1Введение
Понятиеискусственный интеллект, как впрочем и просто интеллект, весьма расплывчаты. Если обобщить все сказанное запоследние тридцать лет, то оказывается, что человек просто хочетсоздать себе подобного в той или иной форме, хочет, чтобы какие-то действия выполнялись болеерационально, с меньшими затратами времени и энергии. С конца 40-х годов ученые все большего числауниверситетских и промышленных исследовательских лабораторий устремились к дерзкой цели: построение компьютеров, действующих таким образом, чтопо результатам работы их невозможно было бы отличить от человеческого разума. В последнее времянаблюдается возрастание интереса к искусственному интеллекту, вызванноеповышением требований к информационным системам. Умнеет программное обеспечение, умнеет бытовая техника. Мы неуклонно движемся к новой информационнойреволюции, сравнимой по масштабам сразвитием Интернета, имя которой – искусственный интеллект.
Искусственный интеллект является сейчас «горячей точкой» научных исследований. В этой точке, как в фокусе, сконцентрированы наибольшие усилия кибернетиков, лингвистов, психологов, философов, математиков и инженеров.Именно здесь решаются многие коренные вопросы, связанные с путями развития научной мысли, с воздействием достижений в области вычислительной техники и робототехники на жизнь будущих поколений людей. Здесь возникают и получают права гражданства новые методы научных междисциплинарныхисследований. Здесь формируется новый взгляд на роль тех или иных научныхрезультатов и возникает то, что можно было бы назвать философским осмыслением этих результатов. Терпеливопродвигаясь вперед в своем нелегком труде, исследователи, работающие в области искусственного интеллекта (ИИ), обнаружили, что вступили всхватку с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики. Оказалось, что прежде всего необходимо понять механизмы процесса обучения, природу языка и чувственного восприятия. Выяснилось, что для создания машин, имитирующих работу человеческого мозга, требуетсяразобраться в том, как действуют миллиарды его взаимосвязанных нейронов. И тогда многие исследователипришли к выводу, что, пожалуй, самаятрудная проблема, стоящая перед современной наукой – познание процессов функционирования человеческого разума, а не просто имитация его работы. Что непосредственно затрагивало фундаментальные теоретическиепроблемы психологической науки. В самом деле, ученым трудно даже прийти к единой точке зрения относительно самого предмета их исследований – интеллекта. Некоторыесчитают, что интеллект – умение решать сложные задачи; другие рассматривают его как способность к обучению, обобщению и аналогиям; третьи – как возможность взаимодействия с внешним миром путем общения, восприятия и осознания воспринятого. Тем не менее многие исследователи ИИ склонны принять тест машинного интеллекта, предложенный в начале 50-х годов выдающимся английским математиком и специалистом по вычислительной технике Аланом Тьюрингом. «Компьютер можно считатьразумным, – утверждал Тьюринг, – если он способен заставить нас поверить, что мыимеем дело не с машиной, а с человеком».
2Моделирование искусственного интеллекта
В настоящее время различают два основных подхода к моделированию искусственного интеллекта: машинный интеллект, заключающийся в строгом задании результата функционирования, и искусственныйразум, направленный на моделирование внутренней структуры системы. Разделение работ по искусственному интеллекту на два направления связано ссуществованием двух точек зрения на вопрос, каким образом строить системы искусственногоинтеллекта. Сторонники одной точки зрения убеждены, что «важнее всего результат», т.е. хорошее совпадение поведения искусственно созданных иестественных интеллектуальных систем, а что касается внутреннихмеханизмов формирования поведения, то разработчик искусственного интеллекта вовсе не должен копировать или даже учитывать особенности естественных, живых аналогов. Другая точка зрения состоит в том, что именно изучение механизмов естественного мышления и анализ данных о способах формирования разумного поведения человека могут создать основу дляпостроения систем искусственного интеллекта, причем построение это должно осуществляться прежде всего как моделирование, воспроизведение техническими средствами принципов и конкретных особенностей
функционирования биологических объектов.
Первое направление, таким образом, рассматривает продукт интеллектуальной деятельности человека,изучает его структуру, и стремится воспроизвести этот продукт средствами современной техники. Моделирование систем машинного интеллекта достигается за счет использования законов формальной логики, теории множеств,графов, семантических сетей и других достижений науки вобласти дискретных вычислений. Основные результаты заключаютсяв создании экспертных систем, систем разбора естественного
языка и простейших систем управления вида «стимул-реакция». Ясно, что успехи этого направления искусственного интеллекта оказываются тесно связанны с развитием возможностей ЭВМ и искусствапрограммирования, то есть с темкомплексом научно-технических исследований, которые часто называют
компьютерными науками.
Второе направление искусственного интеллекта рассматривает данные о нейрофизиологических и психологических механизмах интеллектуальной деятельности и, в болеешироком плане, разумного поведения человека. Оно стремитьсявоспроизвести эти механизмы с помощью тех или иных технических устройств, с тем чтобы «поведение» таких устройств хорошо совпадало с поведением человека в определенных,заранее задаваемых пределах. Развитие этого направления тесно связано с успехами наук о человеке. Для него характерно стремлениек воспроизведению более широкого, чем в машинном интеллекте, спектра проявлений разумной деятельности человека. Системы искусственного разума базируются на математической интерпретации деятельностинервной системы во главе с мозгом человека и реализуются в виде нейроподобныхсетей на базе нейроподобного элемента – аналога нейрона.
3 Применениетехнических средств ИИ в измерениях.
Техническиесредства искусственного интеллекта широко применяются в измерительной техникеи, конкретно, в измерениях.
Так как нейроподобные сети в последнее время являются одним из самых перспективных направлений в области искусственного интеллекта и постепенно входят в бытность людей в широком спектре деятельности, тобудем рассматривать их в качестве примера.
Что же такое нейроподобная сеть? Это искусственный аналог биологической сети, по своим параметрам максимально приближающийся к оригиналу. Нейроподобныесети прошли длинный путь становления и развития, от полного отрицаниявозможности их применения до воплощения во многие сферы деятельности человека, в том числе и измерения.
Современные цифровые вычислительные машины способны с высоким быстродействием и точностью решать формализованные задачи с вполне определенными данными по заранее известным алгоритмам. Однако в техслучаях, когда задача не поддается формализации, а входные данные неполны, зашумлены или противоречивы, применение традиционныхкомпьютеров становится неэффективным.Альтернативой им становятся специализированные компьютеры, реализующие нетрадиционные нейросетевые технологии. Сильной стороной этих комплексов является нестандартный характер обработки информации. Она кодируется изапоминается не в отдельных ячейках памяти, а в распределении связей междунейронами и в их силе, поэтому состояние каждого отдельного нейронаопределяется состоянием многих других нейронов, связанных с ним.Следовательно, потеря одной или нескольких связей не оказывает существенноговлияния на результат работы системы в целом, что обеспечивает ее высокую надежность.
Высокая «естественная» помехоустойчивость и функциональная надежность касаются как искаженных(зашумленных) потоков информации, так и в смысле отказов отдельных процессорных элементов. Этим обеспечиваются высокая оперативность и достоверностьобработки информации, а простая дообучаемость и переобучаемостьНПС позволяют при изменении внешних факторов своевременно осуществлять переход на новые виды решаемых задач.
Нейроподобные сети в области измерений могутрешать следующие задачи:
— обработка высокоскоростных цифровых потоков;
— автоматизированная система быстрого поиска информации;
— классификация информации в реальном масштабе времени;
-планирование применения сил и средств в больших масштабах;
— решение трудоемких задач оптимизации;
— адаптивное управление и предсказание.
— обработка и анализ изображений;
— распознавание речи независимо от диктора, перевод;
Например, существует база измерительныхприборов, состоящая из набора вольтметров, амперметров, ваттметров,феррометров. Каждый прибор имеет свой класс точности, диапазон измерений. Можносформулировать запрос для поиска нужного в данный момент прибора по классуточности либо диапазону измерений. Также можно задать вопрос – возможно ликаким-то прибором измерить какую-то величину. То есть система с элементами искусственного интеллекта будет искать в базенужный прибор.
Одно из важнейших свойств нейроподобной сети — способность к самоорганизации, самоадаптации с цельюулучшения качества функционирования. Это достигается обучением сети, алгоритм которого задается набором обучающих правил. Обучающиеправила определяют, каким образом изменяются связи в ответна входное воздействие. Многие из них являются развитием высказанной Д. О. Хеббом идеи о том,что обучение основано на увеличении силы связи (синаптического веса) между одновременно активными нейронами. Таким образом, часто используемые в сети связи усиливаются, что объясняет феномен обученияпутем повторения и привыкания.
4Пример применения искусственного интеллекта в измерениях.
В качестве примера приведемпрограмму на PROLOG. Впрограмме для простоты были использованы 3 прибора: вольтметр, амперметр,фазометр. Каждый прибор имеет разный класс точности и диапазон измерений. Наоснове этих данных были составлены различные запросы, на которые программавыводит ответ. Ответ состоит из пояснения и названия прибора.
К-класс точности прибора, D1 — начальное значение диапазона, D2 — конечное значение диапазона, E - единица измерения.
DOMAINS
K-integer
D1-integer
D2-integer
E-char
PREDICATES
Poisk(E).
Run.
Izmer(string,E,D1,D2,K).
CLAUSES
Izmer(voltmetr1,’v’,0,100,0.1).
Izmer(voltmetr2,’v’,0,10,1).
Izmer(voltmetr3,’v’,0,50,0.5).
Izmer(voltmetr4,’v’,0,1000,0.2).
Izmer(ampermetr1,’a’,0,10,0.2).
Izmer(ampermetr2,’a’,0,5,1).
Izmer(ampermetr3,’a’,0,20,0.5).
Izmer(ampermetr4,’a’,0,3,0.1).
Izmer(fazometr1,’f’,0,180,0.5).
Izmer(fazometr2,’f’,0,90,0.1).
Izmer(fazometr3,’f’,-180,180,0.5).
Izmer(fazometr4,’f’,0,180,1).
Run:-write(“0-выход ”),nl,
Write(“1-Каким вольтметром можно измерить напряжение 110вольт?”),nl,
Write(“2-Какие вольтметры имеют класс точности больше 0,3?”),nl,
Write(“3-Вывод амперметров, которые имеют диапазон измеренийот 0 до 3 А”),nl,
Write(“4-Выводамперметров, которыми можно измерить 2 ампера”),nl,
Write(“5-Вывести на экранвсе фазометры, которые измеряют от 0 до 180”),nl,
Write(“Введите запрос: ”),readint(X),
Poisk(X),run.
Poisk(0):-exit.
Poisk(1):-Izmer(A,B,C,D,E),
B=v,C=0,D>=110,E>0,
Write(“Напряжение 110 вольт может измерить-“,A),nl,fail.
Poisk(1).
Poisk(2):- Izmer(A,B,C,D,E),
B=v,C=0,D>1,E>0.3,
Write(“Класс точности более 0,3 имеют следующие вольтметры:”,A),nl,fail.
Poisk(2).
Poisk(3):- Izmer(A,B,C,D,E),
B=a,C>=0,DE>0,
Write(“Амперметры имеющие диапазон от 0 до 3А:”,A),nl,fail.
Poisk(3)
Poisk(4):- Izmer(A,B,C,D,E),
B=a,C>=0,D>=3,E>0,
Write(“2 ампера можно измерить амперметрами-“,A),nl,fail.
Poisk(4).
Poisk(5):- Izmer(A,B,C,D,E),
B=f,C>=0,DE>0,
Write(“Фазометры измеряющие от 0 до 180-”,A),nl,fail.
Poisk(5).
Poisk(_):-write(“Не правильный запрос”),nl,fail.
GOAL
Run.
5Список использованной литературы.
1. Шихов Е. Варианты реализации искусственного интеллекта – ресурс Интернета,neural.narod.ru/, 2002
2. Квасный Р. Искусственный интеллект – ресурс Интернета, neural.narod.ru/, 2001.
3. Труды третьего международного симпозиума «Интеллектуальныесистемы» – Псков: 1998