Меню
Главная
Авторизация/Регистрация
 
Главная arrow Информатика arrow Информационные технологии и моделирование бизнес-процессов

Новые концепции в теории искусственного интеллекта

На сегодняшний день искусственный интеллект (Artifical Intelligence, AI) остается одним из самых перспективных и нераскрытых направлений развития информационных управляющих систем и технологий. В состав понятий искусственного интеллекта сегодня относят нейронные сети, нечеткую логику, экспертные системы, ЭВМ пятого поколения, системы моделирования мышления.

Ведущим лидером в разработке интеллектуального программного обеспечения, основанного на принципах искусственного интеллекта, является компания Numenta, среди последних разработок которой является программное обеспечение, осуществляет моделирование суждений и работает по принципу человеческого мозга.

Программное обеспечение Numenta работает по принципам самообучающейся искусственной нейронной сети. Топология сети отображает иерархическую природу существующей реальности подобно тому, как это осуществляет наше сознание, постоянно детализируя окружающую действительность на совокупность составляющих.

В теоретических направлениях развития систем искусственного интеллекта различают две ведущие ветви, соответствующие восходящим и нисходящим методам моделирования.

Согласно восходящего метода моделирования теоретические положения основываются на основе исследовательских данных нейрофизиологии.

В соответствии с нисходящим методом моделирования теоретические положения основываются на воспроизведении внешних проявлений интеллектуального поведения индивидуума. Этот метод моделирования, который также называется Функционалистская, ориентирован на широкое практическое применение, поэтому получил значительную финансовую и академическую поддержку и получил широкое распространение.

По соображениями функционалистов (во главе с М.Мински) попытки использования теории искусственных нейронных сетей к моделированию мозга являются нецелесообразными, поскольку считается, что мозокперевантажений эволюционным нагрузкой подсознательных нерациональных конструкторских решений. Как показывает практика исследований, системы, разработанные без учета эволюционной предыстории, порой могут превосходить свои биологические аналоги. Примерами могут служить утверждение, что автомобиль обгоняет самую быструю животное мира - гепарда, а самолет - обгоняет быстрого птицы - стрижка. Кроме этого, функционалисты оправдывают свое прохладное отношение к нейрофизиологических концепций, исходя из того, что она находится только на начальных этапах понимание строения мозга.

В оппозиционной научной течения - нейрофизиологической - существуют другие мнения. Ученые данного направления утверждают, что в области искусственного интеллекта пока неизвестно ничего, что может быть сравнимо с самолетом или автомобилем. Среди новейших исследований этого направления следует отметить проект Blue Brain, в рамках которого выполняется компьютерное моделирование неокортекса мыши с точностью до одного нейрона. Различные мнения ученых существуют также в отношении одного из ключевых понятий кибернетики - самосознания. Некоторые из ученых утверждает, что оно может возникнуть само собой. Однако есть также противники такого утверждения (Дж. Серл).

Примером программного обеспечения с интеллектуальными способностями может служить программа "Бармаглот" Ролло Карпентер, которая построена как самообучающаяся система, которая формирует реплики из базы данных, которая наполняется во время разговоров с людьми.

Согласно взглядам другого ученого - Роджера Пенроуза - человеческий мозг представляет собой квантовый компьютер, который превосходит по вычислительной мощностью современные супер компьютеры в несколько порядков.

Ситуацию, которая сложилась в научных взглядах по данному направлению можно охарактеризовать как революционную, и такую, которая предусматривает в ближайшее время разработки эффективного метода ее решения.

Среди ученых, разработчиков этого направления, следует отметить Джеффа Хоукинза (Jeff Hawkins), который принимал активное участие в разработке концепции КПК. Так, по его прямого участия были созданы компании Palm Computing и Handspring, которые изготовили КПК PalmPilot и смартфон Treo. В своей работе [Hawkins J., Blakeslee S. On intelligence] он предлагает новаторскую концепцию моделирования интеллекта, основанную на понятии "предсказательная памяти" (memoryprediction framework). Сознание, наделенная функцией предсказательная моделирования, является ценнейшим природным достоянием.

Человеческий мозг хранит воспоминания, чтобы постоянно делать предсказания об окружающей действительности (о том, что человек видит, чувствует, слышит). Такая система предсказаний работает согласно схеме: вопрос - проверка-ответ. Проверка осуществляется путем сравнения с имеющейся базой данных паттернов. Когда после проверки вопрос формируется определенный паттерн, который отсутствует в существующем контексте, то предсказания не оправдывается, формируется отрицательный ответ и погрешность привлекает особое внимание человека. При этом существенное значение имеет скорость прохождения соответствующих процессов по указанной схеме. Согласно примеру, приведенному в работе Д. Хоукинза, понятие предсказания получает расширенную трактовку, согласно которому его проверка может выполняться практически мгновенно. Подобная трактовка процессов обработки информации можно связать с функционированием мозга. Так, о лице, мозг которого остановил выполнять предсказание об окружающей его действительности, говорят: "потеряла сознание".

С точки зрения нейрофизиологии, резервуаром сознания является кора головного мозга, а точнее - внешняя его часть, которая называется неокортексом, и которая состоит из множества иерархически связанных слоев. Нейроны первого слоя визуальной области неокортекса можно условно сравнить с ячейками CCD-матрицы цифровой камеры; нейроны высшего ранга возбуждаются при выявлении таких структурных графических элементов, как границы контуров, или движение текстуры в определенном направлении. Нейроны высших слоев иерархии выполняют анализ наиболее абстрактных характеристик изображения: например, специалистами доказано существование нейронов, которые активизируются при наличии в произвольной области поля зрения определенного человеческого лица. Согласно теоретическим гипотезам, информация в такой структуре должна распространяться только снизу вверх - от рецепторов к нейронам, которые отвечают за память и представление картины видения мира. Именно таким образом и передается информация в созданных на сегодня системах машинного зрения. Однако, в неокортексе живого существа процессы выполняются несколько по-другому: нисходящий поток оказывается более интенсивным, чем исходный. В результате такой системы обработки информации низкий слой визуальной области неокортекса может получать столько же сигналов от высших слоев, сколько получает от фоторецепторов сетчатки. Проблема заключается в исследовании типа информации, которую переносят эти сигналы. По гипотезе Д. Хоукинза эти сигналы содержат предсказания.

На сегодня в мире успешно работают такие ведущие научные центры по проблемам исследования искусственного интеллекта Массачусетский технологический институт, Калифорнийский университет в Беркли, Нейронауковий институт в Редвуд. С 2005 г.. Разработки последнего заведения были доведены до уровня коммерциализации, что привело к созданию компании Numenta, а институт получил статус филиала Калифорнийского университета.

На сегодня компания Numenta приступила к распространению исследовательской версии вычислительной платформы NuPIC (Numenta Platform for Intelligent Computing), с помощью которой пользователь может самостоятельно строить системы, которые реализуют принцип предсказательная памяти вашего компьютера, и использовать их для решения задач, связанных с анализом и экстраполяцией разнообразных данных. Инсталляционный пакет пакет программы NuPIC распространяется в двух версиях: для операционных систем Linux и Mac OS. Для пользователей ОС Microsoft Windows предлагается запускать на выполнение Linux-версию NuPIC с помощью специальной программы фильтра-эмулятора. Рекомендуемый объем оперативной памяти вашего компьютера для эффективной работы программы должен составлять от 1 до 2 Гбайт. Программный пакет содержит инструменты для создания и выполнения приложений, моделируемых кортексоподибнимы структурами, согласно терминологии Numenta - HTM-системами, а также исходные коды на C ++ и Python, документацию и примеры.

Основным строительным элементом HTM-системы является узел (node), связанный с ниже- и вышележащими узлами двунаправленным связями, подобно нейронов в модели неокортекса. Нижний слой узлов получает исходную информацию от рецепторов, роль которых может выполнять функция чтения файла с данными, и выводить как предвидение информацию, очищенную от помех; создание узлов верхнего слоя трактуется как наиболее обобщенный результат анализа исходной информации. Во время функционирования HTM-системы каждый узел способен составлять и оптимизировать набор из n векторов, соответствующих характерным сочетанием с поступающих в него сигналов. Создание узла описывается вектором с n скалярных величин, которые в сумме равны единице, что соответствует достоверности каждой из гипотез.

Память о свойствах объектов компактно реализуется в совокупности таблиц состояний узлов соответствующей HTM-системы. Учет временной компоненты в самообучении HTM (Hierarchical Temporal Memory) системы нужно для того, чтобы изображения различных объектов не ассоциировались в верхних слоях узлов с различными гипотезами. Непрерывное наблюдение за движением объектов помогает HTM-системе связать вместе их разнообразные ракурсы.

Одним из примеров практического применения HTM-систем может служить демонстрационное приложение Pictures, предназначенный для распознавания образов. Программное приложение Pictures обучен распознавать в монохромных значков, размерами 32х32 пиксела один из 48 стандартных символов. Такая нетривиальная задача распознавания решается методом на основе платформы NuPIC, построенной в виде 4шаровои HTM-системы. Узлы ее нижнего слоя, сгруппированы в матрицу 8х8, воспринимают по 16 сигналов, поступающих из фрагментов размерами 4х4 пикселя, а вершиной пирамиды является узел с 48 гипотезами, наиболее вероятные из которых отражаются дело в диалоговом окне в виде столбиковой диаграммы.

Особенностью HTM-систем является относительная требовательность к вычислительным ресурсам. Однако, этот недостаток компенсируется возможностями распараллеливания вычислений. В ближайшей перспективе ожидается появление специальных нейрочипов, реализующих функциональность HTM-систем на аппаратном уровне.

Среди заказчиков, успешно используют программную систему Numenta - компания EDSA Micro, специализирующейся на мониторинге промышленных сетей электропитания и заинтересована в методах оперативной интерпретации данных, поступающих от нескольких тысяч источников; автомобилестроительная фирма, которая использует HTM-системы для выявления аварийноопасных ситуаций на основе показаний с инфракрасных, ультразвуковых и других бортовых сенсоров; нефтегазоразведывательная компания (не разглашает своего названия), разрабатывающая методы трансформации данных, получаемых с сейсмологических источников и спутников для выявления перспективных мест бурения скважин нефте- и газодобычи; администрация торгового Web-портала, которая с помощью интеллектуального программного обеспечения Numenta планирует отслеживать потребительские наклонности пользователей с целью улучшения качества их обслуживания. Также предполагается успешное использование программы для анализа и интерпретации результатов наблюдений за космологическими и квантовомеханическими явлениями, которые по сложности превышают возможности обычной компьютерной обработки.

На сегодняшний день приоритетом компании Numenta - организация масштабного изучения сфер практического применения HTM-систем, поэтому исследовательская версия программной платформы на сегодня распространяется с открытой лицензией на использование.

Однако, разработана программная система имеет определенные недостатки.

Прежде всего, обучение НТМ- системы довольно сложным процессом. Другим критическим фактором в соответствии программных процессов, которые моделируются системой Numenta к реальным процессам мышления живых существ результаты ветеринарных физиологических исследований, которые показывают, что, например, мозг вороны и других достаточно умных птиц почти нет коры (кортекса), однако это совсем не умаляет их разум. Более того, именно эта категория птиц достаточно хорошо поддается тренировке.

Разработанные на сегодня НТМ- системы способны запоминать и предвидеть. Но они не способны формировать эмоции, которые характерны для человека, и для некоторых животных из семейства млекопитающих. Существует гипотеза, что соответствующие зоны сосредоточены не только в кортекс, но и в других частях головного мозга. Однако, без программного воспроизведения их работы невозможно корректное воспроизведение процесса мышления. Поэтому такая программа, воспроизводящая работу части "безэмоционального" мозга не сможет решить даже элементарные тесты на мышление, например, тест Тьюринга.

Поэтому на сегодняшний день, по мнению многих ученых данного научного направления существует мнение, что разработанная программная система Numenta, которая основывается на теоретических концепциях модели искусственного интеллекта Д. Хоукинза, является лишь начальным этапом в длинном цепи научных исследований, должно будет осуществить человечество в процессе своего научного развития.

Резюме

Для анализа и решения экономических задач, современные информационные технологии предлагают широкий спектр средств принятия решений с использованием данных, знаний, объективных или субъективных моделей, технологий извлечения знаний. Методы извлечения знаний можно условно разбить на пять групп: классификация; кластеризация (сегментация); регрессия; ассоциация.

Задачей направления искусственного интеллекта является разработка аппаратно-программных средств, позволяющих пользователю формулировать и решать интеллектуальные задачи. В состав понятий искусственного интеллекта сегодня относят нейронные сети, нечеткую логику, экспертные системы, компьютеры пятого поколения, системы моделирования мышления, и тому подобное. Нейронные сети могут эффективно использоваться для решения задач прогнозирования на основе анализа временных рядов; идентификации объектов и классификации; оптимизации.

Ключевые слова

Искусственный интеллект, экспертные системы, выявления (добыча) знаний, сегментация (кластеризация) данных, шаблон, ассоциация, искусственный нейрон, нейронная сеть, карта Кохонена, системы поддержки принятия решений, НТМ- система.

Вопросы и задания для обсуждения и самопроверки:

► Назовите виды задач, решаемых средствами искусственного интеллекта.

► Охарактеризуйте документальный и экспертный способы получения знаний.

► Какие существуют методы извлечения знаний из данных?

► Объясните, почему для определения групп покупателей невозможно применить метод классификации.

► Какой метод выявления знаний используется при определении вероятности возврата кредита?

► Приведите примеры ассоциаций - среди продовольственных или продуктовых товаров.

► Охарактеризуйте назначение искусственного интеллекта.

► Назовите преимущества и недостатки применения искусственного интеллекта.

► Опишите структуру нейронной сети.

► Для каких задач могут эффективно использоваться карты, что саморганизуються?

► Охарактеризуйте этапы технологии КDD.

► Охарактеризуйте две ведущие ветви в теоретических направлениях развития систем искусственного интеллекта, которые соответствуют восходящим и нисходящим методам моделирования.

 
< Предыдущая   СОДЕРЖАНИЕ   Следующая >
 
Предметы
Агропромышленность
Банковское дело
БЖД
Бухучет и аудит
География
Документоведение
Естествознание
Журналистика
Инвестирование
Информатика
История
Культурология
Литература
Логика
Логистика
Маркетинг
Математика, химия, физика
Медицина
Менеджмент
Недвижимость
Педагогика
Политология
Политэкономия
Право
Психология
Региональная экономика
Религиоведение
Риторика
Социология
Статистика
Страховое дело
Техника
Товароведение
Туризм
Философия
Финансы
Экология
Экономика
Этика и эстетика
Прочее