Некий прорыв совершили специалисты в области искусственного интеллекта, изучавшие в целях моделирования или имитирования как физический уровень мышления, так и уровни прикладной и здравого смысла. К сожалению, прорыв произошел не столько в понимании сути мышления, сколько в понимании сложности проблемы. (А как хорошо все начиналось. Казалось, еще чуть-чуть и все благополучно разрешится. Есть даже исторический анекдот на эту тему. Марвин Минский, один из ведущих специалистов по искусственному интеллекту, в 60-х годах вызвал к себе первокурсника Массачусетского технологического института и дал задание на лето - изучить и решить проблему машинного зрения. Вот так, ни больше и ни меньше. Излишне упоминать, что осенью первокурсник вернулся с пустыми руками.)
Понимание сложности механизмов мышления пришло потому, что за несколько десятков лет специалисты по искусственному интеллекту (ИИ) испробовали множество различных вариантов моделирования или имитации мышления на пути к созданию искусственного разума. Если говорить подробнее, то по-крупному можно выделить два подхода: "нисходящий" и "восходящий". Суть "восходящего" в следующем: максимально точно смоделировать нейроны и их взаимодействие в надежде, что по мере усложнения и укрупнения моделей они во все большем объеме будут воспроизводить функционирование образца из живой природы, а в пределе, при создании модели мозга, модель будет обладать способностью к мышлению. Напротив, "нисходящий" подход заключается в том, что имитируется мышление человека при решении тех или иных задач, причем именно имитируется, так как применяемые алгоритмы зачастую не имеют ничего общего с тем, как в действительности решает подобную задачу человек. Ожидалось, что как только число успешно решаемых компьютером задач достигнет некоего "критического уровня", можно будет говорить о том, что получен "искусственный интеллект". Предложены даже несколько систем критериев и тестов, прохождение которых компьютерной программой позволяет заключить, что машина достигла "критического уровня" и мыслит. Из них самый, наверное, спорный, но в тоже время известный - тест Тьюринга. Какие достигнуты результаты? Да самые разные. Приведу несколько из них. Нейронные сети, как образец моделирования естественного интеллекта, прошли путь от однослойных нейронных сетей (часто называемых персептронами), которые благодаря усилиям Минского, Розенблата, Уидроу и др. успешно решали многие "игрушечные" задачи, до многослойных сетей, которые способны озвучивать текст, распознавать рукописные буквы и эффективно сжимать изображения. То есть "восходящий" подход в принципе позволил построить работоспособные модели "примитивного" уровня мышления. Есть хорошие результаты и по имитации мышления на уровне здравого смысла, в частности, по имитации профессиональной деятельности. Типичным примером имитации профессиональной деятельности являются системы, основанные на знаниях, и прежде всего экспертные системы. Технологии, наработанные на "нисходящем" пути, можно встретить во многих современных программах, а экспертных систем в различных отраслях профессиональной деятельности создано достаточно много, и, видимо, несмотря на явное падение интереса к этой тематике, они еще продолжают создаваться.
Мы говорили в основном о физическом и прикладном уровнях, а также об уровне здравого смысла. Специалисты в области ИИ подступились и уровню потока сознания, а здесь самым известным подходом является нечеткая логика, созданная более 35 лет назад нашим бывшим соотечественником, а затем профессором Калифорнийского университета Л.А. Заде. Дело в том, что нечеткая логика позволяет имитировать то, как человек справляется с задачами, не имеющими алгоритмического решения. А это необходимо, чтобы сымитировать часть важных свойств потока сознания. Особенно ухватились за нечеткую логику японцы. Создан ряд образцов программного обеспечения и аппаратуры на основе нечеткой логики. Образцы позволяют управлять сложными производствами, самолетами и автомобилями, ухаживать за больными и даже дегустировать вина.
Прочие статьи:
Модель Ходжкина – Хаксли
Как ни наглядны графики, но по ним не всегда можно находить с достаточной точностью требуемые величины, поэтому при многократном применении графиков может накопиться большая ошибка; в этом отношении, как вы знаете, гораздо удобнее использ ...
Социально-профессиональные вариации конституциональных типов
Ряд специалистов указывали на значительные различия в частоте встречаемости конституциональных типов у представителей разных профессий, и, хотя материалы разных авторов не всегда совпадают, все же можно отметить, что среди людей, связанны ...
Голография и распознание образов
Однажды в музей небольшого города привезли коллекцию старинных драгоценностей. В витринах, освещенных яркими лампами, стояли маленькие застекленные шкатулки, а в них драгоценными камнями и эмалями сверкали старинные ордена и броши, тускло ...