Искусственный интеллект

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, раздел информатики, в котором разрабатываются методы и средства компьютерного решения интеллектуальных задач, традиционно решаемых человеком. Они имеют ряд особенностей, среди которых - отсутствие заданного алгоритма решения задачи. К прикладным направлениям искусственного интеллекта относят создание технических устройств, способных к логическим выводам и рациональному поведению, к приобретению новых знаний и диалогу с человеком-пользователем. В теории искусственного интеллекта используются математические методы и методы структурной лингвистики и когнитивной науки.

Термин «искусственный интеллект» ввёл Дж. Маккарти в 1956 году. Возникновение искусственного интеллекта относят к 1957 году, когда американские учёные А. Ньюэлл, Г. Саймон и К. Шоу разработали программу для игры в шахматы, в основе которой лежали так называемые эвристики, т. е. правила выбора при отсутствии точных теоретических оснований. В 1960 ими же была разработана программа, названная универсальным решателем задач, которая, в частности, могла справляться с рядом головоломок. В 1963 году Маккарти разработал язык лисп, основу которого составило использование единого спискового представления для программ и данных. В 1965 году американский учёный Дж.А. Робинсон разработал метод автоматического поиска доказательств теорем в предикатов исчислении 1-го порядка. Этот метод послужил отправной точкой для создания языка программирования (пролог) с встроенной процедурой логического вывода.

Большую роль в развитии искусственного интеллекта сыграли работы отечественных учёных А. И. Берга, Г. С. Поспелова, Ю. И. Журавлёва и О. И. Ларичева. Д. А. Поспелову принадлежит метод ситуационного управления для поиска решений по управлению сложными системами, ряд работ в области представления знаний, моделирования поведения. Российский учёный С. Ю. Маслов (1964) предложил метод доказательства выводимости в исчислении предикатов 1-го порядка. Российский логик В. К. Финн в начале 1980-х годов предложил метод индуктивного порождения и обоснования гипотез.

Развитие прикладных интеллектуальных систем первоначально шло по пути усложнения алгоритмов и уточнения эвристических подходов, что положило начало так называемому эвристическому программированию. Дальнейшее развитие этого направления привело к появлению в середине 1970-х годов прикладных интеллектуальных систем - экспертных систем. Среди этих систем - системы, предназначенные для порождения формул химических соединений на основе спектрального анализа, для диагностики и лечения инфекционных заболеваний крови, лечения глаукомы, для прогнозирования залежей полезных ископаемых. В СССР одной из первых была разработана система анализа текстовой информации (Э. В. Попов, 1987). В Институте программных систем Академии Наук СССР (Г. С. Осипов, 1990) разработана, в частности, экспертная система, на основе которой предложена система оценки качества воды, позволяющая определять причины превышения предельно допустимых концентраций загрязняющих веществ в реках и водоёмах.

С появлением инструментальных средств и технологий разработки экспертных систем это направление выделилось в самостоятельную область - инженерию знаний. Работы в области систем, основанных на знаниях, вызвали рост исследований методов представления знаний - структур данных общего характера, обладающих сложной внутренней организацией, встроенными процедурами и в силу этого активностью и внутренней интерпретируемостью. Потребность в технологиях разработки экспертных систем привела к созданию методов, технологий и программных средств переноса знаний в базу знаний системы. К задачам приобретения знаний примыкают методы интеллектуального анализа данных. В арсенал средств интеллектуального анализа данных входят нейронные сети, рассуждения на основе прецедентов, методы конструктивной индукции, эволюционное программирование и др. Особенностью ряда средств является возможность их применения к очень большим массивам данных, характеризующихся разнородностью данных и отсутствием их модели.

Важное направление искусственного интеллекта - планирование и моделирование поведения. Здесь выделяются моделирование коллективного поведения интеллектуальных систем и моделирование целенаправленного поведения в динамических условиях.

Всё большее значение приобретают задачи автоматического анализа естественно-языковых текстов, среди которых - задачи автоматической классификации текстов, сегментации текстов по тематическим классам и извлечения информации, задачи семантичного анализа и поиска текстов в локальных и глобальных сетях, управления диалогом и ряд других (В. Ф. Хорошевский, 2002). Методы и технологии искусственного интеллекта также находят применение в медицине (диагностика, управление лечением), робототехнике, управлении вооружениями, в частности автономными устройствами и их системами, в исследованиях космоса.

Лит.: Бонгард М. М. Проблемы узнавания. М., 1967; Варшавский В. И. Коллективное поведение автоматов. М., 1973; Поспелов Д. А. Ситуационное управление: Теория и практика. М., 1986; Попов Э. В. Экспертные системы: решение неформализованных задач в диалоге с ЭВМ. М., 1987; Журавлев Ю. И. Об алгебраических методах в задачах распознавания и классификации // Распознавание. Классификация. Прогноз. Математические методы и их применение. М., 1988. Вып. 1; Кандрашина Е. Ю., Литвинцева Л. В., Поспелов Д. А. Представление знаний о времени и пространстве в интеллектуальных системах. М., 1989; Гаврилова Т. А., Червинская К. Р. Извлечение и структурирование знаний для экспертных систем. М., 1992; Осипов Г. С. Приобретение знаний интеллектуальными системами. М., 1997; Хорошевский В. Ф. Обработка естественно-языковых текстов: от моделей понимания языка к технологиям извлечения знаний // Новости искусственного интеллекта. 2002. № 6; Достоверный и правдоподобный вывод в интеллектуальных системах. М., 2004; Ларичев О. И. Теория и методы принятия решений... М., 2006; Финн В. К. Интеллектуальные системы и общество. М., 2006.