Tehisintellekt. AI kasutamine avalikus halduses

Tehisintellekt (AI, eng. Artificial Intelligence, AI) - intelligentsete masinate, eriti intelligentsete arvutiprogrammide loomise teadus ja tehnoloogia. AI on seotud sarnase ülesandega kasutada arvuteid inimese intelligentsuse mõistmiseks, kuid see ei pruugi piirduda bioloogiliselt usutavate meetoditega.

Mis on tehisintellekt

Intelligentsus(ladina keelest intellectus - aisting, taju, mõistmine, mõistmine, mõiste, mõistus) ehk mõistus - psüühika kvaliteet, mis koosneb võimest kohaneda uute olukordadega, oskusest õppida ja kogemustele tuginedes meeles pidada, mõista ja rakendada abstraktseid mõisteid ja kasutada oma teadmisi keskkonnajuhtimiseks. Intelligentsus on üldine tunnetus- ja raskuste lahendamise võime, mis ühendab endas kõik inimese kognitiivsed võimed: aisting, taju, mälu, kujutamine, mõtlemine, kujutlusvõime.

1980. aastate alguses Arvutusteadlased Barr ja Feigenbaum pakkusid välja tehisintellekti (AI) järgmise määratluse:

Hiljem hakati nimetama mitmeid algoritme ja tarkvarasüsteeme tehisintellektiks, mille eristavaks tunnuseks on see, et nad suudavad mõnda probleemi lahendada samamoodi, nagu teeks nende lahendusele mõtlev inimene.

Tehisintellekti peamised omadused on keele mõistmine, õppimine ning mõtlemis- ja mis kõige tähtsam - tegutsemisvõime.

AI on seotud tehnoloogiate ja protsesside kompleks, mis areneb kvalitatiivselt ja kiiresti, näiteks:

• loomuliku keele tekstitöötlus
• ekspertsüsteemid
• virtuaalsed agendid (vestlusbotid ja virtuaalsed assistendid)
• soovitussüsteemid.

AI tehnoloogilised suunad. Deloitte andmed

AI-uuringud

• Põhiartikkel: Teadusuuringud tehisintellekti valdkonnas

AI standardimine

2018: Kvantkommunikatsiooni, AI ja targa linna valdkonna standardite väljatöötamine

6. detsembril 2018 alustas RVC baasil tehniline komitee "Küberfüüsikalised süsteemid" koos piirkondliku insenerikeskusega "SafeNet" standardite kogumi väljatöötamist riikliku tehnoloogiaalgatuse (NTI) ja digimajanduse turgudele. . 2019. aasta märtsiks on kavas välja töötada tehnilised standardimisdokumendid kvantkommunikatsiooni valdkonnas ja , teatas RVC. Loe rohkem.

Tehisintellekti mõju

Oht inimtsivilisatsiooni arengule

Mõju majandusele ja ettevõtlusele

• Tehisintellekti tehnoloogiate mõju majandusele ja ettevõtlusele

Mõju tööturule

Tehisintellekti eelarvamus

Kõige selle keskmes on AI praktika ( Masintõlge, kõnetuvastus, loomuliku keele töötlemine, arvutinägemine, autojuhtimise automatiseerimine ja palju muud) peitub sügav õppimine. See on masinõppe alamhulk, mida iseloomustab närvivõrgu mudelite kasutamine, mis võib öelda, et nad jäljendavad aju tööd, nii et neid ei saa AI-ks liigitada. Kõik närvivõrgu mudelid on koolitatud suurte andmehulkade põhjal, nii et see omandab teatud "oskused", kuid see, kuidas see neid kasutab, pole loojatele selge, mis lõpuks muutub paljude süvaõpperakenduste jaoks üheks olulisemaks probleemiks. Põhjus on selles, et selline mudel töötab piltidega formaalselt, ilma et oleks üldse aru saanud, mida ta teeb. Kas selline AI-süsteem on ja kas masinõppe baasil ehitatud süsteeme saab usaldada? Viimasele küsimusele antud vastuse tähtsus ulatub teaduslaboritest kaugemale. Seetõttu on meedia tähelepanu nähtusele, mida nimetatakse AI eelarvamuseks, märgatavalt suurenenud. Seda saab tõlkida kui "AI bias" või "AI bias". Loe rohkem.

Tehisintellekti tehnoloogiaturg

AI turg Venemaal

Ülemaailmne AI turg

AI rakendused

Tehisintellekti kasutusvaldkonnad on üsna laiad ja hõlmavad nii kuuldavale tuttavaid tehnoloogiaid kui ka esile kerkivaid uusi valdkondi, mis on massilisest rakendusest kaugel ehk teisisõnu on tegemist kogu lahenduste valikuga tolmuimejatest kosmosejaamadeni. Arengu võtmepunktide kriteeriumi järgi on võimalik jagada kogu nende mitmekesisus.

AI ei ole monoliitne teemavaldkond. Lisaks ilmuvad mõned tehisintellektitehnoloogiad majanduse uute alamsektoritena ja eraldiseisvate üksustena, teenindades samal ajal enamikku majanduse valdkondi.

Tehisintellekti tehnoloogiate peamised kaubanduslikud rakendused

Tehisintellekti kasutamise areng toob kaasa tehnoloogiate kohandamise klassikalistes majandussektorites kogu väärtusahela ulatuses ja muudab neid, mis viib peaaegu kõigi funktsionaalsuste algoritmiseerimiseni logistikast ettevõtte juhtimiseni.

AI kasutamine kaitse- ja sõjalistel eesmärkidel

Kasutamine hariduses

AI kasutamine ettevõtluses

AI energeetikas

• Projekteerimise tasandil: täiustatud tootmise ja energiaressursside nõudluse prognoosimine, elektritootmisseadmete töökindluse hindamine, tootmise suurendamise automatiseerimine nõudluse tõusu korral.
• Tootmise tasandil: seadmete ennetava hoolduse optimeerimine, tootmise efektiivsuse tõstmine, kadude vähendamine, energiaressursside varguste vältimine.
• Kampaania tasemel: hinnakujunduse optimeerimine olenevalt kellaajast ja dünaamiline arveldamine.
• Teenuse osutamise tasandil: kõige kasumlikuma tarnija automaatne valik, detailne tarbimisstatistika, automatiseeritud klienditeenindus, energia optimeerimine lähtuvalt klientide harjumustest ja käitumisest.

AI tootmises

• Disaini tasandil: tõhustada uute toodete väljatöötamist, tarnijate automatiseeritud hindamist ning varuosadele ja osadele esitatavate nõuete analüüsi.
• Tootmise tasandil: ülesannete täitmise protsessi täiustamine, koosteliinide automatiseerimine, vigade arvu vähendamine, tooraine tarneaja vähendamine.
• Promotsiooni tasemel: tugi- ja hooldusteenuste mahu prognoosimine, hinnakujunduse juhtimine.
• Teenuse osutamise tasemel: laevastiku marsruudi planeerimise parandamine Sõiduk, nõudlus laevastiku ressursside järele, teenindusinseneride koolituse kvaliteedi parandamine.

AI pankades

• Mustrituvastus - kasutatud sh. filiaalides kliente ära tunda ja neile eripakkumisi saata.

Tehisintellekti tehnoloogiate peamised rakendusvaldkonnad pankades

AI transpordis

• Autotööstus on revolutsiooni äärel: 5 isejuhtimise ajastu väljakutset

AI logistikas

AI õlle valmistamisel

AI kasutamine avalikus halduses

AI kohtuekspertiisis

• Mustrituvastus - kasutatud sh. avalikes kohtades kurjategijate avastamiseks.

• 2018. aasta mais sai teatavaks tehisintellekti kasutamine Hollandi politsei poolt keeruliste kuritegude uurimiseks.

The Next Webi andmetel õiguskaitse alustas külmetusjuhtumitega seotud üle 1500 aruande ja 30 miljoni lehekülje digiteerimist. Arvutivormingusse kantakse materjale alates 1988. aastast, milles kuritegu ei leidnud lahendust vähemalt kolme aasta jooksul ning kurjategijale määrati üle 12-aastane vangistus.

Lahendage keeruline kuritegu ühe päevaga. Politsei võtab AI vastu

Kui kogu sisu on digiteeritud, ühendatakse see masinõppesüsteemiga, mis analüüsib kirjeid ja otsustab, millised juhtumid kasutavad kõige tugevamaid tõendeid. See peaks vähendama kohtuasjade menetlemiseks ning varasemate ja tulevaste kuritegude lahendamiseks kuluvat aega nädalatest päevadesse.

Tehisintellekt jaotab juhtumid vastavalt nende "lahendatavusele" ja näitab DNA-uuringu võimalikke tulemusi. Seejärel on kavas automatiseerida analüüs teistes kohtuekspertiisi valdkondades ja võib-olla isegi hõlmata andmeid sellistes valdkondades nagu sotsiaalteadused ja tunnistus.

Lisaks võib süsteemi ühe arendaja Jeroen Hammeri (Jeroen Hammer) sõnul tulevikus ilmuda API-funktsioone partneritele.

Hollandi politseil on eriüksus, mis on spetsialiseerunud kuritegude lahendamise uute tehnoloogiate väljatöötamisele. Tema oli see, kes lõi AI-süsteemi kiire otsing kurjategijad tõenditel.

AI kohtusüsteemis

Arengud tehisintellekti vallas aitavad kohtusüsteemi radikaalselt muuta, muuta selle õiglasemaks ja korruptsiooniskeemidest vabamaks. Seda arvamust avaldas 2017. aasta suvel tehnikateaduste doktor, Artezio tehniline konsultant Vladimir Krylov.

Teadlane usub, et juba olemasolevaid tehisintellekti lahendusi saab edukalt rakendada erinevates majanduse ja avaliku elu valdkondades. Ekspert toob välja, et AI kasutatakse edukalt meditsiinis, kuid tulevikus võib see kohtusüsteemi täielikult muuta.

«Igapäevaseid uudiseid tehisintellekti valdkonna arengute kohta vaadates hämmastab vaid selle valdkonna teadlaste ja arendajate fantaasia ammendamatus ning viljakus. Sõnumid teemal teaduslikud uuringud pidevalt vaheldumisi väljaannetega uute turule tungivate toodete kohta ja aruannetega hämmastavatest tulemustest, mis on saavutatud tehisintellekti rakendamisel erinevates valdkondades. Kui rääkida oodatavatest sündmustest, millega kaasneb märgatav meediakära, milles AI-st saab taas uudiste kangelane, siis tehnoloogilisi prognoose ma ilmselt teha ei julge. Võin eeldada, et järgmiseks sündmuseks on kuskil ülipädeva kohtu ilmumine tehisintellekti näol, õiglane ja äraostmatu. Tõenäoliselt juhtub see aastatel 2020-2025. Ja selles kohtus toimuvad protsessid toovad kaasa ootamatuid peegeldusi ja paljude inimeste soovi viia suurem osa inimühiskonna juhtimise protsessidest üle tehisintellektile.

Teadlane tunnistab tehisintellekti kasutamist kohtusüsteemis "loogiliseks sammuks" seadusandliku võrdsuse ja õigluse arendamisel. Masinmõistus ei allu korruptsioonile ja emotsioonidele, suudab selgelt kinni pidada seaduslikust raamistikust ja teha otsuseid, võttes arvesse paljusid tegureid, sealhulgas vaidluses osalejaid iseloomustavaid andmeid. Analoogiliselt meditsiinivaldkonnaga saavad robotkohtunikud töötada avalike teenuste hoidlate suurandmetega. Võib eeldada, et masinintelligents suudab andmeid kiiresti töödelda ja arvestada palju rohkemate teguritega kui inimkohtunik.

Psühholoogilised eksperdid aga usuvad, et emotsionaalse komponendi puudumine kohtuasjade käsitlemisel mõjutab negatiivselt otsuse kvaliteeti. Masinakohtu otsus võib osutuda liiga sirgjooneliseks, arvestamata inimeste tunnete ja meeleolude tähtsust.

Maalimine

2015. aastal testis Google'i meeskond närvivõrgud võime eest ise pilte luua. Seejärel treeniti tehisintellekti suure hulga erinevate piltide näitel. Kui aga masinal “paluti” midagi omaette kujutada, selgus, et see tõlgendab meid ümbritsevat maailma mõnevõrra kummaliselt. Näiteks hantlite joonistamise ülesandeks said arendajad pildi, millel metall oli inimkätega ühendatud. Tõenäoliselt juhtus see seetõttu, et treeningu etapis sisaldasid hantlitega analüüsitud pildid käsi ja närvivõrk tõlgendas seda valesti.

26. veebruaril 2016 kogusid Google'i esindajad San Franciscos toimunud erioksjonil tehisintellekti maalitud psühhedeelsetelt maalidelt umbes 98 000 dollarit. Need vahendid annetati heategevuseks. Allpool on toodud üks edukamaid pilte autost.

Google tehisintellekti maalitud pilt.

Tehisintellekt on tehnoloogiamaailmas viimasel ajal üks populaarsemaid teemasid. Sellised meeled nagu Elon Musk, Stephen Hawking ja Steve Wozniak on tehisintellektiuuringute pärast tõsiselt mures ja väidavad, et selle loomine ähvardab meid surmaohuga. Samal ajal on ulme ja Hollywoodi filmid tekitanud tehisintellekti kohta palju väärarusaamu. Kas me oleme tõesti ohus ja milliseid ebatäpsusi teeme, kui kujutame ette Skynet Earthi hävingut, üldist tööpuudust või vastupidi, jõukust ja hoolimatust? Gizmodo on ümber lükanud inimlikud müüdid tehisintellekti kohta. Siin on tema artikli täielik tõlge.

Seda on nimetatud masinintelligentsuse kõige olulisemaks proovikiviks pärast seda, kui Deep Blue alistas 20 aastat tagasi malematšis Garri Kasparovi. Google AlphaGo alistas Go turniiril suurmeister Li Sedoli 4:1, näidates, kui tõsiselt on tehisintellekt (AI) edasi arenenud. Saatuslik päev, mil masinad viimaks ületavad inimese mõistuse, ei tundunud kunagi nii lähedal. Kuid tundub, et me pole jõudnud selle epohhiloova sündmuse tagajärgede mõistmisele lähedalegi.

Tegelikult oleme klammerdunud tõsistesse ja isegi ohtlikesse väärarusaamadesse tehisintellekti kohta. Eelmisel aastal hoiatas SpaceXi asutaja Elon Musk, et tehisintellekt võib maailma üle võtta. Tema sõnad tekitasid kommentaaride tormi, nii selle arvamuse vastased kui ka pooldajad. Mis puudutab sellist tulevast monumentaalset sündmust, siis on hämmastavalt palju vaidlusi selle üle, kas see toimub ja kui, siis millisel kujul. See on eriti murettekitav, kui arvestada uskumatut kasu, mida inimkond võib tehisintellektist saada, ja võimalikke riske. Erinevalt teistest inimeste leiutistest on tehisintellektil potentsiaal muuta inimkonda või meid hävitada.

Raske on teada, mida uskuda. Kuid tänu arvutusteadlaste, neuroteadlaste ja tehisintellekti teoreetikute varasele tööle hakkab selgem pilt tekkima. Siin on mõned levinud väärarusaamad ja müüdid tehisintellekti kohta.

Müüt nr 1: "Me ei loo kunagi inimese intelligentsusega tehisintellekti"

Tegelikkus: Meil on juba arvuteid, mis on võrdsustatud või ületanud inimeste võimeid males, Go, börsil ja vestluses. Arvutid ja neid käitavad algoritmid saavad ainult paremaks minna. On vaid aja küsimus, millal nad mis tahes ülesande täitmisel inimesi ületavad.

NYU teaduspsühholoog Gary Marcus ütles, et "sõna otseses mõttes kõik", kes töötavad tehisintellektiga, usuvad, et masinad võidavad meid lõpuks: "Ainus tõeline erinevus entusiastide ja skeptikute vahel on ajastuse hinnangud." Futuristid nagu Ray Kurzweil arvavad, et see võib juhtuda mõne aastakümne jooksul, teised väidavad, et selleks võib kuluda sajandeid.

AI skeptikud ei ole veenvad, kui nad ütlevad, et tegemist on lahendamatu tehnoloogilise probleemiga ja bioloogilise aju olemuses on midagi ainulaadset. Meie aju on bioloogilised masinad – need eksisteerivad päris maailm ja järgima põhilisi füüsikaseadusi. Nendes pole midagi tundmatut.

Müüt nr 2: "Tehisintellektil on teadvus"

Tegelikkus: Enamik kujutab ette, et masinamõistus on teadlik ja mõtleb nii, nagu inimesed mõtlevad. Veelgi enam, kriitikud nagu Microsofti kaasasutaja Paul Allen usuvad, et me ei saa veel saavutada üldist tehisintellekti (suudab lahendada kõiki vaimseid probleeme, mida inimene suudab lahendada), kuna meil puudub teaduslik teadvuse teooria. Kuid nagu ütleb Londoni Imperial College'i kognitiivse robootika ekspert Murray Shanahan, ei tohiks me neid kahte mõistet samastada.

“Teadvus on kindlasti hämmastav ja oluline asi, aga ma ei usu, et see inimtasandi tehisintellekti jaoks vajalik on. Täpsemalt, me kasutame sõna "teadvus" mitmete psühholoogiliste ja kognitiivsete tunnuste tähistamiseks, et inimene "tuleb komplektis", selgitab teadlane.

Võib ette kujutada intelligentset masinat, millel puudub üks või mitu neist omadustest. Lõpuks saame luua uskumatult nutika tehisintellekti, mis ei suuda maailma subjektiivselt ja teadlikult tajuda. Shanahan väidab, et mõistust ja teadvust saab masinas ühendada, kuid me ei tohi unustada, et need on kaks erinevat mõistet.

Asjaolu, et masin läbib Turingi testi, milles teda ei saa inimesest eristada, ei tähenda, et sellel on teadvus. Meie jaoks võib arenenud tehisintellekt tunduda teadlik, kuid selle eneseteadlikkus ei ole suurem kui kivi või kalkulaatori oma.

Müüt nr 3: "Me ei peaks AI-d kartma"

Tegelikkus: Jaanuaris ütles Facebooki asutaja Mark Zuckerberg, et me ei peaks AI-d kartma, sest see teeb maailmale uskumatult palju head. Tal on pooleldi õigus. Me saame tehisintellektist tohutut kasu, alates isesõitvatest autodest kuni uute ravimiteni, kuid pole mingit garantiid, et iga AI rakendamine on healoomuline.

Väga intelligentne süsteem teab konkreetse ülesande kohta kõike, näiteks vastiku finantsprobleemi lahendamise või süsteemi häkkimise kohta. vaenlase kaitse. Kuid väljaspool nende erialade piire on ta sügavalt võhiklik ja teadvuseta. Google'i DeepMind süsteem on Go ekspert, kuid sellel pole võimalust ega põhjust uurida valdkondi väljaspool oma eriala.

Paljud neist süsteemidest ei pruugi olla turvakaalutluste all. Hea näide on keerukas ja võimas Stuxneti viirus, poolsõjaline uss, mille on välja töötanud Iisraeli ja USA sõjaväelased, et tungida Iraani tuumajaamadesse ja neid saboteerida. See viirus nakatas kuidagi (meelega või kogemata) Venemaa tuumajaama.

Teine näide on Lähis-Idas küberspionaažiks kasutatav programm Flame. Lihtne on ette kujutada Stuxneti või Flame'i tulevasi versioone, mis ületavad oma sihtmärke ja teevad tundlikule infrastruktuurile tohutut kahju. (Mõistmiseks, need viirused ei ole AI, kuid tulevikus võib see neil olla, sellest ka probleem).

Flame viirust on Lähis-Idas kasutatud küberspionaažiks. Foto: Juhtmega

Müüt nr 4: "Tehislik superintellekt on liiga tark, et vigu teha"

Tegelikkus: AI-uurija ja Surfing Samurai Robots asutaja Richard Lucimore usub, et enamik stsenaariume maailmalõpupäev AI-ga seotud on ebajärjekindlad. Need on alati üles ehitatud eeldusele, et tehisintellekt ütleb: "Ma tean, et inimkonna hävimise põhjustab disainiviga, kuid ma pean seda siiski tegema." Lucimore ütleb, et kui tehisintellekt nii käitub, rääkides meie hävitamisest, jäävad sellised loogilised vastuolud teda eluks ajaks kummitama. See omakorda degradeerib tema teadmistebaasi ja teeb ta loomiseks liiga rumalaks. ohtlik olukord. Teadlane väidab ka, et inimesed, kes ütlevad: "AI saab teha ainult seda, milleks see oli programmeeritud", eksivad samamoodi kui nende kolleegid arvutiajastu koidikul. Sel ajal kasutasid inimesed seda fraasi väitmaks, et arvutid ei suuda näidata vähimatki paindlikkust.

Peter McIntyre ja Stuart Armstrong, kes töötavad Oxfordi ülikooli inimkonna tulevikuinstituudis, ei nõustu Lucimore'iga. Nad väidavad, et AI on suuresti seotud selle programmeerimisega. McIntyre ja Armstrong usuvad, et AI ei saa teha vigu ega olla liiga loll, et mitte teada, mida me sellelt ootame.

"Definitsiooni järgi on tehissuperintellekt (AI) üksus, mille intelligentsus on mis tahes teadmiste valdkonnas palju suurem kui inimese parim aju. Ta teab täpselt, mida me tahtsime, et ta teeks,” ütleb McIntyre. Mõlemad teadlased usuvad, et tehisintellekt teeb ainult seda, milleks see on programmeeritud. Aga kui ta saab piisavalt targaks, saab ta aru, kuivõrd see erineb seaduse vaimust või rahva kavatsustest.

McIntyre võrdles inimeste ja tehisintellekti tulevast olukorda praeguse inimese ja hiire suhtlusega. Hiire eesmärk on otsida toitu ja peavarju. Kuid see läheb sageli vastuollu inimese sooviga, kes tahab, et tema loom tema ümber vabalt jookseks. "Oleme piisavalt targad, et mõista mõningaid hiirte eesmärke. Nii et ASI mõistab ka meie soove, kuid on nende suhtes ükskõikne, ”ütleb teadlane.

Nagu näitab filmi Ex Machina süžee, on inimesel äärmiselt raske targemat tehisintellekti hoida

Müüt nr 5: "Lihtne plaaster lahendab AI juhtimise probleemi"

Tegelikkus: Luues inimestest targema tehisintellekti, seisame silmitsi probleemiga, mida nimetatakse "kontrolliprobleemiks". Futuristid ja AI teoreetikud satuvad täielikku segadusse, kui neilt küsitakse, kuidas me ASI-d ohjeldame ja piirame, kui see tekib. Või kuidas veenduda, et ta on inimestega sõbralik. Hiljuti väitsid Georgia Tehnoloogiainstituudi teadlased naiivselt, et tehisintellekt võiks lugedes võtta omaks inimlikud väärtused ja sotsiaalsed reeglid. lihtsad lood. Tegelikkuses saab see olema palju keerulisem.

"On välja pakutud palju lihtsaid nippe, mis võiksid "lahendada" kogu tehisintellekti juhtimise probleemi, " ütleb Armstrong. Näiteks on ASI programmeerimine nii, et selle eesmärk on inimestele meeldida, või et see toimiks lihtsalt tööriistana inimese käes. Teine võimalus on integreerida armastuse või austuse mõisted lähtekoodi. Et tehisintellekt ei võtaks omaks lihtsustatud ja ühekülgset maailmavaadet, tehti ettepanek programmeerida see väärtustama intellektuaalset, kultuurilist ja sotsiaalset mitmekesisust.

Kuid need lahendused on liiga lihtsad, nagu prooviks inimeste meeldimiste ja mittemeeldimiste keerukuse ühte suruda pealiskaudne määratlus. Proovige näiteks leida "austuse" selge, loogiline ja teostatav määratlus. See on äärmiselt raske.

Maatriksi masinad võivad inimkonna kergesti hävitada

Müüt nr 6: "Tehisintellekt hävitab meid"

Tegelikkus: Pole mingit garantiid, et tehisintellekt meid hävitab või et me ei suuda leida viisi selle kontrollimiseks. Nagu ütles tehisintellekti teoreetik Eliezer Yudkowsky: "AI ei armasta ega vihka teid, kuid te koosnete aatomitest, mida ta saab kasutada muudel eesmärkidel."

Oma raamatus Tehisintellekt. Etapid. Ähvardused. Strateegiad,” kirjutas Oxfordi filosoof Nick Bostrom, et tõeline tehissuperintellekt, kui see ilmub, kujutab endast suuremat ohtu kui ükski teine ​​inimese leiutis. Muret on väljendanud ka sellised tuntud inimesed nagu Elon Musk, Bill Gates ja Stephen Hawking (viimane hoiatas, et tehisintellekt võib olla meie ajaloo halvim viga).

McIntyre ütles, et enamik eesmärke, mida ISI saab suunata, on head põhjused inimestest lahti saada.

„AI oskab täiesti õigesti ennustada, et me ei taha, et see maksimeeriks konkreetse ettevõtte kasumit, olenemata sellest, mis kuludega klientidele läheb, keskkond ja loomad. Seega on tal tugev stiimul tagada, et teda ei segataks, segataks, ei lülituks välja ega muudetaks tema eesmärke, sest see ei täidaks tema algseid eesmärke, ”ütleb McIntyre.

Kui ASI eesmärgid ei kajasta täpselt meie eesmärke, on tal hea põhjus mitte anda meile võimalust seda peatada. Arvestades, et tema intelligentsuse tase on meie omast tunduvalt kõrgem, ei saa me selle vastu midagi teha.

Keegi ei tea, millise kuju AI võtab ja kuidas see inimkonda ohustada võib. Nagu Musk märkis, saab tehisintellekti kasutada teiste tehisintellekti juhtimiseks, reguleerimiseks ja jälgimiseks. Või võib see olla läbi imbunud inimlikest väärtustest või ülekaalukast soovist olla inimestega sõbralik.

Müüt nr 7: tehislik superintellekt on sõbralik

Tegelikkus: Filosoof Immanuel Kant uskus, et mõistus on tugevas korrelatsioonis moraaliga. Neuroteadlane David Chalmers oma uurimuses "The Singularity: Filosoofiline analüüs võttis Kanti kuulsa idee ja rakendas seda tärkava tehissuperintellekti puhul.

Kui see on tõsi... võime eeldada, et intellektuaalne plahvatus toob kaasa moraali plahvatuse. Seejärel võime eeldada, et tekkivad ASI-süsteemid on ülimoraalsed ja üliintelligentsed, võimaldades neilt headust oodata.

Kuid idee, et arenenud tehisintellekt on valgustatud ja lahke, ei ole oma olemuselt väga usutav. Nagu Armstrong märkis, on seal palju nutikaid sõjakurjategijaid. Tundub, et inimeste seas ei eksisteeri mõistuse ja moraali vahelist seost, seetõttu seab ta kahtluse alla selle põhimõtte toimimise teiste intelligentsete vormide seas.

"Targad inimesed, kes käituvad ebamoraalselt, võivad põhjustada palju suuremat valu kui nende rumalamad kolleegid. Intelligentsus võimaldab neil lihtsalt suure intelligentsusega halvad olla, see ei muuda neid headeks inimesteks," ütleb Armstrong.

Nagu McIntyre selgitas, ei ole subjekti võime eesmärki saavutada sellega, kas see eesmärk oleks alustuseks mõistlik. „Oleme väga õnnelikud, kui meie tehisintellektid on ainulaadselt andekad ja nende moraalitase kasvab koos mõistusega. Õnnele lootmine ei ole parim lähenemine sellele, mis võiks määrata meie tuleviku,” ütleb ta.

Müüt nr 8: "AI ja robootika riskid on võrdsed"

Tegelikkus: See on eriti levinud viga, mida levitavad kriitikavaba meedia ja Hollywoodi filmid nagu Terminaator.

Kui Skyneti-sugune tehisintellekt oleks tõesti tahtnud inimkonda hävitada, poleks ta kasutanud kuueraudsete kuulipildujatega androide. Palju tõhusam oleks saata bioloogiline katk või nanotehnoloogiline hall. Või lihtsalt atmosfääri hävitada.

Tehisintellekt on potentsiaalselt ohtlik mitte sellepärast, et see võib mõjutada robootika arengut, vaid seetõttu, kuidas selle välimus maailmale üldiselt mõjub.

Müüt nr 9: "AI kujutamine ulmekirjanduses on täpne tulevikukujutus"

Mitmesugused meeled. Pilt: Eliezer Yudkowsky

Muidugi on autorid ja futuristid kasutanud fantastilisi ennustusi ulmet, kuid ASI seatud sündmuste horisont on hoopis teine ​​lugu. Veelgi enam, tehisintellekti ebainimlik olemus muudab võimatuks selle olemuse ja vormi tundmaõppimise ja seega ka ennustamise.

Meie, rumalate inimeste lõbustamiseks kujutatakse ulmekirjanduses enamikku tehisintellektist meie moodi välja. "Seal on spekter kõiki võimalikke meeli. Isegi inimeste seas oled sa oma naabrist üsna erinev, kuid see variatsioon pole midagi võrreldes kõigi intelligentsustega, mis võivad eksisteerida,” ütleb McIntyre.

Enamik ulmekirjandust ei pea olema teaduslikult täpne, et jutustada köitvat lugu. Konflikt areneb tavaliselt lähedase kangelaste vahel. "Kujutage ette, kui igav oleks lugu, kus AI ilma teadvuse, rõõmu või vihkamiseta lõpetaks inimkonna ilma igasuguse vastupanuta ebahuvitava eesmärgi saavutamiseks," haigutab Armstrong.

Tesla tehases töötab sadu roboteid

Müüt nr 10: "On kohutav, et AI võtab kogu meie töö"

Tegelikkus: Tehisintellekti võime automatiseerida paljusid meie tegevusi ja selle potentsiaal inimkonda hävitada on kaks väga erinevat asja. Kuid raamatu In the Dawn of Robots: Technology and the Threat of a Jobless Future autori Martin Fordi sõnul vaadeldakse neid sageli tervikuna. Tehisintellekti rakenduste kauge tuleviku peale on hea mõelda, kuid ainult siis, kui see ei tõmba meie tähelepanu kõrvale probleemidelt, millega lähikümnenditel silmitsi seisame. Peamine neist on massautomaatika.

Keegi ei kahtle selles, et tehisintellekt asendab paljusid olemasolevaid töökohti alates tehasetöölisest kuni valgekraede ülemiste astmeteni. Mõned eksperdid ennustavad, et pooli kõigist USA töökohtadest ähvardab lähitulevikus automatiseerimine.

Kuid see ei tähenda, et me ei saaks šokiga hakkama. Üldiselt on enamikust meie tööst, nii füüsilisest kui vaimsest, vabanemine meie liigi kvaasiutoopiline eesmärk.

"Paari aastakümne jooksul hävitab tehisintellekt palju töökohti, kuid see pole halb," ütleb Miller. Isejuhtivad autod asendavad veoautojuhte, vähendades saatmiskulusid ja muutes selle tulemusena paljud tooted odavamaks. «Kui oled veokijuht ja elad sellest ära, siis kaotad, aga vastupidi, kõik teised saavad sama palga eest rohkem kaupa osta. Ja säästetud raha kulub muudele kaupadele ja teenustele, mis loovad inimestele uusi töökohti,“ ütleb Miller.

Suure tõenäosusega loob tehisintellekt uusi võimalusi hea tootmiseks, vabastades inimesed muude asjadega tegelemiseks. Tehisintellekti arendamise edusammudega kaasnevad edusammud muudes valdkondades, eriti tootmises. Tulevikus muutub meil oma põhivajaduste rahuldamine lihtsamaks, mitte raskemaks.

Tehisintellekt

Tehisintellekt on arvutiteaduse haru, mis uurib võimalust pakkuda arvutisüsteemide ja muude tehisseadmete abil mõistlikke arutluskäike ja toiminguid. Enamasti pole probleemi lahendamise algoritm ette teada.

Selle teaduse täpset määratlust ei eksisteeri, kuna filosoofias pole inimintellekti olemuse ja staatuse küsimust lahendatud. Arvutite abil "intelligentsuse" saavutamiseks pole täpset kriteeriumi, kuigi tehisintellekti koidikul pakuti välja mitmeid hüpoteese, näiteks Turingi test või Newell-Simoni hüpotees. peal Sel hetkel AI ülesande mõistmiseks ja intelligentsete süsteemide loomiseks on palju lähenemisviise.

Niisiis, üks klassifikatsioonidest eristab kahte lähenemisviisi AI arendamiseks:

ülalt-alla, semiootiline – kõrgetasemelist modelleerivate sümboolsete süsteemide loomine vaimsed protsessid: mõtlemine, arutlusvõime, kõne, emotsioonid, loovus jne;

alt-üles, bioloogiline – närvivõrkude ja evolutsiooniliste arvutuste uurimine, mis modelleerivad intelligentset käitumist väiksematel "mitteintelligentsetel" elementidel.

See teadus on seotud psühholoogia, neurofüsioloogia, transhumanismi ja teistega. Nagu kõik arvutiteadused, kasutab see matemaatilist aparaati. Filosoofia ja robootika on tema jaoks eriti olulised.

Tehisintellekt on väga noor uurimisvaldkond, mis käivitati 1956. aastal. Selle ajalooline tee meenutab sinusoidi, mille iga "tõusu" algatas mingi uus idee. AT Sel hetkel selle areng on languses, andes teed juba saavutatud tulemuste rakendamisele teistes teaduse, tööstuse, ettevõtluse ja isegi igapäevaelu valdkondades.

Õppemeetodid

AI-süsteemide ehitamiseks on erinevaid lähenemisviise. Praegu on 4 üsna erinevat lähenemisviisi:

1. Loogiline lähenemine. Loogilise lähenemise aluseks on Boole'i ​​algebra. Iga programmeerija tunneb seda ja loogilisi operaatoreid sellest ajast, kui ta IF-lause valdas. Boole'i ​​algebra sai edasiarenduse predikaatarvutuse vormis - milles seda laiendatakse, tutvustades subjekti sümboleid, nendevahelisi suhteid, olemasolu ja universaalsuse kvantoreid. Peaaegu iga loogilisel põhimõttel üles ehitatud tehisintellektisüsteem on teoreemide tõestamise masin. Sel juhul salvestatakse algandmed andmebaasi aksioomidena, nendevahelise seosena järeldusreeglid. Lisaks on igal sellisel masinal sihtmärgi genereerimise plokk ja järeldussüsteem püüab seda tõestada see eesmärk nagu teoreem. Kui eesmärk on tõestatud, võimaldab rakendatud reeglite jälgimine saada eesmärgi saavutamiseks vajalike toimingute ahela (sellist süsteemi tuntakse ekspertsüsteemidena). Sellise süsteemi võimsuse määravad eesmärgi generaatori ja teoreemide tõestamise masina võimalused. Loogilise lähenemise suurema väljendusrikkuse saavutamiseks võimaldab selline suhteliselt uus suund nagu häguloogika. Selle peamine erinevus seisneb selles, et väite tõepärasus võib selles sisalduda lisaks jah/ei (1/0) ka vaheväärtustele​- ei tea (0,5), patsient on tõenäolisemalt elus kui surnud (0,75), on patsient tõenäolisemalt surnud kui elus (0,25). See lähenemine sarnaneb rohkem inimmõtlemisega, kuna see vastab harva küsimustele ainult jah või ei.

2. Struktuurse lähenemise all peame siin silmas katseid luua tehisintellekt, modelleerides inimaju struktuuri. Üks esimesi selliseid katseid oli Frank Rosenblatti pertseptron. Peamine modelleeritud struktuuriüksus pertseptronides (nagu enamikes teistes aju modelleerimisvõimalustes) on neuron. Hiljem tekkisid teised mudelid, mida enamik tunneb närvivõrkude (NN) all. Need mudelid erinevad üksikute neuronite struktuuri, nendevaheliste ühenduste topoloogia ja õppimisalgoritmide poolest. NN-i kõige tuntumate variantide hulgas on praegu tagasilevi NN, Hopfieldi võrgud, stohhastilised närvivõrgud. Laiemas mõttes tuntakse seda lähenemist konnektivismina.

3. Evolutsiooniline lähenemine. Selle lähenemise järgi tehisintellektisüsteemide ehitamisel pööratakse põhitähelepanu esialgse mudeli ülesehitusele ning reeglitele, mille järgi see võib muutuda (areneda). Veelgi enam, mudelit saab koostada mitmesuguste meetoditega, see võib olla närvivõrk ja loogiliste reeglite kogum ja mis tahes muu mudel. Peale seda lülitame arvuti sisse ja mudelite kontrollimise põhjal valib see neist välja parimad, mille alusel genereeritakse erinevate reeglite järgi uued mudelid. Evolutsiooniliste algoritmide hulgas peetakse geneetilist algoritmi klassikaliseks.

4. Simulatsiooni lähenemine. See lähenemine on küberneetika jaoks klassikaline ühega põhimõisted must kast. Objekt, mille käitumist simuleeritakse, on lihtsalt "must kast". Meile pole vahet, mis sellel ja mudelil sees on ja kuidas see toimib, peaasi, et meie mudel käituks sarnastes olukordades ühtemoodi. Seega on siin modelleeritud veel üks inimese omadus - oskus kopeerida teiste tegemist, laskumata detailidesse, miks see vajalik on. Tihti säästab see oskus tal palju aega, eriti elu alguses.

Hübriidintelligentsete süsteemide raames püütakse neid valdkondi kombineerida. Ekspertide järeldusreegleid saab genereerida närvivõrkude abil ja generatiivsed reeglid saadakse statistilise õppimise abil.

Paljutõotav uus lähenemisviis, mida nimetatakse intelligentsuse võimendamiseks, näeb tehisintellekti saavutamist evolutsioonilise arengu kaudu inimese intelligentsust võimendava tehnoloogia kõrvalmõjuna.

Uurimissuunad

AI ajalugu analüüsides võib välja tuua sellise ulatusliku valdkonna nagu arutlusmudelite modelleerimine. Aastaid on selle teaduse areng seda teed mööda liikunud ja nüüd on see üks kaasaegse tehisintellekti arenenumaid valdkondi. Põhjendusmodelleerimine hõlmab sümboolsete süsteemide loomist, mille sisendis seatakse kindel ülesanne ja väljundis on vaja see lahendada. Reeglina on pakutud ülesanne juba vormistatud, st tõlgitud keelde matemaatiline vorm, kuid sellel kas puudub lahendusalgoritm või see on liiga keeruline, aeganõudev vms. Sellesse valdkonda kuuluvad: teoreemide tõestamine, otsuste tegemine ja mänguteooria, planeerimine ja saatmine, prognoosimine.

Oluline valdkond on loomuliku keele töötlus, mis analüüsib "inimkeeles" tekstide mõistmise, töötlemise ja genereerimise võimalusi. Eelkõige ei ole veel lahendatud tekstide ühest keelest teise masintõlke probleem. Kaasaegses maailmas mängib olulist rolli teabeotsingu meetodite areng. Oma olemuselt on esialgne Turingi test seotud selle suunaga.

Paljude teadlaste arvates on intelligentsuse oluline omadus õppimisvõime. Seega tuleb esiplaanile teadmustehnika, mis ühendab lihtsast informatsioonist teadmiste hankimise, nende süstematiseerimise ja kasutamise ülesanded. Edusammud selles valdkonnas mõjutavad peaaegu kõiki teisi AI-uuringute valdkondi. Ka siin tuleb ära märkida kaks olulist alamdomeeni. Esimene neist – masinõpe – puudutab intelligentse süsteemi poolt oma töö käigus iseseisva teadmiste omandamise protsessi. Teine on seotud ekspertsüsteemide loomisega - programmidega, mis kasutavad mis tahes probleemi kohta usaldusväärsete järelduste tegemiseks spetsiaalseid teadmistebaase.

Bioloogiliste süsteemide modelleerimise vallas on suuri ja huvitavaid saavutusi. Rangelt võttes võib siia lisada mitu sõltumatut suunda. Närvivõrke kasutatakse hägusate ja keeruliste probleemide lahendamiseks, nagu geomeetrilise kuju tuvastamine või objektide rühmitamine. Geneetiline lähenemine põhineb ideel, et algoritm võib muutuda tõhusamaks, kui ta laenab teistelt algoritmidelt (“vanematest”) paremaid omadusi. Suhteliselt uut lähenemist, kus ülesandeks on luua autonoomne programm – agent, mis suhtleb väliskeskkonnaga, nimetatakse agent lähenemiseks. Ja kui sundida korralikult palju "mitte intelligentseid" agente koos suhtlema, võite saada "sipelgataolist" intelligentsust.

Mustrituvastuse ülesanded on muude valdkondade raames juba osaliselt lahendatud. See hõlmab märgituvastust, käekirja, kõnet, teksti analüüsi. Eraldi tuleb esile tõsta arvutinägemist, mis on seotud masinõppe ja robootikaga.

Üldiselt on robootika ja tehisintellekt sageli omavahel seotud. Nende kahe teaduse lõimimist, intelligentsete robotite loomist võib pidada teiseks AI suunaks.

Masina loovus hoiab end eraldi, kuna inimese loovuse olemust on uuritud veelgi vähem kui intelligentsuse olemust. Sellegipoolest on see ala olemas ja siin on probleeme muusika, kirjandusteoste (sageli luuletuste või muinasjuttude) kirjutamisega, kunstiline loovus.

Lõpuks on tehisintellektil palju rakendusi, millest igaüks moodustab peaaegu iseseisva suuna. Näideteks on programmeerimisintellekt arvutimängudes, mittelineaarne juhtimine, intelligentsed turvasüsteemid.

On näha, et paljud uurimisvaldkonnad kattuvad. See kehtib iga teaduse kohta. Kuid tehisintellektis on pealtnäha erinevate suundade seos eriti tugev ja selle põhjuseks on filosoofiline debatt tugeva ja nõrga tehisintellekti üle.

17. sajandi alguses väitis Rene Descartes, et loom on mingi kompleksne mehhanism, formuleerides seeläbi mehhaanilise teooria. 1623. aastal ehitas Wilhelm Schickard esimese mehaanilise digitaalse arvuti, millele järgnesid Blaise Pascali (1643) ja Leibnizi (1671) masinad. Leibniz oli ka esimene, kes kirjeldas kaasaegset kahendarvusüsteemi, kuigi enne teda oli see süsteem perioodiliselt lummatud paljusid suuri teadlasi. 19. sajandil töötasid Charles Babbage ja Ada Lovelace programmeeritava mehaanilise arvuti kallal.

Aastatel 1910-1913. Bertrand Russell ja A. N. Whitehead avaldasid Principia Mathematica, mis muutis formaalse loogika pöörde. 1941. aastal ehitas Konrad Zuse esimese töötava programmiga juhitava arvuti. Warren McCulloch ja Walter Pitts avaldasid 1943. aastal raamatu A Logical Calculus of the Ideas Immanent in Nervous Activity, mis pani aluse närvivõrkudele.

Asjade hetkeseis

Hetkel (2008) tehisintellekti loomisel (selle sõna algses tähenduses ekspertsüsteemid ja maleprogrammid siia ei kuulu) napib ideid. Peaaegu kõiki lähenemisviise on proovitud, kuid mitte ükski pole viinud tehisintellekti tekkeni. uurimisrühm ei sobinud.

Mõned kõige muljetavaldavamad tsiviil-AI-süsteemid on:

Deep Blue – alistas male maailmameistri. (Kasparov vs. superarvuti matš ei pakkunud rahulolu ei arvutiteadlastele ega malemängijatele ning Kasparov ei tundnud süsteemi ära, kuigi algsed kompaktsed maleprogrammid on maleloovuse lahutamatu osa. Siis avaldus IBM-i superarvutiliin brute force BluGene (molekulaarne modelleerimine) projektid ja Swiss Blue Brain Centeri püramiidrakkude süsteemi modelleerimine. See lugu on näide AI, äri ja riiklike strateegiliste eesmärkide vahelisest keerulisest ja salajasest suhtest.)

Mütsiin on üks varajasetest ekspertsüsteemidest, mis suudab diagnoosida väikese osa haigustest, sageli sama täpselt kui arstid.

20q on AI-st inspireeritud projekt, mis on inspireeritud klassikalisest 20 küsimuse mängust. Ta sai väga populaarseks pärast ilmumist Internetis saidil 20q.net.

Kõnetuvastus. Sellised süsteemid nagu ViaVoice on võimelised tarbijaid teenindama.

Robotid võistlevad iga-aastasel RoboCupi turniiril jalgpalli lihtsustatud vormis.

AI rakendus

Pangad rakendavad tehisintellekti süsteeme (AI) kindlustustegevuses (kindlustusmatemaatika) börsil mängides ja kinnisvara haldades. 2001. aasta augustis võitsid robotid inimesi improviseeritud kauplemisvõistlusel (BBC News, 2001). Mustrituvastusmeetodeid (sh nii keerukamaid kui ka spetsialiseeritud ja närvivõrke) kasutatakse laialdaselt optilises ja akustilises tuvastamises (sh tekst ja kõne), meditsiinilises diagnostikas, rämpspostifiltrites, õhutõrjesüsteemides (sihtmärgi tuvastamine), samuti mitmete muud riikliku julgeoleku ülesanded.

Arvutimängude arendajad on sunnitud kasutama erineva keerukuse astmega tehisintellekti. Standardsed AI-ülesanded mängudes on tee leidmine 2D- või 3D-ruumis, lahinguüksuse käitumise simuleerimine, õige majandusstrateegia väljaarvutamine jne.

AI väljavaated

AI arendamisel on kaks suunda:

esimene on lahendada probleeme, mis on seotud spetsialiseeritud tehisintellektisüsteemide lähendamisega inimvõimetele ja nende integreerimisele, mida inimloomus rakendab.

teine ​​​​on luua tehisintellekt, mis esindab juba loodud AI-süsteemide integreerimist ühtne süsteem suudab lahendada inimkonna probleeme.

Seos teiste teadustega

Tehisintellekt on transhumanismiga tihedalt seotud. Ja koos neurofüsioloogia ja kognitiivse psühholoogiaga moodustab see üldisema teaduse, mida nimetatakse kognitoloogiaks. Filosoofial on tehisintellektis omaette roll.

Filosoofilised küsimused

Teadus "tehisintellekti loomisest" ei suutnud äratada filosoofide tähelepanu. Esimeste intelligentsete süsteemide tulekuga tõstatati fundamentaalsed küsimused inimese ja teadmiste ning osaliselt ka maailmakorra kohta. Ühest küljest on nad selle teadusega lahutamatult seotud, teisalt toovad nad sellesse kaose. AI-uurijate seas puudub endiselt domineeriv seisukoht intellektuaalsuse kriteeriumide, eesmärkide ja lahendatavate ülesannete süstematiseerimise osas, puudub isegi teaduse range definitsioon.

Kas masin suudab mõelda?

Kõige tulisem debatt tehisintellekti filosoofias on küsimus võimalusest mõelda inimkäte loomingut. Küsimuse "Kas masin suudab mõelda?", mis ajendas teadlasi looma inimmõistuse modelleerimise teadust, esitas Alan Turing 1950. aastal. Kaht peamist seisukohta selles küsimuses nimetatakse tugeva ja nõrga tehisintellekti hüpoteesiks.

Mõiste "tugev tehisintellekt" võttis kasutusele John Searle ja tema lähenemist iseloomustavad tema enda sõnad:

“Pealegi ei oleks selline programm lihtsalt mõistuse mudel; ta sisse sõna otseses mõttes sõnad ise on mõistus, samas tähenduses, milles inimmõistus on mõistus.

Vastupidi, nõrgad tehisintellekti pooldajad eelistavad vaadelda programme vaid kui vahendit teatud ülesannete lahendamiseks, mis ei nõua inimese kõiki kognitiivseid võimeid.

Tema omas mõtteeksperiment John Searle'i "Hiina tuba" näitab, et Turingi testi läbimine ei ole masina tõelise mõtlemisprotsessi kriteerium.

Mõtlemine on mällu salvestatud teabe töötlemise protsess: analüüs, süntees ja eneseprogrammeerimine.

Sarnasel seisukohal on ka Roger Penrose, kes oma raamatus The New Mind of a King väidab, et formaalsete süsteemide alusel on mõtteprotsessi võimatu saada.

Selles küsimuses on erinevaid seisukohti. Analüütiline lähenemine hõlmab inimese kõrgema närviaktiivsuse analüüsimist madalaima, jagamatu tasemeni (kõrgema närviaktiivsuse funktsioon, elementaarne reaktsioon välistele stiimulitele (stiimulitele), funktsiooniga ühendatud neuronite kogumi sünapside ärritus ) ja nende funktsioonide hilisemat taasesitamist.

Mõned eksperdid kasutavad teabepuuduse taustal intelligentsuse jaoks ratsionaalse ja motiveeritud valiku võimet. See tähendab, et seda tegevusprogrammi (mitte tingimata tänapäevastes arvutites rakendatud) peetakse lihtsalt intellektuaalseks, mis saab valida teatud alternatiivide hulgast, näiteks, kuhu minna juhul, kui "lähete vasakule ... ", "sa lähete paremale ...", "te lähete otse ..."

Teadmiste teadus

Samuti on epistemoloogia tihedalt seotud tehisintellekti probleemidega – teadmise teadusega filosoofia raames. Selle probleemiga tegelevad filosoofid lahendavad küsimusi, mis on sarnased AI-inseneride lahendatud küsimustele, kuidas teadmisi ja teavet kõige paremini esindada ja kasutada.

Suhtumine AI-sse ühiskonnas

AI ja religioon

Aabrahami religioonide järgijate seas on struktuursel lähenemisel põhineva tehisintellekti loomise võimalikkusele mitmeid seisukohti.

Neist ühe sõnul ei ole aju, mille tööd süsteemid püüavad jäljendada, nende arvates mõtlemisprotsessis, teadvuse ja muu vaimse tegevuse allikas. Tehisintellekti loomine struktuurse lähenemise alusel on võimatu.

Teise vaatenurga kohaselt osaleb aju mõtlemisprotsessis, kuid hingest tuleva teabe "edastaja" kujul. Aju vastutab selliste "lihtsate" funktsioonide eest nagu tingimusteta refleksid, reaktsioon valule jne. Struktuursel lähenemisel põhineva tehisintellekti loomine on võimalik, kui projekteeritav süsteem suudab täita "ülekande" funktsioone.

Mõlemad seisukohad ei vasta tänapäevase teaduse andmetele, sest. hinge mõistet ei käsitle kaasaegne teadus teadusliku kategooriana.

Paljude budistide arvates on AI võimalik. Seega ei välista dalai-laama XIV vaimne juht teadvuse olemasolu arvutipõhiselt.

Raeliidid toetavad aktiivselt tehisintellekti valdkonna arenguid.

AI ja ulme

Ulmekirjanduses kujutatakse tehisintellekti kõige sagedamini jõuna, mis püüab kukutada inimese võimu (Omnius, HAL 9000, Skynet, Colossus, The Matrix and a Replicant) või teenib humanoidi (C-3PO, Data, KITT ja KARR, Bicentennial Man). Ulmekirjanikud nagu Isaac Asimov ja Kevin Warwick vaidlevad vastu selle üle, et AI paratamatus maailmas valitseb.

Ulmekirjanik Harry Harrison ja teadlane Marvin Minsky esitavad Turingi valikus uudishimuliku tulevikunägemuse. Autorid räägivad inimkonna kaotusest inimesel, kelle ajju oli siirdatud arvutiga, ja inimkonna omandamisest tehisintellektiga masin, mille mällu kopeeriti inimese ajust pärinev info.

Mõned ulmekirjanikud, nagu Vernor Vinge, on samuti spekuleerinud tehisintellekti tagajärgede üle, mis tõenäoliselt toob ühiskonnas kaasa dramaatilisi muutusi. Seda perioodi nimetatakse tehnoloogiliseks singulaarsuseks.

Tehisintellekt

Tehisintellekt[Inglise] Tehisintellekt (AI)] on arvutiteaduse haru, mis uurib võimalust pakkuda arvutussüsteeme ja muid tehisseadmeid kasutades mõistlikke arutluskäike ja toiminguid.
Enamasti pole probleemi lahendamise algoritm ette teada.
Esimesed tehisintellektiga seotud uuringud viidi läbi peaaegu kohe pärast esimeste arvutite tulekut.
Aastatel 1910-13 Bertrand Russell ja Alfred North Whitehead avaldasid Principia Mathematica, mis muutis formaalse loogika. 1931. aastal näitas Kurt Gödel, et piisavalt keeruline formaalne süsteem sisaldab väiteid, mida sellegipoolest ei saa selle süsteemi raames tõestada ega ümber lükata. Seega ei saa AI-süsteem, mis teeb kindlaks kõigi väidete tõesuse, järeldades neid aksioomidest, neid väiteid. Kuna inimesed näevad selliste väidete tõesust, on tehisintellekti hakatud nägema kui tagantjärele. 1941. aastal ehitas Konrad Zuse esimese töötava programmiga juhitava arvuti. Warren McCulloch ja Walter Pitts avaldasid 1943. aastal raamatu A Logical Calculus of the Ideas Immanent in Nervous Activity, mis pani aluse närvivõrkudele.
1954. aastal otsustas Ameerika teadlane A. Newell kirjutada programmi male mängimiseks. Ta jagas seda ideed RAND Corporationi (www.rand.org) analüütikute J. Show ja H. Simoniga, kes pakkusid Newellile oma abi. Sellise programmi teoreetilise alusena otsustati kasutada 1950. aastal infoteooria rajaja C.E.Shannoni pakutud meetodit. Selle meetodi täpse vormistamise viis läbi Alan Turing. Ta modelleeris selle käsitsi. Töösse kaasati A. de Groot’ juhitud Hollandi psühholoogide rühm, kes uuris silmapaistvate maletajate mängustiile. Pärast kaheaastast ühist tööd lõi see meeskond programmeerimiskeele IPL1 - ilmselt esimene sümbolkeel loendite töötlemiseks. Peagi kirjutati esimene programm, mida võib seostada saavutustega tehisintellekti vallas. See oli programm "Logic Theorist" (1956), mis oli mõeldud lausearvutuses teoreemide automaatseks tõestamiseks.
Tegelikult valmis malemänguprogramm NSS 1957. aastal. Selle töö aluseks oli nn heuristika (reeglid, mis võimaldavad teha valikut täpse teoreetilise põhjenduse puudumisel) ja eesmärkide kirjeldustel. Juhtimisalgoritm püüdis vähendada hetkeolukorra hinnangute erinevusi eesmärgi või ühe alaeesmärgi hinnangute vahel.
1960. aastal kirjutas sama rühmitus NSS-is kasutatavate põhimõtete alusel programmi, mida selle loojad nimetasid GPS-iks (General Problem Solver) – universaalseks probleemilahendajaks. GPS suudab lahendada mitmeid mõistatusi, arvutada määramata integraale, lahendada mõningaid muid ülesandeid. Need tulemused äratasid andmetöötluse valdkonna spetsialistide tähelepanu. Planimeetriast teoreemide automaatseks tõestamiseks ja algebraülesannete lahendamiseks on ilmunud programmid (sõnastatud aastal inglise keel).
John McCarty (J.McCarty) Stanfordist on huvitatud matemaatilised alused need tulemused ja sümboolsed arvutused üldiselt. Selle tulemusena töötas ta 1963. aastal välja LISP-keele (LISP, nimekirjatöötlusest), mis põhines programmide ja andmete jaoks ühtse loendi esituse kasutamisel, avaldiste kasutamisel funktsioonide määratlemiseks, sulgude süntaksil.
Ka loogikud hakkasid tundma huvi tehisintellekti valdkonna uuringute vastu. Samal 1964. aastal ilmus Leningradi loogiku Sergei Maslovi töö "Pöördmeetod tuletavuse tuvastamiseks klassikalises predikaatarvutuses", milles esmakordselt pakuti välja meetod teoreemide tõestuste automaatseks otsimiseks predikaatarvutuses. .
Aasta hiljem (1965. aastal) ilmus USA-s J.A.Pobinsoni töö, mis oli pühendatud veidi teistsugusele meetodile teoreemide tõestuste automaatseks otsimiseks esimest järku predikaatarvutuses. Seda meetodit nimetati lahutusmeetodiks ja see oli lähtepunktiks uue programmeerimiskeele koos sisseehitatud järeldusprotseduuriga - Prolog keele (PROLOG) loomisel 1971. aastal.
1966. aastal töötas Valentin Turchin NSV Liidus välja rekursiivsete funktsioonide keele Refal, mille eesmärk oli kirjeldada keeli ja erinevad tüübid nende töötlemine. Kuigi see oli mõeldud algoritmilise metakeelena, oli see kasutaja jaoks, nagu LISP ja Prolog, sümboolne teabetöötluskeel.
60ndate lõpus. esimesed mänguprogrammid, süsteemid elementaarseks tekstianalüüsiks ja mõne lahendamiseks matemaatika ülesandeid(geomeetria, integraalarvutus). Antud juhul tekkinud keeruliste loendusprobleemide puhul vähendati järsult lahendatavate valikute hulka kõikvõimalike heuristika ja " terve mõistus". Sellist lähenemist hakati nimetama heuristiliseks programmeerimiseks. Heuristilise programmeerimise edasiarendamine kulges algoritmide keerulisemaks muutmise ja heuristiliste omaduste täiustamise teed. Peagi sai aga selgeks, et on olemas teatud piir, millest kaugemale heuristika ja algoritmi komplitseerimine ei toimu. parandada süsteemi kvaliteeti ja mis kõige tähtsam, mitte Malet mängiv programm ei mängi kunagi kabet ega kaardimänge.
Tasapisi hakkasid teadlased mõistma, et kõigis varem loodud programmides jäi puudu kõige olulisemast – teadmisest vastavas valdkonnas. Spetsialistid, lahendades probleeme, saavutavad kõrgeid tulemusi tänu nende teadmistele ja kogemustele; kui programmid pääsevad juurde teadmistele ja neid rakendavad, saavutavad nad ka kvaliteetse töö.
See arusaam, mis tekkis 70ndate alguses, tähendas sisuliselt kvalitatiivset hüpet tehisintellekti alases töös.
Põhimõttelisi kaalutlusi sellel teemal väljendas 1977. aastal 5. tehisintellekti ühiskonverentsil Ameerika teadlane E. Feigenbaum.
70ndate keskpaigaks. ilmuvad esimesed rakenduslikud intelligentsed süsteemid, mis kasutavad probleemide lahendamiseks erinevaid teadmiste esitusmeetodeid – ekspertsüsteemid. Üks esimesi oli Stanfordi ülikoolis välja töötatud ekspertsüsteem DENDRAL, mis on loodud valemite genereerimiseks keemilised ühendid põhineb spektraalanalüüs. DENDRAL on praegu klientidele varustatud spektromeetriga. MYCIN süsteem on mõeldud nakkuslike verehaiguste diagnoosimiseks ja raviks. Süsteem PROSPECTOR ennustab maavarade lademeid. On tõendeid, et tema abiga avastati molübdeenimaardlad, mille väärtus ületab 100 miljonit dollarit. Vene tehnoloogia SIMER + MIR baasil rakendatud veekvaliteedi hindamissüsteem mitu aastat tagasi põhjustas Moskva jões Serebryany Bori lähistel saasteainete maksimaalsete lubatud kontsentratsioonide ületamise. CASNET süsteem on mõeldud glaukoomi jm diagnoosimiseks ja ravistrateegia valimiseks.
Praeguseks on ekspertsüsteemide arendamine ja juurutamine muutunud iseseisvaks insenerivaldkonnaks. Teadusuuringud on koondunud mitmesse valdkonda, millest mõned on loetletud allpool.
Teooria ei määratle otseselt, mida täpselt peetakse intellektuaalsuse saavutamise vajalikeks ja piisavateks tingimusteks. Kuigi selle skoori kohta on mitmeid hüpoteese, näiteks Newell-Simoni hüpotees. Tavaliselt lähenetakse intelligentsete süsteemide juurutamisele just inimese intelligentsuse modelleerimise seisukohalt. Seega on tehisintellekti raames kaks peamist valdkonda:
■ sümboolne (semiootiline, ülalt-alla) põhineb inimese mõtlemise kõrgetasemeliste protsesside modelleerimisel, teadmiste esitamisel ja kasutamisel;
■ Neuroküberneetiline (närvivõrk, tõusev) põhineb üksikute madalatasemeliste ajustruktuuride (neuronite) modelleerimisel.
Seega on tehisintellekti superülesanne ehitada arvuti intelligentne süsteem, mille efektiivsuse tase mitteformaliseeritavate ülesannete lahendamisel on võrreldav või parem inimese omaga.
Kõige sagedamini kasutatavad programmeerimisparadigmad tehisintellektisüsteemide ehitamisel on funktsionaalne programmeerimine ja loogiline programmeerimine. Need erinevad traditsioonilistest struktuursetest ja objektorienteeritud lähenemisviisidest programmiloogika arendamiseks mittelineaarsete otsustusjärelduste ja andmestruktuuride analüüsi ja sünteesi toetavate madala taseme vahenditega.
On kaks teaduslikku koolkonda, mis lähenevad tehisintellekti probleemile erinevalt: tavapärane tehisintellekt ja arvutuslik AI.
Tavalises AI-s kasutati peamiselt formalismil ja statistilisel analüüsil põhinevaid masinõppe meetodeid.
Tavapärased AI meetodid:
■ Ekspertsüsteemid: programmid, mis teatud reeglite järgi toimides töötlevad suurel hulgal infot ja selle tulemusel annavad selle põhjal järelduse.
■ Sarnastel juhtumitel põhinev arutluskäik (Case-based argumenting).
■ Bayesi võrgud – See statistiline meetod andmetes mustrite avastamine. Selleks kasutatakse esmast teavet, mis sisaldub kas võrgustruktuurides või andmebaasides.
■ Käitumuslik lähenemine: AI süsteemide ülesehitamise modulaarne meetod, mille puhul süsteem on jagatud mitmeks suhteliselt autonoomseks käitumisprogrammiks, mis käivitatakse sõltuvalt väliskeskkonna muutustest.
Arvutuslik AI eeldab iteratiivset arendust ja koolitust (näiteks parameetrite valimine ühenduvusvõrgus). Õppimine põhineb empiirilistel andmetel ja on seotud mittesümboolse tehisintellektiga ja pehme andmetöötlusega.
Peamised arvutusliku AI meetodid:
■ Närvivõrgud: suurepärase tuvastusvõimega süsteemid.
■ Hägused süsteemid: ebakindluse tingimustes arutlemise tehnikad (kasutatakse laialdaselt kaasaegsetes tööstus- ja tarbijakontrollisüsteemides)
■ Evolutsioonilised arvutused: siin rakendatakse probleemile parimate lahenduste leidmiseks traditsiooniliselt bioloogiaga seotud mõisteid, nagu populatsioon, mutatsioon ja looduslik valik. Need meetodid jagunevad evolutsioonilisteks algoritmideks (nt geneetilised algoritmid) ja sülemuure meetoditeks (nt sipelgakoloonia algoritm).
Hübriidsete intelligentsete süsteemide raames püütakse neid kahte valdkonda ühendada. Ekspertide järeldusreegleid saab genereerida närvivõrkude abil ja generatiivsed reeglid saadakse statistilise õppimise abil.
Tehisintellekti perspektiivsed suunad.
CBR (Case-Based Reasoning Modeling) meetodeid kasutatakse juba paljudes rakendustes - meditsiinis, projektijuhtimises, keskkonna analüüsimisel ja ümberkorraldamisel, erinevate tarbijagruppide eelistusi arvestavate masstoodete väljatöötamisel jne. CBR meetodite rakendusi peaksime ootama intelligentse infootsingu, e-kaubanduse (kaupade pakkumine, virtuaalsete kaubandusagentuuride loomine), käitumise planeerimise dünaamilistes keskkondades, programmide linkimise, kujundamise ja sünteesimise probleemide lahendamiseks.
Lisaks peaksime eeldama ideede ja meetodite (AI) kasvavat mõju loomulikus keeles tekstide masinanalüüsile (AT). See mõju mõjutab kõige tõenäolisemalt semantilist analüüsi ja sellega seotud parsimismeetodeid – selles valdkonnas väljendub see maailmamudeli arvestamises semantilise analüüsi lõppfaasis ning domeeniteadmiste ja situatsiooniinfo kasutamises otsingute arvu vähendamiseks. varajased staadiumid(näiteks parsipuude ehitamisel).
AI ja AT teine ​​"kommunikatsioonikanal" on masinõppemeetodite kasutamine AT-s; kolmas "kanal" on juhtumipõhise arutluskäigu ja argumentatsioonipõhise arutluskäigu kasutamine mõningate AT probleemide lahendamiseks, nagu müra vähendamine ja otsingu asjakohasuse parandamine.
üheks olulisemaks ja paljutõotavad suunad Tehisintellektis tuleks tänapäeval omistada automaatse käitumise planeerimise ülesandeid. Automaatsete planeerimismeetodite ulatus on lai valik suure autonoomia ja sihipärase käitumisega seadmeid, alates kodumasinatest kuni mehitamata kosmoselaevadeni süvakosmose uurimiseks.

Kasutatud allikad
1. Stuart Russell, Peter Norvig "Tehisintellekt: kaasaegne lähenemine (AIMA)", 2. trükk: Per. inglise keelest. - M.: Kirjastus "Williams", 2005.-1424 lk illustratsioonidega.
2. George F. Luger "Tehisintellekt: strateegiad ja lahendused", 4. väljaanne: Per. inglise keelest. - M.: Williamsi kirjastus, 2004.
3. Gennadi Osipov, Venemaa tehisintellekti assotsiatsiooni president, Euroopa tehisintellekti koordineerimiskomitee (ECCAI) alaline liige, füüsika- ja matemaatikateaduste doktor, professor „Tehisintellekt: teadusuuringute seis ja pilk tulevikku ."

Tehisintellekt

Tehisintellekt(AI, inglise keelest. Artificial Intelligence, AI) - intelligentsete masinate, eriti intelligentsete arvutiprogrammide loomise teadus ja tehnoloogia.

AI on seotud sarnase ülesandega kasutada arvuteid inimese intelligentsuse mõistmiseks, kuid see ei pruugi piirduda bioloogiliselt usutavate meetoditega.

AI on teaduslik suund, mis arendab meetodeid, mis võimaldavad elektroonilisel arvutil lahendada intellektuaalseid probleeme, kui neid lahendab inimene. Mõiste "tehisintellekt" viitab masina funktsionaalsusele inimprobleemide lahendamisel. Tehisintellekt on suunatud inimese vaimse töö erinevate vormide tõhususe tõstmisele.

Kõige tavalisem tehisintellekti vorm on arvuti, mis on programmeeritud reageerima konkreetsele teemale. Sellistel "ekspertsüsteemidel" on inimese võime teha eksperdi analüütilist tööd. Sarnane tekstitöötlusprogramm suudab tuvastada õigekirjavigu, neid saab uute sõnadega "koolitada". Sellele teadusdistsipliini külgneb tihedalt teisega, mille teemat mõnikord nimetatakse " tehiselu"Ta tegeleb rohkem luurega madal tase. Näiteks saab robotit programmeerida udus navigeerima, s.t. anda talle võime keskkonnaga füüsiliselt suhelda.

Mõiste "tehisintellekt" pakuti esmakordselt välja samanimelisel seminaril Dartsmouthi kolledžis USA-s 1956. aastal. Seejärel andsid erinevad teadlased tehisintellekti mõistele järgmised definitsioonid:

AI - arvutiteaduse haru, mis on seotud intelligentse käitumise automatiseerimisega;

AI on arvutusteadus, mis teeb võimalikuks taju, järeldamise ja tegevuse;

AI on infotehnoloogia, mis on seotud järelduste, õppimise ja taju protsessidega.

Tehisintellekti kui uue teadussuuna ajalugu saab alguse 20. sajandi keskpaigast. Selleks ajaks olid selle tekkeks juba palju eeldusi välja kujunenud: filosoofide seas on pikka aega olnud vaidlusi inimese olemuse ja maailma tundmise protsessi üle, neurofüsioloogid ja psühholoogid on selle töö kohta välja töötanud mitmeid teooriaid. inimese aju ja mõtlemine, majandusteadlased ja matemaatikud esitasid küsimusi optimaalsete arvutuste ja maailma kohta käivate teadmiste esitamise kohta formaliseeritud kujul; lõpuks sündis matemaatilise arvutusteooria – algoritmide teooria – alus ja loodi esimesed arvutid.

Tehisintellekti põhiprobleemiks on teadmiste esitamise ja töötlemise meetodite väljatöötamine.

Tehisintellekti programmid hõlmavad järgmist:

Mänguprogrammid (stohhastilised, arvutimängud);

Loomuliku keele programmid - masintõlge, teksti genereerimine, kõnetöötlus;

Tuvastamisprogrammid - käekirja, piltide, kaartide tuvastamine;

Programmid graafika, maali, muusikateoste loomiseks ja analüüsimiseks.

Eristatakse järgmisi tehisintellekti valdkondi:

Ekspertsüsteemid;

Närvivõrgud;

loomuliku keele süsteemid;

Evolutsioonilised meetodid ja geneetilised algoritmid;

hägused komplektid;

Teadmiste ammutamise süsteemid.

Ekspertsüsteemid on keskendunud konkreetsete probleemide lahendamisele.

Närvivõrgud rakendavad närvivõrgu algoritme.

Jaotatakse:

võrgud Üldine otstarve, mis toetavad umbes 30 närvivõrgu algoritmi ja on konfigureeritud lahendama konkreetseid probleeme;

Objektorienteeritud – kasutatakse tegelaste tuvastamiseks, tootmise juhtimiseks, valuutaturgude olukordade ennustamiseks,

Hübriid – kasutatakse koos teatud tarkvaraga (Excel, Access, Lotus).

Loomuliku keele (NL) süsteemid jagunevad:

Loomuliku keele liidese tarkvaratooted andmebaasis (loomuliku keele päringute esitamine SQL päringutes);

Loomulikkeelne otsing tekstides, tekstide mõtestatud skaneerimine (kasutatakse Interneti otsingumootorites, nt Google);

Skaleeritavad kõnetuvastusvahendid (kaasaskantavad sünkroontõlgid);

Kõnetöötluskomponendid teenindusvahenditena tarkvara(OS Windows XP).

Hägused komplektid – rakendavad andmete vahelisi loogilisi seoseid. Neid tarkvaratooteid kasutatakse majandusobjektide haldamiseks, ekspertsüsteemide ja otsustustoetussüsteemide ehitamiseks.

Geneetilised algoritmid on andmeanalüüsi meetodid, mida ei saa standardmeetoditega analüüsida. Reeglina kasutatakse neid suurte teabemahtude töötlemiseks, ennustavate mudelite loomiseks. Kasutatakse teaduslikel eesmärkidel simulatsioonimodelleerimisel.

Teadmiste ammutamise süsteemid – kasutatakse teabesalvede andmete töötlemiseks.

Mõned kuulsamad AI-süsteemid on:

Sügavsinine- alistas male maailmameistri. Kasparov vs superarvuti matš ei pakkunud rahulolu ei arvutiteadlastele ega maletajatele ning Kasparov ei tundnud süsteemi ära. IBM-i superarvutite sari väljendus seejärel toore jõu BluGene (molekulaarne modelleerimine) ja püramiidrakkude süsteemi modelleerimise projektides Blue Brainis, Šveitsis.

Watson- IBMi paljutõotav arendus, mis on võimeline tajuma inimkõnet ja teostama tõenäosuslikku otsingut, kasutades suurt hulka algoritme. Teose demonstreerimiseks osales Watson ameeriklaste mängus "Jeopardy!", mis on Venemaal "Own Game" analoog, kus süsteemil õnnestus mõlemas mängus võita.

MÜTSIN- üks varajasetest ekspertsüsteemidest, mis suudab diagnoosida väikese hulga haigusi ja sageli sama täpselt kui arstid.

20Q- AI ideedel põhinev projekt, mis põhineb klassikalisel mängul "20 küsimust". Sai väga populaarseks pärast ilmumist Internetis aadressil 20q.net.

Kõnetuvastus. Sellised süsteemid nagu ViaVoice on võimelised tarbijaid teenindama.

Robotid võistlevad iga-aastasel RoboCupi turniiril jalgpalli lihtsustatud vormis.

Pangad kasutavad tehisintellekti süsteeme (AI) kindlustustegevuses (kindlustusmatemaatika), börsil mängides ja kinnisvara haldades. Mustrituvastusmeetodeid (sh nii keerukamaid kui ka spetsialiseerunud ja närvivõrke) kasutatakse laialdaselt optilises ja akustilises tuvastamises (sh tekst ja kõne), meditsiinilises diagnostikas, rämpspostifiltrites, õhutõrjesüsteemides (sihtmärgi tuvastamine), samuti hulk muid riikliku julgeoleku ülesandeid.

Arvutimängude arendajad kasutavad tehisintellekti erineva keerukuse astmega. See moodustab kontseptsiooni "mängu tehisintellekt". Standardsed AI-ülesanded mängudes on tee leidmine 2D- või 3D-ruumis, lahinguüksuse käitumise simuleerimine, õige majandusstrateegia väljaarvutamine jne.

Tehisintellekti valdkonna suurimad teadus- ja uurimiskeskused:

Ameerika Ühendriigid (Massachusettsi Tehnoloogiainstituut);

Saksamaa (saksa Uurimiskeskus tehisintellekti kohta);

Jaapan ( Riiklik Instituut kaasaegne tööstusteadus ja -tehnoloogia (AIST));

Venemaa (Venemaa Teaduste Akadeemia tehisintellekti metoodika teadusnõukogu).

Tänapäeval on tehisintellekti valdkonna edusammude tõttu loodud suur hulk teaduslikke arenguid, mis lihtsustavad oluliselt inimeste elu. Kõne või skannitud teksti äratundmine, arvutuslikult keerukate ülesannete lahendamine lühikest aega ja palju muud – see kõik on saanud kättesaadavaks tänu tehisintellekti arengule.

Inimspetsialisti asendamine tehisintellektisüsteemidega, eelkõige muidugi ekspertsüsteemidega, kus see on lubatud, võib oluliselt kiirendada ja vähendada tootmisprotsessi maksumust. Tehisintellekti süsteemid on alati objektiivsed ja nende töö tulemused ei sõltu hetkemeeleolust ja mitmetest muudest inimesele omastest subjektiivsetest teguritest. Kuid vaatamata kõigele eelnevale ei tasu endale kahtlasi illusioone kanda ja loota, et lähitulevikus asendub inimtöö tehisintellekti tööga. Kogemused näitavad, et tänapäeval saavutavad tehisintellektisüsteemid parima tulemuse, kui nad tegutsevad koos inimesega. Lõppude lõpuks on see inimene, erinevalt tehisintellektist, kes on võimeline mõtlema väljaspool kasti ja loovalt, mis võimaldas tal areneda ja edasi liikuda kogu oma ajastu jooksul.

Kasutatud allikad

1. www.aiportal.ru

3. en.wikipedia.org

Inimkonna uus evolutsiooniline strateegia

Ta juhib tähelepanu: „Probleem on selles, et me ei suuda veel üldiselt kindlaks teha, milliseid arvutusprotseduure tahame intelligentseteks nimetada. Me mõistame mõningaid intelligentsuse mehhanisme ja ei mõista teisi. Seetõttu mõistetakse selles teaduses intelligentsust ainult maailmas eesmärkide saavutamise võime arvutusliku komponendina.

Samas on seisukoht, mille kohaselt intelligentsus saab olla ainult bioloogiline nähtus.

Nagu märgib Venemaa tehisintellekti assotsiatsiooni Peterburi osakonna esimees T. A. Gavrilova, on inglise keeles väljend tehisintellekt pole seda kergelt fantastilist antropomorfset värvingut, mille ta omandas üsna ebaõnnestunud venekeelses tõlkes. Sõna intelligentsus tähendab "mõistlikkuse võimet" ja mitte üldse "intelligentsust", mille jaoks see on olemas Ingliskeelne vaste intellekt .

Venemaa Tehisintellekti Assotsiatsiooni liikmed annavad tehisintellektile järgmised määratlused:

Intelligentsuse ühe privaatse definitsiooni, mis on ühine inimesele ja “masinale”, võib sõnastada järgmiselt: “Intelligentsus on süsteemi võime luua iseõppimise käigus programme (eeskätt heuristlikke) probleemide lahendamiseks. teatud keerukusklass ja lahenda need probleemid”.

Sageli nimetatakse tehisintellekti ka kõige lihtsamaks elektroonikaks, mis näitab andurite olemasolu ja töörežiimi automaatset valikut. Sõna kunstlik tähendab antud juhul seda, et te ei tohiks eeldada, et süsteem suudab leida uue töörežiimi olukorras, mida arendajad pole ette näinud.

Eeldused tehisintellekti teaduse arendamiseks

Tehisintellekti kui uue teadussuuna ajalugu saab alguse 20. sajandi keskpaigast. Selleks ajaks olid selle tekkeks juba mitmed eeldused välja kujunenud: filosoofide seas oli pikka aega olnud vaidlusi inimese olemuse ja maailma tundmise protsessi üle, neurofüsioloogid ja psühholoogid töötasid välja hulga teooriaid inimaju ja inimaju töö kohta. mõtlemine, majandusteadlased ja matemaatikud esitasid küsimusi optimaalsete arvutuste ja maailma kohta käivate teadmiste esitamise kohta formaliseeritud kujul; lõpuks sündis matemaatilise arvutusteooria – algoritmide teooria – alus ja loodi esimesed arvutid.

Uute masinate võimalused arvutuskiiruse osas osutusid suuremaks kui inimese omad, mistõttu hiilis teadlaskonda küsimus: millised on arvutite võimekuse piirid ja kas masinad jõuavad inimese arengu tasemele? 1950. aastal kirjutas üks arvutitehnoloogia valdkonna teerajajaid, inglise teadlane Alan Turing artikli pealkirjaga "Kas masin suudab mõelda?" , mis kirjeldab protseduuri, mille abil on võimalik määrata hetk, mil masin muutub intelligentsuse poolest inimesega võrdseks, mida nimetatakse Turingi testiks.

Tehisintellekti arengu ajalugu NSV Liidus ja Venemaal

NSV Liidus algas töö tehisintellekti vallas 1960. aastatel. Moskva ülikoolis ja Teaduste Akadeemias viidi läbi mitmeid teedrajavaid uuringuid, mida juhtisid Veniamin Puškin ja D. A. Pospelov.

1964. aastal ilmus Leningradi loogiku Sergei Maslovi töö "Pöördvõrdeline meetod tuletavuse tuvastamiseks klassikalises predikaatarvutuses", milles esmakordselt pakuti välja meetod teoreemide tõestuste automaatseks otsimiseks predikaatarvutuses.

Kuni 1970. aastateni viidi NSV Liidus läbi kõik tehisintellektiuuringud küberneetika raames. D. A. Pospelovi sõnul olid "arvutiteaduse" ja "küberneetika" teadused sel ajal mitmete akadeemiliste vaidluste tõttu segunenud. Alles 1970. aastate lõpus hakati NSV Liidus rääkima teaduslikust suunast "tehisintellekt" kui arvutiteaduse harust. Samal ajal sündis ka informaatika ise, mis allutas eellase “küberneetika”. 1970. aastate lõpus ilmus tehisintellekti seletav sõnastik, kolmeköiteline tehisintellekti teatmeteos ja entsüklopeediline sõnaraamat informaatikas, mille osad "Küberneetika" ja "Tehisintellekt" on koos teiste osadega informaatika koosseisu. Mõiste "arvutiteadus" levis laialt 1980. aastatel ja mõiste "küberneetika" kadus järk-järgult käibelt, jäädes vaid nende institutsioonide nimedesse, mis tekkisid 1950. aastate lõpu ja 1960. aastate alguse "küberneetilise buumi" ajastul. Seda seisukohta tehisintellektist, küberneetikast ja arvutiteadusest ei jaga kõik. See on tingitud asjaolust, et läänes on nende teaduste piirid mõnevõrra erinevad.

Lähenemisviisid ja suunad

Lähenemisviisid probleemi mõistmiseks

Küsimusele, mida tehisintellekt teeb, ühest vastust pole. Peaaegu iga autor, kes kirjutab tehisintellektist raamatu, lähtub selles mingist definitsioonist, arvestades selle teaduse saavutusi selle valguses.

• kahanev (inglise keeles) Ülevalt alla AI), semiootiline - ekspertsüsteemide, teadmusbaaside ja järeldussüsteemide loomine, mis imiteerivad kõrgetasemelisi vaimseid protsesse: mõtlemist, arutlemist, kõnet, emotsioone, loovust jne;
• tõusev (inglise keeles) Alt üles AI), bioloogiline – närvivõrkude ja evolutsiooniliste arvutuste uurimine, mis modelleerivad bioloogilistel elementidel põhinevat intellektuaalset käitumist, samuti sobivate arvutussüsteemide, näiteks neuro- või bioarvuti loomine.

Viimane lähenemine rangelt võttes ei kehti tehisintellekti teaduse kohta John McCarthy antud tähenduses – neid ühendab vaid ühine lõppeesmärk.

Turingi test ja intuitiivne lähenemine

Empiirilise testi pakkus välja Alan Turing artiklis " Arvutusmasinad ja mõistus" Arvutusmasinad ja intelligentsus ) avaldati 1950. aastal filosoofiaajakirjas Mõistus". Selle testi eesmärk on välja selgitada inimesele lähedase kunstliku mõtlemise võimalus.

Selle testi standardtõlgendus on järgmine: " Inimene suhtleb ühe arvuti ja ühe inimesega. Ta peab küsimuste vastuste põhjal kindlaks tegema, kellega ta räägib: kas inimese või arvutiprogrammiga. Arvutiprogrammi ülesanne on inimest eksitada, sundides teda tegema vale valiku.". Kõik testis osalejad ei näe üksteist.

• Kõige üldisem lähenemisviis eeldab, et tehisintellekt suudab tavaolukordades käituda inimesega sarnaselt. See idee on Turingi testi lähenemisviisi üldistus, mis väidab, et masin muutub intelligentseks siis, kui ta suudab tavainimesega vestelda ja ta ei saa aru, et ta masinaga räägib ( vestlus toimub kirjavahetuse teel).
• Ulmekirjanikud soovitavad sageli teist lähenemisviisi: AI tekib siis, kui masin suudab tunda ja luua. Niisiis hakkab Andrew Martini omanik filmist "Kakssada aastat meest" kohtlema teda kui inimest, kui ta loob mänguasja enda kavandi järgi. Ja Star Treki andmed, olles suutelised suhtlema ja õppima, unistavad emotsioonide ja intuitsiooni saavutamisest.

Tõenäoliselt ei pea viimane lähenemisviis siiski üksikasjalikumalt vastu. Näiteks on lihtne luua mehhanism, mis hindab välis- või sisekeskkonna mõningaid parameetreid ja reageerib nende ebasoodsatele väärtustele. Sellise süsteemi kohta võib öelda, et sellel on tunded (“valu” on reaktsioon šokiandurile, “nälg” on reaktsioon aku madalale laengule jne). Ja Kohoneni kaartide loodud klastreid ja paljusid teisi "intelligentsete" süsteemide tooteid võib pidada omamoodi loovuseks.

Sümboolne lähenemine

Ajalooliselt oli sümboolne lähenemine esimene digitaalarvutite ajastul, kuna pärast esimese sümboolse andmetöötluskeele Lisp loomist sai selle autor kindel võimaluses hakata neid intelligentsi vahendeid praktiliselt rakendama. Sümboolne lähenemine võimaldab opereerida nõrgalt formaliseeritud esituste ja nende tähendustega.

Uute probleemide lahendamise edukus ja tõhusus sõltub suutlikkusest hankida ainult olulist teavet, mis nõuab abstraktsioonimeetodite paindlikkust. Kui tavaline programm määrab andmete tõlgendamiseks ühe oma viisi, mistõttu näeb selle töö kallutatud ja puhtmehaaniline. Sel juhul saab intellektuaalse probleemi lahendada ainult inimene, analüütik või programmeerija, kes ei saa seda masinale usaldada. Selle tulemusena luuakse ühtne abstraktsioonimudel, konstruktiivsete olemite ja algoritmide süsteem. Ja paindlikkus ja mitmekülgsus põhjustavad märkimisväärseid ressursikulusid tüüpilised ülesanded, see tähendab, et süsteem pöördub intelligentsuse juurest tagasi toore jõu juurde.

Sümboolsete arvutuste peamine omadus on uute reeglite loomine programmi täitmise ajal. Kusjuures mitteintelligentsete süsteemide võimalused valmivad vahetult enne, kui on võimalik vähemalt viidata uutele tekkivatele raskustele. Veelgi enam, need raskused ei lahene ja lõpuks ei paranda arvuti selliseid võimeid iseenesest.

Sümboolse lähenemise miinus on see, et selline avatud võimalused ettevalmistamata inimesed tajuvad neid kui töövahendite puudust. See üsna kultuuriline probleem on osaliselt lahendatud loogilise programmeerimisega.

loogiline lähenemine

Loogiline lähenemine tehisintellektisüsteemide loomisele on suunatud teadmusbaaside loogiliste mudelitega ekspertsüsteemide loomisele predikaatkeele abil.

Loogiline programmeerimiskeel ja süsteem Prolog võeti tehisintellektisüsteemide koolitusmudelina kasutusele 1980. aastatel. Prologi keeles kirjutatud teadmistebaasid esindavad loogiliste predikaatide keeles kirjutatud faktide ja järeldusreeglite kogumeid.

Teadmistebaaside loogiline mudel võimaldab salvestada mitte ainult konkreetset teavet ja andmeid faktide kujul Prologi keeles, vaid ka üldistatud teavet, kasutades järeldusreegleid ja -protseduure, sealhulgas loogilisi reegleid teatud teadmisi konkreetsetena väljendavate mõistete määratlemiseks. ja üldistatud teavet.

Üldjuhul on tehisintellekti probleemide uurimine teadmusbaaside ja ekspertsüsteemide kujundamise loogilise lähenemise raames suunatud intelligentsete infosüsteemide loomisele, arendamisele ja käitamisele, sh üliõpilaste ja koolinoorte õpetamise teemadele. samuti selliste intelligentsete infosüsteemide kasutajate ja arendajate koolitamine.

Agendipõhine lähenemine

Uusimat lähenemist, mis on välja töötatud alates 1990. aastate algusest, nimetatakse agendipõhine lähenemine, või intelligentsete (ratsionaalsete) agentide kasutamisel põhinev lähenemine. Selle käsitluse kohaselt on intelligentsus intelligentsele masinale seatud eesmärkide saavutamise võime arvutuslik osa (jämedalt öeldes planeerimine). Selline masin ise on intelligentne agent, mis tajub ümbritsevat maailma andurite abil ja suudab täiturmehhanismide abil mõjutada keskkonnas olevaid objekte.

See lähenemine keskendub meetoditele ja algoritmidele, mis aitavad intelligentsel agendil oma ülesannet täites keskkonnas ellu jääda. Seega uuritakse siin teeleidmise ja otsuste tegemise algoritme palju hoolikamalt.

Hübriidne lähenemine

Põhiartikkel: Hübriidne lähenemine

Hübriidne lähenemine soovitab seda ainult neuraalsete ja sümboolsete mudelite sünergiline kombinatsioon saavutab kognitiivsete ja arvutuslike võimete täieliku spektri. Näiteks ekspertide järeldusreegleid saab genereerida närvivõrkude abil ja generatiivseid reegleid saadakse statistilise õppimise abil. Selle lähenemisviisi pooldajad usuvad, et hübriidsed infosüsteemid on palju tugevamad kui summa erinevaid kontseptsioone eraldi.

Uurimistöö mudelid ja meetodid

Mõtteprotsesside sümboolne modelleerimine

Põhiartikkel: Põhjenduste modelleerimine

Tehisintellekti ajalugu analüüsides võib välja tuua sellise ulatusliku suuna nagu arutluskäikude modelleerimine. Aastaid on selle teaduse areng seda teed mööda liikunud ja nüüd on see üks kaasaegse tehisintellekti arenenumaid valdkondi. Põhjendusmodelleerimine hõlmab sümboolsete süsteemide loomist, mille sisendis seatakse kindel ülesanne ja väljundis on vaja see lahendada. Reeglina on välja pakutud ülesanne juba formaliseeritud ehk tõlgitud matemaatilisele kujule, kuid sellel kas puudub lahendusalgoritm või on see liiga keeruline, aeganõudev vms. Sellesse suunda kuuluvad: teoreemide tõestamine, otsustamine, ja mänguteooria, planeerimine ja väljasaatmine , prognoosimine .

Loomulike keeltega töötamine

Oluline suund on loomuliku keele töötlemine, mis analüüsib "inimkeeles" tekstide mõistmise, töötlemise ja genereerimise võimalusi. Selle suuna raames on eesmärgiks selline loomulik keeletöötlus, mis oleks võimeline lugedes teadmisi omandama iseseisvalt olemasolev tekst Internetis saadaval. Mõned loomuliku keele töötlemise otsesed rakendused hõlmavad teabeotsingut (sealhulgas teksti kaevandamist) ja masintõlget.

Teadmiste kujutamine ja kasutamine

Suund teadmiste insenerühendab lihtsast informatsioonist teadmiste saamise, nende süstematiseerimise ja kasutamise ülesandeid. See suund on ajalooliselt seotud loominguga ekspertsüsteemid- programmid, mis kasutavad mis tahes probleemi kohta usaldusväärsete järelduste tegemiseks spetsiaalseid teadmistebaase.

Andmetest teadmiste tootmine on andmekaeve üks põhiprobleeme. Selle probleemi lahendamiseks on erinevaid lähenemisviise, sealhulgas närvivõrgu tehnoloogial põhinevaid lähenemisviise, kasutades närvivõrgu verbaliseerimisprotseduure.

Masinõpe

Probleemid masinõpe puudutab protsessi sõltumatu teadmiste omandamine intellektuaalse süsteemi poolt selle toimimise käigus. See suund on olnud tehisintellekti arendamise algusest peale kesksel kohal. 1956. aastal kirjutas Ray Solomonoff Dartmundi suvekonverentsil ettekande järelevalveta tõenäosusmasinast, mida nimetatakse induktiivseks järeldusmasinaks.

Robootika

Põhiartikkel: Arukas robootika

Masina loovus

Põhiartikkel: Masina loovus

Inimese loovuse olemust mõistetakse veelgi vähem kui intelligentsuse olemust. Sellegipoolest on see valdkond olemas ja siin on püstitatud muusika, kirjandusteoste (sageli luuletuste või muinasjuttude) kirjutamise ja kunstilise loovuse probleemid. Realistlike piltide loomist kasutatakse laialdaselt filmi- ja mängutööstuses.

Eraldi on välja toodud tehisintellektisüsteemide tehnilise loovuse probleemide uurimine. G. S. Altshulleri 1946. aastal välja pakutud leidliku probleemide lahendamise teooria tähistas sellise uurimistöö algust.

Selle funktsiooni lisamine igale intelligentsele süsteemile võimaldab teil väga selgelt näidata, mida süsteem täpselt tajub ja kuidas ta aru saab. Lisades puuduva info asemel müra või filtreerides müra süsteemis olemasolevate teadmistega, saadakse abstraktsetest ja inimesele kergesti tajutavatest teadmistest konkreetsed pildid, mis on eriti kasulik intuitiivsete ja väheväärtuslike teadmiste puhul, mille kontrollimine formaalne vorm nõuab märkimisväärset vaimset pingutust.

Muud uurimisvaldkonnad

Lõpuks on tehisintellektil palju rakendusi, millest igaüks moodustab peaaegu iseseisva suuna. Näideteks on programmeerimisintellekt arvutimängudes, mittelineaarne juhtimine, intelligentsed infoturbesüsteemid.

On näha, et paljud uurimisvaldkonnad kattuvad. See kehtib iga teaduse kohta. Kuid tehisintellektis on seos pealtnäha erinevate suundade vahel eriti tugev ja see on seotud filosoofilise debatiga tugeva ja nõrga tehisintellekti üle.

Kaasaegne tehisintellekt

AI arendamisel on kaks suunda:

• spetsialiseeritud tehisintellektisüsteemide inimvõimetele lähendamise ja nende integreerimisega seotud probleemide lahendamine, mis on inimloomusest lähtuvalt ellu viidud ( vaata Intellekti võimendus);
• tehisintellekti loomine, mis kujutab endast juba loodud tehisintellekti süsteemide integreerimist ühtseks süsteemiks, mis suudab lahendada inimkonna probleeme ( vt Tugev ja nõrk tehisintellekt).

Kuid hetkel on tehisintellekti valdkonnas palju kaasatud ainevaldkonnad, millel on tehisintellektile pigem praktiline kui põhiline tähtsus. Katsetatud on paljusid lähenemisviise, kuid ükski uurimisrühm pole veel tehisintellekti tekkega välja tulnud. Allpool on vaid mõned kõige tähelepanuväärsemad AI arendused.

Rakendus

Turniir RoboCup

Mõned kuulsamad AI-süsteemid on:

Pangad kasutavad tehisintellekti süsteeme (AI) kindlustustegevuses (kindlustusmatemaatika), börsil mängides ja kinnisvara haldades. Mustrituvastusmeetodeid (sh nii keerukamaid kui ka spetsialiseerunud ja närvivõrke) kasutatakse laialdaselt optilises ja akustilises tuvastamises (sh tekst ja kõne), meditsiinilises diagnostikas, rämpspostifiltrites, õhutõrjesüsteemides (sihtmärgi tuvastamine), samuti hulk muid riikliku julgeoleku ülesandeid.

Psühholoogia ja kognitiivteadus

Kognitiivse modelleerimise metoodika on mõeldud analüüsimiseks ja otsuste tegemiseks ebamäärastes olukordades. Selle pakkus välja Axelrod.

See põhineb ekspertide subjektiivsete ideede modelleerimisel olukorra kohta ja sisaldab: metoodikat olukorra struktureerimiseks: mudelit ekspertteadmiste esitamiseks märgistatud digraafi (kognitiivse kaardi) kujul (F, W), kus F on olukorra tegurite kogum, W on põhjus-tagajärg seoste kogum olukorra tegurite vahel; olukorra analüüsi meetodid. Hetkel areneb kognitiivse modelleerimise metoodika olukorra analüüsimise ja modelleerimise aparaadi täiustamise suunas. Siin pakutakse välja mudelid olukorra arengu prognoosimiseks; meetodid pöördülesannete lahendamiseks.

Filosoofia

Teadus "tehisintellekti loomisest" ei suutnud äratada filosoofide tähelepanu. Esimeste intelligentsete süsteemide tulekuga tõstatati fundamentaalsed küsimused inimese ja teadmiste ning osaliselt ka maailmakorra kohta.

Tehisintellekti loomise filosoofilised probleemid võib jaotada kahte rühma, suhteliselt öeldes "enne ja pärast AI arengut". Esimene rühm vastab küsimusele: "Mis on AI, kas seda on võimalik luua ja kui võimalik, kuidas seda teha?" Teine rühm (tehisintellekti eetika) esitab küsimuse: "Millised on tehisintellekti loomise tagajärjed inimkonnale?"

Mõiste "tugev tehisintellekt" võttis kasutusele John Searle ja tema lähenemist iseloomustavad tema enda sõnad:

Pealegi oleks selline programm midagi enamat kui lihtsalt mõistuse mudel; see on sõna otseses mõttes mõistus ise, samas tähenduses, nagu inimmõistus on mõistus.

Samal ajal on vaja mõista, kas "puhas tehislik" mõistus ("metamind") on võimalik, mõista ja otsustada. tõelisi probleeme ja samal ajal puuduvad emotsioonid, mis on inimesele iseloomulikud ja vajalikud tema individuaalseks ellujäämiseks.

Vastupidi, nõrgad tehisintellekti pooldajad eelistavad vaadelda programme vaid kui vahendit teatud ülesannete lahendamiseks, mis ei nõua inimese kõiki kognitiivseid võimeid.

Eetika

Ulme

AI teemat käsitletakse Robert Heinleini loomingus erinevate nurkade alt: hüpotees tehisintellekti eneseteadvuse tekkimisest, kui struktuur muutub keerulisemaks üle teatud kriitilise taseme ning toimub interaktsioon välismaailma ja teiste meelekandjatega ( "Kuu on karm armuke", "Armastuse jaoks piisavalt aega", Mycroft, Dora ja Aya sarjas "Tuleviku ajalugu", tehisintellekti arengu probleemid pärast hüpoteetilist eneseteadvust ning mõned sotsiaalsed ja eetilised probleemid (" reede"). Inimese ja tehisintellektiga suhtlemise sotsiaalpsühholoogilisi probleeme käsitleb ka Philip K. Dicki romaan „Kas Androidid unistavad elektrilammastest? ”, tuntud ka Blade Runneri filmi adaptsioonist.

Virtuaalreaalsuse, tehisintellekti, nanorobotite ja paljude teiste tehisintellekti filosoofia probleemide tekkimist kirjeldatakse ja suures osas oodatakse ulmekirjaniku ja filosoofi Stanislav Lemi loomingus. Erilist tähelepanu väärib futuroloogia Tehnoloogia summa. Lisaks kirjeldatakse Iyon the Quieti seiklustes korduvalt elusolendite ja masinate vahelisi suhteid: pardaarvutite mäss, millele järgnes ootamatud sündmused(11 teekonda), robotite kohandamine sisse inimühiskond(“Washing Tragedy” filmist “Memories of Iyon the Quiet”), absoluutse korra loomine planeedil elavate elanike töötlemise teel (24. reis), Corcorani ja Diagori leiutised (“Memuaarid Iyonist Vaiksest”), robotite psühhiaatriakliinik ("Mälestused Iyonist Vaiksest"). Lisaks on terve Cyberiaadi lugude ja lugude tsükkel, kus peaaegu kõik tegelased on robotid, kes on inimeste eest põgenenud robotite kauged järeltulijad (nimetatakse inimesi kahvatuteks ja peetakse müütilisteks olenditeks).

Filmid

Alates peaaegu 60ndatest on koos fantastiliste lugude ja romaanide kirjutamisega tehtud filme tehisintellektist. Paljud kogu maailmas tunnustatud autorite lood filmitakse ja neist saavad žanri klassikad, teised aga ulme arengu verstapostiks, nagu Terminaator ja Maatriks.

Vaata ka

Märkmed

1. KKK John McCarthylt, 2007
2. M. Andrew. Päriselu ja tehisintellekt // "Tehtisintellekti uudised", RAII, 2000
3. Gavrilova T. A. Khoroševski V. F. Arukate süsteemide teadmiste alused: õpik ülikoolidele
4. Averkin A. N., Gaaze-Rapoport M. G., Pospelov D. A. Tehisintellekti seletav sõnaraamat. - M.: Raadio ja side, 1992. - 256 lk.
5. G. S. Osipov. Tehisintellekt: uurimistöö ja pilk tulevikku
6. Iljasov F. N. Meel kunstlik ja looduslik // Türkmenistani NSV Teaduste Akadeemia toimetised, sotsiaalteaduste sari. 1986. nr 6. S. 46-54.
7. Alan Turing, Kas masinad suudavad mõelda?
8. Intelligentsed masinad S. N. Korsakov
9. D. A. Pospelov. Informaatika kujunemine Venemaal
10. Küberneetika ajaloost NSV Liidus. Essee üks, essee teine
11. Jack Copeland. Mis on tehisintellekt? 2000
12. Alan Turing, Arvutusmasinad ja intelligentsus, Mind, vol. LIX, ei. 236, oktoober 1950, lk. 433-460.
13. Loomuliku keele töötlemine:
14. Loomuliku keele töötlemise rakendused hõlmavad teabeotsingut (sealhulgas tekstianalüüsi ja masintõlget):
15. Gorban P. A. Närvivõrgu teadmiste ammutamine andmetest ja arvutipsühhoanalüüsist
16. Masinõpe:
17. Alan Turing käsitles keskse teemana juba 1950. aastal oma klassikalises artiklis Computing Machinery and Intelligence. ()
18. (PDF-i skannitud koopia originaalist) (1957. aastal avaldatud versioon, An Inductive Inference Machine, "IRE Convention Record, Section on Information Theory, Part 2, lk. 56-62)
19. Robootika:
20. , lk. 916–932
21. , lk. 908–915
22. Blue Brain Project – Kunstlik aju
23. Leebeloomuline Watson varrastab inimvastaseid ohus
24. 20Q.net Inc.
25. Axelrod R. Otsuse struktuur: poliitilise eliidi kognitiivsed kaardid. - Princeton. Ülikooli Kirjastus, 1976
26. John Searle. Aju mõistus – arvutiprogramm?
27. Penrose R. Kuninga uus meel. Arvutitest, mõtlemisest ja füüsikaseadustest. - M .: URSS, 2005. - ISBN 5-354-00993-6
28. AI kui globaalne riskitegur
29. …viib sind igavesse ellu
30. http://www.rc.edu.ru/rc/s8/intellect/rc_intellect_zaharov_2009.pdf Õigeusu vaade tehisintellekti probleemile
31. Harry Harrison. Turingi valik. - M .: Eksmo-Press, 1999. - 480 lk. - ISBN 5-04-002906-3

Kirjandus

• Arvuti õpib ja põhjendab (1. osa) // Arvuti saab intelligentsust = Artificial Intelligence Computer Images / toim. V. L. Stefanjuk. - Moskva: Mir, 1990. - 240 lk. - 100 000 eksemplari. - ISBN 5-03-001277-X (vene); ISBN 705409155
• Devyatkov V.V. Tehisintellekti süsteemid / Ch. toim. I. B. Fedorov. - M .: MSTU kirjastus im. N. E. Bauman, 2001. - 352 lk. - (Tehnikaülikooli informaatika). - 3000 eksemplari. - ISBN 5-7038-1727-7

• Korsakov S.N. Uue uurimisviisi üleskirjutamine ideid võrdlevate masinate abil / Toim. A.S. Mihhailov. - M .: MEPhI, 2009. - 44 lk. - 200 eksemplari. -