Модели интеллекта

Теоретики искусственного интеллекта (ИИ) дают рахтичные определения этого понятия, соответственно которым в иссле­дованиях выделяются две осноиные цели. Первая — создание программ для автома­тизации интеллектуальной человеческой деятельности (П. Уинстон). Вторая, свя­занная с исследованиями в психологии, — использование программ ИИ для объяс­нения процессов, протекающих у человека при решении тех или иных задач (Н. Ниль-сон, Т. Фейген).

Э. Хант (1978) под содержанием поня­тия «искусственный интеллект» понимает: игры, распознавание образов, решение задач, адаптивное программирование, при­нятие решений, обработку данных на естест­венном языке и т.д. Многие концепции ИИ, несомненно, повлияли на развитие психологической науки.

При моделировании интеллекта в психо­логии можно выделить следующие подходы: аппарат распознавания образов, который основан на процедуре Бэйеса, классичес­ком статистическом подходе и новых ма­тематических теориях, таких, как размытые множества и синергетика.

Современные исследования в этой об­ласти начались к Институте Карнеги с написания программ, решающих задачи. Основной интерес представляло то, как люди решают задачи (А, Ньюэлл, Г. Сай­мон, 1972). В работах многих других ис­следователей ИИ рассматривается скорее как расширение математики, а не как дис­циплина математической психологии (Дж. Мак-Карти, М. Минский, 1961). Дру­гое направление ИИ — это распознавание образов, которое начиналось с машинных программ классификации. В дальнейшем О. Селфридж (1959) предложил осуществ­лять распознавание образов, вычисляя «взвешенную» сумму ряда классификаций. К. проблеме распознавания можно «под­ходить», анализируя аналогии, которые

прослеживаются в биологических процес­сах. Мак-Каллок и Питте (1943) доказали, что любую функцию можно реализовывать с помощью должным образом организо­ванной сети идеальных нейронов. Логи­ческим продолжением нейрологических теорий явилось понятие перцептрона.

Перцептронные модели

Перцептрон возник как система, пред­назначенная для решения задач распозна­вания образов (М. Минский, С. Пейперс, 1971). Идея создания перцептрона принад­лежит Ф. Розенблатту (1965). Изучением данного типа моделей занималось много исследователей (Ф. Розенблатт, 1965; С. Пейперс, М. Минский, 1970; О. Селф­ридж, Н.Нельсон, 1969; В.Якубович, 1966). Наибольшее эмпирическое подкреп­ление эти модели получают в психофизи­ологии, например — рефлекторная дуга Е.Соколова (1981). Одной из наиболее известных моделей, основанных на понятии перцептрона, является система «Пандемо­ниум», предложенная О. Селфериджем (1974). Модели данного класса позволили выделить типы научения, Перцептронные модели поведенчески эквивалентны авто­матным моделям, но дают возможность представить механизм связи и ее модифи­кации при научении между ситуациями и ответными реакциями.

Моделирование естественного языка

В. В. Налимов разработал вероятност­ную модель языка с помощью модели­рования смысла слов. С каждым словом вероятностным образом связывается мно­жество смыслов. Смысловые значения служат функцией распределения для ин­дивида или однородной группы. В резуль­тате формируется модель понимания инди­видом некоторого текста. В этих моделях используется традиционный аппарат тео­рии вероятностей (Налимов, 1971).

В области ИИ на рубеже тысячелетия так же, как и во многих других науках, происходит смена парадигм.

В 90-х гг. определились новые парадиг­мы в ИИ.

7, ОСНОВНЫЕ ОТРАСЛИ ПСИХОЛОГИИ

Первая — создание теории однородных сред, элементами которых являются уст­ройства, подобные нейронам. Вторая — компьютерная графика, помогающая решать задачи с помощью актуализации образного мышления, Когнитивная интерактивная компьютерная графика является средством воздействия на право пол у шар ное мышле­ние человека в процессе научного твор­чества. Третья — специалисты различных направлений в области ИИ считают важ­ным развитие работ, касающихся представ­лений знаний и манипулирования ими (экспертные системы).

Нетрадиционные методы моделирования

Моделирование на «размытых» множествах

Нетрадиционный подход к моделиро­ванию связан с приписыванием элементу некоторой числовой оценки, которая не может объясняться объективной или субъ­ективной вероятностью, а трактуется как степень принадлежности элемента к тому или иному множеству. Множество таких элементов называется «нечетким», или «размытым» множеством.

Каждое слово х естественного языка можно рассматривать как сжатое описа­ние нечеткого подмножества М(х) полного множества области рассуждений U, где М(х) есть значение х. В этом смысле весь язык как целое рассматривается в качестве системы, в соответствии с которой нечет­ким подмножествам множества U припи­сываются элементарные или составные символы (т. е. слова, группы слов и пред­ложения). Так, цвет объекта как некото­рую переменную, значения этой переменной (красный, синий, желтый, зеленый и т. л.) можно интерпретировать как символы нечетких подмножеств полного множества всех объектов. В этом смысле цвет явля­ется нечеткой переменной, т. е. перемен­ной, значениями которой являются сим­волы нечетких множеств. Если значения переменных — это предложения в неко­тором специальном языке, то в данном случае соответствующие переменные на­зываются лингвистическими (Л. Заде, Ю. Шрейдер).