1.3. Текущее состояние исследований по искусственному интеллекту

По началу казавшееся перспективным создание искусственного интеллекта, вызвавшее в кругу ученого мира ажиотаж, постепенно приобрело славу очень трудоемкого, а если и достижимого в идеале, то только в далеком будущем. В этой связи текущее состояние исследований целесообразно охарактеризовать как в общем, то есть описать внешнюю динамику отрасли, и, в частности, затронуть конкретные разделы.

Райнер Зинц в монографии [19], приводит высказывание известного ученого И.Й. Гуда, который считает, что в 2000 г. будут созданы творческие машины интеллекта, использующие физиологические принципы ассоцитативного мышления, включая категоризацию, и работающие на базе логические формализованных алгоритмов. Но сегодня ничего неизвестно о таких машинах.

Тем не менее, в изданной в России в 1999 г. книге Наступление машин Кевина Уорвика [18], профессора департамента кибернетики университета Рединга, Англия , автор пытается убедить, что рано или поздно появятся машины, интеллект которых превзойдет человеческий. Он указывает, что роботы с интеллектом кошки появятся через пять лет, а с интеллектом близким к человеческому, - через 10-15 лет.

Безусловно, что развитие ИИ связано с возможностями компьютерных технологий. Какими будут компьютеры 2017 года? На этот вопрос попытались ответить три футуролога: исследователь виртуальной реальности, один из авторов языка VRML Марк Песке (Mark Pesce), философ исследователь технологий из MIT Майкл Детрузос (Michael Detrouzos) и директор компании мозгового центра Institute for the Future Пол Саффо (Paul Saffo). Встреча была организована и проведена Лу Доббсом (Lou Dobbs) ведущим бизнес-новостей из CNN [27].

Песке предложил наиболее сюрреалистическое видение будущего. По его мнению, к тому времени все привычные устройства контакта человека и компьютера вроде мониторов, клавиатур и мышей использоваться не будут. Люди смогут подключаться к компьютерам непосредственно. При этом они будут впадать в некое трансподобное состояние, в котором будут обретать способность к прямому обмену информацией с компьютером в процессе тонких внушений и феноменов субъективного восприятия .

В свою очередь Детрузос предвидит два принципиальных момента в развитии компьютерных технологий. Первый создание информационных бульдозеров , то есть средств, способных с потрясающей эффективностью перемалывать горы информации. Второй момент способность информационных систем быстро и легко входить в электронное сродство , ассоциируясь с данными, которыми обладают миллионы людей, и взаимодействуя с тысячами из них.

Саффо в своей речи саркастически заметил, что предсказывая будущее компьютерных технологий, можно невольно стать предвестником их конца. Каждые десять лет возникает новая технология, которая радикально меняет все в этом мире. Микропроцессор стал основой царства персональных компьютеров. Недорогие лазеры позволили запоминать большие объемы данных. Оптоволоконные каналы обеспечили недорогие и доступные каналы цифровых коммуникаций. Поэтому для Саффо очевидно, что нас ждет: недорогие многофункциональные чип-сенсоры, которые станут глазами, ушами и другими органами чувств компьютеров и коммуникационных устройств. Однако сенсоры являются аналоговыми устройствами. И по мнению, Саффо, именно в развитии сенсорных устройств произойдет слияние разделенных в настоящее время технологических миров цифрового и аналогового. Вот тогда, когда компьютеры научатся воспринимать мир, данный им в ощущении, и совершится собственно революция. Что будет потом никто не знает. Единственное, что можно сказать определенно, заявил Саффо, так это то, что объем пассивной материи в окружающем нас мире будет уменьшаться . Вещи будут делать вещи. Вещи будут проявлять все больше интеллекта.

В последнее годы возникло новое направление в компьютинге молетроника. Это направление ставит целью построения создания химическим путем (и биохимическим в том числе) синтеза молекулярных структур цифровой логики. Хотя идеи создания био- или химеочипов относительно старые [14], тем не менее такой гигант как Hewllett-Packard и Университет Калифорнии в Лос-Анджелесе (UCLA) организовали совместный проект по разработке технологии построения активных логических элементов из отдельных молекул логических вентилей [28]. Компьютеры построенные на основе таких устройств будут ничтожно малы и в сотни миллиардов раз более производительны. В рамках проекта уже достигнуты определенные успехи: синтезированы винтили могущие переходить в состоянии 1 , но они пока не могут переходить в обратное состояние 0 .

Есть и другие, еще более экзотические проекты. Сотрудники лаборатории информатики (Computer Science) при Массачусетском технологическом институте пытаются привить биологическим объектам способности к обработке цифровой информации [28]. Одна из ветвей проекта такова: провести направленную модификацию бактерий E.coli с тем, чтобы они смогли выполнять функции электронных цепей и вентилей. Исследователи, назвавшие свой метод аморфным компьютингом, пытаются найти способы отображения электронных схем на биологический материал.

В настоящее время когда речь идет об идее искусственного интеллекта в среде людей, занимающихся этим вопросом или близкими к ним, она прежде всего ассоциируется с нейронными сетями (НС) и семантическими алгоритмами (СА).

К сожалению российских работ по данным разделам ИИ незначительное количество. Это и понятно. ИИ в своем реальном понимании (см. 2) был чужд советской идеологии, так как подрывал ее основу. А сегодня государство не располагает финансами для поддержки этой отрасли. Из советских работ можно выделить теоретическую работу Н.М. Соломатина [14]. В ней автор вводит понятие информационной семантической системы (ИСС).

Такая система определяется как система, функционирование которой направлено на достижение цели. Специфической их особенностью является семантическая переработка семантической информации. Указывая на неоднозначность, незрелость дефиниции, понятия семантической информации, Н.М. Соломатин дает такое определение семантической информации: выраженное знаками сведения о выделенной заданием стороне (сторонах) объекта. Причем в данном определении понятие сведения принимаются первичными и не определяются.

В последующем автор излагает теорию ИСС, в которой определяет класс семантических операций, класс семантических объектов, их функции и структуру. Также рассматривает информирование как семантический диалог, его принципы; системы с целью, их классификацию, поднимает вопрос стабильности ИСС.

Работа [14] имеет более выраженный академический, нежели прикладной характер. Тем не менее, она позволяет сконцентрировать внимание на стратегии разработки проблемы семантического формализма, что немаловажно для построения семантических алгоритмов и моделировании функций человеческой памяти на ЭВМ.

Развитие нейронных сетей, как раздела ИИ, по-видимому, находится в кризисе. Используемый здесь основной подход, базирующийся на анатомо-физиологических данных работы головного мозга, неплох для построения роботов, но не как для моделирования мышления. Тем более выяснилось наличие более сложного механизма обучения и фиксации информации в головном мозге, чем считалось ранее, на заре развития кибернетики, а это значительно затрудняет моделирование нейросетей.

В биологии имеется три пути выяснения сущности элементарных механизмов памяти [19]:

1. Устанавливают, происходят ли в мозгу или определенных ареалах мозга животных, кондиционированных на новое поведение, какие-либо биохимические изменения.

2. Определяют, нарушается ли синтез нуклеиновой кислоты и (или) белка во время или после кондиционирования, и проверяют, ухудшается ли вследствие этого процесс обучения или запоминания.

3. Путем перенесения нервной или мозговой субстанции от кондиционированных животных к необученным животным проверяют, не происходит ли в результате этого ускорение кондиционирования необученных животных.

На основании этих подходов было показана непосредственная роль ДНК и РНК[1] в модуляции состоянии структуры нейролеммы. Ее изменение влияет на характер интеграции в ней поступающих с синапсов электрических сигналов (входных), а значит и на параметры сигнала на выходе нейрона. Существует также циркуляция молекул памяти - РНК внутри нейросетей, законы распределения которой еще не установлены [19].

Не без оснований следует считать регулирующее влияние на состояние электрической активности нейролеммы со стороны астроглии, как структуры, направлено модулирующей электрический ток в нейролемме (Прим. моя гипотеза).

На входе нейрона имеется в среднем от 5 000 до 10 000 тысяч сигналов (синапсов). Это приводит к сложной зависимости в интеграции сигналов и генерации выходного сигнала. Для функции такого одного нейрона пока невозможно построить адекватного математического описания. А таких нейронов в головном мозге человека доходит до 100 миллиардов.

Исходя из этого уже сложно использовать идеи построения нейросетей просто на основе имеющейся аналогии сети нервных клеток. Тем не менее, существуют самообучающиеся нейросети, находящие практическое применение. В частности, исследователи из Крэнфилдского университета (Великобритания) разработали устройство, способное по запаху определять наличие возбудителей различных инфекционных заболеваний [25].

Аппарат названный Diag-Nose, представляет собой аналог человеческой обонятельной сенсорной системы: главной его частью является блок электронных сенсоров. Последние объединены в несколько групп, каждая из которых способна распознавать наличие в обследуемом объекте определенного химического вещества. Сигналы генерируемые сенсорами, поступают в специально обученную искусственную нейросеть, которая и делает вывод о наличии того или иного заболевания.

Интересно также сообщение о разработке имплантов позволяющих дистанционно управлять техникой.

Кевин Уорвик вживил себе в руку чип, позволяющий включать и выключать свой компьютер, не приближаясь к нему. Данный чип в виде стеклянной капсулы, о начинке которой можно только догадываться, на удаленный запрос системы может выдать уникальный 64-битный ответ, является частью обширной программы Intelligent Home System ( понимающая домашняя система ), позволяющая человеку из одной точки контролировать все происходящее внутри дома. Система базируется на технологии LON (Local Operating Network), в которой используются нейронные сети [26].

Технологии самообучающихся нейронных сетей отчасти находят свое прикладное применение в управлении производством. Йогеш Гупта (Yogesh Gupta), один из руководителей компании Computer Associates, рассказал о создании его фирмой нейронных агентов - Neugents, которые будут включены в состав новой версии системы управления предприятием Unicenter TNG [29].

Способные, как и многие другие нейронные системы, к самообучению, Neugents будут следить за состоянием системы, отслеживая отдельные процессы. Обнаружив необычное течение процесса, Neugents не только сообщит об этом, но и предскажет, в какой момент нестабильная работа процесса приведет к сбою системы. Агенты будут также оценивать вероятность возникновения сбоя. В составе Unicenter TNG будут следить за работой этой сложной программной системы. Планируется использовать подобные нейропрограммы для распознавания поддельных документов и предсказания потребления энергии для электрических компаний.

Возникновение новых подходов при разработке семантических алгоритмов не мыслимо рассматривать в отрыве от психологических исследований, поскольку первые на них основываются.

Наиболее фундаментальные данные по исследованию памяти, в имеющихся изданиях, удалось обнаружить в [15] (Автор работы И. Хофман, психолог, профессор Берлинского университета). Хофман с сотрудниками удалось близко подойти к пониманию семантических механизмов памяти и созданию в ней новой информации.

Немаловажный аспект исследований связан с созданием так называемого биомашинного интерфейса, позволяющего связать нервную систему напрямую (через проводники) с компьютером. Специалистам медикам Рою Бэйки (Roy Bakay) и Филипу Кеннеди (Philip Kennedy) из университета Эмори (США) удалось создать электрод, который непосредственно воспринимает импульсы головного мозга человека [23].

Система пока всего лишь облегчает парализованным больным контакт с внешним миром, но в перспективе может привести к появлению новых технологий.

Электрод представляет собой два небольших полых конуса из пористого стекла. На поверхность электрода нанесены выделенные из клеток нервной периферической системы вещества (Прим. мое в гистологии они называются тканевыми факторами роста), которые вызывают рост окружающих электрод клеток коры головного мозга и их проникновение внутрь конусов. Этот процесс занимает несколько недель. Электрический сигнал воспринимается находящимися внутри конусов металлическими проводниками, усиливается и передается на компьютер. Электрод вживляется в участок коры головного мозга, управляющий движениями тела, и больной учится управлять курсором, пытаясь отдавать привычные команды своему неподвижному теперь телу. Больной также может передавать сообщения о том, что он голоден (Прим. мое очевидно, электроды вживлен и в центр голода, хотя в заметке об этом не сообщается).

Исследования в области биомашинного интерфейса пополнились еще одним научным фактом. Благодаря ученым из Калифорнийского университета (Беркли, США) Ян Дан (Yang Dang), Гаррет Стэнли (Garrett Stanley) и Фэй Ли (Fei Li) удалось декодировать зрительные сигналы, поступающие в кошачий мозг, и даже сделать на их основе видеозапись [24].

В мозг кота в район таламуса[2], были вживлены 117 электродов. На основе электрической активности участков таламуса с электродами, ученые реконструировали изображение, используя как указано в статье ( Journal of Neuroscience [3]) некую линейную декодирующую технику . Им удалось получить изображения вполне узнаваемых объектов, таких, например, как человеческие лица.

В одной из своих частных реализациях ИИ был эмиссирован в концепции виртуального мира (КВМ). Виртуальный мир (ВМ) реализуется как программная среда трехмерной графики с интеллектуальным состоянием встроенных в него объектов. Используя специальное устройство шлем виртуальной реальности (ШВР), состоящее из двух миниатюрных мониторов находящихся напротив глаз пользователя, микрофона и стереодинамиков, пользователь как бы оказывается в ВМ. Перемещение в среде реализуется при помощи джойстика или виртуальных перчаток, имеющих датчики растяжения. Основной стратегией в развитии программных средств ВМ является наращивание параметров интерактивности.

В настоящее время концепция виртуального мира получила свое очередное воплощение. Американская компания DigiScents (www.digiscents.com) анонсировала технологию, которая должна существенно расширить значение термина мультимедиа , добавив к зрительным и слуховым ощущениям еще и обонятельные [25]. Специальный аппаратно-программный комплекс, разработка которого в настоящее время подходит к концу, получил название iSmell.

Аппаратная часть представляет собой некий компактный электрохимический синтезатор, подключающийся к последовательному или USB-порту. Имея картридж с расходными материалами, он генерирует несколько сотен разнообразных запахов в соответствии с указаниями управляющей программы.

Не отстают и технологии распознавания речи. IBM выпустила новую версию ViaVoice программы распознавания речи для платформы Windows [30]. Развитые возможности ViaVoice позволяют говорить слитно, без пауз, используя естественные синтаксические конструкции языка. В отличие от предыдущей версии, переключение между режимами диктовки, редактирования текста и управлением приложением не требуется.

Помимо встроенного словаря, содержащего 64 тысячи наиболее распространенных слов, предусмотрена возможность подключения дополнительных словарей и создание пользовательского модуля. Для ускорения работы ViaVoice содержит набор часто встречающихся фраз. Не забыты и дети, высокие голоса которых часто не распознаются программами речевого ввода, - разработка IBM поддерживает дополнительный диапазон 11-22 кГц.

В списке новых технологий не на последнем месте стоит технология распознавания изображения человеческого лица, для верификации личности. В будущем, вероятно, компьютер должен понимать и эмоции пользователя, для более гибкого с ним взаимодействия это одна из сторон интеллектуализации интерфейса программ. Сотрудники Питсбурского университета уже стоят на пороге коммерческой реализации такой технологии [31].

Проблема с литературой по ИИ у нас в России имеет место. В то же время результаты исследований по ИИ за рубежом в виде отчетов, докладов и прочих печатных изданий имеются, но стоят денег. Потребность в обзоре литературы по ИИ и ее явная недостаточность привела к необходимости привести список научных работ опубликованный в Internet (см. Приложение 1). Данный список принадлежит государственному университету Нью-Йорка Буффалло и посвящен в основном проблеме SNePS (The Semantic Network Processing System[4]) - система семантического сетевого процессинга. Попытка связаться с мистером Стюартом К. Шапиро, как бы куратора этой странички, не увенчалась успехом. Поэтому не удалось проанализировать содержание научных работ. В связи с этим целесообразно привести перечень тематик выбранных произвольно из списка Приложения 1.

1. Сетевая структура для семантической информационной памяти, дедукции и поиска.

2. Логика для семантических сетей.

3. Репрезентация и локализация дедукции правил в семантической сети.

4. Репрезентация чисел в семантической сети.

5. Путь основанный и узел основанный вывод в семантических сетях.

6. Числовые кванторы и их использование в рассуждении с отрицательной информацией.

7. Использование ненормативных связей и кванторов для репрезентации правил дедукции в семантической сети.

8. Вывод с рекурсивными правилами.

9. Система для представления и использования реального знания.

10. Дедуктивная семантическая сетевая программа для решения микробиологических неизвестных.

11. Система ревизии веры, основанная на релевантной логике и иерархических контекстах.

12. Подход инженерии знаний к пониманию естественного языка.

13. Использование активного соединения графов для рассуждения с рекурсивными правилами.

14. Обобщенные расширенные переходы сетевых грамматик для генерации от семантических сетей.

15. Рассуждение о множественных пространствах веры.

16. Рассуждения по умолчанию использующие монотонную логику: ограниченные предложения.

17. Вера и действие: подход к метазнаниям и метарассуждениям.

18. Квази-индексированные ссылки в пропозиционных семантических сетях.

20. Интеллектуальный синтаксический анализ.

21. Представление веры и квази-индикаторы.

22. Аналогичное и логическое представление структуры в неврологическом диагнозе.

23. Семантическая сетевая репрезентация периферической нервной системы.

24. Схема моделирования диагноза.

25. Логика и искусственный интеллект.

26. Синтаксический анализ как форма вывода в многопроцессорной среде.

27. Представление пространственной структуры и функции в диагнозе.

28. К интеллектуальной компьютерной графической системе.

29. Система диагностики ошибок, основанная на интегрированной базе знаний.

30. Компьютеризированный неврологический диагноз: парадигма моделирования и рассуждения.

31. Теоретические основы для пересмотра веры.

32. Гипотетическое рассуждение.

33. Семантические сети как абстрактные типы данных.

34. Искусственный интеллект и автоматизированный проект.

35. О представлении знания, использующем семантические сети и санскрит.

36. Ассимиляция: стратегия для осуществления самоорганизующихся баз знаний.

37. Представление знаний для обработки естественного языка.

38. Формирование большого тезауруса для информационного поиска.

39. Синтаксическая семантика: Основы вычислительного понимания естественного языка.

40. Интеллектуальная технология интерфейса мультимедиа.

41. Представление непрозрачных контекстов.

42. Виды непрозрачности и их представлений.

43. Соподчиненные и основные категории уровня в беседе: память и контекст.

44. Компьютерные процессы и виртуальные люди: Комментарии по Колу Искусственный интеллект и персональное тождество .

45. Утверждение, фикция, и искусственный интеллект.

46. Архитектура интеллектуального агента в SNеPS.

47. Опытно основанное дедуктивное изучение.

48. Эффективное выполнение ненормативных связок и кванторов в дедуктивных рассуждающих системах.

49. Логика уместности в информатике.

50. Объединенная модель действия и вывода.

51. Архитектура искусственного интеллекта, основанная на передаче сообщений.

52. Симуляция воздушного сражения: агент с сознательным и бессознательным уровнями.

53. Поведение, основанное на искусственном интеллекте, когнитивные процессы и поведения восстановления в автономных агентах.

54. Обработка естественного языка, использующая логическую семантическую сеть со структурированными переменными.

55. Планирование намерений с риторическими отношениями.

56. Синтаксическая семантика: основы вычислительного понимания естественного языка.

57. Системы поддержки принятия решений.

58. Формализация английского языка.

59. Логика для понимания естественного языка и рассуждения здравого смысла.

Важно подчеркнуть, что литература в Приложении 1 приведена в последовательности обнародования по годам с 1971 по 1999 год. Так что в какой-то мере можно проследить некоторое наращивание сложности тематики. Другой момент невозможность судить о сущности тематик только по названию, но к сожалению другой возможности не представилось.

По началу казавшееся перспективным создание искусственного интеллекта, вызвавшее в кругу ученого мира ажиотаж, постепенно приобрело славу очень трудоемкого, а если и достижимого в идеале, то только в далеком будущем. В этой связи текущее состояние исследований целесообразно охарактеризовать как в общем, то есть описать внешнюю динамику отрасли, и, в частности, затронуть конкретные разделы.

Райнер Зинц в монографии [19], приводит высказывание известного ученого И.Й. Гуда, который считает, что в 2000 г. будут созданы творческие машины интеллекта, использующие физиологические принципы ассоцитативного мышления, включая категоризацию, и работающие на базе логические формализованных алгоритмов. Но сегодня ничего неизвестно о таких машинах.

Тем не менее, в изданной в России в 1999 г. книге Наступление машин Кевина Уорвика [18], профессора департамента кибернетики университета Рединга, Англия , автор пытается убедить, что рано или поздно появятся машины, интеллект которых превзойдет человеческий. Он указывает, что роботы с интеллектом кошки появятся через пять лет, а с интеллектом близким к человеческому, - через 10-15 лет.

Безусловно, что развитие ИИ связано с возможностями компьютерных технологий. Какими будут компьютеры 2017 года? На этот вопрос попытались ответить три футуролога: исследователь виртуальной реальности, один из авторов языка VRML Марк Песке (Mark Pesce), философ исследователь технологий из MIT Майкл Детрузос (Michael Detrouzos) и директор компании мозгового центра Institute for the Future Пол Саффо (Paul Saffo). Встреча была организована и проведена Лу Доббсом (Lou Dobbs) ведущим бизнес-новостей из CNN [27].

Песке предложил наиболее сюрреалистическое видение будущего. По его мнению, к тому времени все привычные устройства контакта человека и компьютера вроде мониторов, клавиатур и мышей использоваться не будут. Люди смогут подключаться к компьютерам непосредственно. При этом они будут впадать в некое трансподобное состояние, в котором будут обретать способность к прямому обмену информацией с компьютером в процессе тонких внушений и феноменов субъективного восприятия .

В свою очередь Детрузос предвидит два принципиальных момента в развитии компьютерных технологий. Первый создание информационных бульдозеров , то есть средств, способных с потрясающей эффективностью перемалывать горы информации. Второй момент способность информационных систем быстро и легко входить в электронное сродство , ассоциируясь с данными, которыми обладают миллионы людей, и взаимодействуя с тысячами из них.

Саффо в своей речи саркастически заметил, что предсказывая будущее компьютерных технологий, можно невольно стать предвестником их конца. Каждые десять лет возникает новая технология, которая радикально меняет все в этом мире. Микропроцессор стал основой царства персональных компьютеров. Недорогие лазеры позволили запоминать большие объемы данных. Оптоволоконные каналы обеспечили недорогие и доступные каналы цифровых коммуникаций. Поэтому для Саффо очевидно, что нас ждет: недорогие многофункциональные чип-сенсоры, которые станут глазами, ушами и другими органами чувств компьютеров и коммуникационных устройств. Однако сенсоры являются аналоговыми устройствами. И по мнению, Саффо, именно в развитии сенсорных устройств произойдет слияние разделенных в настоящее время технологических миров цифрового и аналогового. Вот тогда, когда компьютеры научатся воспринимать мир, данный им в ощущении, и совершится собственно революция. Что будет потом никто не знает. Единственное, что можно сказать определенно, заявил Саффо, так это то, что объем пассивной материи в окружающем нас мире будет уменьшаться . Вещи будут делать вещи. Вещи будут проявлять все больше интеллекта.

В последнее годы возникло новое направление в компьютинге молетроника. Это направление ставит целью построения создания химическим путем (и биохимическим в том числе) синтеза молекулярных структур цифровой логики. Хотя идеи создания био- или химеочипов относительно старые [14], тем не менее такой гигант как Hewllett-Packard и Университет Калифорнии в Лос-Анджелесе (UCLA) организовали совместный проект по разработке технологии построения активных логических элементов из отдельных молекул логических вентилей [28]. Компьютеры построенные на основе таких устройств будут ничтожно малы и в сотни миллиардов раз более производительны. В рамках проекта уже достигнуты определенные успехи: синтезированы винтили могущие переходить в состоянии 1 , но они пока не могут переходить в обратное состояние 0 .

Есть и другие, еще более экзотические проекты. Сотрудники лаборатории информатики (Computer Science) при Массачусетском технологическом институте пытаются привить биологическим объектам способности к обработке цифровой информации [28]. Одна из ветвей проекта такова: провести направленную модификацию бактерий E.coli с тем, чтобы они смогли выполнять функции электронных цепей и вентилей. Исследователи, назвавшие свой метод аморфным компьютингом, пытаются найти способы отображения электронных схем на биологический материал.

В настоящее время когда речь идет об идее искусственного интеллекта в среде людей, занимающихся этим вопросом или близкими к ним, она прежде всего ассоциируется с нейронными сетями (НС) и семантическими алгоритмами (СА).

К сожалению российских работ по данным разделам ИИ незначительное количество. Это и понятно. ИИ в своем реальном понимании (см. 2) был чужд советской идеологии, так как подрывал ее основу. А сегодня государство не располагает финансами для поддержки этой отрасли. Из советских работ можно выделить теоретическую работу Н.М. Соломатина [14]. В ней автор вводит понятие информационной семантической системы (ИСС).

Такая система определяется как система, функционирование которой направлено на достижение цели. Специфической их особенностью является семантическая переработка семантической информации. Указывая на неоднозначность, незрелость дефиниции, понятия семантической информации, Н.М. Соломатин дает такое определение семантической информации: выраженное знаками сведения о выделенной заданием стороне (сторонах) объекта. Причем в данном определении понятие сведения принимаются первичными и не определяются.

В последующем автор излагает теорию ИСС, в которой определяет класс семантических операций, класс семантических объектов, их функции и структуру. Также рассматривает информирование как семантический диалог, его принципы; системы с целью, их классификацию, поднимает вопрос стабильности ИСС.

Работа [14] имеет более выраженный академический, нежели прикладной характер. Тем не менее, она позволяет сконцентрировать внимание на стратегии разработки проблемы семантического формализма, что немаловажно для построения семантических алгоритмов и моделировании функций человеческой памяти на ЭВМ.

Развитие нейронных сетей, как раздела ИИ, по-видимому, находится в кризисе. Используемый здесь основной подход, базирующийся на анатомо-физиологических данных работы головного мозга, неплох для построения роботов, но не как для моделирования мышления. Тем более выяснилось наличие более сложного механизма обучения и фиксации информации в головном мозге, чем считалось ранее, на заре развития кибернетики, а это значительно затрудняет моделирование нейросетей.

В биологии имеется три пути выяснения сущности элементарных механизмов памяти [19]:

1. Устанавливают, происходят ли в мозгу или определенных ареалах мозга животных, кондиционированных на новое поведение, какие-либо биохимические изменения.

2. Определяют, нарушается ли синтез нуклеиновой кислоты и (или) белка во время или после кондиционирования, и проверяют, ухудшается ли вследствие этого процесс обучения или запоминания.

3. Путем перенесения нервной или мозговой субстанции от кондиционированных животных к необученным животным проверяют, не происходит ли в результате этого ускорение кондиционирования необученных животных.

На основании этих подходов было показана непосредственная роль ДНК и РНК[1] в модуляции состоянии структуры нейролеммы. Ее изменение влияет на характер интеграции в ней поступающих с синапсов электрических сигналов (входных), а значит и на параметры сигнала на выходе нейрона. Существует также циркуляция молекул памяти - РНК внутри нейросетей, законы распределения которой еще не установлены [19].

Не без оснований следует считать регулирующее влияние на состояние электрической активности нейролеммы со стороны астроглии, как структуры, направлено модулирующей электрический ток в нейролемме (Прим. моя гипотеза).

На входе нейрона имеется в среднем от 5 000 до 10 000 тысяч сигналов (синапсов). Это приводит к сложной зависимости в интеграции сигналов и генерации выходного сигнала. Для функции такого одного нейрона пока невозможно построить адекватного математического описания. А таких нейронов в головном мозге человека доходит до 100 миллиардов.

Исходя из этого уже сложно использовать идеи построения нейросетей просто на основе имеющейся аналогии сети нервных клеток. Тем не менее, существуют самообучающиеся нейросети, находящие практическое применение. В частности, исследователи из Крэнфилдского университета (Великобритания) разработали устройство, способное по запаху определять наличие возбудителей различных инфекционных заболеваний [25].

Аппарат названный Diag-Nose, представляет собой аналог человеческой обонятельной сенсорной системы: главной его частью является блок электронных сенсоров. Последние объединены в несколько групп, каждая из которых способна распознавать наличие в обследуемом объекте определенного химического вещества. Сигналы генерируемые сенсорами, поступают в специально обученную искусственную нейросеть, которая и делает вывод о наличии того или иного заболевания.

Интересно также сообщение о разработке имплантов позволяющих дистанционно управлять техникой.

Кевин Уорвик вживил себе в руку чип, позволяющий включать и выключать свой компьютер, не приближаясь к нему. Данный чип в виде стеклянной капсулы, о начинке которой можно только догадываться, на удаленный запрос системы может выдать уникальный 64-битный ответ, является частью обширной программы Intelligent Home System ( понимающая домашняя система ), позволяющая человеку из одной точки контролировать все происходящее внутри дома. Система базируется на технологии LON (Local Operating Network), в которой используются нейронные сети [26].

Технологии самообучающихся нейронных сетей отчасти находят свое прикладное применение в управлении производством. Йогеш Гупта (Yogesh Gupta), один из руководителей компании Computer Associates, рассказал о создании его фирмой нейронных агентов - Neugents, которые будут включены в состав новой версии системы управления предприятием Unicenter TNG [29].

Способные, как и многие другие нейронные системы, к самообучению, Neugents будут следить за состоянием системы, отслеживая отдельные процессы. Обнаружив необычное течение процесса, Neugents не только сообщит об этом, но и предскажет, в какой момент нестабильная работа процесса приведет к сбою системы. Агенты будут также оценивать вероятность возникновения сбоя. В составе Unicenter TNG будут следить за работой этой сложной программной системы. Планируется использовать подобные нейропрограммы для распознавания поддельных документов и предсказания потребления энергии для электрических компаний.

Возникновение новых подходов при разработке семантических алгоритмов не мыслимо рассматривать в отрыве от психологических исследований, поскольку первые на них основываются.

Наиболее фундаментальные данные по исследованию памяти, в имеющихся изданиях, удалось обнаружить в [15] (Автор работы И. Хофман, психолог, профессор Берлинского университета). Хофман с сотрудниками удалось близко подойти к пониманию семантических механизмов памяти и созданию в ней новой информации.

Немаловажный аспект исследований связан с созданием так называемого биомашинного интерфейса, позволяющего связать нервную систему напрямую (через проводники) с компьютером. Специалистам медикам Рою Бэйки (Roy Bakay) и Филипу Кеннеди (Philip Kennedy) из университета Эмори (США) удалось создать электрод, который непосредственно воспринимает импульсы головного мозга человека [23].

Система пока всего лишь облегчает парализованным больным контакт с внешним миром, но в перспективе может привести к появлению новых технологий.

Электрод представляет собой два небольших полых конуса из пористого стекла. На поверхность электрода нанесены выделенные из клеток нервной периферической системы вещества (Прим. мое в гистологии они называются тканевыми факторами роста), которые вызывают рост окружающих электрод клеток коры головного мозга и их проникновение внутрь конусов. Этот процесс занимает несколько недель. Электрический сигнал воспринимается находящимися внутри конусов металлическими проводниками, усиливается и передается на компьютер. Электрод вживляется в участок коры головного мозга, управляющий движениями тела, и больной учится управлять курсором, пытаясь отдавать привычные команды своему неподвижному теперь телу. Больной также может передавать сообщения о том, что он голоден (Прим. мое очевидно, электроды вживлен и в центр голода, хотя в заметке об этом не сообщается).

Исследования в области биомашинного интерфейса пополнились еще одним научным фактом. Благодаря ученым из Калифорнийского университета (Беркли, США) Ян Дан (Yang Dang), Гаррет Стэнли (Garrett Stanley) и Фэй Ли (Fei Li) удалось декодировать зрительные сигналы, поступающие в кошачий мозг, и даже сделать на их основе видеозапись [24].

В мозг кота в район таламуса[2], были вживлены 117 электродов. На основе электрической активности участков таламуса с электродами, ученые реконструировали изображение, используя как указано в статье ( Journal of Neuroscience [3]) некую линейную декодирующую технику . Им удалось получить изображения вполне узнаваемых объектов, таких, например, как человеческие лица.

В одной из своих частных реализациях ИИ был эмиссирован в концепции виртуального мира (КВМ). Виртуальный мир (ВМ) реализуется как программная среда трехмерной графики с интеллектуальным состоянием встроенных в него объектов. Используя специальное устройство шлем виртуальной реальности (ШВР), состоящее из двух миниатюрных мониторов находящихся напротив глаз пользователя, микрофона и стереодинамиков, пользователь как бы оказывается в ВМ. Перемещение в среде реализуется при помощи джойстика или виртуальных перчаток, имеющих датчики растяжения. Основной стратегией в развитии программных средств ВМ является наращивание параметров интерактивности.

В настоящее время концепция виртуального мира получила свое очередное воплощение. Американская компания DigiScents (www.digiscents.com) анонсировала технологию, которая должна существенно расширить значение термина мультимедиа , добавив к зрительным и слуховым ощущениям еще и обонятельные [25]. Специальный аппаратно-программный комплекс, разработка которого в настоящее время подходит к концу, получил название iSmell.

Аппаратная часть представляет собой некий компактный электрохимический синтезатор, подключающийся к последовательному или USB-порту. Имея картридж с расходными материалами, он генерирует несколько сотен разнообразных запахов в соответствии с указаниями управляющей программы.

Не отстают и технологии распознавания речи. IBM выпустила новую версию ViaVoice программы распознавания речи для платформы Windows [30]. Развитые возможности ViaVoice позволяют говорить слитно, без пауз, используя естественные синтаксические конструкции языка. В отличие от предыдущей версии, переключение между режимами диктовки, редактирования текста и управлением приложением не требуется.

Помимо встроенного словаря, содержащего 64 тысячи наиболее распространенных слов, предусмотрена возможность подключения дополнительных словарей и создание пользовательского модуля. Для ускорения работы ViaVoice содержит набор часто встречающихся фраз. Не забыты и дети, высокие голоса которых часто не распознаются программами речевого ввода, - разработка IBM поддерживает дополнительный диапазон 11-22 кГц.

В списке новых технологий не на последнем месте стоит технология распознавания изображения человеческого лица, для верификации личности. В будущем, вероятно, компьютер должен понимать и эмоции пользователя, для более гибкого с ним взаимодействия это одна из сторон интеллектуализации интерфейса программ. Сотрудники Питсбурского университета уже стоят на пороге коммерческой реализации такой технологии [31].

Проблема с литературой по ИИ у нас в России имеет место. В то же время результаты исследований по ИИ за рубежом в виде отчетов, докладов и прочих печатных изданий имеются, но стоят денег. Потребность в обзоре литературы по ИИ и ее явная недостаточность привела к необходимости привести список научных работ опубликованный в Internet (см. Приложение 1). Данный список принадлежит государственному университету Нью-Йорка Буффалло и посвящен в основном проблеме SNePS (The Semantic Network Processing System[4]) - система семантического сетевого процессинга. Попытка связаться с мистером Стюартом К. Шапиро, как бы куратора этой странички, не увенчалась успехом. Поэтому не удалось проанализировать содержание научных работ. В связи с этим целесообразно привести перечень тематик выбранных произвольно из списка Приложения 1.

1. Сетевая структура для семантической информационной памяти, дедукции и поиска.

2. Логика для семантических сетей.

3. Репрезентация и локализация дедукции правил в семантической сети.

4. Репрезентация чисел в семантической сети.

5. Путь основанный и узел основанный вывод в семантических сетях.

6. Числовые кванторы и их использование в рассуждении с отрицательной информацией.

7. Использование ненормативных связей и кванторов для репрезентации правил дедукции в семантической сети.

8. Вывод с рекурсивными правилами.

9. Система для представления и использования реального знания.

10. Дедуктивная семантическая сетевая программа для решения микробиологических неизвестных.

11. Система ревизии веры, основанная на релевантной логике и иерархических контекстах.

12. Подход инженерии знаний к пониманию естественного языка.

13. Использование активного соединения графов для рассуждения с рекурсивными правилами.

14. Обобщенные расширенные переходы сетевых грамматик для генерации от семантических сетей.

15. Рассуждение о множественных пространствах веры.

16. Рассуждения по умолчанию использующие монотонную логику: ограниченные предложения.

17. Вера и действие: подход к метазнаниям и метарассуждениям.

18. Квази-индексированные ссылки в пропозиционных семантических сетях.

20. Интеллектуальный синтаксический анализ.

21. Представление веры и квази-индикаторы.

22. Аналогичное и логическое представление структуры в неврологическом диагнозе.

23. Семантическая сетевая репрезентация периферической нервной системы.

24. Схема моделирования диагноза.

25. Логика и искусственный интеллект.

26. Синтаксический анализ как форма вывода в многопроцессорной среде.

27. Представление пространственной структуры и функции в диагнозе.

28. К интеллектуальной компьютерной графической системе.

29. Система диагностики ошибок, основанная на интегрированной базе знаний.

30. Компьютеризированный неврологический диагноз: парадигма моделирования и рассуждения.

31. Теоретические основы для пересмотра веры.

32. Гипотетическое рассуждение.

33. Семантические сети как абстрактные типы данных.

34. Искусственный интеллект и автоматизированный проект.

35. О представлении знания, использующем семантические сети и санскрит.

36. Ассимиляция: стратегия для осуществления самоорганизующихся баз знаний.

37. Представление знаний для обработки естественного языка.

38. Формирование большого тезауруса для информационного поиска.

39. Синтаксическая семантика: Основы вычислительного понимания естественного языка.

40. Интеллектуальная технология интерфейса мультимедиа.

41. Представление непрозрачных контекстов.

42. Виды непрозрачности и их представлений.

43. Соподчиненные и основные категории уровня в беседе: память и контекст.

44. Компьютерные процессы и виртуальные люди: Комментарии по Колу Искусственный интеллект и персональное тождество .

45. Утверждение, фикция, и искусственный интеллект.

46. Архитектура интеллектуального агента в SNеPS.

47. Опытно основанное дедуктивное изучение.

48. Эффективное выполнение ненормативных связок и кванторов в дедуктивных рассуждающих системах.

49. Логика уместности в информатике.

50. Объединенная модель действия и вывода.

51. Архитектура искусственного интеллекта, основанная на передаче сообщений.

52. Симуляция воздушного сражения: агент с сознательным и бессознательным уровнями.

53. Поведение, основанное на искусственном интеллекте, когнитивные процессы и поведения восстановления в автономных агентах.

54. Обработка естественного языка, использующая логическую семантическую сеть со структурированными переменными.

55. Планирование намерений с риторическими отношениями.

56. Синтаксическая семантика: основы вычислительного понимания естественного языка.

57. Системы поддержки принятия решений.

58. Формализация английского языка.

59. Логика для понимания естественного языка и рассуждения здравого смысла.

Важно подчеркнуть, что литература в Приложении 1 приведена в последовательности обнародования по годам с 1971 по 1999 год. Так что в какой-то мере можно проследить некоторое наращивание сложности тематики. Другой момент невозможность судить о сущности тематик только по названию, но к сожалению другой возможности не представилось.