭС в своей области уже заменяют экспертов и, более того, полностью "перекрывают" их результаты.

Вообще говоря, системы искусственного интеллекта появились из-за глобальной мировой тенденции к расширению профессиональной специализации, затронувшей большую часть общества. Багаж знаний, необходимых специалисту для повседневной работы, стало практически невозможно пополнять и удерживать в памяти. Ведь ритм стремительно меняющейся современной жизни предполагает не только постоянные обращения к справочной информации, но и к базам накопленных знаний.

О чем, собственно, речь

Системы искусственного интеллекта (artificial intelligence) - это компьютерные системы, которые могут получать, хранить и использовать знание.
Это определение систем ИИ существует достаточно давно, но специалисты по-прежнему расходятся в выборе средств для реализации данных решений.

Некоторые полагают, что главный признак системы, обладающей искусственным интеллектом - это невозможность отличить ее реакции от человеческих (так называемый критерий Тьюринга). Противники этого утверждения считают, что основная задача системы ИИ, наоборот, состоит в том, чтобы максимально использовать свои преимущества перед человеческим разумом, применяя методы познания, присущие только компьютерам.

Как следствие, сегодня в области создания "разумных машин" активно применяются оба подхода, каждый из которых развился в серьезное направление для научно-исследовательской деятельности.

Индикаторами основных этапов эволюции систем автоматизации стали следующие события:
- 50-е годы - программа расчета траектории баллистической ракеты;
- 70-е годы - автоматизированное рабочее место оператора диспетчерской службы (АРМ);
- 90-е годы - текстовый редактор для широкого круга пользователей.

Именно поэтому скорость доступа к информации сегодня является определяющим фактором для эффективности ее дальнейшего использования - даже более важным, чем информационная полнота или достоверность полученных сведений. В целом, по мнению специалистов в области управления знаниями, все это означает наличие большого потенциала для внедрения информационных систем, базирующихся на платформе искусственного интеллекта.

Сравнение достоинств и недостатков 
существующих ЭС
Достоинства  Недостатки
Постоянство - в отличие от человека, ЭС никогда ничего не забывает Отсутствие сенсорного опыта - ЭС основаны
только на вводе символов, человек-эксперт получает информацию и другими путями
Воспроизводимость - возможность легко сделать любое количество копий, в отличие от значительных  затрат времени и средств на обучение людей  Отсутствие здравого смысла - человек, помимо широких профессиональных знаний, обладает здравым смыслом
Эффективность - увеличение производительности  и уменьшение затрат на персонал Отсутствие креативности - человек,  в отличие от ЭС, способен творчески реагировать на необычные ситуации
Низкие затраты на эксплуатацию - расходы могут быть распределены на многих пользователей  Высокая себестоимость - разработка концепциии и внедрение хорошей ЭС обходятся действительно дорого
Гибкость - свободная ориентация в сложных механизмах различных сводов правил и дополнений  Узость - ЭС не способны принять решение, если проблема лежит вне уровня их компетенции, а также определить, что решения не существует

Источник: http://www.computery.ru/upgrade/

 


Copyright © "Internet Zone", http://www.izcity.com/, info@izcity.com