Human companion

 

Автоматизация формальной логики

Автоматизация математического вычисления

Распознавание образов

• обработка информации (получение, сжатие, хранение, восстановление, предоставление)

Ориентирование в пространстве

Движение

Автоматизированное управление

• user interface (распознавание речи и parse text, генерация речи и текста)

Экспертные системы

human companion

2 основных подхода:

1) Аналитический (computationalism): разум функционирует, выполняя чисто формальные операции над символами, как машина Тьюринга. (Было популярно в 50-80х гг.)

И тогда основа моделирования – психология, и логика.

Это высшие формы мышления – логика, символические операции; левое полушарие.

 

2) Интуитивистсткий (connectionism): феномены мышления – это метапроцессы, возникающие из взаимодействия сети относительно независимых связанных простейших агентов. (почти все ИИ ныне)

И тогда основа моделирования – нейрология.

Это низшие формы мышления – телесное мышление, интеллект роя, «золотые руки»; правое полушарие.

Подходы к AI:

1) Логическое моделирование: попробовать найти суть абстрактного мышления и решения задач.

Продукционные системы. Например: A>B. (B U C)>X. C>A. C.?X. TRUE.

Fuzzy Logic ( Лотфи Заде, 1965 ): истинность выражения (т.е. принадлежность элемента множеству)– значение между 0 и 1. T(a,b)= a/\b =ab. S(a,b)= a\/b =a+b-ab. N(a)=ā=1-a. a>b=(a/\b) \/ ā.

Это стало возможно после формализации языка размышления Расселлом и Венской школой. И тогда стала возможна автоматизация процесса вывода умозаключения. Например, Prolog, SQL. Это декларативное программирование (что есть).

Дальше Тьюринг и Чёрч – императивное программирование (что сделать). Например, C++.

Машина Тьюринга (1936): лента с записанными символами, и вдоль неё ездит по определённым правилам считывающе\записывающая головка.

Главные операции: линейная последовательность, ветвление, условный переход вперёд-назад (покрывает ветвление, и цикл, и рекурсию).

Тезис Чёрча-Тьюринга: для любой алгоритмически вычислимой функции существует вычисляющая её значения машина Тьюринга.

Проблемы машины Тьюринга: бесконечная память и бесконечное время работы.

2) Когнитивное моделирование: разрабатывать программы, которые моделируют приёмы, используемые людьми для решения задач (исследуя психологические эксперименты). Т.е. это более человеческий подход – в противовес внечеловеческой общей логике.

Эвристики: Люди решают большинство задач, используя быстрые, интуитивные реакции, нежели осознанную, последовательную дедукцию.

 

3) Суб-символические модели: символические (формально-логические) модели работают только для задач высшего рассуждения. Но большинство интеллектуальных операций (хождение, распознавание образов, ориентирование в пространстве), по-видимости, не задействуют логическое мышление – а выполняются интуитивно.

Парадокс Моравека (80е): довольно легко научить компьютер действовать на уровне интеллекта взрослого человека в тестах интеллекта и игре в шахматы, и крайне сложно или даже невозможно научить его навыкам годовалого ребёнка, когда дело доходит до восприятия, ориентирования и передвижения.

 

3.1) Поиск и оптимизация: например, параметрическая оптимизация (проблема локальных минимумов). (90е)

Размышление можно свести к выполнению поиска – например, пути от предпосылок к следствию.

Решение уравнения можно представить как задачу оптимизации – нахождения минимума.

(по сути, это формализация и усовершенствование метода проб и ошибок)

Статистические методы (классификация в поле примеров).

Преимущество: Общематематический язык позволил взаимодействие с уже разработанными областями (математика, экономика, исследование операций). Стюарт Расселл и Питер Норвиг называют это «победой чистюль» (victory of the neats) – старой доброй аналитической, проверяемой науки.

 

3.2) Интеллект роя: множество простых агентов локально взаимодействуют друг с другом и со средой. Агенты следуют простым правилам, и хотя нет централизованной управляющей структуры, диктующей поведение каждого агента – локальные, и во многом случайные взаимодействия между агентами приводят к возникновению (emergence) «разумного» общего поведения, о котором отдельные агенты и не знают.

Например, пчёлы (Дервиш Карабога, 2005). Скауты исследуют разные локальные области вокруг решения. Если область подаёт надежды - рабочие пчёлы разрабатывают внутри области. Если область иссякает – она оставляется, и ищутся новые. Этот алгоритм хорошо сбалансирован по исследованию и разработке (exploration and exploitation ability)

(нейроны функционируют так же? Но у нас есть центральный контроль, верно?)

 

3.3) Н ейросети (Ф. Розенблатт, 1958): создаём множество простых элементов, и организуем их в сеть.

Проблемы: работа нейросети перестаёт быть аналитической.

Биологические нейросети передают дискретный сигнал – но момент срабатывания, и точное значение порога – непрерывны.

 

4) Гибридные системы. Например, иерархическая система контроля образует мост между суб-символическим ИИ на нижних, реактивных уровнях – и символическим ИИ на более высоких уровнях, где временные рамки позволяют планирование и моделирование Мира.

The simplest AI applications can be divided into two types: classifiers ("if shiny then diamond") and controllers ("if shiny then pick up")

Архитектура Брукса (Subsumption architecture): раскладываем всё сложное поведение на уровни, каждый со своей компетенцией. Нижний уровень робота – «избежать объекта». 2й уровень – «бродить вокруг»; он работает под 3м уровнем – «исследовать Мир». Роботу нужно «избегать препятствий», чтобы «бродить вокруг» - поэтому архитектира Брукса выстраивает систему, в которой высшие уровни используют для своего функционирования компетенции более низких.

У каждого уровня входы сигналов (с сенсоров, или других модулей), и выходы (на актуаторы, или другие модули). Взаимодействие модулей осуществляется через ингибирование (сигналы, блокирующие прохождение сигналов к другим модулям) и подавление (suppressor) сигналов (сигналы, блокирующие вход модуля).

Проблемы: разработать гибкую систему выбора действия в таком распределённом механизме ингибиторов и суппрессоров. Т.е. какая она сама-то будет – символическая, или суб-символическая?

 

История развития ИИ:

· Падение Люцифера (8 в. до н.э. Древнейший сохранившийся текст – 100гг до н.э.): Старший ангел возгордился, и посчитал что может стать выше Бога, и творить наравне с ним.

· Пигмалион и Галатея (Овидий, первые года НЭ): скульптор создаёт статую, и влюбляется в неё, и статуя становится живой женщиной. (мотив превращения мёртвого в живое силой искусства)

· Механизм Гоббса (1651): Рассудок есть вычисление (Reason is nothing but reckoning).

· Прагматизм Тьюринга (1950): Если машина ведёт себя так же разумно, как человек – то она разумна так же, как человек. (тест Тьюринга. Проблема теста: он проверяет человеческий интеллект, а не интеллект вообще. Т.е. человечность, а не интеллектуальность. Мы же хотим создать машины, которые выполняют интеллектуальные задачи лучше человека, верно?)

· Дартмутское предположение (1956): Любой аспект обучения, и любое свойство интеллекта может быть описано с такой точностью, что можно создать машину, которая бы его симулировала. (аналитический подход, теперь в целом признанный недостаточным)

· Гипотеза физической символьной системы Ньюэлла и Саймона (1976): Физическая символьная система – это необходимое и достаточное условие разумной деятельности. Всё что нам нужно – это научиться сзязывать обозначающее (символы) с обозначаемым (объектами). (аналитический подход, теперь в целом признанный недостаточным – подходит для высшей рассудочной деятельности, но не годится для базовых, внесимволических реакций)

· Сейчас попытки моделирования бессознательных навыков – ситуативное реагирование, и неаналитическаий вывод (нейросети, интеллект роя, статистические методы).

Т.е. мы видим, что задавшись целью смоделировать высшие уровни (аналитическое мышление) – мы увидели, что они никак не получаются в отрыве от более низких – бессознательных реакций. Дальше, полагаю, окажется что бессознательные реакции никак не получаются без ощущений тела, т.е. организма. Организм никак не получается без химии. Химия не получается без физики. Физика не получается без механизма. И вот с него-то надо было начинать. Т.е. в попытке обмануть Матушку Природу, мы в конце концов воссоздали её становление окольными путями.

Гегелевская иерархия: математика (абстрактные идеи) – механика (пространство, время, движение) - физика (сила) – химия (вещество) – биология (организм) – рассудок (представления) – разум (мышление мышления).

Современное состояние робототехники: