Искусственный интеллект: Может ли машина мыслить? Google о проблеме искусственного интеллекта: машина - совершенный человек. Наука о знании
Может ли компьютер мыслить
Введение
Глава I. Искусственный интеллект – его понятие сущность
теории
Понятие искусственного интеллекта
История развития систем искусственного интеллекта
Подходы к построению искусственного интеллекта
Подход к искусственному интеллекту Алана Тьюринга
Самообучение искусственного интеллекта
Искусственный интеллект – новая информационная
революция
Глава II Квантовые компьютеры и нейрокомпьютеры
Квантовый компьютер
Нейрокомпьютер
Глава III Основы нейроподобных сетей
Некоторые сведения о мозге
Нейрон как элементарное звено
Нейроподобный элемент
Нейроподобный сети
Обучение нейроподобной сети
Глава IV Может ли компьютер мыслить
Реально ли компьютерное мышление
Заключение
Список литературы
Введение
Сегодняшнее время невозможно представить без компьютера. Применение компьютерных технологий сегодня затрагивает все сферы человеческой деятельности, будь то строительство, промышленность, образование, наука, экономика и т.д.
С каждым годом компьютеры становятся более мощными и производительными, притом технологии развиваются так быстро, что аналитики давшие прогнозы на будущее компьютерной индустрии 10 лет назад, в настоящее время понимают, что здорово просчитались.
Развитие компьютерной техники – это не только увлечение мощности, производительности и снижение себестоимости материалов и технологий, но и разработка и создание новых типов компьютеров, способных мыслить, подобно человеку.
Сегодня, домашний компьютер имеющий процессор с тактовой частотой 5000 MHz, не является фантастикой, хотя раньше о таком даже не думали. Если сегодня тема моей работы звучащая так ” Может ли компьютер мыслить” имеет более философскую направленность, чем направленность математическую. То по прошествии нескольких десятков лет мыслящий компьютер никого удивить не сможет, так же как и сегодня ЭВМ с 2 – х ядерным процессором частотой 5000 MHz. И если студент будущего будет писать подобную работу, на подобную тему, то скорее всего к тому времени будут изложены все математические и логические принципы построения искусственного разума.
Создание искусственно мыслящих машин, может помочь человечеству справиться с теми сложными задачами, с которыми не способен сегодня справиться человек. Например, можно отправлять роботов в далёкие галактики на поиски внеземных цивилизаций. Так же с помощью разумных роботов можно заменить такие профессии как стюард в гостинице или официант, или же использовать роботов для обеспечения безопасности людей. Роботы – полицейские или даже роботы сапёры.
С другой стороны создание искусственного разума может и навредить человечеству. Этому посвящено немало книг в современной художественной литературе, снято не мало фильмов, самым известным из которых является фильм Терминатор. В этом фильме показано в будущем разразилась война людей против созданных ими роботов
Ну, если подойти к проблеме более серьезно – возможно ли на сегодняшний день создание ЭВМ способной мыслить подобно живому человеку. Способных общаться с человеком так, что человек не будет замечать разницы между общением с человеком и машиной. Так что бы общение машины было подобно живому человеческому общению?
Многие учёные скажут – да, такое возможно, но не сегодня, пока человечество ещё не до конца изучившее принципы работы головного мозга, а тем более не может создать мозг электронный или так называемы “кибер мозг” Ведь принципы работы современных ЭВМ достаточно далеки от принципов функционирования живого “биологического” мозга.
Так утверждают пессимисты, а оптимисты работают над созданием и разработкой принципов действия искусственного разума.
Тема моей работы не только актуальна, но и интересна. В своей работе, я попытаюсь изложить сущность искусственного интеллекта, рассказать историю о возникновении теории об искусственном интеллекте. И попытаюсь ответить на вопрос – “Может ли компьютер мыслить?”
Глава I
Искусственный интеллект, его понятие, сущность, теории.
1.1 Понятие искусственного интеллекта.
Что бы ближе подойти к проблеме решения вопроса – может ли компьютер мыслить, не возможно не упомянуть такое понятие как искусственный интеллект. Именно этому я бы хотел посвятить первую главу своей работы.
Искусственный интеллект. Не так давно он находился в одном ряду со звездолетами, внеземными цивилизациями и прочими образами будущего, рожденных воображением писателей-фантастов.
Сегодня фраза «искусственный интеллект» уже почти перестала носить научно-фантастический характер. Все чаще это словосочетание появляется в описании новых компьютерных программ и сложных технических устройств. Все чаще можно слышать утверждение, что при современных темпах роста производительности компьютеров и совершенствования программного обеспечения, создание искусственного интеллекта - лишь дело времени.
Термин интеллект1 (intelligence) происходит от латинского intellectus - что означает ум, рассудок, разум; мыслительные способности человека. Соответственно искусственный интеллект (artificial intelligence) - ИИ (AI) обычно толкуется, как свойство автоматических систем брать на себя отдельные функции интеллекта человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий.
В этом определении под термином "знания" подразумевается не только ту информацию, которая поступает в мозг через органы чувств. Такого типа знания чрезвычайно важны, но недостаточны для интеллектуальной деятельности. Дело в том, что объекты окружающей нас среды обладают свойством не только воздействовать на органы чувств, но и находиться друг с другом в определенных отношениях. Ясно, что для того, чтобы осуществлять в окружающей среде интеллектуальную деятельность (или хотя бы просто существовать), необходимо иметь в системе знаний модель этого мира. В этой информационной модели окружающей среды реальные объекты, их свойства и отношения между ними не только отображаются и запоминаются, но и, как это отмечено в данном определении интеллекта, могут мысленно "целенаправленно преобразовываться". При этом существенно то, что формирование модели внешней среды происходит "в процессе обучения на опыте и адаптации к разнообразным обстоятельствам".
Здесь я употребил термин интеллектуальная задача. Для того, чтобы пояснить, чем отличается интеллектуальная задача от просто задачи, необходимо ввести термин "алгоритм" - один из краеугольных терминов кибернетики.
Под алгоритмом понимают точное предписание о выполнении в определенном порядке системы операций для решения любой задачи из некоторого данного класса (множества) задач. Термин "алгоритм" происходит от имени узбекского математика Аль-Хо резми, который еще в IX веке предложил простейшие арифметические алгоритмы. В математике и кибернетике класс задач определенного типа считается решенным, когда для ее решения установлен алгоритм. Нахождение алгоритмов является естественной целью человека при решении им разнообразных классов задач. Отыскание алгоритма для задач некоторого данного типа связано с тонкими и сложными рассуждениями, требующими большой изобретательности и высокой квалификации. Принято считать, что подобного рода деятельность требует участия интеллекта человека. Задачи, связанные с отысканием алгоритма решения класса задач определенного типа, будем называть интеллектуальными.
Что же касается задач, алгоритмы, решения которых уже установлены, то, как отмечает известный специалист в области ИИ М. Минский, "излишне приписывать им такое мистическое свойства, как "интеллектуальность". В самом деле, после того, как такой алгоритм уже найден, процесс решения соответствующих задач становится таким, что его могут в точности выполнить человек, вычислительная машина (должным образом запрограммированная) или робот, не имеющие ни малейшего представления о сущность самой задачи. Требуется только, чтобы лицо, решающее задачу, было способно выполнять те элементарные операции, их которых складывается процесс, и, кроме того, чтобы оно педантично и аккуратно руководствовалось предложенным алгоритмом. Такое лицо, действуя, как говорят в таких случаях, чисто машинально, может успешно решать любую задачу рассматриваемого типа.
Поэтому представляется совершенно естественным исключить их класса интеллектуальных такие задачи, для которых существуют стандартные методы решения. Примерами таких задач могут служить чисто вычислительные задачи: решение системы линейных алгебраических уравнений, численное интегрирование дифференциальных уравнений и т. д. Для решения подобного рода задач имеются стандартные алгоритмы, представляющие собой определенную последовательность элементарных операций, которая может быть легко реализована в виде программы для вычислительной машины. В противоположность этому для широкого класса интеллектуальных задач, таких, как распознавание образов, игра в шахматы, доказательство теорем и т. п., напротив это формальное разбиение процесса поиска решения на отдельные элементарные шаги часто оказывается весьма затруднительным, даже если само их решение несложно.
Таким образом, можно перефразировать определение интеллекта как универсальный сверхалгоритм, который способен создавать алгоритмы решения конкретных задач.
Еще интересным замечанием здесь является то, что профессия программиста, исходя из наших определений, является одной из самых интеллектуальных, поскольку продуктом деятельности программиста являются программы - алгоритмы в чистом виде. Именно поэтому, создание даже элементов ИИ должно очень сильно повысить производительность его труда.
Деятельность мозга (обладающего интеллектом), направленную на решение интеллектуальных задач, можно называть мышлением, или интеллектуальной деятельностью. Интеллект и мышление органически связаны с решением таких задач, как доказательство теорем, логический анализ, распознавание ситуаций, планирование поведения, игры и управление в условиях неопределенности. Характерными чертами интеллекта, проявляющимися в процессе решения задач, являются способность к обучению, обобщению, накоплению опыта (знаний и навыков) и адаптации к изменяющимся условиям в процессе решения задач. Благодаря этим качествам интеллекта мозг может решать разнообразные задачи, а также легко перестраиваться с решения одной задачи на другую. Таким образом, мозг, наделенный интеллектом, является универсальным средством решения широкого круга задач (в том числе неформализованных) для которых нет стандартных, заранее известных методов решения.
Следует иметь в виду, что существуют и другие, чисто поведенческие (функциональные) определения. Так, по А. Н. Колмогорову, любая материальная система, с которой можно достаточно долго обсуждать проблемы науки, литературы и искусства, обладает интеллектом. Другим примером поведенческой трактовки интеллекта может служить известное определение А. Тьюринга. Его смысл заключается в следующем. В разных комнатах находится люди и машина. Они не могут видеть друг друга, но имеют возможность обмениваться информацией (например, с помощью электронной почты). Если в процессе диалога между участниками игры людям не удается установить, что один из участников - машина, то такую машину можно считать обладающей интеллектом.
Кстати, интересен план имитации мышления, предложенный А. Тьюрингом. "Пытаясь имитировать интеллект взрослого человека, - пишет Тьюринг, - мы вынуждены много размышлять о том процессе, в результате которого человеческий мозг достиг своего настоящего состояния… Почему бы нам вместо того, чтобы пытаться создать программу, имитирующую интеллект взрослого человека, не попытаться создать программу, которая имитировала бы интеллект ребенка? Ведь если интеллект ребенка получает соответствующее воспитание, он становится интеллектом взрослого человека… Наш расчет состоит в том, что устройство, ему подобное, может быть легко запрограммировано… Таким образом, мы расчленим нашу проблему на две части: на задачу построения "программы-ребенка" и задачу "воспитания" этой программы".
Можно сказать, что именно этот путь используют практически все системы ИИ. Ведь понятно, что практически невозможно заложить все знания в достаточно сложную систему. Кроме того, только на этом пути проявятся перечисленные выше признаки интеллектуальной деятельности (накопление опыта, адаптация и т. д.)
1.2 История развития систем искусственного интеллекта.
Исторически сложились три основных направления в моделировании ИИ.
В рамках первого подхода объектом исследований являются структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование моделей и т. д.
Второй подход в качестве объекта исследования рассматривает ИИ. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Целью работ в этом направлении является создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека.
Наконец, третий подход ориентирован на создание смешанных человеко-машинных, или, как еще говорят, интерактивных интеллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях является оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной.
Самыми первыми интеллектуальными задачами, которые стали решаться при помощи ЭВМ были логические игры (шашки, шахматы), доказательство теорем. Хотя, правда здесь надо отметить еще кибернетические игрушки типа "электронной мыши" Клода Шеннона, которая управлялась сложной релейной схемой. Эта мышка могла "исследовать" лабиринт, и находить выход из него. А кроме того, помещенная в уже известный ей лабиринт, она не искала выход, а сразу же, не заглядывая в тупиковые ходы, выходила из лабиринта.
Американский кибернетик А. Самуэль составил для вычислительной машины программу, которая позволяет ей играть в шашки, причем в ходе игры машина обучается или, по крайней мере, создает впечатление, что обучается, улучшая свою игру на основе накопленного опыта. В 1962 г. эта программа сразилась с Р. Нили, сильнейшим шашистом в США и победила. Каким образом машине удалось достичь столь высокого класса игры?
Естественно, что в машину были программно заложены правила игры так, что выбор очередного хода был подчинен этим правилам. На каждой стадии игры машина выбирала очередной ход из множества возможных ходов согласно некоторому критерию ка чества игры. В шашках (как и в шахматах) обычно невыгодно терять свои фигуры, и, напротив, выгодно брать фигуры противника. Игрок (будь он человек или машина), который сохраняет подвижность своих фигур и право выбора ходов и в то же время держит под боем большое число полей на доске, обычно играет лучше своего противника, не придающего значения этим элементам игры. Описанные критерии хорошей игры сохраняют свою силу на протяжении всей игры, но есть и другие критерии, которые относятся к отдельным ее стадиям - дебюту, миттэндшпилю, эндшпилю.
Разумно сочетая такие критерии (например, в виде линейной комбинации с экспериментально подбираемыми коэффициентами или более сложным образом), можно для оценки очередного хода машины получить некоторый числовой показатель эффективности - оценочную функцию. Тогда машина, сравнив между собой показатели эффективности очередных ходов, выберет ход, соответствующий наибольшему показателю. Подобная автоматизация выбора очередного хода не обязательно обеспечивает оптимальный выбор, но все же это какой-то выбор, и на его основе машина может продолжать игру, совершенствуя свою стратегию (образ действия) в процессе обучения на прошлом опыте. Формально обучение состоит в подстройке параметров (коэффициентов) оценочной функции на основе анализа проведенных ходов и игр с учетом их исхода.
По мнению А. Самуэля, машина, использующая этот вид обучения, может научиться играть лучше, чем средний игрок, за относительно короткий период времени.
Можно сказать, что все эти элементы интеллекта, продемонстрированные машиной в процессе игры в шашки, сообщены ей автором программы. Отчасти это так. Но не следует забывать, что программа эта не является "жесткой", заранее продуманной во всех деталях. Она совершенствует свою стратегию игры в процессе самообучения. И хотя процесс "мышления" у машины существенно отличен оттого, что происходит в мозгу, играющего в шашки человека, она способна у него выиграть.
Ярким примером сложной интеллектуальной игры до недавнего времени являлись шахматы. В 1974г. состоялся международный шахматный турнир машин, снабженных соответствующими программами. Как известно, победу на этом турнире одержала советская машина с шахматной программой "Каисса".
Почему здесь употреблено "до недавнего времени"? Дело в том, что недавние события показали, что, несмотря на довольно большую сложность шахмат, и невозможность, в связи с этим произвести полный перебор ходов, возможность перебора их на большую глубину, чем обычно, очень увеличивает шансы на победу. К примеру, по сообщениям в печати, компьютер фирмы IBM, победивший Каспарова, имел 256 процессоров, каждый из которых имел 4 Гб дисковой памяти и 128 Мб оперативной. Весь этот комплекс мог просчитывать более 100"000"000 ходов в секунду. До недавнего времени редкостью был компьютер, могущий делать такое количество целочисленных операций в секунду, а здесь мы говорим о ходах, которые должны быть сгенерированы и для которых просчитаны оценочные функции. Хотя с другой стороны, этот пример говорит о могуществе и универсальности переборных алгоритмов.
В настоящее время существуют и успешно применяются программы, позволяющие машинам играть в деловые или военные игры, имеющие большое прикладное значение. Здесь также чрезвычайно важно придать программам присущие человеку способность к обучению и адаптации. Одной из наиболее интересных интеллектуальных задач, также имеющей огромное прикладное значение, является задача обучения распознавания образов и ситуаций. Решением ее занимались и продолжают заниматься представители различных наук - физиологи, психологи, математики, инженеры. Такой интерес к задаче стимулировался фантастическими перспективами широкого практического использования результатов теоретических исследований: читающие автоматы, системы ИИ, ставящие медицинские диагнозы, проводящие криминалистическую экспертизу и т. п., а также роботы, способные распознавать и анализировать сложные сенсорные ситуации.
В 1957г. американский физиолог Ф. Розенблатт предложил модель зрительного восприятия и распознавания - перцептрон. Появление машины, способной обучаться понятиям и распознавать предъявляемые объекты, оказалось чрезвычайно интересным не только физиологам, но и представителям других областей знания и породило большой поток теоретических и экспериментальных исследований.
Перцептрон или любая программа, имитирующая процесс распознавания, работают в двух режимах: в режиме обучения и в режиме распознавания. В режиме обучения некто (человек, машина, робот или природа), играющий роль учителя, предъявляет машине объекты и о каждом их них сообщает, к какому понятию (классу) он принадлежит. По этим данным строится решающее правило, являющееся, по существу, формальным описанием понятий. В режиме распознавания машине предъявляются новые объекты (вообще говоря, отличные от ранее предъявленных), и она должна их классифицировать, по возможности, правильно.
Проблема обучения распознаванию тесно связана с другой интеллектуальной задачей - проблемой перевода с одного языка на другой, а также обучения машины языку. При достаточно формальной обработке и классификации основных грамматических правил и приемов пользования словарем можно создать вполне удовлетворительный алгоритм для перевода, скажем научного или делового текста. Для некоторых языков такие системы были созданы еще в конце 60-г. Однако для того, чтобы связно перевести достаточно большой разговорный текст, необходимо понимать его смысл. Работы над такими программами ведутся уже давно, но до полного успеха еще далеко. Имеются также программы, обеспечивающие диалог между человеком и машиной на урезанном естественном языке.
Что же касается моделирования логического мышления, то хорошей модельной задачей здесь может служить задача автоматизации доказательства теорем. Начиная с 1960г., был разработан ряд программ, способных находить доказательства теорем в исчислении предикатов первого порядка. Эти программы обладают, по словам американского специалиста в области ИИ Дж. Маккатти, "здравым смыслом", т. е. способностью делать дедуктивные заключения.
В программе К. Грина и др., реализующей вопросно-ответную систему, знания записываются на языке логики предикатов в виде набора аксиом, а вопросы, задаваемые машине, формулируются как подлежащие доказательству теоремы. Большой интерес представляет "интеллектуальная" программа американского математика Хао Ванга. Эта программа за 3 минуты работы IBM-704 вывела 220 относительно простых лемм и теорем из фундаментальной математической монографии, а затем за 8.5 мин выдала доказательства еще 130 более сложных теорем, часть их которых еще не была выведена математиками. Правда, до сих пор ни одна программа не вывела и не доказала ни одной теоремы, которая бы, что называется "позарез" была бы нужна математикам и была бы принципиально новой.
Очень большим направлением систем ИИ является роботехника. В чем основное отличие интеллекта робота от интеллекта универсальных вычислительных машин?
Для ответа на этот вопрос уместно вспомнить принадлежащее великому русскому физиологу И. М. Сеченову высказывание: "… все бесконечное разнообразие внешних проявлений мозговой деятельности сводится окончательно лишь к одному явлению - мышечному движению". Другими словами, вся интеллектуальная деятельность человека направлена, в конечном счете, на активное взаимодействие с внешним миром посредством движений. Точно так же элементы интеллекта робота служат, прежде всего, для организации его целенаправленных движений. В то же время основное назначение чисто компьютерных систем ИИ состоит в решении интеллектуальных задач, носящих абстрактный или вспомогательный характер, которые обычно не связаны ни с восприятием окружающей среды с помощью искусственных органов чувств, ни с организацией движений исполнительных механизмов.
Первых роботов трудно назвать интеллектуальными. Только в 60-х годах появились очувствленные роботы, которые управлялись универсальными компьютерами. К примеру, в 1969г. в Электротехнической лаборатории (Япония) началась разработка проекта "промышленный интеллектуальный робот". Цель этой разработки - создание очувствленного манипуляционного робота с элементами искусственного интеллекта для выполнения сборочно-монтажных работ с визуальным контролем.
Манипулятор робота имеет шесть степеней свободы и управляется мини-ЭВМ NEAC-3100 (объем оперативной памяти 32000 слов, объем внешней памяти на магнитных дисках 273000 слов), формирующей требуемое программное движение, которое отрабатывается следящей электрогидравлической системой. Схват манипулятора оснащен тактильными датчиками.
В качестве системы зрительного восприятия используются две телевизионные камеры, снабженные красно-зелено-синими фильтрами для распознавания цвета предметов. Поле зрения телевизионной камеры разбито на 64*64 ячеек. В результате обработки полученной информации грубо определяется область, занимаемая интересующим робота предметом. Далее, с целью детального изучения этого предмета выявленная область вновь делится на 4096 ячеек. В том случае, когда предмет не помещается в выбранное "окошко ", оно автоматически перемещается, подобно тому, как человек скользит взглядом по предмету. Робот Электротехнической лаборатории был способен распознавать простые предметы, ограниченные плоскостями и цилиндрическими поверхностями при специальном освещении. Стоимость данного экспериментального образца составляла примерно 400000 долларов.
Постепенно характеристики роботов монотонно улучшались, Но до сих пор они еще далеки по понятливости от человека, хотя некоторые операции уже выполняют на уровне лучших жонглеров. К примеру, удерживают на лезвии ножа шарик от настольного тенниса.
Еще, пожалуй, здесь можно выделить работы киевского Института кибернетики, где под руководством Н. М. Амосова и В. М. Глушкова (ныне покойного) ведется комплекс исследований, направленных на разработку элементов интеллекта роботов. Особо е внимание в этих исследованиях уделяется проблемам распознавания изображений и речи, логического вывода (автоматического доказательства теорем) и управления с помощью нейроподобных сетей.
К примеру, можно рассмотреть созданный еще в 70-х годах макет транспортного автономного интегрального робота (ТАИР). Конструктивно ТАИР представляет собой трехколесное шасси, на котором смонтирована сенсорная система и блок управления. Сенсорная система включает в себя следующие средства очувствления: оптический дальномер, навигационная система с двумя радиомаяками и компасом, контактные датчики, датчики углов наклона тележки, таймер и др. И особенность, которая отличает ТАИР от многих других систем, созданных у нас и за рубежом, это то, что в его составе нет компьютера в том виде, к которому мы привыкли. Основу системы управления составляет бортовая нейроподобная сеть, на которой реализуются различные алгоритмы обработки сенсорной информации, планирования поведения и управления движением робота.
В конце данного очень краткого обзора рассмотрим примеры крупномасштабных экспертных систем.
MICIN - экспертная система для медицинской диагностики. Разработана группой по инфекционным заболеваниям Стенфордского университета. Ставит соответствующий диагноз, исходя из представленных ей симптомов, 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. Пользователь 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.
3. Подходы к построению искусственного интеллекта
Существуют различные подходы к построению систем ИИ. Это разделение не является историческим, когда одно мнение постепенно сменяет другое, и различные подходы существуют и сейчас. Кроме того, поскольку по-настоящему полных систем ИИ в настоящее время нет, то нельзя сказать, что какой-то подход является правильным, а какой-то ошибочным.
Для начала кратко рассмотрим логический подход. Почему он возник? Ведь человек занимается отнюдь не только логическими измышлениями. Это высказывание конечно верно, но именно способность к логическому мышлению очень сильно отличает человека от животных.
Основой для данного логического подхода служит Булева алгебра. Каждый программист знаком с нею и с логическими операторами с тех пор, когда он осваивал оператор IF. Свое дальнейшее развитие Булева алгебра получила в виде исчисления предикатов - в котором она расширена за счет введения предметных символов, отношений между ними, кванторов существования и всеобщности. Практически каждая система ИИ, построенная на логическом принципе, представляет собой машину доказательства теорем. При этом исходные данные хранятся в базе данных в виде аксиом, правила логического вывода как отношения между ними. Кроме того, каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему. Если цель доказана, то трассировка примененных правил позволяет получить цепочку действий, необходимых для реализации поставленной цели. Мощность такой системы определяется возможностями генератора целей и машиной доказательства теорем.
Конечно, можно сказать, что выразительности алгебры высказываний не хватит для полноценной реализации ИИ, но стоит вспомнить, что основой всех существующих ЭВМ является, бит - ячейка памяти, которая может принимать значения только 0 и 1. Таким образом, было бы логично предположить, что все, что возможно реализовать на ЭВМ, можно было бы реализовать и в виде логики предикатов. Хотя здесь ничего не говорится о том, за какое время.
Добиться большей выразительности логическому подходу позволяет такое сравнительно новое направление, как нечеткая логика. Основным ее отличием является то, что правдивость высказывания может принимать в ней кроме да/нет (1/0) еще и про межуточные значения - не знаю (0.5), пациент скорее жив, чем мертв (0.75), пациент скорее мертв, чем жив (0.25). Данный подход больше похож на мышление человека, поскольку он на вопросы редко отвечает только да или нет. Хотя, правда, на экзамене будут приниматься только ответы из разряда классической булевой алгебры.
Для большинства логических методов характерна большая трудоемкость, поскольку во время поиска доказательства возможен полный перебор вариантов. Поэтому данный подход требует эффективной реализации вычислительного процесса, и хорошая работа обычно гарантируется при сравнительно небольшом размере базы данных.
Под структурным подходом мы подразумеваем здесь попытки построения ИИ путем моделирования структуры человеческого мозга. Одной из первых таких попыток был перцептрон Френка Розенблатта. Основной моделируемой структурной единицей в перцептронах (как и в большинстве других вариантов моделирования мозга) является нейрон.
Позднее возникли и другие модели, которые в простонародье обычно известны под термином "нейронные сети" (НС). Эти модели различаются по строению отдельных нейронов, по топологии связей между ними и по алгоритмам обучения. Среди наиболее известных сейчас вариантов НС можно назвать НС с обратным распространением ошибки, сети Хопфилда, стохастические нейронные сети.
НС наиболее успешно применяются в задачах распознавания образов, в том числе сильно зашумленных, однако имеются и примеры успешного применения их для построения собственно систем ИИ, это уже ранее упоминавшийся ТАИР.
Для моделей, построенных по мотивам человеческого мозга характерна не слишком большая выразительность, легкое распараллеливание алгоритмов, и связанная с этим высокая производительность параллельно реализованных НС. Также для таких сетей характерно одно свойство, которое очень сближает их с человеческим мозгом - нейронные сети работают даже при условии неполной информации об окружающей среде, то есть, как и человек, они на вопросы могут отвечать не только "да" и "нет" но и "не знаю точно, но скорее да".
Довольно большое распространение получил и эволюционный подход. При построении систем ИИ по данному подходу основное внимание уделяется построению начальной модели, и правилам, по которым она может изменяться (эволюционировать). Причем модель может быть составлена по самым различным методам, это может быть и НС и набор логических правил и любая другая модель. После этого мы включаем компьютер и он, на основании проверки моделей отбирает самые лучшие из них, на основании которых по самым различным правилам генерируются новые модели, из которых опять выбираются самые лучшие и т. д.
В принципе можно сказать, что эволюционных моделей как таковых не существует, существует только эволюционные алгоритмы обучения, но модели, полученные при эволюционном подходе, имеют некоторые характерные особенности, что позволяет выделить их в отдельный класс.
Такими особенностями являются перенесение основной работы разработчика с построения модели на алгоритм ее модификации и то, что полученные модели практически не сопутствуют извлечению новых знаний о среде, окружающей систему ИИ, то есть она становится как бы вещью в себе.
Еще один широко используемый подход к построению систем ИИ - имитационный. Данный подход является классическим для кибернетики с одним из ее базовых понятий - "черным ящиком" (ЧЯ). ЧЯ - устройство, программный модуль или набор данных, информация о внутренней структуре и содержании которых отсутствуют полностью, но известны спецификации входных и выходных данных. Объект, поведение которого
Похожие рефераты:
История развития элементной базы ЭВМ. Механические вычислительные машины Леонардо да Винчи, Блеза Паскаля, Лейбница. Релейные, ламповые, транзисторные дискретные и интегральные ЭВМ. Современная элементная база компьютера и перспективы ее развития.
Нелинейное и линейное представление информации. Презентация – пример интерактивного способа подачи информации. Понятие гипертекста как способа коммуникации в Интернете, его особенности и использование. Основные композиционные принципы его построения.
Методы интеллектуального анализа данных на основе применения концепций информационных хранилищ. Обеспечение оперативности коммуникации участников бизнес-процессов. Внедрение информационных технологий на предприятии - выбор системы автоматизации.
Автоматизированные информационные технологии систем электронного документооборота и виды их обеспечения. Информационная технология управления. Автоматизация офиса. Автоматизированные информационные технологии в офисе. Microsoft Office ХР. Word.
Описание булевой алгеброй переключательных функций узлов цифровых устройств. Доказательство теорем перебором по идемпотентным, коммутативным, ассоциативным, дистрибутивным, отрицающим законам двойственности, двойного отрицания и операции склеивания.
Интернет как открытая мировая коммуникационная структура. Системы адресации и протоколы передачи данных. Архитектура экспертных систем, ее этапы разработки, классификация и назначение. Использование программ-обозревателей для путешествия по Интернету.
Изучение этапов развития информатики. Характеристика структуры, информационных средств, функций и назначения информатики. Общее понятие об информатике, как о науке, анализ составляющих элементов информационного процесса и ее связи с другими науками.
Типовая схема процесса автоматизированного проектирования РЭС. Классификация проектных задач решаемых в процессе проектирования РЭС. Структура САПР, математическое обеспечение, лингвистическое обеспечение. Языки диалогов их разновидности и типы.
Передача информации между компьютерами. Протокол передaчи. Виды сетей. Назначение локальной сети. Прямое соединение. Топология локальной сети. Локальные сети в организациях. Сетевая операциооная система.
Информационные технологии. Основные понятия и определения. Человек и информационное общество. Информационные технологии XXI века: на пороге революции. Новые информационные технологии. Выдвижение информации на лидирующее место в жизни человека.
Развитие компьютерных коммуникаций. Требования к экономической информации. Особенности информационных процессов на предприятиях. Проблемы внедрения информационных технологий в гуманитарной сфере. Методика информационного обследования предприятием.
Философия искусственного интеллекта задаётся вопросами о «мышлении машин», эти вопросы отражают интересы различных исследователей искусственного интеллекта, философов , исследователей познавательной (когнитивной) деятельности. Ответы на эти вопросы зависят от того, что понимается под понятиями «интеллект » или «сознания», и какие именно «машины» являются предметом обсуждения.
Энциклопедичный YouTube
1 / 3
✪ Илон Маск искусственный интеллект может угрожать человечеству
✪ Чем опасен искусственный интеллект? | Охотники за будущим
✪ Развитие искусственного интеллекта (рассказывает академик Александр Кулешов)
Субтитры
Может ли машина мыслить?
Наиболее горячие споры в философии искусственного интеллекта вызывает вопрос возможности мышления творения человеческих рук. Вопрос «Может ли машина мыслить?», который подтолкнул исследователей к созданию науки о моделировании человеческого разума, был поставлен Аланом Тьюрингом в 1950 году . Две основных точки зрения на этот вопрос носят названия гипотез сильного и слабого искусственного интеллекта .
Термин «сильный искусственный интеллект» ввел Джон Сёрль , его же словами подход и характеризуется:
Более того, такая программа будет не просто моделью разума; она в буквальном смысле слова сама и будет разумом, в том же смысле, в котором человеческий разум - это разум.
Напротив, сторонники слабого ИИ предпочитают рассматривать программы лишь как инструмент, позволяющий решать те или иные задачи, которые не требуют полного спектра человеческих познавательных способностей.
В своем мысленном эксперименте «Китайская комната », Джон Сёрль показывает, что даже прохождение теста Тьюринга может не являться достаточным критерием наличия у машины подлинного процесса мышления.
Мышление есть процесс обработки находящейся в памяти информации: анализ, синтез и самопрограммирование. [ ]
Аналогичную позицию занимает и Роджер Пенроуз , который в своей книге «Новый ум короля » аргументирует невозможность получения процесса мышления на основе формальных систем .
Что считать интеллектом?
Существуют разные точки зрения на этот вопрос. Аналитический подход предполагает анализ высшей нервной деятельности человека до низшего, неделимого уровня (функция высшей нервной деятельности, элементарная реакция на внешние раздражители (стимулы), раздражение синапсов совокупности связанных функцией нейронов) и последующее воспроизведение этих функций. Существует определение интеллекта как способности решать интеллектуальные задачи [ ] . Здесь под интеллектуальной задачей понимается та задача, у которой не существует известного алгоритма решения. То есть задача, для которой нужно создать алгоритм с нуля. Например, доказательство недоказанной теоремы, научное открытие, художественная деятельность и так далее. Некоторые специалисты за интеллект принимают способность рационального, мотивированного выбора, в условиях недостатка информации. То есть интеллектуальной просто считается та программа деятельности (не обязательно реализованная на современных ЭВМ), которая сможет выбрать из определенного множества альтернатив, например, куда идти в случае «налево пойдёшь …», «направо пойдёшь …», «прямо пойдёшь …».
Наука о знании
Также, с проблемами искусственного интеллекта тесно связана эпистемология - наука о знании в рамках философии. Философы, занимающиеся данной проблематикой, решают вопросы, схожие с теми, которые решаются инженерами ИИ о том, как лучше представлять и использовать знания и информацию.
Этические проблемы создания искусственного разума
Этот раздел содержит вопросы, касающиеся искусственного интеллекта и этики.
- Если в будущем машины смогут рассуждать, осознавать себя и иметь чувства, то что тогда делает человека человеком, а машину - машиной?
- Если в будущем машины смогут осознавать себя и иметь чувства, возможно ли будет их эксплуатировать или придется наделять их правами?
- Если в будущем машины смогут рассуждать, то как сложатся отношения людей и машин? Данный вопрос был не раз рассмотрен в произведениях искусства на примере противостояния людей и машин. К примеру, батлерианский джихад в романе «Дюна» Фрэнка Герберта, проблемы взаимоотношения с ИскИнами в романе Дэна Симмонса «Гиперион», война с машинами в кинофильме «Терминатор» и так далее.
- Будет ли человек, которому в результате многочисленных медицинских ампутаций заменили 99 процентов тела на искусственные органы, считаться машиной?
Данные вопросы рассматриваются в рамках
Введение
1. Может ли машина мыслить?
2. Основные подходы к ИИ
2. 1. Электронный подход.
2. 2. Кибернетический подход.
2. 3. Нейронный подход
2. 3. 1. Появление персептрона
3. Применение ИИ
3. 1. Нейросети.
3. 2. Модель бюджета РФ
Заключение.
Литература
введение
С конца 40-х годов ученые все большего числа университетских и промышленных исследовательских лабораторий устремились к дерзкой цели: построение компьютеров, действующих таким образом, что по результатам работы их невозможно было бы отличить от человеческого разума.
Терпеливо продвигаясь вперед в своем нелегком труде, исследователи, работающие в области искусственного интеллекта (ИИ), обнаружили, что вступили в схватку с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики. Оказалось, что прежде всего необходимо понять механизмы процесса обучения, природу языка и чувственного восприятия. Выяснилось, что для создания машин, имитирующих работу человеческого мозга, требуется разобраться в том, как действуют миллиарды его взаимосвязанных нейронов. И тогда многие исследователи пришли к выводу, что, пожалуй, самая трудная проблема, стоящая перед современной наукой – познание процессов функционирования человеческого разума, а не просто имитация его работы. Что непосредственно затрагивало фундаментальные теоретические проблемы психологической науки. В самом деле, ученым трудно даже прийти к единой точке зрения относительно самого предмета их исследований – интеллекта. Здесь, как в притче о слепцах, пытавшихся описывать слона, пытается придерживаться своего заветного определения.
Некоторые считают, что интеллект – умение решать сложные задачи; другие рассматривают его как способность к обучению, обобщению и аналогиям; третьи – как возможность взаимодействия с внешним миром путем общения, восприятия и осознания воспринятого. Тем не менее многие исследователи ИИ склонны принять тест машинного интеллекта, предложенный в начале 50-х годов выдающимся английским математиком и специалистом по вычислительной технике Аланом Тьюрингом. Компьютер можно считать разумным, – утверждал Тьюринг, – если он способен заставить нас поверить, что мы имеем дело не с машиной, а с человеком.
1. может ли машина мыслить?
Не совсем ясно, как компьютер может делать что-либо, чего "нет в программе"? Разве можно скомандовать кому бы то ни было рассуждать, догадываться, делать выводы?
Противники тезиса о "мыслящих машинах" обычно считают достаточным сослаться на общеизвестный факт: компьютер в любом случае делает лишь то, что задано в его программе, – и, следовательно, никогда не сможет "думать", так как "мысли по программе" уже нельзя считать "мыслями".
Это и верно, и неверно. Строго говоря, действительно: если компьютер делает не то, что в данный момент предписывается ему программой, то его следует считать испортившимся.
Однако то, что представляется "программой" человеку, и то, что является программой для компьютера, – вещи очень разные. Ни один компьютер не сможет выполнить "программу" похода в магазин за продуктами, которую вы вкладываете в голову десятилетнего сына, – даже если эта "программа" включает только совершенно однозначные инструкции.
Разница заключается в том, что компьютерные программы состоят из огромного количества гораздо более мелких, частных команд. Из десятков и сотен таких микрокоманд складывается один шаг, из тысяч и даже миллионов – вся программа похода за продуктами в том виде, в каком ее смог бы выполнить компьютер.
Сколь бы смешным ни казалось нам такое мелочное регламентирование, для компьютера этот способ является единственно применимым. И самое удивительное – что он дает компьютеру возможность быть гораздо более "непредсказуемым", чем принято обычно считать!
В самом деле: если бы вся программа состояла из одного приказа "сходить за продуктами", то компьютер по определению не смог бы сделать ничего другого – он упрямо шел бы в универсам, что бы ни происходило вокруг. Иными словами, хотя для понимания короткой программы обязателен "человеческий" интеллект, результат такой программы – выполняй ее компьютер, а не человек – был бы детерминирован весьма жестко.
Мы, однако, вынуждены давать компьютерам гораздо более подробные инструкции, определяя малейший их шаг. При этом нам приходится добавлять в программу и такие инструкции, которые впрямую не относятся к данной задаче. Так, в нашем примере роботу необходимо сообщить правила перехода улицы (и правило "если на тебя едет машина, отпрыгивай в сторону").
Эти инструкции обязательно должны включать в себя проверку некоторых условий для принятия решений, обращение за справками (о погоде, о местоположении магазинов) к тем или иным базам данных, сравнение важности различных обстоятельств и многое другое. В результате компьютер с такой программой получает гораздо больше "степеней свободы" – существует очень много мест, в которых он может отклониться от пути к конечной цели.
Разумеется, в подавляющем большинстве случаев эти отклонения будут нежелательными, и мы стараемся создать для работы компьютера такие условия, в которых риск "выскакивающего из-за угла автомобиля" был бы минимальным. Но жизнь есть жизнь, и все мыслимые сюрпризы предусмотреть невозможно. Вот почему компьютер способен удивить как неожиданно "разумной" реакцией на, казалось бы, непредсказуемые обстоятельства, так и невероятной "глупостью" даже в самых ординарных ситуациях (чаще, к сожалению, последнее).
Именно построение сложных программ на основе детального анализа мельчайших шагов, из которых складывается процесс мышления у человека, и составляет современный подход к созданию "думающих машин" (во всяком случае, один из подходов). Конечно, сложность – это далеко не все. И все же из ученых, занимающихся этой проблемой, мало кто сомневается в том, что "умные" программы XXI века будут отличаться от современных прежде всего неизмеримо большей сложностью и количеством элементарных инструкций.
Многие современные системы обработки информации уже настолько сложны, что некоторые особенности их поведения просто невозможно вывести из самих программ – их приходится в буквальном смысле слова исследовать, ставя эксперименты и проверяя гипотезы. И наоборот – многие черты разумной деятельности человека, которые на первый взгляд кажутся едва ли не "озарениями свыше", уже достаточно хорошо моделируются сложными программами, состоящими из множества простых шагов.
2. Основные подходы к ии
2. 1. Электронный подход
После второй мировой войны появились устройства, казалось бы, подходящие для достижения заветной цели – моделирования разумного поведения; это были электронные цифровые вычислительные машины. "Электронный мозг", как тогда восторженно называли компьютер, поразил в 1952 г. телезрителей США, точно предсказав результаты президентских выборов за несколько часов до получения окончательных данных. Этот "подвиг" компьютера лишь подтвердил вывод, к которому в то время пришли многие ученые: наступит тот день, когда автоматические вычислители, столь быстро, неутомимо и безошибочно выполняющие автоматические действия, смогут имитировать невычислительные процессы, свойственные человеческому мышлению, в том числе восприятие и обучение, распознавание образов, понимание повседневной речи и письма, принятие решений в неопределенных ситуациях, когда известны не все факты. Таким образом "заочно" формулировался своего рода "социальный заказ" для психологии, стимулируя различные отрасли науки.
Для того, чтобы улучшить жизнь людей, искусственный интеллект должен быть в первую очередь ориентирован на человека. Как объясняет главный ученый Google Cloud Фэй-Фэй Ли, на практике это означает улучшение навыков общения и взаимодействия в дополнение к диверсификации команд, разрабатывающих подобные технологии.
Искусственный интеллект в наши дни
Одна из крупнейших компаний, на искусственном интеллекте (AI), — это Google, компания, которую многие связывают с популярной поисковой системой. На протяжении многих лет ее специалисты разрабатывают ИИ, что можно увидеть в некоторых текущих продуктах. К примеру, Google Assistant, который вышел на Android-смартфоны в феврале; кроме того, AI также помогает вышеупомянутой поисковой системе выполнять свою работу; наконец, системой ИИ оснащен интеллектуальный динамик Google Home. Сейчас ИИ похож на первоклассника, но в перспективе может достичь точки, в которой станет умнее обычного человека, взаимодействующего с ним.
Однако для достижения этой цели самому AI для начала придется стать более похожим на человека. По крайней мере, так считает главный научный сотрудник Google Cloud и директор Стэнфордской лаборатории искусственного интеллекта и зрения Фей-Фэй Ли. По ее мнению, таким образом ИИ поможет нам улучшить повседневную жизнь и обеспечит психологический комфорт во время общения с ним.
В интервью журналу MIT Technology Review Ли объяснила, что размышления о воздействии ИИ на окружающий мир являются важнейшей частью аналитического процесса и что работа с искусственным интеллектом четко показала, что будущие разработки должны быть более ориентированы на человека.
Развитие машинного интеллекта
«Если оценивать то, какого уровня достигли технологии AI в настоящее время, то на мой взгляд самым ярким маркером будет отличное распознавание образов. Современный ИИ слишком ориентирован на , ему не хватает контекстуального осознания и гибкого обучения, присущего людям. Мы также хотим сделать технологию, которая сделает жизнь людей лучше и безопаснее, придаст ей продуктивности и улучшит качество работы — а это требует очень высокий уровень взаимодействия машины и человека», рассуждает Ли.
Сейчас уже можно наблюдать первые признаки подобной тенденции, хотя ее потенциалу еще предстоит раскрыться. К примеру, в июле Google DeepMind продемонстрировала ИИ, обладающего «воображением» и способного анализировать информацию и планировать действия без участия человека. Компания заявила, что ее детище находится «на грани» возможности идеального подражания человеческой речи. Другая технология Google, Google Clips, способна самостоятельно делать снимки, избавляя человека от необходимости подгадывать «идеальный момент» для фотографирования. Это хорошо укладывается в концепцию Ли, но также подчеркивает необходимость дальнейшей работы в направлении самостоятельности ИИ.
ИИ как идеальный человек будущего
Как уверяет Ли, простого апгрейда искусственного интеллекта и добавления ему новых возможностей будет недостаточно. Чем прочнее будет связь машины и человека, тем выше риск, что на искусственный интеллект могут повлиять аморальные части социума, а потому здесь необходим в первую очередь творческий подход и коллективный труд множества специалистов.
«Когда вы создаете технологию, которая получает массовое распространение и играет для человечества важнейшую роль, то, конечно, необходимо удостовериться, чтобы она несла в себе ценности, присущие всем людям, и служила нуждам всего населения Земли. Если разработчики приложат все усилия к тому, чтобы программа была одинаково полезна всем без исключения, это и в самом деле позволит осуществить революцию в системах искусственного интеллекта».
Безусловно, искусственный интеллект — это наш билет в будущее. Но, будучи всего лишь инструментом в руках человека, он может быть использован как для благих, так и для корыстных, порой даже противозаконных целей. Если именно этой технологии суждено изменить мир, то будем надеяться, что ученые сделают правильный выбор.
Искусственный интеллект - это сфера науки, которая разрабатывает машины, компьютеры и аппаратное обеспечение с интеллектом, от простейшего до человекоподобного. Хотя концепция разумных машин зародилась еще в древнегреческой мифологии, современная история искусственного интеллекта началась с развития ЭВМ. Термин был придуман в 1956 году на первой конференции, посвященной искусственному интеллекту.
Спустя десятилетия ученые продолжают изучать все еще неуловимые проблески машинного интеллекта, хотя вопрос «может ли машина думать?» все еще вызывает широчайшие дебаты.
Стоит отметить, что вопреки расхожему мнению, не все носители искусственного интеллекта представляют собой человекоподобых роботов или фантастические операционные системы с голосом Скарлетт Йохансон. Давайте пройдемся по основным навыкам, присущим ИИ.
Решение проблем
Одним из базовых качеств ИИ является способность решать проблемы. Чтобы дать машине такую возможность, ученые оснастили ее алгоритмами, которые имитируют человеческое мышление и используют понятия вероятности, экономики и статистики.
Подходы включают модели, вдохновленные нейронными сетями мозга, возможностями машинного обучения и распознавания образов, а также статистическими подходами, которые используют математические инструменты и языки для решения проблем.
Машинное обучение
Другой базовый пункт ИИ - это способность машины обучаться. Пока нет ни одного подхода, согласно которому компьютер можно запрограммировать на получение информации, получение знаний и подгонку поведения в соответствии с этим - скорее, есть ряд подходов, основанных на алгоритмах.
Один из важных методов машинного обучения - это так называемое глубокое обучение, метод ИИ, основанный на нейронной теории и состоящий из запутанных слоев взаимосвязанных узлов. В то время как Siri от Apple представляет собой один из примеров глубокого обучения в действии, не так давно Google приобрела стартап DeepMind, который специализируется на передовых алгоритмах обучения искусственного интеллекта; Netflix также инвестирует в глубокое обучение.
Обработка языка
Обработка естественного языка (Natural Language Processing, NLP) дает машине возможность читать и понимать язык людей, обеспечивая связь между человеком и машиной.
Такие системы позволяют компьютерам переводы и коммуникативные способности через обработку сигналов, синтаксический анализ, семантический анализ и прагматику (язык в контексте).
Движение и восприятие
Тип интеллекта, связанный с движением и восприятием, тесно связан с робототехникой, дающей машине не только когнитивный, но и чувственный интеллект. Это становится возможным благодаря навигационному вводу, технологии локализации и сенсорам вроде камеры, микрофонов, сонаров и распознавания объектов. За последние годы мы видели эти технологии уже у многих роботов, океанических и космических роверов.
Социальный интеллект
Эмоциональные и социальные навыки представляют собой еще один продвинутый уровень искусственного интеллекта, который позволяет машине принимать еще больше человеческих качеств. Компания SEMAINE, к примеру, стремится дать машинам такие социальные навыки через нечто, что называет SAL, или «искусственный чувственный слушатель». Это передовая диалоговая система, если ее удастся закончить, сможет воспринимать выражение лица, взгляд и голос человека, подстраиваясь соответственным образом.
Творчество
Способность думать и действовать творчески - это отличительная человеческая черта, которую многие рассматривают выше способностей компьютеров. Однако как аспект человеческого интеллекта творчество может быть применимо и к искусственному интеллекту.
Говорят, что машинам можно дать возможность выдавать ценные и новаторские идеи, благодаря трем моделям: комбинационной, разведочной и трансформационной. Как именно это будет реализовано - увидим в будущем. В конце концов, машина AARON уже производит произведения искусства музейного уровня.
Импровизация как вид человеческой деятельности – это «прототип творческого поведения», считает сотрудница кафедры психологии Гарвардского университета Шелли Карсон. В своей книге «Your Creative Brain» она пишет, что на базовом уровне каждый из нас импровизирует, так как в жизни много ситуаций, требующих этого. Например, на дороге нужно мгновенно принять единственно верное решение, чтобы избежать столкновения. При этом человек обращается к имеющемуся у него опыту. Но творческая импровизация - это нечто большее, она генерирует новые неожиданные идеи.
Картина Аарона
Робот AARON , создан известным художником Горальдом Коэном. Его изобретение на самом низком уровне вычисляло алгоритмы для создания линий и форм, из которых получались рисунки. Позднее был создан более продвинутый робот-художник по имени Action Jackson , писавший картины, похожие на произведения Джексона Поллока. И хотя споры о художественной ценности таких работ не утихают до сир пор, факт остается фактом - роботы могут творить.
Более того, некоторые современные формы искусственного интеллекта, казалось бы, могут достичь больших успехов. К примеру, Siri для iPhone не только обрабатывает естественную человеческую речь, но и приспосабливается к каждому пользователю индивидуально, изучая его характер и привычки; а суперкомпьютер «Watson» от IBM выиграл миллион долларов в «Своей игре». Разве настолько совершенные машины не смогут справиться с импровизацией?
