Информционные технологии (стр. 5 из 6)

4. Как Вы понимаете машинный интеллект?

Машинный интеллект – это нечто иное, как внутренний интеллект ЭВМ, который обеспечивается ее собственным оборудованием, т.е. развитие машинного интеллекта означает интеллектуализацию ЭВМ, как соответствующее развитие ее архитектуры и структуры вместе с внутренним математическим обеспечением. Машинный интеллект состоит из трех лавных аспектов: восприимчивости в языкам пользователей; реализации методов и средств обработки знаний как сложных структур данных (ССД); автоматизированной организации вычислительного процесса во взаимодействии с пользователями.

В целом машинный интеллект характеризует математические способности собственно машин, и является таким образом «рамочным» понятием, обрамляющим и увязываемым между собой краеугольные, фундаментальные принципы ЭВМ. Связь между понятием машинного интеллекта и искусственного интеллекта заключается главным образом в том, что машинный интеллект является аппаратной поддержкой искусственного интеллекта. Но в этом смысле значение машинного интеллекта шире - поскольку он поддерживает решение любых задач, в том числе и традиционных вычислительных, облегчая, например, их подготовку, которая сама по себе в свете развитых информационных технологий является уже одной из типичных задач искусственного интеллекта. Таким образом, машинный интеллект поддерживает искусственный интеллект, но его реализация охватывает внедрение методов искусственного интеллекта в архитектуру машин.

Развитие машинного интеллекта отчетливо характеризуется в его трех приведенных главных аспектах, которые называются соответственно языковым, когнитивным и обрабатывающим. В языковом аспекте - это с учетом тенденций современного развития языков программирования и методов организации вычислительного процесса дальнейшее повышение программного уровня и развитие системных средств внутреннего языка с приданием ему в целом объектно-ориентированного стиля. В когнитивном аспекте - это структурная поддержка работ со знаниями, как со сложными структурами данных (ССД) - причем с использованием логических и когнитивных построений в знаниях и различных их функциональных назначений - в качестве денотатов и конотатов (обрабатываемых и управляющих знаний). В обрабатывающем аспекте - это повышение уровня структурной автоматизации вычислительного процесса, как в режиме подготовки задач, так и в решении текущей интерпретации всего потока заданий и динамического управления их выполнением. В первом и втором аспектах машинный интеллект главным образом наделен на поддержку НСI, в третьем же аспекте главным его назначением уже является обеспечение НРС в целом этот фактор приобретает особое значение в условиях применения высокопроизводительной распределенной обработки информации на основе параллельных архитектур, избавляя при этом пользователей от необходимости детального планирования и организации параллельных процессов, и обеспечивая эффективность их прохождения.

Развитие машинного интеллекта во всех трех указанных аспектах настолько характерно и взаимозависимо, что требует общих и нетривиальных решений, отражающих взаимное согласование между ними и проводящих к созданию ЭВМ нового класса. Так, например, в монографии "Языки программирования и схемотехника СБИС" (Фути К., Судзуки Н.) ЭВМ сочетающие реализацию ЯВУ в качестве внутреннего языка и распределенную обработку информации назывались машинами будущего. Именно к такого рода машинам, да еще с развитой поддержкой работы со знаниями и относится упоминавшаяся ЭВМ "ИРМ", как машина нового класса - интеллектуальных решающих машин. Комплекс взаимно согласованных главных технических решений, выработанных для данной машины, как раз и представляет собой наглядный пример, указанного развития машинного интеллекта применительно к универсальным ЭВМ массового использования, отвечающий современным требованиям, как HCI, так и HPC. С приведенными принципами развития машинного интеллекта в языковом и обрабатывающем аспектах оптимально сочетается и развитие его когнитивного аспекта - при надлежащем выборе ССД для представления знаний. Т.е. эти структуры должны лучшим образом соответствовать не только своему прямому назначению, но и связывать между собой обрабатываемые данные (как пользовательские задания - языковый аспект) со средствами обработки (обрабатывающий аспект). Такими структурами целесообразно принять графы - поскольку ими изображаются семантические сети, как наиболее универсальная форма представления знаний и разные виды этих сетей (вычислительные схемы, классификационные сети, сценарии и др.) образуются приданием соответствующей семантики вершинам и ребрам графов. Вычислительные схемы при этом как раз и образуют связывающее звено между внутренним ЯВУ машины и микропроцессорным полем обработки в ней, в котором эти схемы соответственно отображаются в качестве параллельно исполняемых ветвей. Внутренний ЯВУ машины для этого должен обладать соответствующими средствами работы с графами, как в процессе их образования, так и при управлении от них процессом вычислений.

Развитие искусственного интеллекта в его центральном направлении, а именно моделирование рассуждений (в решении задач анализа и синтеза) вызывает необходимость соответствующего развития и машинного интеллекта, особенно в его когнитивном аспекте. И вполне естественным здесь является обращение к естественным механизмам мышления в смысле некоторого полезного их отражения в структурах ЭВМ. С такой целью и выработан у нас так называемый системно-бионический подход, который отличается от нейро-сетевого своей универсальностью и именно тем, что в нем производится спуск от мыслительных функций к реализующим их структурам, а не подъем от нижнего уровня структур к реализации уже ими этих функций. Такой подход аккумулирует оба кардинальных направления искусственного интеллекта (и соответственно и машинного интеллекта) - логическое и когнитивное (бионическое), а также символические и коннекционистические методы представления механизмов мышления (включая процессы в них).

Основными главнейшими чертами такой относительно простой концептуальной модели являются следующие: единая среда памяти и мыслительных процессов, происходящих в виде возбуждения в ней пространственных смысловых структур, ассоциативно связанных между собой; два уровня мышления - осознаваемое и интуитивное; первое - последовательное, определяется возбуждением ''полных'' структур, охватывающих всю иерархию рецепторных и символьных уровней среды (включая языковые ); второе -определяется произвольным распределением в среде возбуждением нейронных структур, передаваемым по ассоциативным связям; · целенаправленное мышление как образование цепи причинно-следственных отношений, соединяющих модели исходной и целевой ситуаций; · прохождение этого процесса как сочетание мышления на осознаваемом и интуитивном уровням и возникновение «неожиданного» результата как случайного замыкания цепи генератора проблемы; · пошаговый характер творческого процесса, в которой чередуются участки с превалированием либо осознаваемого, либо интуитивного мышления - как соответственно рассуждений и догадок.

Главное значение данной модели, пожалуй, познавательное - поскольку она объясняет множество нейро-психологических феноменов, но целесообразность и возможности некоторых технических воплощений ее особенностей, безусловно, имеются. К ним уже можно отнести «активную память» интеллектуально-развитых машин, сочетание последовательной - на высшем уровне и распределенной - на низшем уровне обработки информации в машине, возможность осуществления распараллельного поиска решений в достижении целевой ситуации и др.

5. Каково назначение экспертной системы?

Профессиональные экспертные системы достаточно широко используются в различных областях науки и техники. Такие системы позволяют автоматически выявлять причи

ны сбоев в работе сложных технических систем (например, космических кораблей), распознать личность человека по его отпечаткам пальцев или радужной оболочке глаза и т. д. Основная задача экспертных систем - распознавание объектов или состояний объекта. В процессе обучения встречается достаточно много учебных ситуаций, когда приходится выступать в роли эксперта и распознавать тот или иной объект. Обычно такие задачи выполняются методом проб и ошибок, без осознания и фиксации стратегии поиска. Создание учебной экспертной системы позволяет осознать и зафиксировать последовательность рассуждений или действий, которая приводит к распознаванию того или иного объекта среди некоторой совокупности.