Koncept umjetne inteligencije (AI ili AI) ne uključuje samo tehnologije koje vam omogućuju stvaranje inteligentnih strojeva (uključujući računalne programe). AI je također jedno od područja znanstvene misli.

Umjetna inteligencija - definicija

Inteligencija- ovo je mentalna komponenta osobe koja ima sljedeće sposobnosti:

• prilagodljiv;
• učenje kroz akumulaciju iskustva i znanja;
• sposobnost primjene znanja i vještina za upravljanje okolišem.

Intelekt objedinjuje sve sposobnosti osobe da spozna stvarnost. Pomoću njega čovjek razmišlja, pamti nove informacije, percipira okolinu i tako dalje.

Umjetna inteligencija se shvaća kao jedno od područja informacijske tehnologije, koje se bavi proučavanjem i razvojem sustava (strojeva) koji su obdareni sposobnostima ljudske inteligencije: sposobnošću učenja, logičkog zaključivanja i tako dalje.

U ovom trenutku rad na umjetnoj inteligenciji odvija se stvaranjem novih programa i algoritama koji rješavaju probleme na isti način kao što to čini čovjek.

Zbog činjenice da se definicija AI razvija kako se ovaj smjer razvija, potrebno je spomenuti AI Effect. Odnosi se na učinak koji umjetna inteligencija stvara kada je postigla neki napredak. Na primjer, ako je umjetna inteligencija naučila izvoditi bilo kakve radnje, kritičari se odmah pridružuju, tvrdeći da ti uspjesi ne ukazuju na prisutnost razmišljanja u stroju.

Danas razvoj umjetne inteligencije ide u dva neovisna smjera:

• neurokibernetika;
• logičan pristup.

Prvi smjer uključuje proučavanje neuronskih mreža i evolucijskog računarstva sa stajališta biologije. Logički pristup uključuje razvoj sustava koji oponašaju intelektualne procese visoke razine: razmišljanje, govor itd.

Prvi radovi u području umjetne inteligencije počeli su se provoditi sredinom prošlog stoljeća. Pionir istraživanja u tom pravcu bio je Alan Turing, iako su određene ideje počeli izražavati filozofi i matematičari u srednjem vijeku. Konkretno, već početkom 20. stoljeća uvedena je mehanička naprava sposobna rješavati šahovske probleme.

Ali u stvarnosti je ovaj smjer formiran sredinom prošlog stoljeća. Pojavi radova o umjetnoj inteligenciji prethodila su istraživanja ljudske prirode, načina spoznaje svijeta oko nas, mogućnosti misaonog procesa i drugih područja. Do tada su se pojavila prva računala i algoritmi. Odnosno, stvoren je temelj na kojem se rodio novi smjer istraživanja.

Godine 1950. Alan Turing objavio je članak u kojem je postavio pitanja o sposobnostima budućih strojeva, kao i o tome mogu li nadmašiti ljude u smislu osjećaja. Upravo je taj znanstvenik razvio postupak koji je kasnije nazvan po njemu: Turingov test.

Nakon objavljivanja radova engleskog znanstvenika pojavila su se nova istraživanja u području umjetne inteligencije. Prema Turingu, samo stroj koji se ne može razlikovati od osobe tijekom komunikacije može se prepoznati kao misleći stroj. Otprilike u isto vrijeme kada se pojavila uloga znanstvenika, rođen je koncept nazvan Baby Machine. Predviđao je progresivni razvoj umjetne inteligencije i stvaranje strojeva čiji se misaoni procesi najprije formiraju na razini djeteta, a zatim se postupno usavršavaju.

Pojam "umjetna inteligencija" nastao je kasnije. Godine 1956. grupa znanstvenika, uključujući Turinga, sastala se na američkom Sveučilištu u Dartmundu kako bi raspravljali o pitanjima vezanim uz umjetnu inteligenciju. Nakon tog sastanka započeo je aktivan razvoj strojeva s mogućnostima umjetne inteligencije.

Posebnu ulogu u stvaranju novih tehnologija u području umjetne inteligencije imali su vojni odjeli koji su aktivno financirali ovo područje istraživanja. Nakon toga, rad na području umjetne inteligencije počeo je privlačiti velike tvrtke.

Suvremeni život pred istraživače postavlja složenije izazove. Stoga se razvoj umjetne inteligencije odvija u bitno drugačijim uvjetima, ako ih usporedimo s onim što se dogodilo u razdoblju nastanka umjetne inteligencije. Procesi globalizacije, djelovanje uljeza u digitalnoj sferi, razvoj interneta i drugi problemi - sve to postavlja pred znanstvenike složene zadatke čije rješenje leži u području umjetne inteligencije.

Unatoč uspjesima postignutim na tom području posljednjih godina (primjerice, pojava autonomne tehnologije), još uvijek postoje glasovi skeptika koji ne vjeruju u stvaranje istinski umjetne inteligencije, i to ne baš sposobnog programa. Brojni kritičari strahuju da će aktivan razvoj umjetne inteligencije uskoro dovesti do situacije u kojoj će strojevi potpuno zamijeniti ljude.

Pravci istraživanja

Filozofi još nisu došli do konsenzusa o tome kakva je priroda ljudskog intelekta i kakav je njegov status. S tim u vezi, u znanstvenim radovima posvećenim umjetnoj inteligenciji, postoje mnoge ideje koje govore koje zadatke rješava umjetna inteligencija. Također ne postoji zajedničko razumijevanje pitanja kakav se stroj može smatrati inteligentnim.

Danas razvoj tehnologija umjetne inteligencije ide u dva smjera:

1. Silazno (semiotički). Uključuje razvoj novih sustava i baza znanja koje oponašaju mentalne procese visoke razine kao što su govor, izražavanje emocija i razmišljanje.
2. Uzlazno (biološki). Ovaj pristup uključuje istraživanja u području neuronskih mreža, pomoću kojih se stvaraju modeli intelektualnog ponašanja sa stajališta bioloških procesa. Na temelju tog smjera nastaju neuroračunala.

Određuje sposobnost umjetne inteligencije (stroja) da razmišlja na isti način kao i osoba. U općem smislu, ovaj pristup uključuje stvaranje umjetne inteligencije čije se ponašanje ne razlikuje od ljudskih postupaka u istim, normalnim situacijama. Zapravo, Turingov test pretpostavlja da će stroj biti inteligentan samo ako je u komunikaciji s njim nemoguće razumjeti tko govori: mehanizam ili živa osoba.

Knjige znanstvene fantastike nude drugačiji način procjene sposobnosti umjetne inteligencije. Umjetna inteligencija postat će stvarna ako osjeća i može stvarati. Međutim, ovakav pristup definiciji ne može se održati u praksi. Već se, primjerice, stvaraju strojevi koji imaju sposobnost reagiranja na promjene u okolišu (hladnoća, toplina i tako dalje). U isto vrijeme, oni se ne mogu osjećati onako kako se osoba osjeća.

Simbolički pristup

Uspjeh u rješavanju problema uvelike je određen sposobnošću fleksibilnog pristupa situaciji. Strojevi, za razliku od ljudi, interpretiraju primljene podatke na unificiran način. Dakle, samo osoba sudjeluje u rješavanju problema. Stroj izvodi operacije temeljene na pisanim algoritmima koji isključuju korištenje nekoliko modela apstrakcije. Fleksibilnost programa moguće je postići povećanjem resursa uključenih u rješavanje problema.

Gore navedeni nedostaci tipični su za simbolički pristup koji se koristi u razvoju umjetne inteligencije. Međutim, ovaj smjer razvoja umjetne inteligencije omogućuje vam stvaranje novih pravila u procesu izračuna. A problemi koji proizlaze iz simboličkog pristupa mogu se riješiti logičkim metodama.

logičan pristup

Ovaj pristup uključuje stvaranje modela koji oponašaju proces zaključivanja. Temelji se na načelima logike.

Ovaj pristup ne uključuje korištenje krutih algoritama koji vode do određenog rezultata.

Pristup temeljen na agentu

Koristi inteligentne agente. Ovaj pristup pretpostavlja sljedeće: inteligencija je računalni dio kojim se postižu ciljevi. Stroj igra ulogu inteligentnog agenta. Ona uči okolinu uz pomoć posebnih senzora, a s njom komunicira putem mehaničkih dijelova.

Pristup temeljen na agentima fokusiran je na razvoj algoritama i metoda koji omogućuju strojevima da ostanu operativni u različitim situacijama.

Hibridni pristup

Ovaj pristup uključuje integraciju neuralnih i simboličkih modela, zahvaljujući kojima se postiže rješenje svih problema povezanih s procesima mišljenja i računanja. Na primjer, neuronske mreže mogu generirati smjer u kojem se kreće rad stroja. A statično učenje pruža osnovu pomoću koje se problemi rješavaju.

Prema stručnjacima tvrtke Gartner, do početka 2020-ih gotovo svi izdani softverski proizvodi koristit će tehnologije umjetne inteligencije. Također, stručnjaci sugeriraju da će oko 30% ulaganja u digitalnu sferu pasti na AI.

Prema analitičarima Gartnera, umjetna inteligencija otvara nove mogućnosti suradnje između ljudi i strojeva. Istodobno, proces istiskivanja osobe od strane AI-a ne može se zaustaviti iu budućnosti će se ubrzati.

U društvu PwC vjeruju da će do 2030. obujam svjetskog bruto domaćeg proizvoda porasti za oko 14% zbog brzog uvođenja novih tehnologija. Štoviše, približno 50% povećanja će osigurati povećanje učinkovitosti proizvodnih procesa. Druga polovica pokazatelja bit će dodatna dobit ostvarena uvođenjem umjetne inteligencije u proizvode.

U početku će Sjedinjene Države dobiti učinak korištenja umjetne inteligencije, budući da je ova zemlja stvorila najbolje uvjete za rad AI strojeva. U budućnosti će ih nadmašiti Kina koja će izvući maksimalnu dobit uvođenjem takvih tehnologija u proizvode i njihovu proizvodnju.

Stručnjaci tvrtke Sale force tvrde da će umjetna inteligencija povećati profitabilnost malih poduzeća za oko 1,1 bilijun dolara. I to će se dogoditi do 2021. Dijelom će se ovaj pokazatelj postići implementacijom rješenja koja nudi AI u sustavima odgovornim za komunikaciju s korisnicima. Istodobno će se povećati učinkovitost proizvodnih procesa zbog njihove automatizacije.

Uvođenjem novih tehnologija otvorit će se i dodatnih 800.000 radnih mjesta. Stručnjaci napominju da ova brojka nadoknađuje gubitak slobodnih radnih mjesta zbog automatizacije procesa. Analitičari, na temelju ankete među tvrtkama, predviđaju da će njihova potrošnja na automatizaciju tvornica porasti na oko 46 milijardi dolara do ranih 2020-ih.

U Rusiji se također radi na području umjetne inteligencije. U 10 godina država je financirala više od 1,3 tisuće projekata na ovom području. Štoviše, najveći dio ulaganja išao je u razvoj programa koji nisu vezani uz obavljanje komercijalnih djelatnosti. To pokazuje da ruska poslovna zajednica još nije zainteresirana za uvođenje tehnologija umjetne inteligencije.

Ukupno je u te svrhe u Rusiju uloženo oko 23 milijarde rubalja. Iznos državnih subvencija manji je od iznosa financiranja umjetne inteligencije u drugim zemljama. U SAD-u se godišnje u te svrhe izdvaja oko 200 milijuna dolara.

Uglavnom, u Rusiji se iz državnog proračuna izdvajaju sredstva za razvoj AI tehnologija koje se zatim koriste u transportnom sektoru, obrambenoj industriji te u projektima vezanim uz sigurnost. Ova okolnost ukazuje na to da u našoj zemlji ljudi češće ulažu u područja koja vam omogućuju brzo postizanje određenog učinka od uloženih sredstava.

Gornja studija također je pokazala da Rusija sada ima veliki potencijal za obuku stručnjaka koji mogu biti uključeni u razvoj AI tehnologija. Tijekom proteklih 5 godina oko 200 tisuća ljudi prošlo je obuku u područjima povezanim s umjetnom inteligencijom.

AI tehnologije razvijaju se u sljedećim smjerovima:

• rješavanje problema koji omogućuju približavanje sposobnosti umjetne inteligencije ljudskim i pronalaženje načina za njihovu integraciju u svakodnevni život;
• razvoj punopravnog uma, kroz koji će se rješavati zadaće s kojima se čovječanstvo suočava.

Trenutačno su istraživači usredotočeni na razvoj tehnologija koje rješavaju praktične probleme. Do sada se znanstvenici nisu približili stvaranju punopravne umjetne inteligencije.

Mnoge tvrtke razvijaju tehnologije u području umjetne inteligencije. "Yandex" ih koristi u radu tražilice više od godinu dana. Od 2016. ruska IT tvrtka bavi se istraživanjem u području neuronskih mreža. Potonji mijenjaju prirodu rada tražilica. Konkretno, neuronske mreže uspoređuju upit koji je unio korisnik s određenim vektorskim brojem koji najpotpunije odražava značenje zadatka. Drugim riječima, pretraga se ne provodi prema riječi, već prema suštini informacije koju osoba traži.

Godine 2016 "Yandex" pokrenuo uslugu "Zen", koji analizira korisničke preferencije.

Društvo Abbyy nedavno uveo sustav Compreno. Uz pomoć njega moguće je razumjeti tekst napisan prirodnim jezikom. Drugi sustavi temeljeni na tehnologijama umjetne inteligencije također su relativno nedavno ušli na tržište:

1. pronaći. Sustav je sposoban prepoznati ljudski govor i pretraživati ​​informacije u raznim dokumentima i datotekama koristeći složene upite.
2. Gamalon. Ova tvrtka predstavila je sustav s mogućnošću samoučenja.
3. Watsone. IBM računalo koje koristi velik broj algoritama za traženje informacija.
4. ViaVoice. Sustav za prepoznavanje ljudskog govora.

Velike komercijalne tvrtke ne zaobilaze napredak u području umjetne inteligencije. Banke aktivno implementiraju takve tehnologije u svoje aktivnosti. Uz pomoć sustava temeljenih na umjetnoj inteligenciji provode transakcije na burzama, upravljaju imovinom i obavljaju druge poslove.

Obrambena industrija, medicina i druga područja implementiraju tehnologije prepoznavanja objekata. A tvrtke za razvoj igara koriste umjetnu inteligenciju za stvaranje svog sljedećeg proizvoda.

Posljednjih nekoliko godina skupina američkih znanstvenika radila je na projektu NEIL, u kojem istraživači traže od računala da prepozna što je prikazano na fotografiji. Stručnjaci sugeriraju da će na taj način moći stvoriti sustav sposoban za samoučenje bez vanjske intervencije.

Društvo VisionLab predstavila vlastitu platformu LUNA, koji može prepoznati lica u stvarnom vremenu odabirom iz goleme skupine slika i videozapisa. Ovu tehnologiju sada koriste velike banke i mrežni trgovci na malo. S LUNA-om možete usporediti preferencije ljudi i ponuditi im relevantne proizvode i usluge.

Ruska tvrtka radi na sličnim tehnologijama N-Tech Lab. Istodobno, njezini stručnjaci pokušavaju stvoriti sustav za prepoznavanje lica temeljen na neuronskim mrežama. Prema najnovijim podacima, ruski razvoj se nosi s dodijeljenim zadacima bolje od osobe.

Prema Stephenu Hawkingu, razvoj tehnologija umjetne inteligencije u budućnosti će dovesti do smrti čovječanstva. Znanstvenik je primijetio da će ljudi postupno degradirati zbog uvođenja umjetne inteligencije. A u uvjetima prirodne evolucije, kada se čovjek mora stalno boriti da preživi, ​​ovaj proces će neizbježno dovesti do njegove smrti.

Rusija pozitivno razmatra uvođenje umjetne inteligencije. Aleksej Kudrin je jednom rekao da bi korištenje takvih tehnologija smanjilo troškove održavanja državnog aparata za oko 0,3% BDP-a. Dmitrij Medvedev predviđa nestanak niza profesija zbog uvođenja umjetne inteligencije. Međutim, dužnosnik je naglasio da će korištenje takvih tehnologija dovesti do brzog razvoja drugih industrija.

Prema procjenama stručnjaka Svjetskog ekonomskog foruma, do početka 2020-ih oko 7 milijuna ljudi u svijetu ostat će bez posla zbog automatizacije proizvodnje. Uvođenje umjetne inteligencije vrlo je vjerojatno da će uzrokovati transformaciju gospodarstva i nestanak niza zanimanja vezanih uz obradu podataka.

Stručnjaci McKinsey izjavljuju da će proces automatizacije proizvodnje biti aktivniji u Rusiji, Kini i Indiji. U tim će zemljama u bliskoj budućnosti do 50% radnika ostati bez posla zbog uvođenja umjetne inteligencije. Njihovo mjesto će zauzeti kompjuterizirani sustavi i roboti.

Prema McKinseyju, umjetna inteligencija zamijenit će poslove koji uključuju fizički rad i obradu informacija: maloprodaju, hotelsko osoblje i tako dalje.

Do sredine ovog stoljeća, prema procjenama stručnjaka jedne američke tvrtke, broj radnih mjesta u svijetu smanjit će se za oko 50%. Ljude će zamijeniti strojevi sposobni za obavljanje sličnih operacija s istom ili većom učinkovitošću. Istodobno, stručnjaci ne isključuju opciju u kojoj će se ova prognoza ostvariti prije određenog vremena.

Drugi analitičari primjećuju štetu koju roboti mogu prouzročiti. Primjerice, stručnjaci McKinseyja ističu kako roboti, za razliku od ljudi, ne plaćaju porez. Posljedično, zbog smanjenja proračunskih prihoda, država neće moći održavati infrastrukturu na istoj razini. Stoga je Bill Gates predložio novi porez na robotsku opremu.

AI tehnologije povećavaju učinkovitost tvrtki smanjujući broj učinjenih pogrešaka. Osim toga, omogućuju vam povećanje brzine operacija do razine koju osoba ne može postići.

Prethodno se koncept umjetne inteligencije (AI) povezivao s nadama u stvaranje mislećeg stroja koji bi se mogao natjecati s ljudskim mozgom i možda ga nadmašiti. Ove nade, koje su dugo zaokupljale maštu mnogih entuzijasta, ostale su neispunjene. I premda su fantastični literarni prototipovi "pametnih strojeva" stvoreni stotinama godina prije naših dana, tek od sredine tridesetih godina, od objavljivanja radova A. Turinga, koji je osudio realnost stvaranja takvih uređaja, problem AI-ja postaje sve veći. počeli shvaćati ozbiljno.

Kako bi se odgovorilo na pitanje koji stroj treba smatrati "razmišljajućim", Turing je predložio korištenje sljedećeg testa: ispitivač komunicira preko posrednika s njemu nevidljivim sugovornikom, osobom ili strojem. „Intelektualcem“ se može smatrati stroj koji ispitivač u procesu takve komunikacije ne može razlikovati od osobe.

Ako se ispitivač, kada testira računalo na "inteligenciju", pridržava prilično strogih ograničenja u odabiru teme i oblika dijaloga, svako moderno računalo opremljeno odgovarajućim softverom proći će ovaj test. Moglo bi se smatrati znakom inteligencije sposobnost vođenja razgovora, ali kao što je pokazano, ova se ljudska sposobnost lako modelira na računalu. Sposobnost učenja može poslužiti kao znak inteligencije. Godine 1961. profesor D. Michi, jedan od vodećih britanskih stručnjaka za umjetnu inteligenciju, opisao je mehanizam koji se sastoji od 300 kutija šibica pomoću kojih se može naučiti igrati tic-tac-toe. Michin je ovu napravu nazvao MENACE (Matchbox Educable Naughts and Crosses Engine). U nazivu (prijetnji) očito postoji udio ironije uzrokovane predrasudama prema mislećim strojevima.

Do sada ne postoji jedinstvena i univerzalno priznata definicija umjetne inteligencije, što ne čudi. "Dovoljno je podsjetiti da također ne postoji univerzalna definicija ljudske inteligencije. Rasprava o tome što se može smatrati znakom umjetne inteligencije, a što ne, podsjeća na rasprave srednjovjekovnih znanstvenika o tome koliko anđela može stati na vrh igla”1. Sada je uobičajeno AI-jem nazivati ​​niz algoritama i softverskih sustava, čija je posebnost da mogu riješiti neke probleme na isti način kao što bi to učinio netko tko razmišlja o njihovom rješenju.

Neuronske mreže

Ideja o neuronskim mrežama rođena je tijekom istraživanja u području umjetne inteligencije, naime, kao rezultat pokušaja reprodukcije sposobnosti neuronskih bioloških sustava da uče i ispravljaju pogreške modeliranjem strukture niske razine mozak. Glavno područje istraživanja umjetne inteligencije u 60-80-ima bili su ekspertni sustavi. Takvi su se sustavi temeljili na modeliranju procesa mišljenja na visokoj razini (osobito na njegovom predstavljanju kao manipulacije simbolima). Ubrzo je postalo jasno da takvi sustavi, iako mogu biti korisni u nekim područjima, ne pokrivaju neke ključne aspekte funkcioniranja ljudskog mozga.

Prema jednom gledištu, razlog tome je što nisu u stanju reproducirati strukturu mozga. Da biste stvorili umjetnu inteligenciju, morate izgraditi sustav sa sličnom arhitekturom.

Mozak se sastoji od vrlo velikog broja (oko 1010) neurona povezanih brojnim vezama (u prosjeku nekoliko tisuća veza po neuronu, ali taj broj može jako varirati). Neuroni su posebne stanice sposobne širiti elektrokemijske signale. Neuron ima razgranatu informacijsku ulaznu strukturu (dendriti), jezgru i granajući izlaz (akson). Aksoni stanice povezani su s dendritima drugih stanica putem sinapsi. Kada se aktivira, neuron šalje elektrokemijski signal niz svoj akson. Preko sinapsi ovaj signal dopire do drugih neurona, koji se zauzvrat mogu aktivirati. Neuron se aktivira kada ukupna razina signala koji su iz dendrita došli u njegovu jezgru prijeđe određenu razinu (prag aktivacije).

Intenzitet signala koji prima neuron (i, posljedično, mogućnost njegove aktivacije) jako ovisi o aktivnosti sinapsi. Svaka sinapsa ima duljinu, a posebne kemikalije prenose signal duž nje. Jedan od najuglednijih istraživača neurosustava, Donald Hebb, postulirao je da se učenje prvenstveno sastoji od promjena u snazi ​​sinoptičkih veza. Na primjer, u klasičnom eksperimentu. Pavlova, svaki put prije hranjenja psa zazvonilo je zvono, a pas je brzo naučio povezivati ​​zvonjavu zvona s hranom.

Pojačale su se sinoptičke veze između područja moždane kore odgovornih za sluh i žlijezda slinovnica, a kada je korteks bio uzbuđen zvukom zvona, pas je počeo sliniti.

Stoga, budući da je izgrađen od vrlo velikog broja vrlo jednostavnih elemenata (od kojih svaki uzima ponderirani zbroj ulaznih signala i, ako ukupni ulaz prijeđe određenu razinu, prosljeđuje binarni signal), mozak je u stanju riješiti iznimno složene problema. Definicija formalnog klasičnog neurona dana je kako slijedi:

Prima ulazne signale (ulazne podatke ili izlazne signale od drugih neurona u mreži) kroz nekoliko ulaznih kanala. Svaki ulazni signal prolazi kroz spoj koji ima određeni intenzitet (ili težinu); ova težina odgovara sinoptičkoj aktivnosti biološkog neurona. Svaki neuron ima specifičnu vrijednost praga povezanu s njim. Izračunava se ponderirani zbroj ulaza, od njega se oduzima vrijednost praga, a kao rezultat dobiva se vrijednost aktivacije neurona.

Aktivacijski signal se transformira pomoću aktivacijske funkcije (ili prijenosne funkcije) i kao rezultat se dobiva izlazni signal neurona.

Ako koristite funkciju postupne aktivacije, tada će takav neuron raditi na potpuno isti način kao prirodni neuron opisan gore.

Neuronske mreže u umjetnoj inteligenciji

Rad na stvaranju inteligentnih sustava odvija se u dva smjera. Pristaše prvog smjera, koji danas čine apsolutnu većinu među stručnjacima u području umjetne inteligencije, polaze od stava da se od umjetnih sustava ne zahtijeva da u svojoj strukturi i funkcioniranju ponavljaju strukturu i procese koji se u njoj odvijaju svojstveni biološkim sustavima. . Važno je samo to da je na ovaj ili onaj način moguće postići iste rezultate u ponašanju koji su karakteristični za ljude i druge biološke sustave.

Pristaše drugog smjera smatraju da se to ne može učiniti na čisto informativnoj razini. Fenomen ljudskog ponašanja, njegova sposobnost učenja i prilagodbe, prema tim stručnjacima, posljedica je biološke strukture i značajki njezina funkcioniranja.

Pristaše prvog informacijskog smjera imaju stvarno funkcionirajuće rasporede i programe koji modeliraju određene aspekte intelekta. Jedno od najupečatljivijih djela koje predstavlja prvi smjer je program "Opći problem rješavač" A. Newella, I. Shawa i G. Simona. Razvoj informacijskog smjera polazio je od zadaće racionaliziranja rasuđivanja pojašnjavanjem općih metoda za brzo prepoznavanje lažnih i istinitih izjava u danom sustavu znanja. Sposobnost rasuđivanja i pronalaženja proturječnosti u različitim sustavima međusobno povezanih situacija, predmeta, pojmova važan je aspekt fenomena mišljenja, izraz sposobnosti deduktivnog mišljenja.

Učinkovitost informacijskog smjera je neosporna u području proučavanja i reprodukcije deduktivnih mentalnih manifestacija. Za neke praktične probleme ovo je dovoljno. Informacijski smjer je egzaktna, rigorozna znanost koja je uključila glavne rezultate istraživanja kibernetike i matematičke kulture. Glavni problemi informacijskog smjera su uvesti internu aktivnost u svoje modele i biti u stanju predstaviti induktivne postupke.

Jedan od središnjih problema je "problem aktivnog znanja koje generira potrebu za djelovanjem sustava zbog znanja akumuliranog u memoriji sustava"1.

Pristaše drugog biološkog smjera imaju za sada manje rezultate od svojih nada. Jedan od utemeljitelja biološkog pravca u kibernetici je W. McCulloch. U neurofiziologiji je utvrđeno da se brojne funkcije i svojstva u živim organizmima ostvaruju pomoću određenih neuralnih struktura. Na temelju reprodukcije takvih struktura u nizu slučajeva dobiveni su dobri modeli, posebice za pojedine aspekte rada optičkog trakta.

Stvaranje neuroračunala koja simuliraju neuronske mreže (NN) trenutno se smatra jednim od najperspektivnijih područja u rješavanju problema intelektualizacije novostvorenih računala i informacijsko-analitičkih sustava nove generacije.

U većini studija na ovu temu NN se prikazuje kao skup velikog broja relativno jednostavnih elemenata čija topologija veza ovisi o vrsti mreže. Gotovo svi poznati pristupi dizajnu neuronskih mreža uglavnom se odnose na odabir i analizu nekih posebnih struktura homogenih mreža na formalnim neuronima s poznatim svojstvima (Hopfieldove, Hammingove, Grossbergove, Kohonnenove mreže itd.) i nekim matematički opisanim načinima njihovo djelovanje. U ovom slučaju pojam neuronske mreže je metaforičan, jer samo odražava činjenicu da su te mreže u određenom smislu slične živućim neuronskim mrežama, ali ih ne ponavljaju u svoj njihovoj složenosti. Kao rezultat ove interpretacije, neuronska računala se smatraju sljedećom fazom visoko paralelnih superračunala s originalnom idejom paraleliziranja algoritama za rješavanje različitih klasa problema. Sam pojam neuroračunalo neuroračunalo, u pravilu, ni na koji način nije povezan s bilo kakvim svojstvima i karakteristikama mozga ljudi i životinja. Povezuje se samo s uvjetnim nazivom logičkog elementa praga kao formalnog neurona s podesivim ili fiksnim težinskim koeficijentima, koji implementira najjednostavniju prijenosnu funkciju neuronske stanice. Istraživanja u području stvaranja neurointeligencije provode se na različitim razinama: teorijski alati, prototipovi za primijenjene zadatke, NN softver, hardverske strukture. Glavne faze na putu do stvaranja računala poput mozga su razjašnjavanje principa formiranja međuelementarnih veza i sustava adaptivnih mreža sličnih mozgu s velikim brojem elemenata, stvaranje kompaktnog multi-inputa. adaptivni element analogan stvarnom neuronu, proučavanje njegovih funkcionalnih značajki, razvoj i implementacija programa obuke za uređaj sličan mozgu.

Ovaj smjer nastao je na temelju tvrdnje da se ljudska inteligencija može detaljno opisati i potom uspješno oponašati pomoću stroja. Goethe Faust Ideja da čovjek nije taj koji može obavljati težak posao za čovjeka nastala je u kamenom dobu kada je čovjek pripitomio psa. Ono što je bilo najvrjednije u ovoj kreaciji je ono što danas nazivamo umjetnom inteligencijom. Za njega je legalizirana ideja o pojačanoj borbi protiv zla, koje nadilazi okvire vjerskog zakona...

Podijelite rad na društvenim mrežama

Ako vam ovaj rad ne odgovara, na dnu stranice nalazi se popis sličnih radova. Također možete koristiti gumb za pretraživanje

ZAJEDNIČKI INSTITUT ZA NUKLEARNA ISTRAŽIVANJA

OBRAZOVNO-ZNANSTVENI CENTAR

ESEJ

u povijesti i filozofiji znanosti

na temu:

POVIJEST RAZVOJA UMJETNE INTELIGENCIJE

Završeno:

Pelevanyuk I.S.

Dubna

2014

Uvod 3

Prije znanosti 4

Prve ideje 4

Tri zakona robotike 5

Prvi znanstveni koraci 7

Turingov test 7

Darmouthov seminar 8

1956-1960: vrijeme velikih nada 9

1970-e: sustavi temeljeni na znanju 10

Borba na šahovskoj ploči 11

Korištenje umjetne inteligencije u komercijalne svrhe 15

Promjena paradigme 16

Rudarenje podataka 16

Zaključak 21

Reference 22

Uvod

Pojam intelekt (lat. intellectus) označava um, razum, sposobnost mišljenja i razumsko znanje. Obično to znači sposobnost stjecanja, pamćenja, primjene i transformacije znanja za rješavanje nekih problema. Zahvaljujući ovim svojstvima, ljudski mozak je u stanju riješiti različite zadatke. Uključujući one za koje ne postoje prethodno poznate metode rješenja.

Pojam umjetna inteligencija pojavio se relativno nedavno, ali čak i sada je gotovo nemoguće zamisliti svijet bez nje. Ljudi najčešće ne primjećuju njegovu prisutnost, ali ako bi ga iznenada nestalo, to bi radikalno utjecalo na naše živote. Područja u kojima se koriste tehnologije umjetne inteligencije stalno se nadopunjuju: nekoć su to bili programi za igranje šaha, zatim - roboti usisavači, sada algoritmi mogu sami voditi trgovanje na burzama.

Ovaj smjer nastao je na temelju tvrdnje da se ljudska inteligencija može detaljno opisati i potom uspješno oponašati pomoću stroja. Umjetna inteligencija bila je razlog velikog optimizma, ali je ubrzo pokazala zapanjujuću složenost implementacije.

Glavna područja razvoja umjetne inteligencije uključuju rasuđivanje, znanje, planiranje, učenje, jezičnu komunikaciju, percepciju te sposobnost pomicanja i manipuliranja predmetima. Generalizirana umjetna inteligencija (ili "jaka umjetna inteligencija") još uvijek je na horizontu. Trenutačno popularni pristupi uključuju statističke metode, računalnu inteligenciju i tradicionalnu simboličku umjetnu inteligenciju. Postoji ogroman broj alata koji koriste umjetnu inteligenciju: različite verzije algoritama pretraživanja, matematički optimizacijski algoritmi, logika, metode temeljene na vjerojatnosti i mnogi drugi.

U ovom eseju pokušao sam prikupiti najvažnije, s moje točke gledišta, događaje koji su utjecali na razvoj tehnologije i teorije umjetne inteligencije, glavna postignuća i preduvjete.

Prije pojave znanosti

Prve ideje

“Rečeno nam je “ludak” i “fantastično”,

Ali, izlazeći iz tužne ovisnosti,

Tijekom godina, mozak mislioca je vješt

Mislilac će biti umjetno stvoren.”

Goethe, Faust

Ideja da nečovjek može obaviti težak posao umjesto čovjeka nastala je u kamenom dobu, kada je čovjek pripitomio psa. Pas je bio idealan za ulogu čuvara i obavljao je ovaj zadatak mnogo bolje od osobe. Naravno, ovaj se primjer ne može smatrati demonstracijom korištenja umjetne inteligencije, jer pas je živo biće: već je obdaren sposobnošću prepoznavanja slika, snalaženja u prostoru, a također je predisponiran za neko osnovno učenje u kako bi prepoznali “prijatelja/neprijatelja”. Međutim, pokazuje smjer misli osobe.

Drugi primjer je mit o Talosu. Talos je, prema legendi, bio ogroman brončani vitez, kojeg je Zeus dao Europi da zaštiti otok Kretu. Njegov je posao bio držati autsajdere podalje od otoka. Ako bi se približili, Talos ih je gađao kamenjem; ako bi uspjeli sletjeti, Talos se zapalio i spalio neprijatelje u svojim rukama.

Zašto je Talos tako izuzetan? Izgrađen od najizdržljivijeg materijala u to vrijeme, sposoban otkriti tko je stranac, gotovo neranjiv, bez potrebe za odmorom. Tako su stari Grci zamišljali stvaranje bogova. Ono što je bilo najvrjednije u ovoj kreaciji je ono što danas nazivamo umjetnom inteligencijom.

Još jedan zanimljiv primjer može se uzeti iz židovskih tradicija - to su legende o golemima. Golem je glineno stvorenje ljudske vrste. Njih su, prema legendi, mogli stvoriti rabini kako bi zaštitili židovski narod. U Pragu je nastala židovska narodna legenda o golemu kojeg je stvorio glavni praški rabin za obavljanje raznih “crnih” poslova ili jednostavno teških zadataka. Poznati su i drugi golemi, koje su prema narodnoj tradiciji stvorili razni autoritativni rabini, inovatori religijske misli.

U ovoj legendi narodna fantazija opravdava otpor društvenom zlu nasiljem golema. Za njega je legalizirana ideja o pojačanoj borbi protiv zla, koje nadilazi okvire vjerskog zakona; Nije ni čudo što golem, prema legendama, može prekoračiti svoje ovlasti, izjavljujući svoju volju, suprotno volji svog tvorca: golem je u stanju učiniti ono što je za osobu kriminalno prema zakonu.

I za kraj, roman Frankenstein ili moderni Prometej autorice Mary Shelley. Može se nazvati praocem književnosti znanstvene fantastike. Opisuje život i rad dr. Victora Frankensteina, koji je oživio biće stvoreno od dijelova tijela mrtvih ljudi. No, vidjevši da je ispalo ružno i monstruozno, liječnik se odriče svoje kreacije i napušta grad u kojem je živio. Bezimeno stvorenje, koje ljudi mrze zbog svog izgleda, ubrzo počinje progoniti svog tvorca.

I tu se opet postavlja pitanje odgovornosti koju čovjek snosi za svoja stvorenja. Početkom 19. stoljeća roman postavlja nekoliko pitanja o paru kreator i kreacija. Koliko je etično bilo stvoriti takvu kreaciju? Tko je odgovoran za njegove postupke? Pitanja usko povezana s idejama o umjetnoj inteligenciji.

Mnogo je sličnih primjera koji su na neki način povezani sa stvaranjem umjetne inteligencije. To se ljudima čini kao sveti gral koji može riješiti mnoge njihove probleme i osloboditi ih bilo kakvih manifestacija nedostatka i nejednakosti.

Tri zakona robotike

Od Frankensteina umjetna se inteligencija stalno pojavljuje u literaturi. Ideja o njemu postala je plodno tlo za razmišljanje pisaca i filozofa. Jedan od njih, Isaac Asimov, zauvijek će nam ostati u sjećanju. Godine 1942. u svom romanu Round Dance opisao je tri zakona kojih se roboti moraju pridržavati:

1. Robot ne može nauditi čovjeku niti svojim neradom dopustiti da čovjek bude ozlijeđen.
2. Robot mora slušati sve naredbe koje daje čovjek, osim ako te naredbe nisu u suprotnosti s Prvim zakonom.
3. Robot mora brinuti o svojoj sigurnosti u mjeri u kojoj to nije u suprotnosti s Prvim i Drugim zakonom.

Prije Isaaca, priče o umjetnoj inteligenciji i robotima zadržale su duh Frankensteinovog romana Mary Shelley. Kako je sam Isaac rekao, ovaj problem postao je jedan od najpopularnijih u svijetu znanstvene fantastike 1920-ih i 1930-ih godina, kada su nastale mnoge priče čija su tema roboti koji su se bunili i uništavali ljude.

Ali nisu svi pisci znanstvene fantastike slijedili ovaj obrazac, naravno. Lester del Rey je, primjerice, 1938. napisao kratku priču Helen O'Loy, priču o robotiziranoj ženi koja se zaljubila u svog tvorca i kasnije mu postala idealna žena. Što je, usput rečeno, vrlo slično priči o Pigmalionu. Pigmalion je od bjelokosti isklesao kip djevojke tako lijepe da se i sam u nju zaljubio. Dirnuta takvom ljubavlju, Afrodita je oživjela kip, koji je postao supruga Pigmaliona.

Zapravo, pojava Tri zakona dogodila se postupno. Dvije najranije priče o robotima, "Robbie" (1940.) i "Logic" (1941.), nisu eksplicitno opisivale zakone. Ali već su implicirali da roboti moraju imati neka unutarnja ograničenja. U sljedećoj priči: "Lažljivac" (1941.), Prvi zakon je prvi put izgovoren. A sva tri zakona pojavila su se u cijelosti tek u Kolu (1942).

Unatoč činjenici da se robotika danas razvija kao nikada prije, istraživači iz područja umjetne inteligencije ne pridaju toliku važnost zakonitostima robotike. Uostalom, zakoni se, zapravo, podudaraju s osnovnim načelima čovječanstva. Međutim, što roboti postaju složeniji, to je očitija potreba za stvaranjem nekih osnovnih principa i sigurnosnih mjera za njih.

Postoje čak tvrdnje da je malo vjerojatno da će se zakoni u potpunosti primijeniti na sve robote, jer će uvijek biti onih koji žele koristiti robote za uništavanje i ubojstva. Stručnjak za znanstvenu fantastiku Robert Sawyer sakupio je ove izjave u jednu:

“Razvoj umjetne inteligencije je posao, a poznato je da posao nije zainteresiran za razvoj temeljnih sigurnosnih mjera, posebno onih filozofskih. Evo nekoliko primjera: duhanska industrija, automobilska industrija, nuklearna industrija. Nijednom od njih u početku nije rečeno da su potrebne ozbiljne sigurnosne mjere, svi su spriječili izvana nametnute restrikcije i nitko od njih nije donio apsolutnu zabranu nanošenja štete ljudima.

Prvi znanstveni koraci

Povijest razvoja umjetne inteligencije kao znanosti može se pratiti do ranih filozofskih djela kao što su Rasprava o metodi (Rene Descartes, 1637.), Ljudska priroda (Thomas Hobbes, 1640.). Ako promatrate razvoj i s tehničkog gledišta, onda možemo spomenuti prvo mehaničko digitalno računalo, koje se pojavilo još ranije: 1623. godine, zahvaljujući naporima Wilhelma Schickarda. Ipak, želio bih skrenuti pozornost na 1950-e, kada je Alan Turing u svom članku "Računalni strojevi i um" krenuo s utvrđivanjem je li stroj sposoban razmišljati.

Turingov test

Osoba komunicira s drugom osobom i s računalnim programom. Osoba može postavljati pitanja preko terminala, njegov zadatak je odrediti gdje je program, a gdje je osoba. Svrha programa je dovesti osobu u zabludu i prisiliti je na pogrešan izbor. Prema uvjetima, dopisivanje se moralo obavljati u točno određenim vremenskim razmacima, jer su tada računala bila spora i tako se odmah moglo utvrditi gdje se program nalazi. Sada je ovo pravilo potrebno jer računalo može odgovoriti puno brže od čovjeka.

Zapravo, postoji nekoliko verzija formulacije. U jednom od njih, primjerice, računalo je moralo uvjeriti panel od nekoliko ljudi da komuniciraju s drugom osobom. I u jednoj od prvih opcija, Turing predlaže da sudionik eksperimenta igra šah s osobom i s računalom, a zatim odredi tko je od njih tko. Zapravo, u vrijeme pisanja Alan Turing je radio na umjetnoj inteligenciji oko 10 godina.

U kasnijoj povijesti Thiringovog testa može se identificirati nekoliko ključnih događaja. Ali glavna stvar se dogodila 1966., Joseph Weizenbaum stvorio je program Eliza, koji je mogao parodirati razgovor s psihoterapeutom. To joj je omogućilo da na pitanje odgovori pitanjem u uvjetima neizvjesnosti. Evo primjera kako je razgovor s njom mogao ispasti:

H: Tko ti je najdraži kompozitor?

Elisa: Zanima li te ova tema? (Odgovara na pitanje pitanjem)

H: Boli me glava.

Elisa: Zašto kažeš da te boli glava? (uvjet nesigurnosti)

X: Moj me otac mrzi

Elisa: Tko te još u obitelji mrzi? (reagira na ključnu riječ "otac")

Eliza će zauvijek ostati važna prekretnica u razvoju umjetne inteligencije. Bio je to prvi program koji je otišao dalje od komunikacijske paradigme čovjek/stroj i uspio stvoriti imitaciju komunikacije čovjek/ljud.

Darmouthov seminar

Zahvaljujući eksplozivnom skoku brzine računala, istraživači su počeli vjerovati da neće biti teško stvoriti umjetnu inteligenciju zahvaljujući računalu. Činjenica je da su u to vrijeme postojala dva područja istraživanja: neurokibernetika i, nešto kasnije, kibernetika “crne kutije”.

Osnova neurokibernetike bilo je načelo da je jedini objekt sposoban za razmišljanje čovjek, što znači da uređaj za razmišljanje treba modelirati njegovu strukturu. Znanstvenici su pokušali stvoriti elemente koji bi radili poput neurona u mozgu. Zahvaljujući tome, u kasnim 50-ima, pojavile su se prve neuronske mreže. Kreirala su ih dva američka znanstvenika:Rosenblatt i P.McCulloch. Pokušali su stvoriti sustav koji bi mogao simulirati rad ljudskog oka. Svoj su uređaj nazvali Perceptron. Mogao je prepoznati rukom pisana slova. Sada je glavno područje primjene neuronskih mreža prepoznavanje uzoraka.

Kibernetika "crne kutije" temeljila se na načelu da nije važno kako je misleći stroj raspoređen unutra, glavno je da reagira na određeni skup ulaznih podataka na isti način kao i osoba. Istraživači koji rade na ovom području počeli su stvarati vlastite modele. Pokazalo se da niti jedna od postojećih znanosti: psihologija, filozofija, neurofiziologija, lingvistika, ne može rasvijetliti algoritam mozga.

Razvoj kibernetike “crne kutije” započeo je 1956. godine, kada je održan Darmouth Seminar, čiji je jedan od glavnih organizatora bio John McCarthy. U to vrijeme postalo je jasno da i teorijsko znanje i tehnička baza nisu dovoljni za implementaciju principa neurokibernetike. No istraživači informatike vjerovali su da zajedničkim naporima mogu razviti novi pristup stvaranju umjetne inteligencije. Zalaganjem nekih od najuglednijih znanstvenika iz područja računalnih znanosti organiziran je seminar pod nazivom: Dartmouth Summer Project for Artificial Intelligence Research. Na njemu je sudjelovalo 10 ljudi, od kojih su mnogi u budućnosti bili nagrađeni Turingovom nagradom - najcjenjenijom nagradom u području računalnih znanosti. Slijedi uvodna izjava:

“ Predlažemo dvomjesečnu studiju umjetne inteligencije s 10 sudionika u ljeto 1956. na Dartmouth Collegeu, Hannover, New Hampshire.

Istraživanje se temelji na pretpostavci da se bilo koji aspekt učenja ili bilo koje drugo svojstvo inteligencije može, u načelu, opisati tako precizno da ga stroj može simulirati. Pokušat ćemo shvatiti kako naučiti strojeve da koriste prirodne jezike, formiraju apstrakcije i koncepte, rješavaju probleme koji su trenutno mogući samo ljudima i sami se poboljšavaju.

Vjerujemo da je značajan napredak na jednom ili više ovih problema sasvim moguć ako na tome tijekom ljeta bude radila posebno odabrana skupina znanstvenika.”

Bio je to možda najambiciozniji zahtjev za stipendiju u povijesti. Upravo je na ovoj konferenciji službeno utemeljeno novo znanstveno područje - “Umjetna inteligencija”. I možda ništa konkretno nije otkriveno niti razvijeno, ali zahvaljujući ovom događaju neki od najistaknutijih istraživača su se upoznali i krenuli u istom smjeru.

1956-1960: vrijeme velike nade

Tada se činilo da je rješenje već vrlo blizu i da će, unatoč svim poteškoćama, čovječanstvo uskoro moći stvoriti cjelovitu umjetnu inteligenciju koja bi mogla donijeti stvarnu korist. Postojali su programi sposobni stvoriti nešto intelektualno. Klasičan primjer je program Logic theorist.

Godine 1913. Whitehead i Bertrand Russell objavili su svoju Principia Mathematica. Njihov je cilj bio pokazati da se s minimalnim skupom logičkih alata kao što su aksiomi i pravila zaključivanja sve matematičke istine mogu ponovno stvoriti. Ovo se djelo smatra jednom od najutjecajnijih knjiga ikada napisanih nakon Aristotelova Organona.

Program Logic Theorist uspio je sam rekreirati većinu Principia Mathematica. Štoviše, ponegdje i elegantnije nego što su to učinili autori.

Teoretičar logike predstavio je nekoliko ideja koje su postale središnje u istraživanju umjetne inteligencije:

1. Rasuđivanje kao način traženja. Zapravo, program je prošao kroz stablo pretraživanja. Korijen stabla bile su početne izjave. Pojava svake grane temeljila se na pravilima logike. Na samom vrhu stabla nalazio se rezultat - nešto što je program uspio dokazati. Put od korijenskih iskaza do ciljnih nazvan je dokaz.

2. Heuristika. Autori programa shvatili su da će stablo rasti eksponencijalno i da će ga morati nekako odrezati, “na oko”. Pravila prema kojima su se rješavali nepotrebnih grana nazvali su "heurističkim", koristeći termin koji je uveo Gyorgy Pólya u svojoj knjizi "Kako riješiti problem". Heuristika je postala važna komponenta istraživanja umjetne inteligencije. Ostaje važna metoda za rješavanje složenih kombinatornih problema, takozvanih "kombinatornih eksplozija" (primjer: problem trgovačkog putnika, nabrajanje šahovskih poteza).

3. Obrada strukture “List”. Za implementaciju programa na računalo kreiran je programski jezik IPL (Information Processing Language) koji je koristio isti oblik lista koje je John McCarthy koristio u budućnosti za stvaranje jezika Lisp (za što je dobio Turingovu nagradu), koji još uvijek ga koriste istraživači umjetne inteligencije.

1970-e: sustavi temeljeni na znanju

Sustavi temeljeni na znanju su računalni programi koji koriste baze znanja za rješavanje složenih problema. Sami sustavi dalje su podijeljeni u nekoliko klasa. Ono što im je zajedničko je da svi pokušavaju predstaviti znanje pomoću alata kao što su ontologije i pravila, a ne samo programskog koda. Uvijek se sastoje od barem jednog podsustava, a češće od dva odjednom: baze znanja i mehanizma za zaključivanje. Baza znanja sadrži činjenice o svijetu. Stroj za zaključivanje sadrži logička pravila, koja se obično predstavljaju kao AKO-TADA pravila. Sustave temeljene na znanju prvi su stvorili istraživači umjetne inteligencije.

Prvi radni sustav temeljen na znanju bio je program Mycin. Ovaj program stvoren je za dijagnosticiranje opasnih bakterija i odabir najprikladnijeg liječenja za pacijenta. Program je djelovao na 600 pravila, postavljao je liječniku mnogo pitanja s da/ne i davao popis mogućih bakterija razvrstanih prema vjerojatnosti, također pružao interval pouzdanosti i mogao preporučiti tijek liječenja.

Studija Stanforda pokazala je da je Mycin pružio prihvatljiv tijek liječenja u 69% slučajeva, što je bolje od stručnjaka koji su ocjenjivani prema istim kriterijima. Ova se studija često navodi kako bi se pokazalo neslaganje između medicinskih stručnjaka i sustava ako ne postoji standard za "ispravno" liječenje.

Nažalost, Mycin nikada nije ispitan u praksi. Postavljena su etička i pravna pitanja vezana uz korištenje takvih programa. Nije bilo jasno tko bi trebao biti odgovoran ako se preporuka programa pokaže pogrešnom. Drugi problem bila su tehnološka ograničenja. U to vrijeme nije bilo osobnih računala, jedna seansa trajala je više od pola sata, a to je za zaposlenog liječnika bilo nedopustivo.

Glavno postignuće programa bilo je to što je svijet vidio snagu sustava temeljenih na znanju i snagu umjetne inteligencije općenito. Kasnije, 1980-ih, počeli su se pojavljivati ​​drugi programi koji koriste isti pristup. Kako bi se pojednostavila njihova izrada, kreirana je ljuska E-Mycin koja je omogućila stvaranje novih ekspertnih sustava uz manje napora. Nepredviđena poteškoća s kojom su se programeri suočili bila je izvlačenje znanja iz iskustva stručnjaka, iz očitih razloga.

Važno je spomenuti da je u to vrijeme sovjetski znanstvenik Dmitry Alexandrovich Pospelov započeo svoj rad na području umjetne inteligencije.

Borba na šahovskoj ploči

Zasebno se može razmotriti povijest sukoba između čovjeka i umjetne inteligencije na šahovskoj ploči. Ova priča počela je davno: kada je 1769. godine u Beču Wolfgang von Kempeleng napravio šahovski stroj. Bila je to velika drvena kutija sa šahovskom pločom na vrhu, a iza nje je stajao voštani Turčin u odgovarajućoj odjeći (zbog toga se stroj ponekad skraćeno naziva Turčin). Prije početka predstave otvorila su se vrata lože, a publika je mogla vidjeti mnoge detalje pojedinog mehanizma. Zatim su se vrata zatvorila, a automobil je upalio posebnim ključem, poput sata. Nakon toga dolazio je tko je htio igrati i vukao poteze.

Ovaj je stroj doživio veliki uspjeh i uspio je proputovati cijelu Europu, izgubivši samo nekoliko partija od jakih šahista. Naime, unutar kutije se nalazila osoba koja je uz pomoć sustava ogledala i mehanizama mogla promatrati stanje partije i uz pomoć sustava poluga kontrolirati ruku “Tura”. I nije to bio posljednji stroj u kojem se, zapravo, skrivao živi šahist. Takvi su strojevi bili uspješni sve do početka dvadesetog stoljeća.

Pojavom računala postala je opipljiva mogućnost stvaranja umjetnog šahista. Alan Turing razvio je prvi program koji je mogao igrati šah, ali zbog tehničkih ograničenja bilo je potrebno oko pola sata za jedan potez. Postoji čak i snimka igre programa s Alikom Glenyjem, Turingovim kolegom, koju je program izgubio.

Ideja o stvaranju takvih programa temeljenih na računalima izazvala je rezonanciju u znanstvenom svijetu. Postavljeno je mnogo pitanja. Odličan primjer je članak: “Korištenje digitalnih računala za igre” (Digital Computers applied to Games). Postavlja 6 pitanja:

1. Je li moguće stvoriti stroj koji bi mogao slijediti šahovska pravila, mogao dati slučajni točan potez ili provjeriti je li potez točan?

2. Je li moguće stvoriti stroj sposoban rješavati šahovske probleme? Na primjer, reći kako matirati u tri poteza.

3. Je li moguće stvoriti stroj koji bi igrao dobru igru? Koji bi, primjerice, suočen s određenim uobičajenim rasporedom figura, nakon dvije-tri minute kalkulacija mogao dati dobar točan potez.

4. Je li moguće stvoriti stroj koji igrajući šah uvijek iznova uči i poboljšava svoju igru?

Ovo pitanje otvara još dva koja su vjerojatno već na jeziku čitatelja:

5. Je li moguće stvoriti stroj koji je u stanju odgovoriti na pitanje na takav način da je nemoguće razlikovati njegov odgovor od odgovora osobe.

6. Možete li stvoriti stroj koji je poput vas ili mene?

U članku je glavni naglasak bio na pitanju broj 3. Odgovor na pitanje 1 i 2 je strogo pozitivan. Odgovor na pitanje 3 vezan je za korištenje složenijih algoritama. Za 4. i 5. pitanje autor kaže da ne vidi uvjerljive argumente koji pobijaju takvu mogućnost. I na pitanje 6: "Nikad neću ni znati osjećaš li sve isto kao ja."

Čak i ako takve studije same po sebi možda i nisu bile od velikog praktičnog interesa, bile su teorijski vrlo zanimljive i postojala je nada da će rješenje ovih problema postati poticaj za rješavanje drugih problema slične prirode i veće važnosti.

Sposobnost igranja šaha dugo se pripisivala standardnim ispitnim zadacima koji demonstriraju sposobnost umjetne inteligencije da se nosi sa zadatkom ne sa stajališta "grube sile", koja se u ovom kontekstu shvaća kao korištenje ukupnog nabrajanja mogućih kreće, ali uz pomoć ..."nešto takav”, kako je svojedobno rekao Mihail Botvinik, jedan od pionira u razvoju šahovskih programa. Svojedobno je uspio "probiti" službena sredstva za rad na projektu "umjetnog majstora šaha", programskom paketu PIONEER, koji je nastao pod njegovim vodstvom u Svesaveznom istraživačkom institutu za elektroprivredu. Botvinnik je u više navrata izvješćivao predsjedništvo Akademije znanosti SSSR-a o mogućnostima primjene osnovnih principa PIONIRA za rješavanje problema optimizacije upravljanja u nacionalnom gospodarstvu.

Osnovnu ideju na kojoj je bivši svjetski prvak temeljio svoj razvoj sam je formulirao u jednom od svojih intervjua 1975. godine: “Više od desetak godina bavim se problemom prepoznavanja načina razmišljanja šahovskog majstora: kako on nalazi potez bez potpunog nabrajanja? Sada se može tvrditi da je ova metoda u osnovi otkrivena ... Tri glavne faze stvaranja programa: stroj mora biti u stanju pronaći putanju kretanja figure, zatim mora "naučiti" formirati polje za igru , lokalno borbeno područje na šahovskoj ploči i moći formirati skup tih zona. Prvi dio posla već je odavno obavljen. Završen je potprogram formiranja zona. Otklanjanje pogrešaka započet će sljedećih dana. Ako bude uspješna, postojat će puno povjerenje da će treća faza također biti uspješna i bolid će početi igrati.”

Projekt PIONEER ostao je nedovršen. Botvinnik je na njemu radio od 1958. do 1995. i za to vrijeme uspio je izgraditi algoritamski model šahovske igre koji se temelji na potrazi za "stablom opcija" i uzastopnim postizanjem "nepreciznih ciljeva", koji su bili materijalna dobit.

Godine 1974. sovjetski računalni program Kaissa osvojio je Prvo svjetsko računalno prvenstvo u šahu, pobijedivši ostale šahovske strojeve u sve četiri partije, igrajući, prema riječima šahista, na razini treće kategorije. Sovjetski znanstvenici uveli su mnoge inovacije za šahovske strojeve: korištenje početne knjige, čime je izbjegnuto računanje poteza na samom početku partije, kao i posebnu strukturu podataka: bitboard, koja se još uvijek koristi u šahovskim strojevima.

Postavilo se pitanje može li program pobijediti osobu. Godine 1968. šahist David Levy uložio je 1250 funti da ga nijedan stroj ne može pobijediti sljedećih 10 godina. Godine 1977. odigrao je utakmicu s Kaissom i pobijedio, nakon čega turnir nije nastavljen. Godine 1978. dobio je partiju protiv tada najboljeg šahovskog programa Chess4.7, nakon čega je priznao da nije ostalo još puno vremena prije nego što programi mogu poraziti titulirane šahiste.

Posebnu pozornost treba posvetiti igrama između čovjeka i računala. Prva je bila ranije spomenuta igra Alik Glenyja i Turingovih programa. Sljedeći korak bilo je uspostavljanje programa Los Alamos 1952. godine. Igrala se na ploči 6x6 (bez lovca). Ispitivanje je provedeno u dvije faze. Prva etapa je partija s jakim šahistom, pri čemu je nakon 10 sati igre pobijedio čovjek. Druga etapa bila je igra protiv djevojčice koja je neposredno prije ispita učila igrati šah. Rezultat je bila pobjeda programa na 23. potezu, što je u to vrijeme bio nedvojbeni uspjeh.

Tek 1989. Deep Thought je uspio pobijediti međunarodnog velemajstora: Benta Larsena. Iste godine odigrao se meč istog programa s Garijem Kasparovom, koji je lako dobio Kasparov. Nakon utakmice je izjavio:

“ Ako računalo može pobijediti najboljeg od najboljih u šahu, to će značiti da je računalo u stanju skladati najbolju glazbu, napisati najbolje knjige. Ne mogu vjerovati. Ako se stvori računalo s ocjenom 2800, odnosno jednako mojemu, smatrat ću svojom dužnošću izazvati ga na utakmicu kako bih zaštitio ljudsku rasu.”

Godine 1996. računalo Deep Blue izgubilo je turnir od Kasparova, ali je prvi put u povijesti dobilo partiju protiv svjetskog prvaka. I tek 1997. godine, prvi put u povijesti, računalo je pobijedilo na turniru protiv svjetskog prvaka s rezultatom 3,5:2,5.

Nakon Kasparovljevih mečeva, mnogi su čelnici FIDE više puta izrazili ideju da je održavanje mješovitih mečeva (osoba protiv računalnog programa) neprimjereno iz mnogo razloga. Podržavajući ovo stajalište, Garry Kasparov je objasnio:Da, računalo ne zna što je pobjeda ili poraz. A kako je meni?.. Kako ću se osjećati na utakmici nakon neprospavane noći, nakon kikseva u igri? Sve su to emocije. Oni stavljaju veliki teret na ljudskog igrača, a najneugodnije je što shvaćate da vaš protivnik nije podložan umoru ili bilo kojim drugim emocijama.».

I ako je čak i sada u šahovskoj borbi prednost na strani računala, onda je u takvim natjecanjima kao što je igra Go, računalo prikladno samo za igranje s početnicima ili s igračima srednje razine. Razlog je taj što je u igri Go teško procijeniti stanje ploče: jedan potez može napraviti pobjedničku poziciju iz nedvosmisleno gubitničke pozicije. Osim toga, potpuno nabrajanje je praktički nemoguće, jer bez korištenja heurističkog pristupa, potpuno nabrajanje prva četiri poteza (dva s jedne i dva s druge strane) može zahtijevati evaluaciju gotovo 17 milijardi mogućih scenarija.

Od sličnog interesa može biti igra pokera. Poteškoća je u tome što stanje nije u potpunosti vidljivo, za razliku od Goa i šaha, gdje oba igrača vide cijelu ploču. U pokeru je moguće da protivnik kaže pas i ne pokaže svoje karte, što može zakomplicirati proces analize.

U svakom slučaju, umne igre su jednako važne za programere AI-a kao što su vinske mušice važne za genetičare. Ovo je pogodno polje za testiranje, polje za istraživanje, teoretsko i praktično. To je ujedno i pokazatelj razvoja znanosti o umjetnoj inteligenciji.

Korištenje umjetne inteligencije u komercijalne svrhe

U 80-ima, inspirirane napretkom umjetne inteligencije, mnoge su tvrtke odlučile isprobati nove tehnologije. Međutim, samo su najveće tvrtke mogle priuštiti takve eksperimentalne korake.

Jedna od najranijih tvrtki koja je usvojila tehnologije umjetne inteligencije bila je DEC (Digital Equipment Corp). Uspjela je implementirati ekspertni sustav XSEL, koji joj je pomogao konfigurirati opremu i odabrati alternative za klijente. Kao rezultat, zadatak od tri sata smanjen je na 15 minuta, a broj pogrešaka smanjen s 30% na 1%. Prema riječima predstavnika tvrtke, sustav XSEL omogućio je zaradu od 70 milijuna dolara.

American Express je ekspertnim sustavom odlučivao hoće li klijentu izdati kredit ili ne. Vjerojatnost da će ovaj sustav ponuditi kredit bila je jedna trećina vjerojatnija od stručnjaka. Kaže se da je zarađivala 27 milijuna dolara godišnje.

Isplata koju su osigurali inteligentni sustavi često je bila ogromna. Bilo je to kao s hodanja na vožnju, ili s vožnje na let.

No, s integracijom umjetne inteligencije nije sve bilo tako jednostavno. Prvo, ne može se svaki zadatak formalizirati do razine na kojoj bi ga umjetna inteligencija mogla riješiti. Drugo, sam razvoj bio je vrlo skup. Treće, sustavi su bili novi, ljudi nisu bili navikli koristiti računala. Neki su bili skeptični, a neki čak i neprijateljski raspoloženi.

Zanimljiv primjer je DuPont, koji je mogao potrošiti 10.000 dolara i mjesec dana za izgradnju malog pomoćnog sustava. Mogla je raditi na osobnom računalu i dopuštena joj je dodatna zarada od 100.000 dolara.

Nisu sve tvrtke uspješno implementirale tehnologije umjetne inteligencije. To je pokazalo da korištenje takvih tehnologija zahtijeva veliku teorijsku bazu i mnogo resursa: intelektualnih, privremenih i materijalnih. Ali ako je uspio, troškovi su se osvetnički isplatili.

Promjena paradigme

Sredinom 1980-ih čovječanstvo je vidjelo da se računala i umjetna inteligencija mogu nositi s teškim zadacima jednako dobro kao i ljudi, a na mnogo načina čak i bolje. Pri ruci su bili primjeri uspješne komercijalne upotrebe, napredak u industriji igara i napredak u sustavima za podršku odlučivanju. Ljudi su vjerovali da će se u nekom trenutku računala i umjetna inteligencija moći nositi sa svakodnevnim problemima bolje od ljudi. Vjerovanje koje se prati od davnina, točnije, od stvaranja triju zakona robotike. Ali u jednom trenutku, ovo uvjerenje je prešlo na novu razinu. A kao dokaz za to može se navesti još jedan zakon robotike, koji je sam Isaac Asimov 1986. radije nazvao "nultom":

“0. Robot ne može nauditi osobi ako ne može dokazati da će u konačnici koristiti cijelom čovječanstvu.”

Ovo je veliki pomak u viziji mjesta umjetne inteligencije u ljudskom životu. U početku su strojevi dobili mjesto sluge slabe volje: stoka novog doba. Međutim, nakon što je vidio njegove izglede i mogućnosti, čovjek je počeo postavljati pitanje može li umjetna inteligencija bolje upravljati ljudskim životima nego sami ljudi. Neumoran, pravedan, nesebičan, nepodložan zavisti i prohtjevima, možda bi mogao drugačije urediti živote ljudi. Ideja zapravo nije nova, pojavila se 1952. godine u romanu Mehanički klavir ili Utopija 14 Kurta Vonneguta. Ali tada je bilo fantastično. Sada je to postala moguća perspektiva.

rudarenje podataka

Povijest ovog trenda rudarenja podataka započela je 1989. godine, nakon seminara Grigorija Pyatetsky-Shapira. Pitao se je li moguće izvući korisno znanje iz dugog niza naizgled neuglednih podataka. Na primjer, to može biti arhiva upita baze podataka. U slučaju da gledajući u nju možemo identificirati neke obrasce, to bi ubrzalo bazu podataka. Primjer: svako jutro od 7:50 do 8:10, pokreće se resursno intenzivan zahtjev za izradu izvješća za prethodni dan, u kojem slučaju do tog vremena ono se već može generirati između drugih zahtjeva, tako da će baza podataka biti ravnomjernije opterećen zahtjevima. Ali zamislite da ovaj zahtjev pokrene zaposlenik tek nakon što unese nove podatke. U ovom slučaju pravilo bi se trebalo promijeniti: čim određeni zaposlenik unese podatke, možete početi pripremati izvješće u pozadini. Ovaj je primjer iznimno jednostavan, ali pokazuje i prednosti rudarenja podataka i poteškoće povezane s njim.

Termin datatamining nema službeni prijevod na ruski. Može se prevesti kao "rudarenje podataka", a "rudarenje" je slično onome koje se provodi u rudnicima: ako imate puno sirovina, možete pronaći vrijedan predmet. Zapravo, sličan izraz postojao je još 1960-ih: Data Fishing ili Data Dredging. Koristili su ga statističari, označavajući prepoznatu lošu praksu pronalaženja obrazaca u nedostatku apriornih hipoteza. Zapravo, izraz bi se mogao ispravnije nazvati Database mining, ali pokazalo se da je taj naziv zaštitni znak. Sam Grigory Pyatetsky-Shapiro predložio je termin "Otkrivanje znanja u bazama podataka", ali u poslovnom okruženju i tisku ustalio se naziv "Rudarenje podataka".

Ideja da je pomoću određene baze podataka o nekim činjenicama moguće predvidjeti postojanje novih činjenica pojavila se davno i stalno se razvijala u skladu sa stanjem tehnike: Bayesov teorem 1700-ih, regresijska analiza 1800-ih , analiza klastera u analizi 1930-ih, 1940-e - neuronske mreže, 1950-e - genetski algoritmi, 1960-e - stabla odlučivanja. Pojam Data mining ujedinio ih je ne prema principu kako rade, već prema tome što im je cilj: posjedujući određeni skup poznatih podataka, mogu predvidjeti koji bi podaci trebali ispasti sljedeći.

Cilj rudarenja podataka je pronaći "skriveno znanje". Pogledajmo pobliže što znači "skriveno znanje". Prvo, to mora biti novo znanje. Na primjer, da se vikendom povećava broj robe prodane u supermarketu. Drugo, znanje ne bi trebalo biti trivijalno, ne bi se svodilo na pronalaženje matematičkog očekivanja i varijance. Treće, ovo bi znanje trebalo biti korisno. Četvrto, znanje koje se može lako protumačiti.

Dugo su vremena ljudi vjerovali da računala mogu predvidjeti sve: cijene dionica, opterećenje poslužitelja, količinu potrebnih resursa. Međutim, pokazalo se da je često vrlo teško izvući informacije iz baze podataka. U svakom konkretnom slučaju potrebno je prilagoditi algoritam, ako se ne radi samo o nekakvoj regresiji. Ljudi su vjerovali da postoji univerzalni algoritam koji, poput crne kutije, može apsorbirati veliku količinu podataka i početi stvarati predviđanja.

Unatoč svim ograničenjima, alati koji olakšavaju rudarenje podataka poboljšavaju se iz godine u godinu. A od 2007. Rexer Analytics svake godine objavljuje rezultate ankete stručnjaka o postojećim alatima. Anketa se 2007. godine sastojala od 27 pitanja i uključila je 314 sudionika iz 35 zemalja. U 2013. godini anketa je već uključivala 68 pitanja, au njoj je sudjelovalo 1259 stručnjaka iz 75 zemalja svijeta.

Data mining se još uvijek smatra obećavajućim smjerom. I opet, njegova uporaba otvara nova etička pitanja. Jednostavan primjer je korištenje alata za rudarenje podataka za analizu i predviđanje zločina. Slična istraživanja od 2006. provode razna sveučilišta. Aktivisti za ljudska prava protive se tome, tvrdeći da saznanja stečena na ovaj način mogu dovesti do potraga, koje se ne temelje na činjenicama, već na pretpostavkama.

Sustavi preporuka daleko su najopipljiviji rezultat razvoja umjetne inteligencije. Možemo ga susresti odlaskom u neku od popularnih online trgovina. Zadaća sustava preporuka je odrediti, primjerice, popis proizvoda koje je pregledao određeni korisnik, po nekim uočljivim značajkama, kako bi se utvrdilo koji će proizvodi biti najzanimljiviji korisniku.

Zadatak pronalaženja preporuka također se svodi na zadatak učenja stroja, baš kao i kod rudarenja podataka. Vjeruje se da je povijest razvoja sustava preporuka započela uvođenjem Tapestry sustava Davida Goldberga u istraživačkom centru Xerox Palo Alto 1992. godine. Svrha sustava bila je filtriranje korporativne pošte. Postao je svojevrsni rodonačelnik sustava preporuka.

Trenutno postoje dva sustava preporuka. David Goldberg predložio je sustav temeljen na kolaborativnom filtriranju. Odnosno, kako bi dao preporuku, sustav gleda informacije o tome kako su drugi korisnici slični ciljnom korisniku ocijenili određeni objekt. Na temelju tih informacija sustav može pretpostaviti koliko će ciljni korisnik ocijeniti određeni objekt (proizvod, film).

Filtri sadržaja još su jedna vrsta sustava za preporuku. Preduvjet za postojanje filtera sadržaja je određena baza podataka koja mora pohraniti metriku za sve objekte. Nadalje, nakon nekoliko korisničkih radnji, sustav je u stanju odrediti koju vrstu objekata korisnik voli. Na temelju postojeće metrike, sustav može odabrati nove objekte koji će na neki način biti slični onima koji su već pregledani. Nedostatak takvog sustava je što prvo morate izgraditi veliku bazu podataka s metrikom. Sam proces izgradnje metrike može biti izazov.

Opet se postavlja pitanje nije li korištenje takvih sustava prekršaj. Ovdje postoje dva pristupa. Prvi je eksplicitno prikupljanje podataka, koje predstavlja prikupljanje podataka isključivo unutar okvira u kojem funkcionira sustav preporuka. Na primjer, ako je ovo sustav preporuka za internetsku trgovinu, tada će ponuditi ocjenu nekog proizvoda, sortirati proizvode prema interesu i napraviti popis omiljenih proizvoda. S ovom vrstom sve je jednostavno: sustav ne prima informacije o korisnikovoj aktivnosti izvan svojih granica, sve što zna je sam korisnik. Drugi tip je implicitno prikupljanje podataka. Uključuje tehnike kao što su korištenje informacija iz drugih, sličnih izvora, vođenje evidencije ponašanja korisnika, provjera sadržaja korisničkog računala. Ova vrsta prikupljanja informacija za sustave preporuka je zabrinjavajuća.

No, u tom smjeru korištenje privatnih podataka izaziva sve manje polemika. Na primjer, 2013. godine na konferenciji YAC (Yandex Another Conference) najavljeno je stvaranje sustava Atom. Njegova je svrha pružiti vlasnicima web stranica informacije koje bi mogle trebati za izradu preporuka. Te bi informacije u početku trebale prikupljati usluge Yandexa. Odnosno, u ovom slučaju provodi se implicitno prikupljanje podataka. Primjer: osoba ulazi u uslugu pretraživanja kako bi saznala najzanimljivija mjesta u Parizu. Nakon nekog vremena osoba posjeti stranicu turističke agencije. Bez Atoma, agencija bi jednostavno morala osobi pokazati najpopularnije ture. Atom bi mogao savjetovati web mjesto da korisniku prije svega prikaže turneju u Pariz i napravi osobni popust na tu turu kako bi se razlikovala od ostalih. Dakle, povjerljive informacije ne idu dalje od Atom usluge, stranica zna što savjetovati klijentu, a klijent je sretan što je brzo pronašao ono što je tražio.

Do danas su sustavi preporuka najjasniji primjer onoga što tehnologije umjetne inteligencije mogu postići. S jednim takvim sustavom može se obaviti posao s kojim se ne bi mogla nositi ni vojska analitičara.

Zaključak

Sve ima svoj početak, kako reče Sancho Panza, i taj se početak mora opisati.

okrenuti se nečemu što mu prethodi. Hindusi su izmislili slona, ​​koji

koja je držala svijet, ali su je morali staviti na kornjaču. Potreba

imajte na umu da se izum sastoji u stvaranju ne iz praznine, već iz

kaos: prije svega treba se pobrinuti za materijal ...

Mary Shelley, Frankenstein

Razvoj umjetne inteligencije kao znanosti i tehnologije za stvaranje strojeva započeo je prije nešto više od jednog stoljeća. A postignuća koja su dosad postignuta su zapanjujuća. Okružuju ljude gotovo posvuda. Tehnologije umjetne inteligencije imaju jednu posebnost: čovjek ih samo u početku smatra nečim intelektualnim, zatim se navikne na njih i čine mu se prirodnima.

Važno je zapamtiti da je znanost o umjetnoj inteligenciji usko povezana s matematikom, kombinatorikom, statistikom i drugim znanostima. Ali ne samo da oni utječu na njega, već razvoj umjetne inteligencije omogućuje drugačiji pogled na ono što je već stvoreno, kao što je bio slučaj s programom Logic Theorist.

Važnu ulogu u razvoju tehnologija umjetne inteligencije ima razvoj računala. Teško je moguće zamisliti ozbiljan program za rudarenje podataka, koji bi bio dovoljan za 100 kilobajta RAM-a. Računala su omogućila ekstenzivan razvoj tehnologija, dok su teorijska istraživanja poslužila kao preduvjeti za intenzivan razvoj. Možemo reći da je razvoj znanosti o umjetnoj inteligenciji bio posljedica razvoja računala.

Povijest razvoja umjetne inteligencije nije gotova, ona se piše upravo sada. Tehnologije se neprestano usavršavaju, stvaraju novi algoritmi i otvaraju nova područja primjene. Vrijeme istraživačima neprestano otvara nove mogućnosti i nova pitanja.

Ovaj se sažetak ne fokusira na zemlje u kojima su provedena određena istraživanja. Cijeli je svijet malo po malo pridonio području koje danas nazivamo znanost umjetne inteligencije.

Bibliografija

Mitovi naroda svijeta. M., 1991-92. U 2 sveska T.2. S. 491,

Idel, Moshe (1990). Golem: židovske magijske i mistične tradicije o umjetnom antropoidu. Albany, New York: Državno sveučilište New York Press. ISBN 0-7914-0160-X. stranica 296

Asimov, Isaac. Esej br. 6. Zakoni robotike // Robot dreams u . M.: Eksmo, 2004. S. 781784. ISBN 5-699-00842- x

Vidi Nonn. Djela Dioniza XXXII 212. Klement. Protreptik 57, 3 (referenca na Filostefana).

Robert J. Sawyer. O Asimovljevim trima zakonima robotike (1991).

Turing, Alan (listopad 1950.), "Računalni strojevi i inteligencija", Um LIX (236): 433460

McCarthy, John; Minsky, Marvin; Rochester, Nathan; Shannon, Claude (1955.)Prijedlog za Dartmouth Summer Research Project o umjetnoj inteligenciji

Crevier 1993, str. 4648.

Smith, Reid (8. svibnja 1985.). "Koncepti, tehnike, primjeri sustava temeljenih na znanju"

Alan Turing, "Digitalna računala primijenjena na igre". n.d. AMT-ov doprinos "Brže od misli", ed. B.V. Bowden, London 1953. Izdavač Pitman Publishing. TS s MS korekcijama. R.S. 1953b

Kaissa - Svjetska prvakinja. Časopis "Znanost i život", siječanj 1975., str. 118-124

štreber, E. Velemajstor "Duboka misao" // Znanost i život. M., 1990. V. 5. P. 129130.

F. Hayes-Roth, N. Jacobstein. Stanje sustava temeljenih na znanju. Priopćenja ACM-a, ožujak, 1994., v.37, n.3, str.27-39.

Karl Rexer, Paul Gearan i Heather Allen (2007.); 2007 Data Miner Survey Summary, predstavljen na konferenciji SPSS Directions, listopad. 2007. i Oracle BIWA Summit, listopad. 2007. godine.

Karl Rexer, Heather Allen i Paul Gearan (2013.); Sažetak istraživanja Data Miner iz 2013., predstavljen na Predictive Analytics World, listopad. 2013.

Shyam Varan Nath (2006). “Otkrivanje obrazaca kriminala korištenjem rudarenja podataka”, WI-IATW "06 Zbornik radova međunarodne konferencije IEEE/WIC/ACM o web inteligenciji i tehnologiji inteligentnih agenata iz 2006., stranice 41-44

David Goldberg, David Nichols, Brian M. Oki i Douglas Terry (2006.). “Korištenje kolaborativnog filtriranja za tkanje informacijske tapiserije”, Komunikacije ACM-a, prosinac 1992., vol.35, n12, str.61-71

Ostali srodni radovi koji bi vas mogli zanimati.vshm>
14280.		Ideja o sustavima umjetne inteligencije i mehanizmima njihova funkcioniranja	157,75 KB
	Razmatranje strukture i mehanizama funkcioniranja inteligentnih sustava, s jedne strane, zahtijeva detaljan prikaz, uzimajući u obzir utjecaj specifičnih značajki aplikacija, as druge strane, zahtijeva generalizaciju i klasifikaciju uvedenih pojmova, struktura , mehanizmi.
609.			12,42 KB
	U rasvjetnim instalacijama namijenjenim rasvjetnim poduzećima, žarulje s izbojem plina i žarulje sa žarnom niti široko se koriste kao izvori svjetlosti. Glavne karakteristike izvora svjetlosti uključuju: nazivni napon V; električna snaga W; svjetlosni tok jamica: svjetlosna učinkovitost lm W ovaj parametar je glavna karakteristika učinkovitosti izvora svjetlosti; vijek trajanja h. Vrsta izvora svjetlosti u poduzećima odabire se uzimajući u obzir tehničke i ekonomske pokazatelje specifičnosti proizvodnje ...
6244.		Povijest razvoja CIS-a	154,8 KB
	Treba napomenuti da svaka vrsta sustava uključuje sustave ranijih tipova. To znači da sustavi svih vrsta danas mirno koegzistiraju. Opći model arhitekture CIS sustava Donedavno je u tehnologiji izrade informacijskih sustava dominirao tradicionalni pristup, kada se cjelokupna arhitektura informacijskog sustava gradila od vrha do dna od funkcionalnosti aplikacije do rješenja inženjerskog sustava, a prva komponenta informacijskog sustava u potpunosti je proizašao iz drugog. U početku su se sustavi ove razine temeljili ...
17626.		Povijest razvoja plivanja	85,93 KB
	Ogromna važnost vode u životu primitivnog čovjeka, potreba za industrijskim razvojem ovog neobičnog okoliša zahtijevali su od njega sposobnost plivanja kako ne bi poginuo u surovoj borbi za opstanak. Dolaskom državnog sustava, sposobnost plivanja postala je posebno potrebna u radu i vojnim poslovima.
9769.		Povijest razvoja etnopsihologije	19,47 KB
	Povijest razvoja etnopsihologije Zaključak. Tako je Hipokrat u svom djelu O zraku, vodama i krajevima napisao da su sve razlike među narodima, pa tako i u psihologiji, posljedica položaja zemlje, klime i drugih prirodnih čimbenika. Sljedeća faza dubokog zanimanja za etničku psihologiju počinje sredinom 18. stoljeća. Montesquieu je možda najpotpunije u duhu psihologije izrazio opći metodološki pristup toga razdoblja biti etničkih razlika.
9175.		Povijest razvoja prirodnih znanosti	21,45 KB
	Među prirodnim znanstvenim revolucijama mogu se razlikovati sljedeće vrste: globalna, koja pokriva sve prirodne znanosti i uzrokuje pojavu ne samo temeljno novih ideja o svijetu, nove vizije svijeta, već i nove logičke strukture znanosti, novi način ili stil razmišljanja; lokalno u pojedinim temeljnim znanostima v. Formiranje nove ...
9206.		Povijest razvoja mehatronike	7,71 KB
	U posljednjem desetljeću velika se pažnja posvećuje stvaranju mehatroničkih modula za suvremene automobile nove generacije tehnološke opreme alatnih strojeva s paralelnom kinematikom robota s inteligentnim upravljanjem mikrostrojevima najnovije računalne i uredske opreme. Prvi ozbiljniji rezultati o stvaranju i praktičnoj primjeni robota u SSSR-u datiraju iz šezdesetih godina prošlog stoljeća. Prvi industrijski uzorci modernih industrijskih robota s kontrolom položaja stvoreni su 1971. godine na Lenjingradskom politehničkom institutu...
11578.		Povijest razvoja informacijske tehnologije	41,42 KB
	Rezultati znanstvenih i primijenjenih istraživanja u području informatike, računalne tehnologije i komunikacija stvorili su solidnu osnovu za nastanak nove grane znanja i proizvodnje informacijske industrije. čini infrastrukturu i informacijski prostor za informatizaciju društva. Faze nastanka i razvoja informacijske tehnologije Na samom početku situacije, za sinkronizaciju izvedenih učinaka, čovjeku su bili potrebni kodirani komunikacijski signali. Reprezentacija informacija misli na samokontrolu dvaju objekata: izvora informacija i...
3654.		Povijest razvoja anorganske kemije	29,13 KB
	Kemija, kao znanost, nastala je u starom Egiptu i koristila se uglavnom kao primijenjena znanost: za dobivanje bilo kakvih tvari i proizvoda s novim svojstvima koja su još bila nepoznata širokom krugu ljudi. Svećenici starog Egipta koristili su se znanjem kemije za dobivanje umjetnog nakita, balzamiranje ljudi
14758.		Povijest razvoja genetike kao temeljne znanosti	942.85KB
	Povijest razvoja genetike kao temeljne znanosti. Metode proučavanja ljudske genetike. Povijest razvoja genetike kao temeljne znanosti.2 Glavne etape u razvoju genetike: klasično razdoblje.

znanje se može pohraniti izvan mozga. Njihovi argumenti su:

1. spoznaja kao proces podložna je formalizaciji;
2. inteligencija se može mjeriti (kvocijent inteligencije IQ - kvocijent inteligencije 1 Pojam je u znanstvenu upotrebu uveo V. Stern (1911.) prema računskoj metodi A. Bineta (1903.)., kapacitet pamćenja, reaktivnost psihe itd.);
3. informacijske mjere (bit, bajt itd.) primjenjive su na znanje. Pesimisti smatraju da umjetna inteligencija nije sposobna pohraniti znanje, budući da je samo imitacija mišljenja. Pesimisti vjeruju da je ljudski intelekt jedinstven, da se kreativnost ne može formalizirati, da je svijet cjelovit i nedjeljiv na informacijske diskrete, da je slika ljudskog mišljenja mnogo bogatija od logičnog mišljenja strojeva, itd.

Tko je u ovom sporu u pravu, vrijeme će pokazati. Napominjemo samo da memorija stroja pohranjuje ono što je u nju zapisano, a to može biti ne samo znanje kao najviši oblik informacije, već jednostavno podaci koji mogu sadržavati znanje, dezinformacije i informacijski šum(Vidi "Povijest razvoja informatike. Razvoj ideja o informaciji. Na putu u informacijsko društvo"). Kako bi izvukao znanje iz podataka, stroj, kao i osoba, mora postaviti cilj ("što želim znati?") I, u skladu s tim ciljem, odabrati vrijedne informacije(Uostalom, one čuvaju vrijednosti, a ne sve ono što je užasno). Limenka umjetna inteligencija formulirati prihvatljive ciljeve i izvršiti umjetnu selekciju vrijednih informacija za te ciljeve još je jedan problem u teoriji i praksi umjetne inteligencije. Dok taj posao obavlja osoba - u ekspertnim sustavima, u programiranju robota, u sustavima upravljanja procesima itd. Besplatni strojevi (vidi gore) morat će sami obaviti ovaj posao. Istovremeno, naznačeni problem može se pogoršati zbog činjenice da u mrežama s kojih strojevi "skidaju" znanje može biti puno "smeća" i destruktivnih virusa.

4.4. Povijest razvoja ideja umjetne inteligencije i njihova implementacija

Po prvi put su se ideje o stvaranju umjetne inteligencije pojavile u 17. stoljeću. (B. Spinoza, R. Descartes, G.W. Leibniz i dr.). Govorimo o umjetnoj inteligenciji, a ne o mehaničkim lutkama, već poznatim u to vrijeme. Utemeljitelji teorije umjetne inteligencije bili su, naravno, optimisti – vjerovali su u izvedivost svoje ideje:

Prema psihološkom zakonu očuvanja (“zbroj užitaka i boli jednak je nuli”) odmah su se pojavili pesimisti (F. Bacon, J. Locke i dr.), koji su se smijali optimistima: “Ma, prestanite! ”. Ali svaka ideja u znanosti, kad se jednom pojavi, nastavlja živjeti, unatoč preprekama.

Ideja umjetne inteligencije počela je poprimati prava obilježja tek u drugoj polovici 20. stoljeća, posebice izumom računala i "inteligentnih robota". Za provedbu ideje bila su potrebna i primijenjena dostignuća u matematičkoj logici, programiranju, kognitivnoj psihologiji, matematičkoj lingvistici, neurofiziologiji i drugim disciplinama koje se razvijaju u kibernetičkom kanalu odnosa između organizama i strojeva u smislu funkcija upravljanja i komunikacije. Samo ime umjetna inteligencija“ nastao je kasnih 60-ih godina XX. stoljeća, a 1969. godine održana je Prva svjetska konferencija o umjetnoj inteligenciji (Washington, SAD).

isprva umjetna inteligencija razvijen u tzv analitički (funkcionalni) smjeru u kojem je stroju naloženo da izvrši privatno intelektualne zadatke kreativne prirode (igre, prevođenje s jednog jezika na drugi, slikanje itd.).

Kasnije je nastao sintetika (model) smjer, prema kojemu se kreativna aktivnost mozga pokušavala modelirati u općem smislu, "bez zamjene" za pojedine zadatke. Naravno, ovaj smjer se pokazao težim za provedbu od funkcionalnog smjera. Predmet proučavanja smjera modela bio je metaprocedure ljudsko razmišljanje. Metaprocedure kreativnosti nisu same procedure (funkcije) intelektualne aktivnosti, već načina stvaranja takvi postupci, načini učenja nove vrste intelektualne aktivnosti. Na tim se načinima, vjerojatno, krije ono što se može nazvati intelektom. Prisutnost metaprocedura mišljenja razlikuje istinsku inteligenciju od prividne, stoga je implementacija metaprocedura kreativnosti alatnim strojevima postala gotovo glavni zadatak smjera modela. Ne što nego kako izmišljajući kako riješiti kreativni problem kako učenje (samoučenje) novih stvari? - to su pitanja svojstvena implementaciji modela ljudskog kreativnog mišljenja.

U okviru pravca modeliranja uglavnom su razvijena dva modela inteligencije. Kronološki prvi labirintski model koji provodi svrhovito traženje u labirintu alternativnih načina rješavanja problema s procjenom uspješnosti nakon svakog koraka ili sa stajališta rješavanja problema u cjelini. Drugim riječima, model labirinta se svodi na nabrajanje mogućih opcija (po analogiji s nabrajanjem izlaznih opcija iz labirinta). Uspjeh (ili neuspjeh) u odabiru jedne ili druge opcije može se ocjenjivati ​​na svakom koraku (odnosno neposredno nakon izbora), bez predviđanja konačnog rezultata rješavanja problema, ili, obrnuto, izbor opcije na svakom koraku može biti izrađen na temelju konačnog rezultata. Na primjer, uzmimo šah. Možete procijeniti rezultat svakog poteza prema trenutnom dobitku ili gubitku nakon tog poteza (dobivanje ili gubitak figura, stjecanje pozicione prednosti, itd.) bez razmišljanja o kraju partije. Kod ovakvog pristupa podrazumijeva se da će uspjeh u svakom potezu dovesti do uspjeha cijele igre, do pobjede. Ali to uopće nije potrebno. Uostalom, moguće je namamiti protivničkog kralja u zamku za parenje žrtvovanjem figura u nizu poteza, gubeći prividnu položajnu prednost. Kod ovakvog pristupa djelomični uspjesi na svakom potezu ne znače ništa u usporedbi s posljednjim pobjedničkim potezom - objavom šah-mata.

Prvi pristup u modeliranju labirinta razvijen je godine heurističko programiranje, drugi pristup je dinamičko programiranje. očito, dinamički pristup učinkovitiji od heuristike kada je u pitanju šah. U svakom slučaju, jaki šahisti, ne znajući to, koristili su točno dinamički pristup protiv šahovskih programa koji rade u heurističkom modu, a svojom prirodnom inteligencijom pobijedili su labirint umjetna inteligencija. Ali tako je bilo 60-ih i 70-ih. 20. stoljeće Od tada su se šahovski programi toliko poboljšali (uključujući uvođenjem dinamičkog pristupa) da se sada uspješno bore sa svjetskim prvacima.

Modeli labirinta naširoko su korišteni ne samo u izradi šahovskih programa, već i za programiranje drugih igara, kao i za dokazivanje matematičkih teorema i u drugim primjenama.

Slijedeći modele labirinta umjetne inteligencije, asocijativni modeli. Asocijacija (od lat. association - veza) - povezanost psiholoških predodžbi (zbog prethodnog iskustva), zbog koje jedna predodžba, pojavivši se u umu, uzrokuje drugu predodžbu (po principu sličnosti, susjedstva ili suprotnosti). Na primjer, nobelovac akademik I.P. Pavlov, provodeći svoje poznate pokuse sa psima, primijetio je da ako, u isto vrijeme dok jede, pas vidi upaljenu lampu, onda čim se lampa upali, želučani sok se počinje izdvajati u psu, iako mu hrana nije ponuđena. U središtu ovog uvjetovanog refleksa je asocijacija koja se temelji na principu susjedstva. Povezanost sličnosti opisana je u priči A.P. Čehov "Prezime konja". Asocijacija suprotnom može se opisati logičkom shemom: ako "nije A", onda "A". Na primjer, ako sam tijekom dana vidio bijelu mačku, odmah sam je povezao s crnom mačkom koja je ujutro prešla cestu.

U asocijativnim modelima pretpostavlja se da se rješenje novog, nepoznatog problema na neki način temelji na već poznatim riješenim problemima sličnim novom, stoga se metoda rješavanja novog problema temelji na asocijativnom principu sličnosti (sličnosti). Za njegovu provedbu koristi se asocijativno pretraživanje u memoriji, asocijativno logičko razmišljanje pomoću metoda rješavanja problema koje je stroj savladao u novoj situaciji itd. U modernim računalima i inteligentnim robotima postoji asocijativno pamćenje. U zadatcima se koriste asocijativni modeli klasifikacija, prepoznavanje uzoraka, učenje koje su već postale uobičajene zadaće informacijskih sustava i tehnologija. Međutim, teorija asocijativnih modela sve do 90-ih. 20. stoljeće nije bilo i sada se stvara.

Nabrojimo ukratko glavne tvorce umjetne inteligencije.

N. Wiener(matematičar), U.R. Ashby(biolog) – utemeljitelji kibernetike, koji su prvi ustvrdili da strojevi mogu biti pametniji od ljudi, koji su dali početni poticaj razvoju teorije umjetne inteligencije.

W. McCulloch, W. Peets(fiziolozi) - 1943. god. predložio formalni model neurona; utemeljitelji neurokibernetike i početni koncept neuronske mreže.

A. Turing(matematičar) - 1937. izumio je univerzalni algoritamski "Turingov stroj"; predložio intelektualni "Turingov test" kako bi se utvrdilo je li stroj inteligentan u usporednom dijalogu s njim i "razumnom osobom".

J. von Neumanna(matematičar) - jedan od utemeljitelja teorije igara i teorije samoreproduktivnih automata, arhitekture prvih generacija računala.

M. Somalvico(kibernetski) A. Azimov(biokemičar, književnik) - utemeljitelji intelektualne robotike.

G. Simon, W. Reitman(psiholozi) - autori i razvijači prvih intelektualnih modela labirinta izgrađenih na principima heurističkog programiranja.

R. Bellman(matematičar), S.Yu. Maslov(logičar) - autori dinamičkog pristupa labirintskim intelektualnim modelima (dinamičko programiranje, inverzna metoda dokaza).

F. Rosenblatt(fiziolog), MM. bongard(fizičar) - pioniri problema prepoznavanja uzoraka; razvijatelji uređaja i modela prepoznavanja i klasifikacije.

L. Zade, A.N. Kolmogorov, A.N. Tihonov, M.A. Girshik(matematičari) - autori matematičkih metoda za rješavanje slabo formaliziranih problema i odlučivanje u uvjetima neizvjesnosti.

N. Chomsky(matematičar, filolog) - utemeljitelj matematičke lingvistike.

L.R. Luria(psiholog) - utemeljitelj neuropsihologije, koja proučava temeljne mehanizme kognitivne aktivnosti mozga i drugih intelektualnih funkcija mozga.

K.E. Shannon(inženjerka komunikacija), R.H. Zaripov(matematičar) - autori teorije i modela strojne sinteze glazbe.

Gornji popis je daleko od potpunog. U području umjetne inteligencije nisu radili i rade samo pojedinačni stručnjaci, već i timovi, laboratoriji i instituti. Glavni problemi koje rješavaju su:

1. reprezentacija znanja;
2. modeliranje rasuđivanja;
3. inteligentno sučelje "čovjek-stroj", "stroj-stroj";
4. planiranje svrsishodnih aktivnosti;
5. obuka i samoobuka inteligentnih sustava;
6. strojna kreativnost;
7. inteligentni roboti.

Osnovni pojmovi umjetne inteligencije.

Prilično je teško dati preciznu definiciju što je ljudska inteligencija, jer je inteligencija spoj mnogih vještina u području obrade i prezentiranja informacija. Inteligencija (inteligencija) dolazi od latinskog intellectus – što znači um, razum, razum; ljudska sposobnost razmišljanja. Inteligencijom se s velikim stupnjem sigurnosti može nazvati sposobnost mozga da rješava (intelektualne) zadatke stjecanjem, pamćenjem i svrhovitom transformacijom znanja u procesu učenja iz iskustva i prilagodbe različitim okolnostima.

Umjetna inteligencija (AI) je skup znanstvenih disciplina koje proučavaju metode za rješavanje problema intelektualne (kreativne) prirode pomoću računala.
Umjetna inteligencija jedno je od područja informatike čija je svrha razviti hardverske i softverske alate koji korisniku koji nije programer omogućuju postavljanje i rješavanje vlastitih, tradicionalno smatranih intelektualnih zadataka, komunicirajući s računalom u ograničenom podskupu prirodnih Jezik.

Sustavi umjetne inteligencije (AI) su računalni sustavi koji simuliraju rješavanje složenih intelektualnih zadataka od strane osobe.
Znanje: općenito, znanje je u praksi provjereni rezultat spoznaje stvarnosti, njezin ispravan odraz u ljudskom mišljenju, posjedovanje iskustva i razumijevanja koji su ispravni i subjektivno i objektivno, na temelju kojih se mogu graditi sudovi i zaključci da činiti dovoljno pouzdanim da se može smatrati znanjem. Dakle, u kontekstu informatike, pojam znanja je informacija prisutna u provedbi intelektualnih funkcija. Obično su to odstupanja, trendovi, obrasci i ovisnosti koje nalazimo u informacijama.Drugim riječima, inteligentni sustavi su ujedno i sustavi za obradu znanja.

Programi umjetne inteligencije uključuju:

1. programi za igre (stohastičke, računalne igre);

2. programi za prirodni jezik - strojno prevođenje, generiranje teksta, obrada govora;

3. programi za prepoznavanje - prepoznavanje rukopisa, slika, karata;

4. programi za izradu i analizu grafičkih, slikarskih, glazbenih djela.

Razlikuju se sljedeća područja umjetne inteligencije:

1. ekspertni sustavi;

2. neuronske mreže;

3. sustavi prirodnog jezika;

4. evolucijske metode i genetski algoritmi;

5. neizraziti skupovi;

6. sustavi za ekstrakciju znanja.

Povijest razvoja umjetne inteligencije

Postoje tri glavne faze u razvoju AIS-a:

− 60-70-ih godina. Ovo su godine spoznaje mogućnosti umjetne inteligencije i formiranja društvenog poretka za podršku procesima odlučivanja i upravljanja. Znanost odgovara na ovaj nalog pojavom prvih perceptrona (neuralnih mreža), razvojem metoda za heurističko programiranje i situacijsko upravljanje velikim sustavima (razvijeno u SSSR-u)

− 70-80-ih godina. U ovoj fazi postoji svijest o važnosti znanja za formiranje adekvatnih odluka; pojavljuju se ekspertni sustavi u kojima se aktivno koristi aparat neizrazite matematike, razvijaju se modeli plauzibilnog zaključivanja i plauzibilnog zaključivanja.

− 80-90-ih godina. Postoje integrirani (hibridni) modeli reprezentacije znanja koji kombiniraju intelekt: pretraživački, računalni, logički i figurativni.

Pojam umjetna inteligencija predložen je 1956. godine na seminaru na Sveučilištu Stanford (SAD).

Ideja o stvaranju umjetne sličnosti ljudskog uma za rješavanje složenih problema i simuliranje sposobnosti razmišljanja lebdjela je u zraku od davnih vremena. Prvi ga je izrazio R. Lully, koji je još u 14. stoljeću pokušao stvoriti stroj za rješavanje raznih problema na temelju opće klasifikacije pojmova.

Razvoj umjetne inteligencije kao znanstvenog pravca postao je moguć tek nakon stvaranja računala. To se dogodilo 40-ih godina XX stoljeća. U isto vrijeme N. Wiener stvara svoja temeljna djela o novoj znanosti - kibernetici.

Godine 1954. na Moskovskom državnom sveučilištu započeo je s radom seminar "Automati i mišljenje" pod vodstvom profesora A. A. Ljapunova. Na seminaru su sudjelovali vodeći fiziolozi, lingvisti, psiholozi i matematičari. Opće je prihvaćeno da je u to vrijeme u Rusiji rođena umjetna inteligencija.

Značajan proboj u praktičnim primjenama umjetne inteligencije dogodio se sredinom 1970-ih, kada je potraga za univerzalnim algoritmom razmišljanja zamijenjena idejom modeliranja specifičnih znanja stručnjaka stručnjaka.

U SAD-u su se pojavili prvi komercijalni sustavi temeljeni na znanju, odnosno ekspertni sustavi, pojavio se novi pristup rješavanju problema umjetne inteligencije - reprezentacija znanja. Nastaju MYCIN i DENDRAL - klasični ekspertni sustavi za medicinu i kemiju.

Od 1980. do 1990. provode se aktivna istraživanja u području reprezentacije znanja, razvijaju se jezici za reprezentaciju znanja i ekspertni sustavi. Od sredine 1980-ih umjetna inteligencija je komercijalizirana. Rastu godišnje investicije, stvaraju se industrijski ekspertni sustavi.

Ekspertni sustavi nemaju široku primjenu u praktičnoj medicini. Uglavnom se koriste kao sastavni dio medicinskih instrumentalno-računalnih sustava. To je prije svega zbog činjenice da se u stvarnom životu broj mogućih situacija i, sukladno tome, dijagnostičkih pravila pokazao toliko velikim da sustav ili počinje zahtijevati veliku količinu dodatnih informacija o pacijentu ili točnost dijagnoze naglo opada.

Konvencionalno se može razlikovati 7 faza razvoja umjetne inteligencije, od kojih je svaka povezana s određenim stupnjem razvoja umjetne inteligencije i paradigmom implementiranom u pojedini sustav.

Paradigma je nova ideja matematičkog opisa rada sustava umjetne inteligencije.

Faza 1 (50-ih) ( Neuron i neuronske mreže )

Povezuje se s pojavom prvih sekvencijalnih strojeva, s vrlo malim, prema današnjim standardima, mogućnostima resursa u smislu memorije, brzine i klasa zadataka koje treba riješiti. To su bili problemi čisto računalne prirode, za koje su bile poznate sheme rješenja i koje je moguće opisati nekim formalnim jezikom. Ovom razredu pripadaju i zadaci prilagodbe.

Faza 2 (60-ih) ( heurističko pretraživanje)

"Inteligencija" stroja dopunjena je mehanizmima za pretraživanje, sortiranje, najjednostavnije operacije za generalizaciju informacija koje ne ovise o značenju podataka koji se obrađuju. To je postalo novo polazište u razvoju i razumijevanju zadataka automatizacije ljudskih aktivnosti.

Faza 3 (70-e) ( reprezentacija znanja)

znanstvenici su prepoznali važnost znanje(po obujmu i sadržaju) za sintezu zanimljivih algoritama za rješavanje problema. To je značilo znanje s kojim matematika nije mogla raditi, tj. iskustveno znanje koje nije strogo formalne prirode i obično se opisuje u deklarativnom obliku. To su znanja stručnjaka u različitim područjima djelatnosti, liječnika, kemičara, istraživača itd. Takvo se znanje naziva ekspertnim znanjem, pa su shodno tome sustavi koji rade na temelju ekspertnog znanja postali poznati kao savjetodavni sustavi ili ekspertni sustavi.

Faza 4 (80-e) ( strojevi za učenje)

Četvrta faza razvoja umjetne inteligencije postala je pomak. Pojavom ekspertnih sustava u svijetu započela je temeljno nova etapa u razvoju inteligentnih tehnologija - era inteligentnih sustava - konzultanata koji su predlagali rješenja, opravdavali ih, bili sposobni učiti i razvijati se, komunicirati s osobom u poznatom , iako ograničen, prirodni jezik .

Faza 5 (90-e) ( automatizirani obradni centri)

Usložnjavanje komunikacijskih sustava i zadataka koje je trebalo riješiti zahtijevali su kvalitativno novu razinu “inteligencije” programskih sustava, poput zaštite od neovlaštenog pristupa, informacijske sigurnosti resursa, zaštite od napada, semantičke analize i traženja informacija u mrežama itd. . A inteligentni sustavi postali su nova paradigma za stvaranje naprednih sustava zaštite svih vrsta. Omogućuju stvaranje fleksibilnih okruženja unutar kojih je osigurano rješavanje svih potrebnih zadataka.

Faza 6 (2000-e) ( Robotika )

Opseg robota prilično je širok i proteže se od autonomnih kosilica i usisavača do modernih modela vojne i svemirske tehnologije. Modeli su opremljeni navigacijskim sustavom i svim vrstama perifernih senzora.

Faza 7 (2008. godina)( Singularnost )

Stvaranje umjetne inteligencije i samoreproduktivnih strojeva, integracija ljudi s računalima ili značajan skok u sposobnostima ljudskog mozga zahvaljujući biotehnologiji.

Prema nekim predviđanjima, tehnološka singularnost mogla bi se dogoditi oko 2030. godine. Zagovornici teorije tehnološke singularnosti smatraju da ako se pojavi fundamentalno drugačiji od ljudskog uma (postman), daljnju sudbinu civilizacije nije moguće predvidjeti na temelju ljudskog (društvenog) ponašanja.