Искусственный интеллект. Когда он работает лучше, чем естественный?

07.04.2007, 13:21


До недавнего времени способностью к мышлению и рациональному познанию, или, иначе говоря, интеллектом, обладали только представители человеческого рода. В 20 веке человечество добровольно лишило себя права исключительного обладания этим даром природы, изобретя "искусственный интеллект" - кибернетические системы, способные к аналитическому и логическому мышлению.
"Искусственным интеллектом" условно называют кибернетические системы, способные моделировать некоторые стороны интеллектуальной деятельности человека, например, логическое и аналитическое мышление. Из точки А в точку Б Искусственный интеллект по природе своей не хаотичен. В отличие от "натурального" собрата, его работа всегда подчинена определенной цели. 'акционируя, искусственный интеллект определяет те свои действия, ко-торые ему предстоит совершить на пути от некой фиксированной начальной си-туации к вершине (цели). Результатом его работы становится план, представляющий собой частич-но упорядоченную совокупность действий и напоминающий четкий сценарий. Схема-тически отношения между вершинами, встающими на пути искусственного интеллекта, можно представить как последовательность: "цель-под-цель", "цель-действие", "дей-ие-результат" и т.д. План действий определяет характер любого пути, который ведет от начальной точки (соответствующей текущей ситуации) в любую из целевых вершин.
Здесь надо сказать, что план действий необходим искусственному интеллекту и возникает в нем только в тех случаях, когда он сталкивается с нестандартной ситуацией. В типичных (стандартных) ситуациях искусствен-ный интеллект выполняет заранее заданную последовательность действий, всегда приводящих его к нужной цели. Существует два вида задач построения плана действий, которым соответствуют различные модели:

Планирование в пространстве состояний (SS-проблема). В этом случае имеется некоторое заданное пространство ситуаций (которые образуют некоторые обобщенные состояния), одно начальное и несколько целевых состояний. SS-проблема представляет собой поиск пути, который ведет из начальной точки в одну из конечных вершин. Более наглядно это можно проследить на примере игры в шахматы. В качестве начальной можно рассматривать определенную позицию на доске, зафиксированную в данный момент игры. При этом в роли целевых состояний выступают многочисленные варианты ничейных позиций шахматных фигур, а обобщенными состояниями становятся позиции, складывающиеся на шахматной доске. Состояния, актуализированные в какой-либо момент времени, изменяются под воздействием искусственного интеллекта или изменений во внешней среде.
Справедливости ради надо отметить, что в случае с шахматами поиск плана действий для ИС затрудняет одно существенное обстоятельство, а именно — невозможность прямого перечисления целевых позиций. Язык описания ничейных позиций отличен от языка описания состояний, характеризуемых расположением фигур на шахматной доске.

Планирование в пространстве задач (PR-проблема). При этой модели пространство задач отражает разделение главных целей на подцели, а PR-проблема состоит в поиске декомпозиции исходной задачи на такие подзадачи, решение которых системе известно. Например, искусственный интеллект неизвестно, как вычислить tg x, но знает, как производится математическая операция деления и как вычисляются значения sin x и cos x для любого аргумента. Тогда решением PR-проблемы становится представление основной цели (вычисление tg x) в виде декомпозиции: tgx = a =sinx/cosx

Решение проблем Для решения SS- и PR-проблем, используются три группы методов:

Планирование по состояниям.

Планирование по задачам.

Планирование с помощью логического вывода.
Для того, чтобы представлять задачи в пространстве состояний, искусственный интеллект должен обладать рядом описаний (состояний, множества операторов и их воздействий на переходы между состояниями, целевых состояний). В качестве описания состояний могут использоваться строки символов, векторы, списки, древовидные структуры и т.д.). Поиск пути (плана действий) искусственный интеллект может осуществлять как "вслепую", так и "направленно". Слепой поиск может происходить в двух направлениях: вглубь и вширь. При поиске вглубь каждая возможная альтернатива исследуется до самого конца, при этом остальные альтернативы не учитываются. Чем плох данный метод? Если древовидная структура достаточно высока, искусственный интеллект может пропустить нужную ветвь и потратить много времени и усилий на исследование "пустой" альтернативы. Подобные ошибки могут подстерегать искусственный интеллект и при поиске "вширь". Этот метод заключается в том, что сначала исследуются все альтернативы, расположенные на определенном фиксированном уровне и лишь затем осуществляется переход на следующий уровень. Соответственно, если все пути, ведущие к цели, расположены на одном и том же уровне, искусственному интеллекту опять же потребуется слишком много времени на его обследование. Таким образом, слепые методы поиска оказываются неэффективными и "проигрывают" по действенности любому из направленных методов, например, методу "ветвей и границ".
Последовательность действий искусственного интеллекта при поиске пути, в соответствии сданным методом, такова. Сначала он выбирает самый короткий путь из неоконченных путей, формирующихся в процессе поиска. Этот путь продлевается на один шаг. Затем все полученные неоконченные пути сравниваются со "старыми". Самый кратчайший из найденных путей вновь продлевается на один шаг. Так происходит до тех пор, пока не будет достигнута целевая вершина, после чего данное решение запоминается.
Далее искусственный интеллект анализирует оставшиеся неоконченные пути, исключая из них все те, которые длиннее незаконченного пути или равны ему. Оставшиеся продеваются по такому же алгоритму, как и прежде, — до того момента, пока их длина не оказывается меньше законченного пути.
В результате, все неоконченные пути либо исключаются, либо среди них формируется законченный путь — более короткий, чем ранее полученный. Самый последний (короткий) путь становится эталонным.
Все алгоритмы поиска пути различаются в зависимости от направления поиска.

Прямой поиск начинается от исходного состояния. Применяется в тех случаях, когда целевое состояние задано неявно.

Обратный поиск противоположен прямому поиску (идет от целевого состояния к исходному) и используется тогда, когда исходное состояние задано неявно,а целевое явно.

Двунаправленный поиск требует решения сразу двух проблем: смены направления поиска и оптимизации "точки встречи". Для решения первой проблемы искусственным интеллектом сравнивается "ширина" поиска в обоих направлениях и выбирается то из них, которое "сужает" поиск. Вторая проблема связана с тем, что прямой и обратный пути поиска могут разойтись. Вероятность этого тем больше, чем уже поиск.
Метод планирования по задачам состоит в том, что искусственный интеллект последовательно разбивает исходную задачу (редуцирует ее) на все более простые подзадачи. Так происходит до тех пор, пока не образуются только элементарные задачи, решения которых являются либо заключительными, либо тупиковыми (неразрешимыми).
Преимуществом данного метода является то, что зачастую решение задач строится в виде иерархической структуры, но при этом не требуется, чтобы исходная задача и подзадачи обязательно решались одинаковыми методами. Расчленение задачи на альтернативные множества полезно для представления ее глобальных аспектов, в то время как для решения более специфичных задач предпочтителен метод планирования по состояниям.
И, наконец, метод планирования с помощью логического вывода предполагает, что:

для описания состояний применяются правильно построенные формулы (ППФ) некоторого логического исчисления,

описание операторов производится также в виде ППФ (что позволяет создавать дедуктивные методы планирования) либо в виде правил перевода одних ППФ в другие.
Принцип работы одной из систем (QA3), действующей в соответствии с данным методом, заключается в том, что путем логического вывода она отвечает на вопрос: возможно ли достижение состояния В из состояния А? В качестве метода автоматического вывода системой используется принцип резолюций, а для направления логического вывода — различные стратегии, в основном синтаксического характера. Существенным недостатком работы такой системы является то, что вывод в ней делается медленно и получается детальным, а это несвойственно рассуждениям человека.
В целом, большинству систем планирования, известных в настоящее время, свойственен один общий недостаток — их жесткая привязка к схеме планирования. Если человек в своей деятельности комбинирует шаги планирования из решения SS- и PR-проблем, то искусственный интеллект всегда ищет решения либо SS-проблемы, либо PR-проблемы в отдельности.

Вижу цель В основе рассуждений искусственного интеллекта по планированию своих действий лежат структурированные знания и направленный эвристический поиск. Структурирование знаний в базе данных, в частности, происходит посредством обобщения описания задач. Первоначально он выделяет среди задач элементарные. Оставшиеся задачи автоматически относятся к разряду сложных, и их решение представляется в виде частично упорядоченной совокупности элементарных задач. Т.е. решения, которые относятся к различным сложным задачам, но в каком-то смысле оказываются схожими, — обобщаются. В результате, в арсенале искусственного интеллекта возникают обобщенные описания задач определенного типа.
На основе решений элементарных задач искусственный интеллект выстраивает решения сложных исходных задач. Однако применение такого подхода к решению проблем возможно не всегда. Поэтому он использует типовые задачи, осуществляя с их помощью переход от исходных задач к элементарным. Сначала определяется смысловая структура исходных данных для заданной исходной задачи, то есть, фактически, ставится стратегическая задача и формируется гипотеза ее решения. Затем каждая типовая задача гипотезы декомпозируется, что приводит к постановке и решению тактических задач. То, что в базе знаний искусственного интеллекта, наряду с элементарными задачами, присутствуют и типовые задачи, говорит о существовании иерархической структуры процедур поиска. При этом типовые задачи можно отнести к стратегическому уровню поиска, а элементарные, — к тактическому уровню.
Смысловые структуры недоступны непосредственному чувственному восприятию, поэтому они выявляются в результате осмысления требуемых результатов или исходных данных тактических задач. По наличию знакомых смысловых структур искусственный интеллект оценивает каждую тактическую ситуацию. Это происходит на стратегическом уровне. На тактическом уровне решаются тактические задачи, спроецированные со стратегического уровня путем декомпазиции типовых задач.
Совершенствование теории планирования связанно с построением "очеловеченных" моделей целенаправленности деятельности искусственного интеллекта, т.е. моделей, которые учитывают особенности человеческих рассуждений.
Предположим, что существует модель некоего предметного мира, в котором из сходной ситуации необходимо достичь определенной цели. Действие искусственного интеллекта, в данном случае, будет состоять в том, чтобы построить из заданных модулей план действий по ее достижению. При этом ему необходимо "знать" свойства предметов, населяющих этот мир, и характер отношений между ними (которые имели, имеют или будут иметь место в момент его действия).
Перед человеческим разумом в тех же самых условиях, как правило, возникают две проблемы. Вопервых, он может плохо видеть конкретную цель из-за ее удаленности во времени. В этой связи его устраивает достижение не конкретной, а любой ситуации из класса конечных целей, удовлетворяющей определенным требованиям. Если же он четко представляет себе конечную цель, то поиск плана действий затрудняет большая протяженность пространства поиска. Таким образом, для функционирования искусственного интеллекта требуется построение более общих моделей миров.
Обобщение модели мира, в котором функционирует искусственный интеллект, предусматривает упрощение свойств предметов и исполнительных модулей, когда их отдельные состояния становятся неразличимыми. Однако подобное упрощение, вызываемое "грубостью" органов чувств искусственного интеллекта, еще не позволяет значительно уменьшить размер пространства поиска решений. В этой связи необходима вторая ступень обобщения модели мира — на уровне понятий, которыми он располагает. При рассмотрении и осмысливании сложившихся или целевых ситуаций искусственный интеллект использует эти понятия в качестве программ-тестов. В результате, происходит представление указанных ситуаций в виде укрупненных предметов, свойства которых и отношения между которыми протестированы и идентифицированы на уровне понятий. В конечном итоге, целостное описание пространства поиска решений в "обобщенном" мире искусственный интеллект, представляет собой описание этих решений в виде типовых задач.