Современное определение искусственного интеллекта



Современное определение искусственного интеллекта — это «исследование и дизайн интеллектуальных агентов», где интеллектуальный агент — это система, которая воспринимает окружающую среду и принимает меры, которые максимизируют ее шансы на успех.

Джон Маккарти, который ввел этот термин в 1956 году, определяет его как «науку и технику создания интеллектуальных машин». Были предложены другие названия для поля, такие как вычислительный интеллект, синтетический интеллект или вычислительная рациональность. Термин «искусственный интеллект» также используется для описания свойств машин или программ: интеллекта, который демонстрирует система.

Исследования ИИ используют инструменты и идеи многих областей, в том числе информатики, психологии, философии, нейробиологии, когнитивной науки, лингвистики, исследований операций, экономики, теории управления, вероятности, оптимизации и логики.

Исследования ИИ также перекрывают такие задачи, как робототехника, системы управления, планирование, добыча данных, логистика, распознавание речи, распознавание лиц и многие другие.

Вычислительная разведка. Вычислительная интеллект предполагает итеративное развитие или обучение (например, настройка параметров в системах соединений).

Обучение основано на эмпирических данных и связано с несимвольным ИИ, искусным искусственным интеллектом и мягкими вычислениями.

Субъекты вычислительного интеллекта, как определено IEEE Computational Intelligence Society, включают в основном: нейронные сети: обучаемые системы с очень сильными возможностями распознавания образов.

Нечеткие системы: методы рассуждений в условиях неопределенности широко используются в современных системах управления промышленными и потребительскими товарами; способный работать с такими понятиями, как «горячий», «холодный», «теплый» и «кипящий».

Эволюционное вычисление: применяет биологически вдохновленные концепции, такие как популяции, мутации и выживаемость наиболее подходящих для получения более эффективных решений проблемы.

С гибридными интеллектуальными системами предпринимаются попытки объединить эти две группы.

Правила вывода экспертов могут генерироваться посредством нейронной сети или правил производства из статистического обучения.

Считается, что человеческий мозг использует несколько методов для формулирования и перекрестного контроля результатов.

Таким образом, системная интеграция рассматривается как перспективная и, возможно, необходимая для истинного ИИ, особенно интеграция символических и соединительных моделей.

Система искусственного интеллекта, которая может выполнять сложные задачи, такие как чтение, понимание и обучение, десятилетиями была одной из самых больших проблем искусственного интеллекта.

Чтение, понимание и обучение уже давно являются самыми большими проблемами, которые должна преодолеть система искусственного интеллекта. Неудивительно, что когда модель искусственного интеллекта, разработанная Alibaba, в прошлом месяце превзошла людей в тестах на понимание прочитанного, несколько СМИ восприняли это событие как достижение в мире искусственного интеллекта. Разработанная компанией система на основе искусственного интеллекта позволит следить за многомиллионным поголовьем. На начальном этапе внедрения системы машинное зрение будет отслеживать свиней с помощью камер, которые будут вести учет животных, ориентируясь на клейма с ID на их спинах. В будущем Alibaba намерена усовершенствовать систему, добавив такие функции, как анализ самочувствия животных. Для этого будут использоваться, к примеру, инфракрасные датчики, которые будут контролировать двигательную активность свиней, а также система распознавания голоса, которая по визгу поросенка сможет определить, что его случайно придавила большая свинья (а это является причиной смерти 3 % поросят ежегодно!) или вовремя засечет кашель в стаде, что позволит избежать эпидемии.

Согласно 10 основным стратегическим тенденциям развития Gartner на 2018 год, эволюция интеллектуальных разработок является одной из 10 стратегических тенденций с широким отраслевым воздействием и значительным потенциалом для развития.

Во-первых, ИИ не является машинным обучением. Даже если машинное обучение может быть полезным для некоторых задач, автоматическое обучение не является реальным.

Давайте посмотрим на пример. В то время как задачи восприятия, такие как распознавание изображений, более применимы для интеллектуальной системы, основанной на компьютерном обучении, ситуация другая, если мы рассматриваем когнитивные задачи, такие как чтение и понимание. Такие познавательные задачи требуют более чем чистого подхода к компьютерному обучению, потому что существует большая двусмысленность, которую необходимо преодолеть, чтобы понять язык. Для устранения двусмысленности слова, которое может выражать различные значения в контексте, необходимы более сложные возможности.

Идея мира ИИ, где искусственно интеллектуальная система может магически выполнять любую когнитивную задачу, которую может выполнять человек, в лучшем случае является умозрительной. Путь к реальной искусственно разумной системе, основанной на основных аспектах ИИ, таких как семантический анализ текста, чтобы понять более глубокий смысл слов и предложений, длинный; человеческий интеллект останется центральным в такой системе.

Литература:

1. Искусственный интеллект и принятие решений, № 1, 2011; Ленанд — М., 2011. — 742 c.
2. Искусственный интеллект и принятие решений, № 4, 2011: моногр.; ИСА РАН — М., 2011. — 124 c.
3. Шапиро Д. Основы технологии виртуальной реальности; Машиностроение — Москва, 2013. — 268 c.
4. Андрейчиков А. В., Андрейчикова О. Н. Системный анализ и синтез стратегических решений в инноватике. Математические, эвристические и интеллектуальные методы системного анализа и синтеза инноваций. Учебное пособие; Ленанд — М., 2015. — 306 c.