I. Возникновение науки об искусственном интеллекте

Д.А.ПОСПЕЛОВ

ИЗ ИСТОРИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА:

ИСТОРИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДО СЕРЕДИНЫ 80-Х ГОДОВ*

I. Возникновение науки об искусственном интеллекте

 

Первое же знакомство с вычислительными машинами специалистов, работав­ших в области кибернетики, привело к тому, что эти технические устройства нашли новые области применения, отличные от решения вычислительных задач. Довольно быстро стало ясно, что ЭВМ – это не просто быстро работающий арифмометр, а нечто большее. Способ кодирования информации в ЭВМ обладал универсальностью. Кодировать в виде двоичных машинных слов можно было не только числа, но и. целые последовательности символов, имеющих нечисловую природу (в частности слова естественного языка, последовательности нотных знаков, запись ходов в шахматной партии и т.п.). Набор операций, автоматически выполнявшихся в ЭВМ, также обладал широкими возможностями. Преобразования, осуществляемые над машинными кодами, можно было интерпретировать не только, как операции над числами, но и как определенного вида символьные преобразования.

Поэтому, практически с самого начала активного использования ЭВМ первого поколения (т.е. с середины 50-х годов) на ЭВМ стали решаться задачи, традиционно относящиеся к интеллектуальным. В это время начали формироваться первые области исследований, которые в последующем оказали заметное влияние на возникновение научного направления, получившего название искусственный ин­теллект. Остановимся на описании этих областей исследования, заложивших многие принципы будущей науки об интеллектуальных системах.

I. Машинный перевод.  Вопрос об использовании ЭВМ для перевода текстов с одного языка на другой впервые возник в 1947 году. В 1954 году в США с помощью ЭВМ было переведено шестьдесят фраз. Этот знаменитый "Джорджтаунский экспе­римент" произвел неизгладимое впечатление на специалистов. И хотя его результа­ты оказались весьма скромными, они вселили в ученых уверенность в том, что имеются хорошие перспективы использова­ния ЭВМ для работы с текстами на естественном языке. Дальнейшее развитие работ в области машинного перевода было цепью небольших побед и больших разочаро­ваний. В пятидесятых годах представления о том, как должны делаться большие программные системы, были еще весьма наивными, а точные лингвистические модели практически отсутствовали. На первом этапе работ по машинному переводу в единый алгоритм пытались поместить как информацию о тех двух языках, между которыми осуществлялся перевод, так и описание самих правил перевода. На смену им в начале шестидесятых годов пришли системы, в которых между входным и выходным языком появился специальный язык-посредник, облегчающий сопостав­ление между собой конструкций различных языков. В системах третьего поколения, появившихся во второй половине семидесятых годов, этот язык-посредник превра­тился в модель глубинной семантики, описывающей семантические универсалии, присущие всем естественным языкам.

В СССР работы в области машинного перевода начались с 1955 года. Становле­ние и развитие этого направления во многом связано с работами А.А.Ляпунова, Ю.Д.Апресяна, О.С.Кулагиной и др. [1,2]. В области машинного перевода отечественные работы всегда находились и находятся на переднем крае исследований. Созданные в нашей стране системы машинного перевода во многих отношениях превосходят соответствующие им во времени зарубежные образцы.

______________________________________________________________________________

* Опубликовано в: Новости искусственного интеллекта. – 1994. – №4. – С.70-90

 

Какие же достижения из области машинного перевода оказались полезными для искусственного интеллекта?

Прежде всего, это понимание, что анализ естественно-языковых особенностей невоз­можен без создания семантической модели, в которой в явной форме содержались бы словарные статьи, интерпретирующие смысл слов, используемых в тексте, а также устойчивых комбинаций из них. Такая семантическая модель должна отобра­жать реальные отношения объектов и явлений внешнего мира, преломляемые через средства языка. Практически, в работах по машинному переводу впервые возникла идея отделения процедурных знаний от декларативных, которая нашла свое развитие на первом этапе исследований по искусственному интеллекту. Отделение того "с чем делать" от того "как делать" было свойственно программированию на ЭВМ с самого начала. Данные и программы всегда существовали, как отдельные компоненты: Но отделение "почему так делать" от того "как делать", т.е. отделение модели от программы произошло, по-видимому впервые в исследованиях по машин­ному переводу на втором этапе их осуществления.

Вторым достижением работ по переводу с одного языка на другой явилось введение промежуточного внутреннего представления всех необходимых для пере­вода сведений. Появление языка-посредника знаменовало собой первую попытку создания языка внутреннего представления знаний, отличного от входного языка, на котором записан текст, подлежащий переводу, и выходного языка, на который тот текст должен был быть переведен. Активность внутренних представлений знаний получила в дальнейшем в системах искусственного интеллекта большое развитие.

И, наконец, третьим достижением работ в области машинного перевода, важ­ным для искусственного интеллекта, можно считать разделение этапов анализа текстов на ряд последовательных шагов: морфологический анализ, поверхностный семантический анализ, глубинный семантический анализ, поверхностный синтак­сический анализ, глубинный синтаксический анализ и прагматический анализ [2]. Выделение этих шагов позволило поставить перед лингвистами задачи по созданию языковых моделей для целей машинного перевода, стимулировать эти исследования и получить нужные результаты, благодаря чему стала возможной волна исследова­ний в этой области, завершающаяся сейчас созданием практически эффективных систем перевода научно-технических текстов с помощью ЭВМ. Для работ в области искусственного интеллекта эти исследования сыграли свою роль при создании систем общения пользователей с интеллектуальными системами. Не менее важным оказалось и понимание того, что синтез текстов может рассматриваться как обраще­ние тех шагов, которые были выделены и изучены при анализе текстов.

2. Автоматизированное реферирование и информационный поиск. Почти одновременно с работами по машинному переводу начались исследования по использованию ЭВМ для целей автоматического реферирования научно-техниче­ских текстов. Первый машинный эксперимент такого рода был проведен в 1957 году в США. В отличие от машинного перевода, где внимание исследователей, по крайней мере на начальном этапе, было сосредоточено на отдельных предложениях, т.к. машинный перевод мыслился как перевод "фраза за фразой", в области автоматизированного реферирования внимание было обращено на более крупные участки текста (чаще всего на абзацы), в которых концентрировались рассуждения на одну и ту же тему. Другими словами, внимание исследователей в этой области с самого начала было ориентировано на выявление закономерностей, организующих смысловое единство текста. На первом этапе этих работ наиболее популярными были подходы, основанные на выявлении тех или иных статистических закономер­ностей распределения терминов в тексте или их взаимного расположения в нем [3,4]. В дальнейшем исследования в области автоматизированного реферирования сместились в сторону использования внутренних структур текста, выявления той информационной основы, которая организует весь текст [5,6]. Работы в этом направлении оказали существенное влияние на использование ЭВМ для сочинения искусственных текстов.

Развитие информационно-поисковых систем, опирающихся на использование ЭВМ, также сыграло свою роль в формировании ряда парадигм искусственного интеллекта. Идея выделения и использования дескрипторов при поиске релевант­ных ответов на запросы [3] многократно использовалась в вопросно-ответных системах, традиционно включавшихся в область интеллектуальных систем на на­чальном этапе их развития. Идея вычленения системы связей-отношений между отдельными фактами, воплощенная в понятии тезауруса [3], развилась впоследст­вии в идею семантической сети, столь важную для работ в области искусственного интеллекта.

3. Доказательство теорем. Еще одной областью, связанной с вычислительными задачами, является доказательство теорем. Эта область творческой деятельности человека наиболее просто поддается автоматизации, т.к. математическое доказа­тельство в достаточной степени формализовано, особенно в тех разделах математи­ки, которые тесно связаны с формальными системами. Поэтому первыми теорема­ми, доказанными с помощью ЭВМ с США в середине 50-х годов, были теоремы исчисления высказываний, а затем и исчисления предикатов (Ван-Хао и др.). Несколько позже ЭВМ использовались для доказательства теорем абстрактной алгебры и некоторых несложных геометрических теорем (В.М.Глушков, К.И.Вер­шинин, У.Галантер и др.). На первом этапе ЭВМ оказались способными искать лишь простые доказательства путем применения правил вывода к исходным аксио­мам. Одной из первых систем такого типа была разработанная в СССР программа АЛПЕВ, созданная под руководством Н.А.Шанина. Однако довольно скоро внима­ние логиков привлекла сама проблема вывода и поиска эффективных процедур такого вывода. Во второй половине 60-х годов были найдены две такие процедуры, которые прочно вошли в состав средств, используемых в исследованиях по искусст­венному интеллекту. Это метод резолюций, предложенный в 1965 году Дж.Робинсоном (США) и обратный метод С.Ю.Маслова (СССР), предложенный двумя годами позже. Оба метода дают возможность осуществлять поиск доказательств в исчислении предикатов и являются достаточно мощными. На их основе построено множество модификаций, обладающих теми или иными достоинствами. Поиск таких процедур продолжается. Он стимулируется еще и тем, что, как было показано независимо друг от друга в 1936 г. А.Черчем и А.Тьюрингом, не существует универсальной процедуры доказательства тождественной истинности произвольной формулы в исчислении предикатов первого порядка, если заранее не известно, является ли она таковой. Поэтому представляет большой интерес поиск процедур вывода, ориентированных на те или иные проблемные области, в которых за счет их специфических особенностей можно строить эффективные процедуры доказа­тельств.

Это соображение лежит в основе второй особенности машинных систем доказа­тельства теорем, важной для искусственного интеллекта. С учетом семантики решаемой задачи на дереве поиска вывода возможно указать некоторые эвристиче­ские правила, сокращающие перебор путей, ведущих от исходных формул к доказываемой (при прямом методе доказательства) или от доказываемой к исход­ным (при обратном методе доказательства). Именно при доказательстве теорем, по-видимому, впервые возникла идея эвристических правил, как путей сокращения большого перебора. Эта идея в дальнейшем развилась в целую ветвь – эвристиче­ское программирование, сыгравшую большую роль на начальном этапе работ по интеллектуальным системам. Особенно интересными были эвристические правила, отражавшие особенности доказательства теорем человека в геометрии. Начальный этап исследований в области машинного доказательства теорем отражен в сборнике [7], вышедшем в США в 1963 г., а дальнейшее развитие работ – в [8-10].

4. Распознавание образов. Это еще одно направление, родившееся в 50-е годы, как следствие начала использования ЭВМ для решения невычислитель­ных задач. Традиционная постановка задач в этой области близка к задаче класси­фикации: необходимо найти совокупность классифицирующих признаков, с по­мощью которых было бы возможным построить решающие правила, относящие те или иные единичные объекты к заранее выделенным или формируемым по отноше­нию близости по признакам классам. Распознавание образов – активно и бурно развивающаяся наука, имеющая ярко выраженное прикладное значение, вырабо­тавшая свои приемы и методы решения задач. Часть из них (например, статистические методы распознавания или распознавание с помощью метода потенциальных функций) по своим идеям весьма далеки от идей и методов искусственного интеллекта. Поэтому они не оказали заметного влияния на его развитие. Другая же часть методов теории распознавания (особенно та, методы которой опираются на идею построения классифицирующей системы признаков в процессе обучения), наоборот, весьма близка к искусственному интеллекту, связана с ним и продолжает оказывать значительное влияние на работы в области интеллектуальных систем.

Наиболее значительны для работ по интеллектуальным системам идеи теории распознавания, связанные с обучением нахождению решающего правила на множе­стве положительных и отрицательных примеров. Пожалуй, впервые подобный подход со всей его полнотой был реализован в СССР в начале 60-х годов М.М.Бонгардом и его учениками [11]. Созданные им методы узнавания надолго определили соответствующие исследования в области распознавания образов и систем класси­фикации, применяемых в интеллектуальных системах. В 70-е годы Ю.И.Журавле­вым и его учениками были заложены основы теории, позволяющей конструировать новые процедуры распознавания образов и проводить сравнения различных мето­дов.

Не менее интересными для искусственного интеллекта являлись логико-лингвистические методы распознавания, опирающиеся на описание объектов классифика­ции с помощью специальных языковых средств и на логический вывод в качестве решающего правила классификации.

5. Игровые программы. Использование ЭВМ для моделирования на них процес­са игры также имеет давнюю историю. Программы для простых игр типа "крести­ки-нолики" или "ханойская башня" появились в самом конце 40-х годов. Потом число таких программ стало быстро увеличиваться. На ЭВМ стали воспроизводить процесс игры в различные карточные игры, калах, домино, шашки, шахматы, и многие другие. Практически, сейчас нет ни одной игры, которая была бы достаточно популярна и не использовалась бы для воспроизведения на вычислительной маши­не. При создании таких программ исследователи столкнулись с проблемой поиска и перебора. И эти процедуры надолго привлекли внимание специалистов. Нахож­дение эффективных стратегий поиска по дереву игры было задачей, во многом похожей на задачу поиска эффективных путей доказательства теорем. Классифи­кация ситуаций, складывающихся на игровом поле, во многом сближала возника­ющие здесь задачи с традиционными задачами распознавания образов. Это делало игровые программы хорошим полигоном для отработки различных приемов и методов поиска решений в условиях богатого множества альтернатив [12].

Впервые проблема алгоритмизации шахматной игры была рассмотрена в 1949 г. К.Шенноном (США), который предложил использовать при организации шахмат­ных программ следующие три принципа, остающиеся до настоящего времени основными для большинства программ такого рода: 1) перебор возможных продолже­ний шахматной партии на определенное число ходов вперед; 2) оценка возникаю­щих позиций с помощью некоторой оценочной функции, учитывающей материал и позицию; 3) использование эвристических приемов для сокращения перебора при просмотре ходов вперед за счет учета специфики шахматной игры [13].

Последний принцип особенно важен, т.к. рост перебора вариантов при увеличе­нии глубины просмотра продолжения шахматной партии происходит весьма быстро, имея экспоненциальный характер, что предъявляет повышенные требования к быстродействию ЭВМ. Поэтому именно в шахматных программах зародились идеи методов сокращения перебора на древовидных структурах. В СССР первый такой метод (метод граней и оценок) был предложен А.С.Брудно. В США методами подобного типа много занимался Н.Нильсон. Примером удачного применения эвристических приемов к шахматным программам может служить программа "Каисса", созданная в СССР В.Л.Арлазаровым, Г.М.Адельсоном-Вельским и М.Б.Дон­ским,

В последнее время в связи с развитием методов искусственного интеллекта стали появляться новые идеи и в шахматных программах. Их функционирование стало опираться не на простой перебор вариантов, а на попытку смоделировать на ЭВМ особенности мышления человека-шахматиста. В СССР эти новые идеи нашли свое отражение в проекте программы "Пионер", разработанной под руководством М.М.Ботвинника [14]. За рубежом принципы построения программ такого типа обоснованы Д.Мичи. Эвристики и приемы сокращения перебора при большом количестве вариантов, разработанные в области создания игровых про­грамм (особенно шахматных), находят сейчас широкое применение в различных интеллектуальных системах.

6. Сочинение музыки и текстов. В середине 50-х годов в США (Л.Хиллер и Л.Айзексон), а несколько позже в СССР (Р.Х.Зарипов) были сделаны первые попытки сочинения музыкальных произведений с помощью программ, реализуемых на ЭВМ. В основе этих программ лежала идея об использовании генераторов случайных чисел, интерпретируемых как нотные знаки со всеми присущими им параметрами, для порождения музыкального произведения за счет отбора из гене­рируемого потока нот лишь тех, которые удовлетворяли бы определенным прави­лам. Эти правила заимствовались из музыковедческой литературы и отражали специфику восприятия музыки человеком [15,16]. Таким образом, в этих програм­мах, как и в некоторых программах автоматизированного реферирования или доказательства теорем, использовался случайный процесс, детерминируемый систе­мой ограничивающих модельных правил. Этот прием оказался в дальнейшем полезным и для ряда программ искусственного интеллекта. А сама возможность имитации творческого процесса человека в такой области, которая всегда считалась вершиной его интеллектуальной деятельности, имела немаловажное значение для понимания возможностей ЭВМ в этой сфере.

В середине же 50-х годов делаются первые попытки использования ЭВМ для генерации связных текстов, как поэтических, так и прозаических [17]. Однако до развития работ в области искусственного интеллекта эти исследования не получили достаточного распространения и не оказали существенного влияния на другие направления, связанные с моделированием творческих процессов. Столь же незначительно повлияло на работы в области искусственного интеллекта появление первых программ, связанных с машинной графикой. Лишь несколько позже, когда появились хорошие черно-белые и цветные дисплеи, а программы машинной графики стали намного интереснее, специалисты в области искусственного интел­лекта обратили внимание на эти работы. Сейчас же машинная графика стала вполне самостоятельным направлением и подобно распознаванию образов развива­ется вне рамок искусственного интеллекта, хотя и испытывает его влияние на свои методы и представления. Достаточно полное представление о современном состоя­нии дел в той части машинной графики, которая наиболее тесно связана с моделированием творческой деятельности, может дать монография [18]. Из-за отсутствия хороших дисплеев уровень исследований в этой области в странах Восточной Европы и СССР несколько отстает от уровня их развития в США, Японии и странах Западной Европы.

Все перечисленные сферы применения ЭВМ для решения нечисловых задач сыграли роль катализирующих ферментов, способствуя консолидации усилий отдельных специалистов вокруг вопросов, связанных с решением задач, относящих­ся к сфере интеллектуальной деятельности человека. Эта консолидация привела к появлению первых моделей и систем, которые знаменовали собой переход к созданию новой науки – искусственного интеллекта.