Нечеткое управление является одной из самых активных и результативных областей исследований применения теории нечетких множеств. Оно оказывается полезным, когда технологические процессы являются непосильными для анализа при помощи количественных методов или когда имеющиеся источники информации интерпретируются качественно, неточно или неопределенно. Экспериментально показано, что нечеткое управление дает лучшие результаты, по сравнению с получаемыми при обычных алгоритмах управления. Эти методы помогают управлять домной и прокатным станом на производстве, автомобилем и поездом при автоматической работе, распознавать речь и изображения, проектировать роботов. Нечеткая логика ближе к человеческому мышлению и естественным языкам, чем традиционные логические системы. Она обеспечивает эффективные средства отображения неопределенностей реального мира. Наличие математических средств отражения нечеткости исходной информации позволяет построить модель, адекватную реальности.
2.2 Подходы и концепции к решению проблем искусственного интеллекта
Механистический подход
Идея создания интеллектуальных машин по образу и подобию человека, способных думать, двигаться, слышать, говорить, - вести себя как живые люди, - имеет долгую историю. Попытки создания такой машины приписываются еще античным изобретателям. В XVIII веке французский изобретатель Жак де Вокансон изготовил антропоморфного механического музыканта (флейтиста), который мог исполнить двенадцать мелодий, производя механическое воздействие на клавиши инструмента и пропуская воздушную струю в мундштук. Тогда же Фридрих фон Кнаус, служащий при дворе Франциска I, сконструировал несколько машин, которые могли пером писать большие тексты. Пьер Жак-Дроз из Швейцарии сделал две сложные механические куклы: мальчика, пишущего письма, и девушку, играющую на клавесине.
Успехи механики XIX века позволили продвинуться еще дальше. В 1830-х годах английский математик Чарльз Бэббидж задумал сложный цифровой калькулятор (аналитическую машину), по причинам, не связанным с технической реализацией, задумка не была осуществлена. По словам самого Бэббиджа, его машина в принципе могла бы рассчитывать шахматные ходы. В 1914 году испанец Леонардо Торрес-и-Кеведо в действительности изготовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили.
У механистического подхода имеется целый ряд проблем, важнейшая из которых в том, что все механические устройства имеют мало общего с искусственным интеллектом, несмотря на интересный замысел.
Электронный подход
Во второй половине прошлого столетия появились устройства, подходящие для моделирования разумного поведения. Ими были электронные цифровые вычислительные машины. В 50-х годах все поиски ответов на многие вопросы «интеллектуальности» машин привели к выделению в самостоятельную ветвь информатики науки «искусственного интеллекта». Исследования в этой области, первоначально сосредоточенные в нескольких университетских центрах США, ныне ведутся во многих других стран. Исследователей искусственного интеллекта, работающих над созданием интеллектуальных машин, можно разделить на две группы. Первых интересует исключительно наука, и для них компьютер - это инструмент, обеспечивающий возможность экспериментальной проверки теорий процессов мышления. Интересы вторых лежат в области техники: они стремятся расширить сферу применения компьютеров и облегчить пользование ими. Представители второй группы практически не заботятся о выяснении механизма мышления, так как они полагают, что для их работы это бесполезно.
За пятьдесят лет исследователи в области искусственного интеллекта выходили на передовую информатики. Многие привычные разработки, усовершенствованные системы программирования, редакторы и программы распознавания образов рассматриваются на работах по искусственному интеллекту. Теории, новые идеи, и разработки неизменно привлекают внимание тех, кто стремится расширить области применения и возможности компьютеров, сделать похожими на разумных помощников и активных советчиков. Несмотря на перспективы и то, что уже было сделано за десятилетия работы, ни одну из разработанных до сих пор программ нельзя назвать «разумной» в общем смысле этого слова. Это объясняется, например, тем, что все они узко специализированы, самые сложные экспертные системы по своим возможностям напоминают дрессированных или механических кукол, лишенных «гибкого ума» и «широкого кругозора». Даже среди исследователей, занятых в данной области, есть сомнения, что все подобные изделия принесут существенную пользу. Немало критиков интеллектуальных машин считают, что такого рода ограничения вообще непреодолимы, и решение проблемы «интеллекта» надо искать не в сфере непосредственно электроники, а где-то за ее пределами.
Кибернетический подход
Попытка создания машины, способной к разумному поведению, вдохновлена идеями профессора Массачусетского технологического института США Норберта Винера. Он обладал широкими познаниями во многих областях, включая математику, нейропсихологию, медицину, физику и электронику. Винер был убежден, что наиболее перспективны научные исследования в пограничных областях, которые нельзя конкретно отнести к компетенции той или иной конкретной дисциплины:
«Если затруднения в решении какой-либо проблемы психологии имеют математический характер, то десять несведущих в математике психологов продвинуться не дальше одного столь же несведущего».
Таким образом, междисциплинарность - это краеугольный камень современной науки. Винеру и его сотруднику Джулиану Бигелоу принадлежит идея и разработка принципа «обратной связи», который был успешно применен при разработке нового оружия с радиолокационным наведением. Этот принцип заключается в использовании информации, поступающей из окружающего мира, для того, чтобы машина изменила свое поведение. В основу разработанных Винером и Бигелоу систем наведения были положены точные математические методы: при незначительном изменении отраженных от самолета радиолокационных сигналов они изменяли наводку орудий так, чтобы траектории снарядов и самолетов пересеклись.
На принципе «обратной связи» Винер разработал теории машинного и человеческого разума. Он доказывал, что через обратную связь живая материя (разумная или нет) приспосабливается к окружающей среде и добивается своих целей:
«Все машины, претендующие на разумность, должны обладать способностью преследовать определенные цели и приспосабливаться, то есть обучаться».
В 1948 году Винер издал свою книгу, в которой был заложен фундамент новой науки, названной им кибернетикой, что в переводе с греческого (χυβερνητιχή) означает рулевой. Принцип «обратной связи», введенный Винером, был некоторой степени предугадан еще Сеченовым в описанном им в книге «Рефлексы головного мозга» феномене «центрального торможения». У Сеченова принцип рассматривался как механизм регуляции деятельности нервной системы. Он лег в основу многих моделей произвольного поведения в отечественной психологии. Обоснование исходных понятий кибернетики - информации, управления, обратной связи, - требует перехода к более широкой философской области знаний, в которой рассматриваются самые общие закономерности познания. И сама кибернетика многое дает философскому мышлению: она позволяет глубже раскрыть механизмы самоорганизации материи, проясняет содержание категории связей, причинности, позволяет детально изучить диалектику необходимости и случайности, возможности и действительности. Открываются пути для разработки «кибернетической гносеологии», которая позволяет уточнить, детализировать и углубить в свете науки об управлении ряд существенно-важных проблем.
Необычность кибернетики в том, что она имеет необычайный, синтетический характер. В связи с этим до сих пор существуют различия в трактовке некоторых ее проблем и понятий. К тому же основные идеи из этой области пришли из Запада, где они с самого начала подверглись влиянию идеализма и метафизики, а также идеологии. Становится очевидной необходимость разработки философских начал кибернетики, освещение основных ее положений с позиций философского познания. Осмысление с таких позиций будет способствовать успешному осуществлению теоретических и практических работ области кибернетики, создаст лучшие условия для эффективной работы и научного поиска в данной области познания.
Исследование методологического и гносеологического аспектов кибернетики способствует решению некоторых философских проблем: диалектического понимания простого и сложного, количества и качества, необходимости и случайности, возможности и действительности, прерывности и непрерывности, части и целого. Для развития математики и кибернетики большое значение имеет применение к материалу этих наук философских принципов и понятий, применение, обязательно учитывающее специфику этих областей научного знания. Философская мысль уже много сделала в анализе аспектов и теоретико-познавательной роли кибернетики. Большое значение кибернетика имеет и для построения научной картины мира, так как предмет кибернетики - процессы, протекающие в системах управления, общие закономерности таких процессов.
Нейронный подход
Ученые сегодня понимают, что в биологии есть множество аналогий, потенциально полезных для развития искусственного интеллекта. Среди таких ученых - нейрофизиолог Уоррен Маккалок, как и Винер, обладавший философским складом ума и широким кругом интересов. На нью-йоркской научной конференции 1942 года Маккалок оценил доклад одного из сотрудников Винера о механизмах обратной связи в биологии. Высказанные в докладе идеи перекликались с собственными идеями Маккалока касательно работы головного мозга.
В течение следующего года Маккалок в соавторстве математиком Уолтером Питтсом разработал теорию деятельности головного мозга. Эта теория стала той основой, на которой сформировалось мнение о сходстве функций компьютера и мозга. Исходя отчасти из предшествующих исследований нейронов, проведенных Маккаллоком, они с Питтсом выдвинули гипотезу о том, что нейроны можно рассматривать упрощенно как устройства, оперирующие двоичными числами.
В 30-е годы XX века информатики, среди которых был американский ученый Клод Шеннон, поняли, что двоичные единица и нуль вполне соответствуют паре состояний электрической цепи, поэтому двоичная система идеально подходит для электронно-вычислительных устройств. Маккалок и Питтс предложили конструкцию сети из электронных «нейронов», показав, что сеть может выполнять любые числовые или логические операции. Они предположили, что такая сеть будет в состоянии обучаться, распознавать образы, обобщать, - она обладает основными чертами интеллекта.
Теории Маккалока - Питтса с идеями Винера вызвали неподдельный интерес к разумным машинам. В 40-60-е годы кибернетики работали над теорией функционирования мозга. Из кибернетического (нейромодельного) подхода к машинному разуму сформировался так называемый «восходящий метод» - движение от простых аналогов нервной системы примитивных существ к сложнейшей нервной системе человека. Планировалось создать «адаптивную сеть», «самоорганизующуюся систему» или «обучающуюся машину». Эти термины стали впоследствии обозначениями устройств, способных следить за окружением и при помощи обратной связи изменять свое поведение в соответствии с идеями бихевиористической школы психологии.
Аналогия с животным миром, однако, оказалась возможна не во всех случаях. Главной проблемой «восходящего метода» была высокая стоимость электронных элементов. Непосильной по карману оказалась даже модель нервной системы муравья, состоящая из двадцати тысяч нейронов.
На сегодняшний день нейронный подход является наиболее продуктивным, так как создается структура, изоморфная человеческому мозгу, что повышает вероятность появления систем искусственного интеллекта уже в ближайшем будущем. Элементная база и принципы функционирования современных компьютеров исчерпали себя, научная мысль может пойти по пути использования моделей нейронов, что существенно упростит работу с компьютером и повысит его вычислительную мощность.
Появление перцептрона
В то время, когда кибернетика столкнулась с целым рядом трудностей, Фрэнк Розенблат, сумел предложить новую концепцию, отвечавшую устремлениям киберне-тиков. В 1958 году он предложил модель электронного устройства, названного им перцептроном, по замыслу, имитировавшее процессы человеческого мышления. Перцептрон должен был передавать сигналы от «глаза», составленного из фотоэлементов, в блоки электромеханических ячеек памяти, оценивавшие относительную величину электрических сигналов. Ячейки соединялись между собой спонтанным образом в соответствии с теорией, согласно которой мозг воспринимает новую информацию и реагирует на нее через систему случайных связей между нейронами. Два года спустя была продемонстрирована первая действующая машина "Марк-I", способная научиться распознавать некоторые буквы, написанные на карточках, которые подносили к его «глазам».
Перцептрон Розенблата оказался высоким достижением «восходящего» (нейро-модельного) метода создания искусственного интеллекта. Чтобы научить перцептрон строить догадки на основе изначально имеющихся предпосылок, в нем предусматривалась элементарная разновидность автономной работы или «самопрограммирования». При распознании буквы одни ее элементы оказываются гораздо более существенными, нежели другие. Перцептрон был способен научаться выделять такие особенности буквы полуавтоматически, методом проб и ошибок (как и в процессе обучения). Но возможности перцептрона были ограничены: машина не могла точно распознавать частично закрытые буквы, а также буквы измененного размера или рисунка в отличие от тех, которые использовались при обучении.
Ведущие представители «нисходящего метода» специализировались в составлении программ решения задач для цифровых компьютеров общего назначения. Это требовало от людей значительного напряжения ума. К числу защитников этого метода относились Марвин Минский и Сеймур Пейперт, профессора Массачусетского техно-логического института. Минский начал свою карьеру исследователя искусственного интеллекта сторонником «восходящего метода», но к моменту создания перцептрона он перешел в противоположный лагерь. В соавторстве с математиком Пейпертом он написал книгу «Перцептроны», в которой математически доказывалось, что перцептроны принципиально не в состоянии выполнять многие из тех функций, которые предсказывал им Розенблат. Минский писал, что они не обретут даже умения рас-познавать предмет, частично заслоненный другим. Появившись в 1969 году, эта критическая работа не покончила с кибернетикой, но переместила интерес аспирантов и субсидии правительственных организаций США на другое направление исследований - «нисходящий метод». Интерес к кибернетике в последнее время возродился, так как сторонники «нисходящего метода» столкнулись со столь же неодолимыми трудностями. Сам Минский публично выразил сожаление, что его выступление нанесло урон концепции перцептронов, заявив, что, согласно его представлениям, для реального прорыва в создании разумных машин необходимо устройство, похожее на перцептрон. В основном искусственный интеллект стал сегодня синонимом «нисходящего подхода», выражавшегося в составлении более сложных программ для компьютеров, моделирующих сложную деятельность человеческого мозга.
ЗАКЛЮЧЕНИЕ
Мышление, разум, сознание, интеллектуальность - это все проблемы, которые волновали человечество на протяжении многих веков и тысячелетий. Тайны, которые окружают эти категории, раскрываются через диаметрально противоположные направления в философии - как в онтологическом, так и в гносеологическом аспектах. С одной стороны, идеализм признает мышление особой сущностью, рассматриваемой в отрыве от материи, отличной от нее. И напротив, материализм исходит из того, что материя первична, а вещественный и воспринимаемый через органы чувств мир - это мир единственный и действительный, и человеческое сознание является продуктом телесного органа.
Исходя из того, что кибернетика сегодня позволяет производить моделирование отдельных функций головного мозга живого существа/человека, то мышление, сознание, разум и интеллектуальность могут иметь чисто материальную основу. Но за данной областью не может быть закреплено монопольное право на доказательство многочисленных теорий понимания мышления, поэтому более-менее общие выводы дать невозможно. Взгляды теоретиков диалектического материализма или материализма вообще опирались на обобщенные данные таких областей научных знаний, как психология, лингвистика или физиология. Кибернетика определила новый порог развития представлений о мышлении и интеллекте, ставя вопрос о более конкретном понимании мышления.
В инструментарии философских наук имеется знание, представляющее собой цепочку процессов, но не конечный результат. Инструментом же кибернетики является моделирование, с позиций которого говорить о тождестве модели и оригинала просто бессмысленно. Отсюда можно сделать вывод о том, что моделирование точной копии «интеллектуальности» или «разумности» для компьютерных систем также невозможно.
Через развитие информационных технологий человечество сумело компенсировать свою психофизиологическую ограниченность в различных направлениях деятельности, и именно такая компенсация позволяет создавать сложнейшие системы и управлять ими, обходя естественные барьеры, выраженные в неспособности человека абсолютного охвата информации, а, следовательно, и абсолютного познания. Искусственный интеллект не устраняет этих барьеров, однако он способен существенно их сдвинуть, что особенно важно именно сейчас, в эпоху, когда человечество развивается благодаря существованию таких сверхсложных систем.
Исследование проблем искусственного интеллекта является существенным вкладом в осознание человеком закономерностей внешнего и внутреннего мира, в их использование в интересах общества и, тем самым, в развитие свободы человека.
искусственный интеллект философский мышление
СПИСОК ИСТОЧНИКОВ
1. Аверкин А. Н., Гаазе-Рапопорт М. Г., Поспелов Д. А. Толковый словарь по искусственному интеллекту. - М.: Радио и связь, 1992. - 256 с.
. Гаврилов А. В., Канглер В. М. Использование искусственных нейронных сетей для анализа данных. // Сб. науч. трудов НГТУ. - Новосибирск: Изд-во НГТУ, 1999. - № 3(16).
. Корсаков С. Н. Начертание нового способа исследования при помощи машин, сравнивающих идеи. / Под ред. А. С. Михайлова - М.: МИФИ, 2009. - 44 с. ISBN 978-5-7262-1108-4.
. Кузнецов Н. А., Мускешвили Н. Л., Шрейдер Ю. А. Информационное взаимодействие как объект научного исследования. // Вопросы философии, 1999, № 1.
. Лекторский В. А. Теория познания (гносеология, эпистемология). // Вопросы философии, 1999, № 8.
. Люгер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных про-блем / Под ред. Н. Н. Куссуль - 4-е изд.. - М.: Вильямс, 2005. - 864 с. ISBN 5-8459-0437-4.
. Петрунин Ю. Ю., Рязанов М. А., Савельев А. В. Философия искусственного интеллекта в концепциях нейронаук. (Научная монография). - М.: МАКС Пресс, 2010. ISBN 978-5-317-03251-7.
. Тьюринг А. М. Вычислительные машины и разум. // В сб.: Хофштадер Д., Деннет Д. Глаз разума. - Самара: Бахрах-М, 2003. С. 47-59.
. Dreyfus H. What Computers Can't Do. New York: MIT Press, 1972. ISBN 0060110821.
. Ertel W. Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung. - 2009. ISBN 978-3-8348-0783-0.
. Ludovico A. Cervello e Computer O Metodo Per Utilizzare Tecnologia E Ragione. Roma: Lithos, 1997. ISBN 88-86584-20-2.
. McCorduck P. Machines Who Think (2nd ed.), Natick, MA: A. K. Peters, Ltd. ISBN 1-56881-205-1.
13. Sabah G. Compréhension des langues et interaction (Traité IC2, Série Cognition et Traite-ment de l'Information). Hermès science: Lavoisier, 2006. ISBN 2-7462-1256-0.
. Vowinkel B. Maschinen mit Bewusstsein - Wohin führt die künstliche Intelligenz? Wiley-VCH, 2006. ISBN 978-3-527-40630-2.
. Искусственный интеллект: в чем загвоздка? / 3DNews // www.3dnews.ru/news/ iskusstvennii_intellekt_v_chshm_zagvozdka.
16. Российский НИИ искусственного интеллекта // www.artint.ru.
. Савельев А. В. О конференциях по философии искусственного интеллекта. // www.sciteclibrary.ru/rus/catalog/pages/8895.html.
. Тьюринг А. Могут ли машины мыслить? / Научный портал «Эврика» // evrika.tsi.lv/ index.php?name=texts&file=show&f=347.