Проблемы создания искусственного интеллекта

ВведениеПроблема создания искусственного интеллекта не такая современная, как кажется, поскольку человек с древних времён стремился упростить свою жизнь, переложив часть своих обязанностей на специальные приспособления. Раньше этот вопрос ограничивался созданием машин или роботов, способных выполнять тяжёлую физическую работу. Но с развитием науки человек всё чаще стал задумываться о создании машины, способной выполнять и умственную работу.Актуальность создания искусственного интеллекта в настоящее время связана со сложностью проблем, которые приходится решать современному человечеству. К таким проблемам можно отнести освоение космоса, прогнозирование природных катаклизмов и антропогенного воздействия на окружающую среду, создание сложнейших инженерных проектов, использование современной техники в медицине и многие научные исследования.В настоящие время наука подошла к такому уровню своего развития, что появилась возможность создания искусственного интеллекта. Однако многие учёные скептически относятся к этому вопросу, т.к. существует множество проблем, которые пока не удаётся решить научным путём.Несмотря на это, задача создания искусственного интеллекта не стала  менее актуальной. В настоящее время создаются всё более и более усовершенствованные программы, максимально напоминающие по своему действию мыслительные процессы человека. Они значительно упростили наш быт, труд и играют большую роль в современной жизни и науке.Цель исследования проанализировать проблему создания искусственного интеллекта.Для достижения этой цели необходимо решить следующие задачи:1. Разобраться, что такое искусственный интеллект;2. Проанализировать проблемы создания искусственного интеллекта;3. Рассмотреть математический аппарат нечетких множеств;4. Найти области применения искусственного интеллекта;5. Решить вопрос, есть ли реальные пути создания интеллекта?6. Рассмотреть и проанализировать историю искусственного интеллекта.1. Теория вопроса об искусственном интеллекте 1.1 Что такое искусственный интеллектИскусственные нейронные сети (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети У. Маккалока и У. Питтса. После разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.ИНС представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты (особенно в сравнении с процессорами, используемыми в персональных компьютерах). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи.С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п. С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации. С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники. С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма. А с точки зрения искусственного интеллекта, ИНС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов.Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искаженных данных.Слово интеллект (intelligence) происходит от латинского intellectus – ум, рассудок, разум. Соответственно искусственный интеллект (artificial intelligence) – ИИ обычно используется как свойство автоматических систем брать на себя отдельные функции интеллектуального труда человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий или событий.Интеллектом обычно называют способность мозга решать поставленные (интеллектуальные) задачи путём приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения и адаптации их (знаний) к разнообразным обстоятельствам. В этом определении под термином «знания» подразумевается не только информация, которая поступает в мозг человека через органы чувств. Информация подобного рода конечно важна, но недостаточна для полноценной интеллектуальной деятельности. Всё дело в том, что окружающие нас объекты обладают свойством не только воздействовать на органы чувств, но и находиться во взаимодействии друг с другом. Для того чтобы осуществлять в окружающей среде интеллектуальную деятельность, или как минимум просто существовать, человеку необходимо иметь систему знаний, модель этого мира. В этой информационной модели окружающей среды реальные объекты, их свойства и взаимоотношения между ними не только отображаются и запоминаются, но и могут мозгом человека (мысленно) «целенаправленно преобразовываться». При этом важен тот момент, что формирование модели внешней среды происходит в процессе обучения, на опыте и адаптации к разнообразным обстоятельствам.Нейронные сети наиболее успешно применяются в задачах распознавания образов, в том числе сильно зачумленных (нечётких). Также имеются примеры успешного применения НС для построения собственно систем ИИ.Для моделей, построенных на основе строения человеческого мозга характерна не слишком большая выразительность, оприделённое распараллеливание алгоритмов и, благодаря последнему, высокая производительность параллельно реализованных НС. Для таких сетей характерно одно свойство, которое делает из очень схожими с человеческим мозгом – нейронные сети работают даже при условии недостаточной информации об окружающей среде, т.е. как и человек, они поставленный вопрос могут отвечать не только «да» и «нет» но и «не знаю точно, но скорее нет», «не знаю точно, но скорее да».1.2 Проблемы создания искусственного интеллектаАнализ проблемы искусственного интеллекта открывает роль таких философских познавательных орудий, как категории, специфическая семиотическая система, логические структуры, ранее накопленное знание. Всё это обнаруживаются не посредством исследования физиологических или психологических механизмов познавательного процесса, но выявляется в знании, в его языковом выражении. Орудия познания, формирующиеся, в конечном счёте на основе практической деятельности, необходимы для любой системы, выполняющей функции абстрактного мышления, независимо от её конкретного материального субстрата и структуры. Поэтому, чтобы создать систему, выполняющую функции абстрактного мышления (т. е. в конечном счёте, формирующую адекватные схемы внешних действий в существенно меняющихся средах) необходимо наделить такую систему этими орудиями. Развитие систем ИИ за последние время как раз идёт по этому пути. Степень продвижения в данном направлении в отношении каждого из указанных познавательных орудий разная, но в целом пока, увы, незначительна.В наибольшей мере системы ИИ используют формально-логические структуры, что обусловлено их неспецифичностью для мышления и, в сущности, алгоритмическим характером. Это дает возможность относительно легкой их технической реализации. Но даже здесь кибернетике предстоит пройти большой путь. В системах искусственного интеллекта ещё слабо используются модальная, императивная, вопросная и иные логики, которые функционируют в человеческом интеллекте, и не менее необходимы для успешных познавательных процессов, чем давно освоенные логикой, а затем и кибернетикой формы выводов. Повышение «интеллектуального» уровня технических систем, безусловно, связано не только с расширением применяемых логических средств, но и с более интенсивным их использованием – проверка информации на непротиворечивость, конструирования планов вычислений и т. п.Сложнее обстоит дело с семиотическими системами, без которых интеллект невозможен в принципе. Языки, используемые в ЭВМ, ещё далеки от семиотических структур, которыми оперирует мышление. Прежде всего, для решения ряда задач, необходимо последовательное приближение семиотических систем, которыми наделяется ЭВМ, к естественному языку, точнее, к использованию его ограниченных фрагментов. В этом плане предпринимаются попытки наделить входные языки ЭВМ универсалиями языка, например, полисемией (которая элиминируется при обработке в лингвистическом процессоре). Уже разработаны проблемно-ориентированные фрагменты естественных языков, достаточные для решения системой ряда практических задач. Наиболее важным итогом такой работы является создание семантических языков (и их формализация), в которых слова-символы имеют определенную интерпретацию.Многие универсалии естественных языков, необходимые для выполнения ими познавательных функций, в языках ИИ пока реализованы слабо (например, открытость) или используются ограниченно (например, полисемия). Все чаще воплощение в семиотических системах универсалий естественного языка, обусловленных его познавательной функцией, выступает одной из важнейших линий совершенствования систем ИИ, особенно тех, в которых проблемная область заранее чётко не определена.Сегодня системы искусственного интеллекта способны осуществлять перевод с одномерных языков на многомерные. В частности, они могут строить диаграммы, схемы, чертежи, графы, чертить на экране кривые и т. п. ЭВМ производят и обратный перевод (описывают графики и тому подобное с помощью символов). Такого рода перевод является существенным элементом интеллектуальной деятельности. Правда современные системы ИИ пока не способны к непосредственному (без перевода на символический язык) использованию изображений или воспринимаемых сцен для «интеллектуальных» действий. Поиск путей глобального, а не локального, оперирования информацией составляет одну из важнейших и задач теории искусственного интеллекта.Воплощение в информационные массивы и программы систем ИИ аналогов категорий находится пока в начальной стадии. Например, в категории входят понятия «целое», «часть», «общее», «единичное». Они используются в ряде систем представления знаний, в частности в качестве «базовых отношений», в той мере, в какой это необходимо для тех или иных конкретных предметных или проблемных областей, с которыми взаимодействуют системы. В формализованном понятийном аппарате некоторых систем представления знаний предприняты отдельные попытки выражения некоторых моментов содержания и других категорий (например, «причина» и «следствие»). Однако ряд категорий (например, «сущность» и «явление») в языках систем представления знаний отсутствует. В целом, данная проблема разработчиками систем ИИ в полной мере ещё не осмыслена, и предстоит ещё большая работа философов, логиков и кибернетиков по внедрению аналогов категорий в системы представления знаний, и другие компоненты интеллектуальных систем.Современные системы ИИ почти не имитируют сложную иерархическую структуру образа, что не позволяет им перестраивать проблемные ситуации, комбинировать локальные части сетей знаний в блоки, перестраивать эти блоки и т. п. Не является совершенным и взаимодействие вновь поступающей информации с совокупным знанием, фиксированным в системах. В семантических сетях и фреймах, использующихся при представлении знаний, пока недостаточно используются методы, благодаря которым интеллект человека легко пополняется новой информацией, находит нужные данные, перестраивает свою систему знаний и т. п.Ещё в меньшей мере современные системы ИИ способны активно воздействовать на внешнюю среду, без чего не может осуществляться самообучение и вообще совершенствование «интеллектуальной» деятельности.В процессе биологической эволюции совершенствование свойства отражения происходило на основе усложнения нервной системы, т. е. субстрата отражения. Не исключено, что различие субстратов ЭВМ и человека может обусловить фундаментальные различия в их способности к отражению, что ряд функций человеческого интеллекта в принципе недоступен машинам.В философской литературе утверждается, что допущение возможности выполнения технической системой интеллектуальных функций человека означает сведение высшего (биологического и социального) к низшему (к системам из неорганических компонентов) и, следовательно, противоречит материалистической диалектике. Но в этом рассуждении не учитывается, что пути усложнения материи однозначно не однозначны, и не исключено, что общество имеет возможность создать из неорганических компонентов (абстрактно говоря, минуя химическую форму движения) системы не менее сложные и не менее способные к отражению, чем биологические. Созданные таким образом системы являлись бы компонентами общества, социальной формой движения. Вопрос о возможности передачи интеллектуальных функций техническим системам, и в частности о возможности наделения их рассмотренными в работе гносеологическими орудиями, не может быть решен только исходя из философских соображений.Обладающие психикой системы отличаются от ЭВМ прежде всего тем, что им присущи биологические потребности, обусловленные их материальным, биохимическим субстратом. Отражение внешнего мира происходит сквозь призму этих потребностей, в чём и выражается активность психической системы. ЭВМ не имеет потребностей, органически связанных с ее субстратом, для нее как таковая информация незначима, безразлична.1.3 Математический аппарат нечетких множествВ последнее время при анализе проблем, связанных с ИИ, часто применяют математический аппарат нечётких множеств, идея и реализация которого принадлежит американскому математику Л.Заде. Суть подхода состоит в отказе от принципа детерминизма. Пожалуй, наиболее поразительным свойством человеческого интеллекта является способность принимать правильные решения в обстановке неполной и нечёткой информации. Построение моделей, приближенных е рассуждениям человека, и использование их в компьютерных системах будущих поколений представляет сегодня одну из важнейших проблем науки. Смещение центра исследований нечётких систем в сторону практических приложений привело к выявлению целого ряда проблем, таких, как новые архитектуры компьютеров для нечётких вычислений, элементная база нечётких компьютеров и контроллеров, инструментальные средства разработки, инженерные методы расчёта и разработки нечётких систем управления и многое другое.Математическая теория нечётких множеств, предложенная Л.Заде около тридцати лет назад, позволяет описывать нечёткие понятия и знания, оперировать этими знаниями и делать нечёткие выводы. Основанные на этой теории методы построения компьютерных нечетких систем существенно расширяют области применения компьютеров. Нечёткое управление является одной из самых активных и результативных областей исследований применения теории нечётких множеств. Нечёткое управление оказывается особенно полезным, когда технологические процессы являются слишком сложными для анализа с помощью общепринятых количественных методов, или когда доступные источники информации интерпретируются неточно или неопределенно. Экспериментально показано, что нечёткое управление дает лучшие результаты, по сравнению с получаемыми, при общепринятых алгоритмах управления. Нечеткая логика, на которой основано нечеткое управление, ближе к человеческому мышлению и естественным языкам, чем традиционные логические системы1.4 Области применения искусственного интеллектаМожно выделить следующие направления, традиционно относимые к области искусственного интеллекта:Распознавание образов.Доказательство теорем и решение задач.Игры и принятие решений.Естественные языки и их машинное понимание. Машинный перевод.«Разумные роботы».Экспертные системы.Моделирование творческой деятельности.Моделирование нейронных сетей. Моделирование поведения животных.Специализированные интеллектуальные системы промышленного, военного, космического и т.п. назначения.1.5 Есть ли реальные пути создания интеллектаНе стоит забывать и о проблеме: есть ли реальные пути создания искусственного интеллекта. Одна из первых работ, в которой была дана обстоятельная критика искусственного интеллекта, - это вышедшая в 1971 году работа X. Дрейфуса «Чего не могут вычислительные машины». В этой работе X. Дрейфус тщательно проанализировал допущения, лежащие в основе веры в возможность создания машинного аналога человеческого разума. Дрейфус выделяет четыре основных допущения:Биологическое (нейродинамические процессы в мозге изоморфны некоторой переключательной схеме).Психологическое (мышление есть процесс переработки информации, заданной в дискретной форме, причем эта переработка подчинена конкретному алгоритму).Эпистемологическое (всякое знание можно формализовать).Онтологическое (все существующее представимо в терминах множества четко определенных, независимых друг от друга элементов).Дрейфус пытался показать, что биологическое допущение не согласуется с новейшими данными нейрофизиологии, тогда как другие три допущения не являются твердо установленными истинами и могут оказаться несостоятельными. Одно из основных препятствий на пути создания адекватной машинной модели человеческого интеллекта Дрейфус видит в неосуществимости алгоритмического моделирования человеческих потребностей, мотивов и деятельности целеполагания. При этом он подчеркивает биологический, телесно детерминированный характер человеческих потребностей и важность двигательной активности организма - как средства приобретения особого телесно-моторного опыта. Машину нельзя, по мнению Дрейфуса, запрограммировать таким образом, чтобы она была способна ставить собственные цели, испытывать желания и т.д. Этот аргумент представляется весьма спорным, особенно если учесть более поздние разработки в области компьютерного моделирования мотивации, эмоций и целеполагания. В целом, следует признать, что работа Дрейфуса не дала определенного ответа на вопрос: возможен ли интегральный искусственный интеллект, равный по своим возможностям интеллекту человека. Гораздо большее значение имеет так называемый «геделевский аргумент» против искусственного интеллекта. Теорема утверждает, что в достаточно "выразительных" формальных языках непременно найдутся истинные, но недоказуемые утверждения - причем этот результат не зависит от конкретного выбора дедуктики. Это означает, что множество "содержательных" истин всегда превосходит по объему множество истин, доказуемых с помощью любой сколь угодно сложной формализованной системы доказательств.Если смысл теоремы Геделя сводится к невозможности формализации содержательного понятия истины, то уже отсюда следует невозможность создания машины способной различать истину и ложь столь же эффективно, как это делает человек. Преимущество человека перед машиной можно усмотреть в том, что человек способен в любых случаях распознавать истинность "геделевских предложений", а машина делать это не способна. Впервые этот аргумент сформулировал британский математик Дж. Лукас в 1961 г. По мнению Дж. Лукаса, из известной теоремы К. Геделя «о неполноте формальных систем» (доказанной в 1931 г.) вытекает принципиальное различие между человеческим мышлением и любыми, сколь угодно сложными алгоритмическими системами искусственного интеллекта. В 60-е годы аргументация Лукаса была встречена весьма скептически и не повлияла существенно на исследования искусственных интеллектуальных систем. Однако в 1989 году этот аргумент «воскресил» и значительно усилил известный британский физик и математик Р. Пенроуз. Вышедшие одна за другой две его обстоятельные монографии привлекли к себе внимание и вызвали обширную дискуссию, в которой приняли многие известные математики, философы, нейрофизиологи и специалисты по искусственному интеллекту.Но и в этой новой дискуссии опять возобладало скептическое отношение к геделевскому аргументу. Большое значение для оценки возможности создания интегрального искусственного интеллекта также имеет придуманный американским философом Дж. Сёрлом мысленный эксперимент, известный как «аргумент китайской комнаты». Смысловым ядром аргумента является утверждение о невозможности воспроизведения мыслительных процессов через операции над формальными символами. Кратко аргумент формулируется «Программа лишь манипулирует символами, мозг же придает им смысл». Сёрл задался вопросом: будет ли машинный эквивалент человеческого интеллекта действительно обладать такими психическими функциями, как понимание, чувственное восприятие, мышление и убедительно показал, что на этот вопрос следует ответить однозначно отрицательно. Машина в любом случае будет лишь чисто внешним образом имитировать понимание, восприятие и мышление, ничего на самом деле не понимая, не воспринимая и не мысля.2. История искусственного интеллекта2.1 История развития искусственного интеллекта в СССР и РФСоветник по научной работе Семен Николаевич Корсаков (1787—1853) преследовал задачу совершенствования ума путем разработки научных методов и приборов, которые напоминают современную концепцию искусственного интеллекта как усилителя естественного интеллекта. В 1832 г. С.Н. Корсаков опубликовал описание пяти изобретенных им механических устройств, названных «умными машинами», для частичной механизации умственной деятельности в задачах поиска, сравнения и классификации. При проектировании своих машин Корсаков впервые в истории информатики использовал перфокарты, которые для него представляли собой своеобразную базу знаний, а сами машины фактически являлись предшественниками экспертных систем.В СССР работа в области искусственного интеллекта началась в 1960-х годах. Ряд пионерских исследований был проведен в Московском университете и Академии наук под руководством Вениамина Пушкина и Д.А. Поспелова. С начала 1960-х годов М. Л. Цетлин и его коллеги разрабатывают вопросы, связанные с изучением конечных автоматов.В 1964 г. была опубликована работа ленинградского логика Сергея Маслова «Обратный метод установления производности в классическом предикатном исчислении», в которой впервые был предложен метод автоматизированного поиска доказательств теорем в предикатном исчислении.В 1966 г. В.Ф. Турчиным был разработан язык рекурсивных функций Реф.До 1970-х годов все исследования ИИ в СССР проводились в рамках кибернетики. По мнению Д.А. Поспелова, в то время науки «информатики» и «кибернетики» смешивались из-за ряда академических споров. Только в конце 1970-х годов в Советском Союзе стали говорить о научном направлении «искусственного интеллекта» как о разделе компьютерной науки. В то же время зародилась сама компьютерная наука, заменившая ее предшественницу «кибернетику».В конце 1970-х годов появились толковый словарь по искусственному интеллекту, трехтомный справочный труд по искусственному интеллекту и энциклопедический словарь по информатике, включающий разделы по «кибернетике» и «искусственному интеллекту» и другие разделы по информатике.Термин «информатика» получил широкое распространение в 1980-х годах, а термин «кибернетика» постепенно исчез из обращения, сохранившись только в названиях тех учреждений, которые появились в эпоху «кибернетического бума» конца 1950-х — начала 1960-х годов. Этот взгляд на искусственный интеллект, кибернетику и информатику разделяют не все. Это потому, что на Западе границы этих наук несколько отличаются.2.2 История развития в разные векаИскусственный интеллект как научное направление является ярким примером интеграции различных научных областей. Специалисты в области естественных наук и информатики изучают свойства и функционирование живых систем, используя аналогичные методы.В целом, искусственный интеллект — это самостоятельная область научных исследований, сформированная из достижений математики и логики и основанная на знаниях о живой и неживой природе, накопленных человечеством.Древность.Стабильная область научных знаний об искусственном интеллекте сформировалась в начале ХХ века, но попытки в этом направлении предпринимались уже в древности и средневековье.Древние египтяне и римляне были в благоговейном трепете от культовых статуй, которые делали жесты и произносили пророчества. Конечно, это было сделано при непосредственной помощи священников.Средневековье.В средние века идея искусственного интеллекта была связана с задачей создания механической, похожей на человека, машины мышления, которая потенциально могла бы превзойти человека по уровню интеллекта. В частности, в то время люди говорили о гомункулах — маленьких искусственных человечках, способных воспринимать информацию из окружающего их мира.Восемнадцатый век.В XVIII веке интерес к таким изобретениям еще больше возрос благодаря технологическому прогрессу и, в частности, часовому механизму. В середине 1750-х годов австрийский изобретатель Фридрих фон Кнаус, служивший при дворе Франциска I, построил серию машин, которые могли писать длинные тексты пером.XVIII век.Девятнадцатилетний прогресс в области механики придал новый импульс изобретениям, направленным на современное понимание искусственного интеллекта. В 1830-х годах английский математик Чарльз Бэббидж придумал концепцию сложной цифровой вычислительной машины, аналитической машины, которая, как он утверждал, могла бы вычислять ходы для партии в шахматы. А к 1914 году Леонардо Торрес Кеведо, директор испанского технического института, построил электромеханический прибор, который мог играть в самый простой шахматный эндшпиль почти так же просто, как человек.XIX век.С середины 1930-х годов, с момента публикации работ Тьюринга, в которых обсуждалась проблема создания приборов, способных самостоятельно решать различные сложные задачи, проблема искусственного интеллекта стала тщательно рассматриваться в мировом научном сообществе. Тьюринг высказал мысль о том, что такую машину можно считать разумной, если ее нельзя отличить от человека при общении с ним.В 1954 году американский исследователь Ньюэлл решил написать программу для игры в шахматы. К работе были привлечены аналитики RAND Corporation . Теоретической основой программы стал метод, предложенный основателем теории информации Шенноном, точную формализацию которого выполнил Тьюринг. Также была привлечена группа голландских психологов под руководством Де Гроота, которые изучали игровые стили выдающихся шахматистов.После двух лет совместной работы команда создала язык программирования ИПЛ1 , первый символический язык для обработки списков, и вскоре была написана первая программа, которую можно назвать прорывом в области искусственного интеллекта. Это была программа «Логик-Теоретик», предназначенная для автоматического доказательства теорем в пропозиционном исчислении. Шахматная программа как таковая была завершена в 1957 году. В его основе лежала так называемая эвристика, т.е. правила, позволяющие принимать решения при отсутствии точных теоретических обоснований и описаний конечных целей.Одним из важнейших признаков интеллекта является способность учиться. Например, в 1961 году один из ведущих специалистов Англии по искусственному интеллекту, профессор Мичи, описал механизм, состоящий из 300 спичечных коробок, которые могли научиться играть «тик-так-нолик». Однако явно недостаточно сделать вывод об интеллекте, не говоря уже об искусственном интеллекте, на основе одного лишь атрибута.В 1956 году основатели кибернетики встретились в США, чтобы обсудить возможность реализации проекта «искусственного интеллекта». Среди участников были Маккарти, Минский, Шеннон, Тьюринг и другие. Первоначально это понятие понималось как способность машин выполнять отдельные человеческие функции, такие как перевод с одного языка на другой, распознавание объектов и принятие оптимальных решений.В нашей стране направление «Искусственный интеллект» возникло с опозданием около 10 лет и пришло на смену кибернетическому и бионическому буму первой половины 60-х годов XX века.Почти с самого начала ученые, занимавшиеся этим новым направлением научного знания, высказывали мысль о том, что было бы полезно перейти от специфики задач к конструктивному определению и моделированию мышления и внедрить искусственный интеллект как механизм, необходимый для их решения. Таким образом, искусственный интеллект в современном понимании — это совокупность методов и средств решения различных сложных прикладных задач, использующих принципы и подходы, сходные с мышлением человека об их решении или процессах, происходящих в живой или неживой природе.Тем не менее, до сих пор нет единого и общепризнанного определения искусственного интеллекта. И это не удивительно. Достаточно вспомнить, что универсального определения человеческого интеллекта тоже не существует.Сегодня исследования в области искусственного интеллекта ведутся в различных направлениях: Представление знаний, моделирование выводов, получение знаний, машинное обучение и автоматическая генерация гипотез, добыча данных и обработка информации о изображениях, поддержка принятия решений, управление процессами и системами, динамические интеллектуальные системы, планирование и т.д.2.3 Искусственный интеллект в наше времяИскусственный интеллект сегодня используется повсюду в мире. Компьютеры и другие вычислительные машины уже давно являются верными помощниками человека, всегда готовыми прийти на помощь в решении различного рода задач. Во многих случаях ЭВМ обеспечивает более высокую скорость решения задач и более высокую вычислительную точность, чем если бы человек решал эти задачи самостоятельно.Сегодня искусственный интеллект является неотъемлемой частью цивилизации и используется во всех сферах человеческой деятельности. Примеры варьируются от использования микрокалькуляторов до использования роботов в качестве врачей, нянь, уборщиков (все чаще используется в Японии).В своей недолгой истории исследователи искусственного интеллекта всегда были в авангарде компьютерной науки. Многие распространенные сегодня разработки, включая передовые системы программирования, текстовые редакторы и программное обеспечение для распознавания образов, в значительной степени основаны на достижениях в исследованиях искусственного интеллекта.Теории искусственного интеллекта, новые идеи и разработки постоянно привлекают внимание тех, кто стремится расширить сферы применения и возможности компьютеров, сделать их «более дружелюбными», то есть больше похожими на умных помощников и активных советников, чем на дотошных и безжалостных электронных рабов, которыми они всегда были. И пока эти идеи не будут реализованы, компьютеры никогда не смогут заменить людей, какими бы продвинутыми они ни были.Несмотря на многообещающие перспективы, ни одну из разработанных до сих пор программ искусственного интеллекта нельзя назвать «умной» в обычном смысле этого слова. Это объясняется тем, что они являются узкоспециализированными, а самые сложные экспертные системы напоминают прирученные или механические куклы, а не человека с его гибким умом и широкими горизонтами. Даже среди исследователей ИИ многие сейчас сомневаются, что большинство продуктов будут полезны. Многие критики искусственного интеллекта считают, что такие ограничения совершенно непреодолимы.Среди этих скептиков Хьюберт Дрейфус, профессор филологии Калифорнийского университета в Беркли. По его мнению, истинный интеллект не может быть отделен от его человеческой основы, которая содержится в человеческом теле. «Цифровой компьютер — это не человек, — говорит Дрейфус, — у компьютера нет ни тела, ни эмоций, ни потребностей». В нем отсутствует социальная ориентация, приобретенная в результате жизни в обществе, которая делает поведение разумным. Я не говорю, что компьютеры не могут быть умными. Но цифровые компьютеры, запрограммированные с помощью фактов и правил из нашей, человеческой жизни, не могут стать по-настоящему интеллектуальными. Поэтому искусственный интеллект, как мы его представляем, невозможен».При всей своей универсальности компьютер не может помочь решить проблему, которую трудно решить. Сложная (неразрешимая) задача — это задача, для которой не известен эффективный алгоритм быстрого решения, или для которой вообще не существует алгоритма решения. Эффективный алгоритм имеет не увеличивающуюся зависимость количества вычислений от входных данных. Такие алгоритмы называются многочленами, и обычно, если задача имеет алгоритм многочленного решения, ее нельзя решить на простом компьютере с низкой эффективностью. С ними могут быть связаны проблемы сортировки данных, многие математические проблемы программирования и тому подобное.Что не может сделать компьютер в современном (цифровом) смысле, и, вероятно, никогда не сможет? Ответ очевиден: выполнить решение полностью аналитически. Задача состоит в том, чтобы заменить аналитическое решение числовым алгоритмом, который рекурсивно выполняет операции, шаг за шагом приближающиеся к решению. С увеличением количества таких операций увеличивается и время выполнения, и, возможно, потребление других ресурсов (например, ограниченной памяти машины) имеет тенденцию к бесконечности. С помощью алгоритмов их решения задачи, резко повышающие потребление ресурсов, не могут быть решены на цифровых компьютерах, так как ресурсы всегда ограничены.В настоящее время наличие сверхвысокопроизводительных микропроцессоров и дешевизна электронных компонентов позволяют значительно продвинуться в алгоритмическом моделировании искусственного интеллекта. Такой подход дает некоторые результаты на цифровых компьютерах общего назначения и заключается в моделировании процессов жизни и мышления с использованием численных алгоритмов, реализующих искусственный интеллект.Здесь можно привести множество примеров, начиная от простой программы игрушки «Тамагочи» до моделей колонии живых организмов и шахматных программ, способных победить знаменитых гроссмейстеров. Сегодня такой подход поддерживается практически всеми крупными разработчиками аппаратного и программного обеспечения, поскольку достижения в создании алгоритмов, реализующих искусственный интеллект, также используются в узкоспециализированных прикладных областях при решении сложных задач и приносят разработчикам значительную прибыль.ЗаключениеТаким образом, хотя определенные шаги к воплощению гносеологических характеристик мышления в современных системах искусственного интеллекта сделаны, но в целом эти системы ещё далеко не владеют комплексом гносеологических орудий, которыми располагает человек и которые необходимы для выполнения совокупности функций абстрактного мышления. Чем больше характеристики систем искусственного интеллекта будут приближены к гносеологическим характеристикам мышления человека, тем ближе будет их «интеллект» к интеллекту человека, точнее, тем выше будет их способность к комбинированию знаковых конструкций, воспринимаемых и интерпретируемых человеком в качестве решения задач и вообще воплощения мыслей.Поэтому возникает сложный вопрос. При анализе познавательного процесса гносеология абстрагируется от психофизиологических механизмов, посредством которых реализуется сам процесс. Но из этого не следует, что для построения систем искусственного интеллекта эти механизмы не имеют значения. Не исключено, что механизмы, необходимые для воплощения неотъемлемых характеристик интеллектуальной системы, не могут быть реализованы в цифровых машинах или даже в любой технической системе, включающей в себя только компоненты неорганической природы. Также не исключено, что хотя мы и можем познать все гносеологические закономерности, обеспечивающие выполнение человеком его познавательной функции, но их совокупность реализуема лишь в системе, субстратно тождественной человеку.Подводя итог исследований в области искусственного интеллекта за последние 50 лет, можно сделать вывод, что при должной настойчивости любая локальная область интеллектуальной деятельности человека, по крайней мере, если она не носит ярко выраженного творческого характера, может быть представлена в виде алгоритма и передана машине. Однако конечная цель проекта «искусственный интеллект» - создание универсальной «разумной машины», которая могла бы обучаться, подобно человеку, и самостоятельно совершенствовать свое поведение, осваивая новые виды интеллектуальной деятельности и достигая при этом уровня человека средних способностей - эта цель не достигнута и появляется все больше сомнений в ее принципиальной достижимости. По крайней мере, никакого реального прогресса в создании такого самообучающегося «интегрального» интеллекта достигнуто не было.Список литературы1. Воротников С. А. Информационные устройства робототехнических систем: моногр. ; Гостехиздат - Москва, 2018. - 384 c.2. Геловани В. А., Башлыков А. А., Бритков В. Б., Вязилов Е. Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды; Едиториал УРСС - М., 2017. - 304 c.3. Гладкий С. Л., Степанов Н. А., Ясницкий Л. Н. Интеллектуальное моделирование физических проблем; Институт компьютерных исследований, Регулярная и хаотическая динамика - М., 2018. - 200 c.4. Гладких В. В., Гладких П. В., Гладких В. П. Идеи и решения фундаментальных проблем науки и техники; БХВ-Петербург - М., 2016. - 176 c.5. Гудвин Г. К., Гребе С. Ф., Сальгадо М. Э. Проектирование систем управления (+ CD-ROM); Бином. Лаборатория знаний - М., 2016. - 912 c.6. Здор С. Е. Кодированная информация. От первых природных кодов до искусственного интеллекта; Наука - Москва, 2017. - 168 c.7. Искусственные иммунные системы; ФИЗМАТЛИТ - М., 2018. - 344 c.8. Искусственный интеллект и принятие решений, №1, 2011; Ленанд - М., 2016. - 742 c.9. Искусственный интеллект и принятие решений, №4, 2011: моногр. ; ИСА РАН - М., 2018. - 124 c.10. Статья «Все, что вам нужно знать об ИИ – за несколько минут» [Электронный ресурс] https://habr.com/ru/post/416889/, дата обращения 16.10.2021.11. Статья «Искусственный интеллект: краткая история, развитие, перспективы» [Электронный ресурс] https://timeweb.com/ru/community/articles/chto-takoe-iskusstvennyy-intellekt, дата обращения 16.10.2021.12. Статья «Искусственный интеллект» [Электронный ресурс] https://www.calltouch.ru/glossary/iskusstvennyy-intellekt/, дата обращения 16.10.2021.13. Статья «Искусственный интеллект (ИИ) Artificial intelligence (AI)» [Электронный ресурс] https://www.tadviser.ru/index.php/Продукт:Искусственный_интеллект_(ИИ,_Artificial_intelligence,_AI), дата обращения 16.10.2021.14. Статья «Современное состояние искусственного интеллекта» [Электронный ресурс] https://dtf.ru/science/41917-sovremennoe-sostoyanie-iskusstvennogo-intellekta, дата обращения 16.10.2021.