Приветствую Вас, Гость

Оглавление

Часто используемые термины и понятия

 

Машинное обучение (machine learning) – раздел искусственного интеллекта, касающийся методов построения алгоритмов, способных обучаться.[1] Можно выделить два различных типа обучения: 1) обучение по прецедентам (индуктивное обучение) – предполагает выявление закономерностей в совокупности самостоятельных разрозненных фактов; 2) дедуктивное обучение, т.е. формализация знаний экспертов и их использование в формализованном виде в базах знаний.[2]

Нечеткая логика. Это раздел математики, обобщающий классическую логику и теорию множеств.[3] Используется для построения моделей приближенных рассуждений человека.

Искусственные нейронные сети.[4] Смысл этого подхода заключается в том, что с помощью программных средств моделируются процессы, предположительно происходящие в человеческом головном мозге. Если говорить упрощенно, то у нас с вами в голове имеются нервные клетки, объединенные в сети, биологические нейронные сети. Специалисты пошли по пути создания их моделей с помощью программных или аппаратных средств. На этом пути достигнут довольно большой прогресс. История работ с такими сетями насчитывает уже несколько десятков лет. С работами в этой области связаны имена таких светил в области искусственного интеллекта, как Винер, Маккалок, Питтс, Хебб, Уидроу, Бонгард, Вербос, Галушкин, Фукушима, Хопфилд и др. С помощью таких сетей удается обеспечить распознавание образов, дискриминантный анализ, кластеризацию, решать проблему эффективного параллелизма. В данной книге часть авторских рассуждений и выводов основана как раз на понятии нейронных сетей, в том числе и искусственных, а сами авторы близки к коннективизму (коннекционизму), по крайней мере, в вопросах возможного существования носителей интеллекта, более высокого, чем человеческий.

Важно отметить, что искусственные нейронные сети не программируются теми методами, как это обычно принято. Они могут самообучаться, то есть самостоятельно накапливать опыт. История искусственных нейронных сетей длинная, но непростая. Они то приносили разочарование, то, наоборот, обнадеживали. Этапами развития этой темы были создание формального нейрона,[5] перцептрона (искусственного нейрона),[6] адаптивного сумматора (Адалина), мемисторов, разработка программы "Кора". Потом были созданы многослойные перцепторы, изобретен метод обратного распространения ошибки, создан когнитрон. Создание искусственных нейронных сетей связано с проблемой создания нейрокомпьютера,[7] если говорить о "железе".[8]

Распределенный интеллект.[9] Это понятие перекликается с искусственными нейронными сетями. Да и вообще с нейронными сетями, частным случаем которых является человеческий мозг. Сам человек обладает интеллектом, тут и спорить не о чем. А отдельные нейроны в его мозге обладают интеллектом? Похоже, что нет. Как же так получается, что составные элементы не являются носителями интеллекта, а их совокупность является? Тут есть несколько объяснений. Возможно, человеческий интеллект – это что-то непостижимое и божественное. Некая особая субстанция или благодать, сошедшая неизвестно откуда на наш мозг и превратившая его в орган интеллекта. Как ни удивительно, но именно подобный подход в настоящее время и является доминирующим в научном сообществе, хотя терминология при этом используется не такая откровенная. Никто, конечно, прямо не признается в вере в божественное начало и, как правило, прячет суть дела за комбинациями профессиональных терминов. Но суть от этого не меняется.

Другое объяснение, менее распространенное, предполагает, что совокупность элементов приобретает качество, которого не было у каждого отдельного элемента и которое является результатом возникновения этой самой совокупности. Примеров тому мы имеем в окружающем нас мире предостаточно. Первый из них – это вычислительные машины и программы для них.

Еще одно объяснение - компромиссное. Оно прямо не отрицает и не утверждает божественного происхождения человеческого или иного интеллекта, но и не спорит, что его возникновению способствует объединение первичных элементов в совокупности. Причем имеется в виду, что первичные элементы - "умные" или "почти умные". Сочетание слов "распределенный интеллект" именно это и предполагает. В качестве примера нередко приводят сообщества муравьев. Вроде у каждого из них маленький, но интеллект. Однако каждый отдельный муравей, как принято считать, не имеет плана на создание муравейника или организации сообщества муравьев. А много муравьев строят муравейники и живут в сложном сообществе.

Нам как авторам этой работы пример с муравьями кажется предельно неудачным, опирающимся на неверные допущения. Если быть точным, то в данном примере муравьи действуют как бы на пользу себе, создают муравейник, в рамках которого и решают более сложные задачи, непосильные каждому из них в отдельности. Это и вводит наблюдателя в заблуждение, заставляет поверить, что создание муравейника есть результат более сложного расчета самих муравьев. Однако в природе сколько угодно примеров, когда живые особи действуют целенаправленно, однако далеко не всегда себе на пользу. Например, есть вид тропических термитов, которые перед спариванием роятся и при этом теряют крылья. В результате они становятся легкой добычей других существ, так как являются вполне съедобными, даже вкусными. Потеря крыльев и сохранение качества съедобности (могли бы стать ядовитыми) совсем не соответствует интересам самих термитов.

Есть паразиты, которые заставляют свои жертвы вести себя определенным образом, таким, чтобы сами паразиты потом попали, например, в организм третьих существ и там успешно прошли этап своего развития. Но не сами же паразиты планируют такие последствия! Такое поведение называется манипуляцией поведением промежуточного хозяина, и это установленный научный факт.[10] Кое-кто полагает, что вирус гриппа заставляет нас чихать и тем самым заражать других людей, а вирус бешенства заставляет жертву кусать других особей и таким образом распространять его.

У некоторых пауков самки съедают самцов в ходе спаривания, но при этом сам копулятивный орган ампутируется и продолжает выполнять свою прямую функцию.[11] Похожая ситуация наблюдается и у некоторых головоногих. Такие действия никакой целесообразностью или выгодностью для самих пауков никак не объясняются.

Как ориентируются по звездам и птицы, и членистоногие, причем последние не менее успешно, хотя не имеют никакого мозга? А каким образом камбала, если ее положить на шахматную доску, воспроизводит на себе рисунок клеток?

Можно упомянуть и действия одноклеточных, эксплуатирующих иммунитет высших животных. Бактерии активно приспосабливаются генетически, причем это совсем не пассивное ожидание нужных мутаций. Что все это значит? Акты внутриклеточного мышления, редактирование РНК? Распределенный интеллект? Или высший план (идея), заранее записанные на клеточном уровне? Кое-кто даже полагает, что такой план формируется вне живых существ, а те его в ходе свой жизни просто считывают.[12]   

Адаптивное управление. Это понятие используется при создании систем управления, при этом предполагается, что параметры или структура регулятора могут изменяться в зависимости от внешних неконтролируемых или контролируемых изменений, а также изменений самого объекта управления.[13]

Распознавание образов. Эта задача обычно считается существенной частью общей задачи создания искусственного интеллекта. Человек, как и другие живые организмы, постоянно распознает предметы, образы, понятия. При этом он выделяет какие-то характерные для такого предмета общие признаки или свойства. Современная наука исследует проблему по двум направлениям. Во-первых, изучаются и моделируются способности живых существ (человека) к распознаванию. Во-вторых, создаются и совершенствуются методы распознавания, используемые при решении определенных прикладных задач.

Эволюционные алгоритмы. В этом случае речь идет о разработке моделей, отражающих биологическую эволюцию. Моделируются процессы отбора, мутации и воспроизводства. При этом исследуется поведение множества агентов (популяция). Данное направление в создании искусственного интеллекта является перспективным хотя бы в силу того, что позволяет создать и усовершенствовать методы эволюции самого интеллекта, что совсем не означает признание биологической эволюции. В этом же контексте говорят о генетическом программировании, то есть о создании или изменении программ с помощью генетических алгоритмов. Целью является совершенствование программ. При этом генетические алгоритмы – это эвристические алгоритмы поиска, использующие методы, напоминающие биологическую эволюцию. Такое программирование предполагает автоматическое внесение случайных изменений (оператор мутации) и объединение алгоритмов (оператор скрещивания).

Искусственная жизнь. Когда оперируют данным понятием, то имеют в виду нечто несколько иное, нежели искусственный интеллект. Последний – это более широкое понятие, включающее самые разные инженерные технологии и математические концепции. По мнению сторонников искусственной жизни, создатели искусственного интеллекта не могут уйти от четких и прозрачных причинно-следственных (казуальных) связей между исходными данными экспериментов и результирующим поведением моделируемых объектов. Роботы при этом действуют, как правило, на основе систем логического вывода, выполняющих манипуляции с наборами фактов и правил. Однако, как соглашаются сторонники искусственной жизни, например, нейронные сети имеют менее предсказуемый результат, а следовательно, находятся на стыке искусственного интеллекта и искусственной жизни. Генетические алгоритмы и вовсе рассматриваются как полноценная вотчина искусственной жизни. Главное отличие искусственной жизни от искусственного интеллекта заключается в желании добиться не просто поведенческого сходства искусственных существ с биологическими, а достичь этого с помощью естественных, природных, эволюционных подходов.

 



[1] Осипов Г.С. Лекции по искусственному интеллекту. Красанд, 2009, 272 с.

[2] Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах. ФИЗМАТЛИТ, 2004, 704 с.

[3] Петровский А.Б. Пространства множеств и мультимножеств. - М.: Едиториал УРСС, 2003, 248 с. Яхъяева Г.Э.  Нечеткие множества и нейронные сети. Бином, 2006, 315 с. Пономарев А.С. Нечеткие множества в задачах автоматизированного управления и принятия решений. НТУ "ХПИ", 2005, 232 с.

[4] Голицын Г.А., Фоминых И.Б. Нейронные сети и экспертные системы: перспективы интеграции// «Новости искусственного интеллекта» М.,1996, №4.

[5] Мак-Каллок У.С., Питтс У. Логическое исчисление идей, относящихся к нервной активности // Автоматы, под ред. Шеннона К.Э. и Маккарти Дж. М.: ИЛ, 1956. С. 362 - 384.

[6] Фомин С.В., Беркенблит М.Б. Математические проблемы в биологии. М.: Наука, 1973, 200 с. Фон Нейман Дж. Теория самовоспроизводящихся автоматов. М.: Мир, 1971, 382 с. Розенблат Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга. Мир, 1965.

[7] Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. МГТУ им. Н.Э.Баумана, 2004.

[8] Достаточно подробно об истории создания искусственных нейронных сетей и о смежных проблемах можно прочитать в следующей работе: Anderson, James A., and Edward Rosenfeld, eds. Neurocomputing, Foundations of Research  (Cambridge, Mass.: MIT Press, 1988).

[9] Стефанюк В.Л. Локальная организация интеллектуальных систем. ФИЗМАТЛИТ, 2004, 328 с. Арсеньев С.В, Бородина Н.В, Тарасов В.Б, Черепанов Н.В. "О комбинированном подходе к формированию знаний на начальных этапах проектирования с использованием методологии агентов" Сборник научных трудов КИИ-2004.

[10] Helluy S. Un mode de favorisation de la transmission parasitaire: la manipulation du comportement de l'hote intermediare//Revue d'Ecologie, 1983, v.38, №2.

[11] Михайлов К.Г. Кастрация и половой каннибализм у пауков. Природа, 2002, №5.

[12] Чайковский Ю.В. Наука о развитии жизни. Опыт теории эволюции. М., Тни КМК, 2006, с.389.

[13] Осипов Г.С. Лекции по искусственному интеллекту. Красанд, 2009, 272 с.