Искусственный интеллект — это способность компьютерной системы имитировать когнитивные функции человека.
Парадигмы формирования интеллектуальных систем
Философия сознания, которая начала развиваться вместе с более глубоким пониманием задач и проблем искусственного интеллекта, определяет следующие парадигмы формирования интеллектуальных систем и искусственных разумных существ:
- Нисходящая парадигма.
- Восходящая парадигма.
Нисходящая парадигма призвана объединять технологии типа экспертных систем, универсальных машин вывода, баз знаний. Наиболее выдающимся и сильно продвинутым направлением в границах данного подхода может считаться направление символьных вычислений, которое базируется на логике манипулирования символами.
Восходящая парадигма призвана объединить технологии типа искусственных нейронных сетей, эволюционных и молекулярных вычислений. Восходящая парадигма способна моделировать биологические основы человеческого разума, в то время как нисходящая способна имитировать высокоуровневые психологические процессы типа мышления, рассуждений, речи, эмоций, творчества.
Тем не менее каждая из этих парадигм обладает как достоинствами, так и своими недостатками. Например, нейронные сети и любая смежная технология имеют достаточно существенные ограничения, среди которых следует выделить следующий набор ограничений:
- Специалисты до сих пор не имеют полного понимания того, как происходит обучение нейронной сети. Математический аппарат, естественно, присутствует, но при переходе к практическим действиям уровень вычислительной сложности интерпретации того, как и, самое главное, почему нейронная сеть настроила свои весовые коэффициенты именно таким образом, а не иначе, может нелинейно возрастать до невероятных величин. И в результате получен черный ящик как модель черного ящика. Это не совсем то, что необходимо.
- Достаточно часто в нейронную сеть для обучения может попасть набор некорректных данных, которые на первый взгляд кажутся правильными. К примеру, в медицинской проблемной сфере иногда может случиться так, что диагнозы поставлены неправильно, лекарственные средства назначены неадекватно, а потому отсутствует гарантия того, что при обучении нейронной сети не использовалась такая некорректная информация. Инструмента, позволяющего интерпретировать то, как сеть обучалась, нет.
- Распознающие нейронные сети могут подвергаться так называемой атаке «враждебных изображений», которые сформированы специально так, что могут сбить нейронную сеть с толку. К примеру, когда нейросеть научилась распознавать стиральные машины, то ей можно предоставить изображение, которое она может распознать как «сейф» или «музыкальная колонка». Это аналогично оптическим иллюзиям у человека. Здесь нужно подчеркнуть, что естественные нейронные сети так же могут подвергаться этому, только в меньших масштабах.
Технологии искусственного интеллекта: гибридная парадигма
Следует заметить, что появление полноценного искусственного интеллекта, вероятнее всего, должно произойти где-то на стыке двух парадигм, то есть, с использованием гибридной парадигмы. Навряд ли в ближайшем будущем люди смогут создать кремниевый аналог человеческой нервной системы, так как уровень ее сложности просто невообразимо высок. Вероятно, проще сформировать биологическую нейронную сеть такого объема, чем создать вычислительные мощности для ее симуляции.
Тем не менее нейросетевой подход способен предоставить базовый набор инструментов для первичной обработки и коммутации информации, поступающей с различных сенсоров на вход системы управления и принятия решений в составе искусственного интеллекта. А в ней уже можно использовать символьный подход, который будет реализован в форме универсальной машины вывода. И такая конвергенция пары технологий, в итоге должна позволить осуществить давнюю мечту человечества, а именно, осуществить создание искусственного разума.
Гибридная искусственная интеллектуальная система является ничем иным, как универсальной кибернетической машиной, обладающей следующими основными элементами:
- аффекторами,
- подсистемами управления,
- эффекторами.
С помощью аффекторов система способна воспринимать сигналы из окружающей действительности, которые должны обрабатываться в подсистеме управления. Далее сигналы из системы управления должны поступать в эффекторы, которые способны воздействовать на окружающую среду. Это обобщенная схема всех автономных агентов, по этой причине гибридная искусственная интеллектуальная система одновременно может считаться и интеллектуальным агентом, так как она реализует уже агентский подход.
Отличие гибридной интеллектуальной системы состоит в том, что ее аффекторы и эффекторы обладают связями с подсистемой управления и принятия решений через нейронные сети. Это означает реализацию восходящей парадигмы.
Аффекторная нейронная сеть способна принимать прошедшие очистку сенсорами сигналы внешней среды и преобразовывать их в символы, подающиеся на вход универсальной машины вывода. Эта машина выполняет вывод на основании символьных знаний из своей базы знаний и должна выводить итоговый результат, который тоже может быть представлен в символьном виде. Это означает реализацию нисходящей парадигмы.
Символьный итоговый результат должен подаваться на вход моторной нейронной сети, преобразующей высокоуровневые символы в определенные управляющие сигналы исполнительными устройствами. Помимо этого, внутри гибридной интеллектуальной системы могут быть выполнены контрольные связи от всех ее компонентов к сенсорам. Это позволяет реализовать адаптационные механизмы, которые основаны на гомеостазе внутреннего состояния системы.
