Вопрос 2. Эпистомологическая полнота представления знаний

Вопрос 1. Искусственный интеллект как научное направление

Искусственный интеллект (ИИ) как научное направление, связанное с попытками формализовать мышление человека, имеет давнюю историю. Платон, Аристотель, Декарт, Лейбниц и многие другие исследователи стремились описать процесс мышления как последовательность элементарных операций.

Впервые термин «искусственный интеллект» прозвучал летом 1956 г. во время прохождения научной конференции в Дартмусе (США).

С одной стороны, он рассматривается как теория создания программных и аппаратных средств, способных осуществлять интеллектуальную деятельность, сопоставимую с интеллектуальной деятельностью человека.

С другой — как программные аппаратные средства, а также выполняемая с их помощью работа. ИИ включает следующие технологии: - решения задач, экспертных систем, систем поддержки и принятия решений; - систем распознавания образов, движения и т. д.; - систем обработки текста и машинного перевода; - игровых программ.

Например, шахматы; - обучаемых и обучающих систем; - робототехники и автономных агентов; - взаимодействия с пользователем на естественном языке. Система искусственного интеллекта — это набор программных и аппаратных средств, использование которых должно было бы привести к тем же результатам, что и интеллектуальная деятельность человека. Как научное направление ИИ тесно связано с философией, психологией, лингвистикой, антропологией.

Вопрос 2. Эпистомологическая полнота представления знаний.

Развитие искусственного интеллекта происходило в процессе решения множества важных задач и вопросов. Понимание естественных языков, планирование, рассуждения в условиях неопределенности и машинное обучение - все это типичные проблемы, которые отражают важные аспекты разумного поведения. Интеллектуальные системы, работающие в этих предметных областях, требуют знания целей и опыта в контексте конкретной социальной ситуации. Для этого в программе, которую человек пытается наделить "разумом", необходимо обеспечить возможность формирования понятий.

Процесс формирования понятий отражает как семантику, поддерживающую использование символов, так и структуру применяемых символов. Задача состоит в том, чтобы найти и использовать инвариантности, присущие данной предметной области. Термин "инвариант" используется для описания регулярностей или значимых, пригодных для использования, аспектов сложных рабочих сред. В данном рассмотрении термины символы и символьные системы используются в широком смысле. Они включают широкий спектр понятий: от четко определенных символов Ньюэла и Саймона [Newell и Simon, 1976] до узлов и сетевой архитектуры систем связей, а также эволюционирующих структур генетики и искусственной жизни.

Хотя рассматриваемые ниже вопросы характерны для большей части работ в сфере ИИ, остановимся на проблемах машинного обучения. Это обусловлено тремя причинами.

Во-первых, довольно глубокое изучение хотя бы одной ключевой предметной области искусственного интеллекта даст читателю более полное и точное представление о последних достижениях ИИ. Во-вторых, успехи в машинном обучении, а особенно в нейронных сетях, генетических алгоритмах и других эволюционных подходах, потенциально способны совершить революцию в сфере ИИ. Наконец, обучение- это одна из наиболее увлекательных областей исследований в искусственном интеллекте.

Несмотря на прогресс, обучение остается одной из наиболее трудных проблем, встающих перед исследователями ИИ. Далее мы обсудим три вопроса, сдерживающих сегодня продвижение в этой сфере: во-первых, обобщение и переобучение (generalization and overlearning), во-вторых, роль индуктивного порога (inductive bias) в обучении, в-третьих, дилемму эмпирика (empiricist's dilemma).