РСС- Blogwar.ru
 

Курс валюты

Курс Доллар США - рубль

Новости от Яндекса

 

«Искусственный интеллект» с точки зрения логики

27 апреля 2013, суббота
«Искусственный интеллект» с точки зрения логики

Метод екстенционалу и интенционалу, примененный к понятию «информация», дал мало надежд, хотя и катализировал познавательную деятельность логики. Дальнейшие усилия сторонников семантической информации не намного продвинули вперед предлагаемую теорию. Некоторые скептики считают, что теорию семантической информации нельзя построить. Но, несмотря на эти теоретические дискуссии, еще и по сей день продолжаются исследования кибернетиков в области «искусственного интеллекта» (ИИ). Особенно интенсивно ведутся разработки «экспертных систем», принадлежащих к области ИИ. Назначение компьютерных «экспертных систем» заключается в том, чтобы аккумулировать профессиональные знания и использовать их для экспертных оценок и рекомендаций. Такого типа «экспертные системы» должны оценивать ситуацию и предлагать варианты решений, а в случае необходимости - давать обоснование предлагаемых решений.

Некоторые ученые объясняют идею создания упомянутых систем попытками выйти за пределы традиционных программ, которые имеют дело с напивнейтральнимы фактам, тогда как «экспертные системы» опираются на профессиональную культуру. Под последним понимается совокупность неформальных эвристических мероприятий, интуитивных суждений и умение делать выводы на основе практического опыта, плохо поддается формализации.

Несмотря на рациональную непостижимость всего разнообразия профессиональных знаний человека, все же оказывается возможным вложить эти знания в машинные программы, благодаря чему машина по уровню компетентности сегодня может посоревноваться с высококвалифицированными практиками.

Разработка «экспертных систем» способствовала появлению новой дисциплины - познавательной инженерии. Понятие «инженерия знаний» было предложено известным специалистом по ИИ Эдвардом Фейгенбаумом.

Представители инженерии знаний изучают профессиональные тесты, интервью почетного экспертов, и на этом основании определяется состав экспертных знаний, выясняется их структурная организация. Затем полученные данные представляют в виде базы знаний, т.е. в виде систем правил и критериев, позволяющих осуществлять автоматическое получение экспертных оценок и рекомендаций на основе базы данных, хранящихся в памяти машины.

Обработка данных всегда считалось основной функцией компьютеров. Однако в последнее время все чаще можно услышать, что компьютеры способны оперировать только нейтральными информационными данными, но и знаниями.

Не в данные, а на знания, точнее - на связь данных со знаниями, ориентированные исследования по ИИ. Манипулирование знаниями - главное предназначение перспективных компьютерных систем, в основе которых лежат достижения в области ИИ. Такое манипулирование заключается в использовании определенных правил интерпретации соответствующих данных, объединенных в ту или иную структуру.

Сами собой структуры данных не является знаниями. Чтобы эти структуры были осмыслены в терминах того или иного знания, нужна определенная программа, то есть знания формируются в процессе использования структур данных в. Что касается «экспертных систем», то речь идет об отдельной, так называемую интеллектуальную, программу, которая способна делать логические выводы на основе знаний в конкретной предметной области, обеспечивая тем самым решения необходимых задач. Не случайно многие из специалистов считает, что именно с «экспертных систем» начинается эра ИИ, поскольку эти системы выполняют свои «умозаключения», обращаясь к базе знаний.

Процесс формирования знания из структур данных осуществляется с помощью специфических правил, которые представляют (представляют) знания.

«Репрезентация знаний» - относительно новый термин, употребляемый в кибернетике с целью указания методов моделирования и формализации профессиональных знаний человека, которые можно обработать на компьютере. Главной особенностью компьютерных систем, основанных на знаниях такого типа, является наличие у них базы знаний и технологического механизма вывода.

Есть несколько типов моделей репрезентации знаний. Одной из них является логическая модель, в которой используется логика предикатов первой ступени (порядка).

Основное преимущество использования логики предикатов для репрезентации знаний заключается в том, что она хорошо отработанный механизм вывода, который относительно легко запрограммировать, а затем с помощью программ из имеющихся формализованных знаний получить новые знания.

Автоматическое воспроизведение высказываний, написанных на естественном языке, языке формальных систем типа логики предикатов первой ступени специалисты называют пониманием естественного языка. Исследования в этой области, проводимых с 60-х годов XX в., Не имели серьезных успехов, поскольку проблема перевода с естественного языка на искусственный язык логики оказалась чрезвычайно сложной.

Общем решению указанной проблемы мешает ограниченность знаний о том, каким образом человек понимает информацию, сообщенную естественном языке. А еще совсем недавно казалось, что создание теории грамматического разбора предложения - дело ближайшего будущего.

Со второй половины 50-х годов XX в. большинство лингвистических теорий разрабатывалась как теории синтаксиса. О том, что представляет собой понятие «синтаксис» в современной лингвистике, можно сказать словами Дж. Лайонз. Синтаксис языка, по мнению ученого, - это определенное количество правил, которые объединяют и объясняют распределение словоформ в предложениях. Эта характеристика предполагает принадлежность каждой словоформы к одному или нескольким классам форм. Классы форм нельзя путать с частями речи (существительное, глагол, прилагательное и т.д.), поскольку части речи является классами лексем (например: «мальчик», «бежать»), а не классами словоформ (например: «мальчик, мальчики», «бежит , бегут »).

Значительный вклад в развитие лингвистической теории как теории синтаксиса во второй половине XX в. сделали американские ученые Р. Монтегю (1930 - 1971) и Н. Хомский (р. 1928).

Предпосылки для создания совершенно нового типа грамматики, приведенного в работах этих ученых, были заложены в 30-е годы XX в. благодаря развитию математической теории рекурсивных функций, созданию «машины Тьюринга» и др.. Впрочем, новые модели грамматики являются моделями для машинного программирования, хотя Монтегю и Хомский так или иначе ориентировались на технологические подходы к построению абстрактно-теоретических моделей грамматики.

Монтегю считал синтаксис отраслью математики (!), А синтаксис английского языка - в такой же степени частью математики, как геометрия или теория чисел. Такая позиция определяет стратегию ученого по естественных языков, а именно: он их изучает, пользуясь техникой, аналогичной технике математиков, изучающих формализованные языки в пределах математики.

Цель программы исследований Монтегю заключается в создании математически элегантной знаковой теории естественного языка. Для достижения этой цели ученый отвергает утверждение тех, кто признает принципиальное различие между формальными и естественными языками.

Доктрина Монтегю не произвела такого сильного влияния на лингвистов, как генеративно-трансформационная грамматика

американского ученого Хомского, чье понимание синтаксиса было более приближено к реальной практике лингвистических исследований.

Генеративная грамматика выходит за рамки традиционной, не обеспечивает себя точными и полными правилами, а лишь иллюстрирует регулярности структуры предложений с помощью примеров и контрпримеров без точного определения границ, в которых эти правила являются действующими.

Есть много типов генеративных грамматик, но сегодня доминируют два из них: 1) грамматика, которая различает глубинные и поверхностные структуры, 2) грамматика, которая этого не делает.

Глубинная структура является исходной, определяющей смысловое содержание предложения. Поверхностная структура - это физическая форма актуальных высказываний в виде звуковой речи, письменных текстов и т.п..

Считают, что глубинная структура в формальном плане общей для всех языков, хотя в разных языках она может быть по-разному реализована. Трансформационные правила, которые превращают глубинные структуры в поверхностные, так же неодинаковы в разных языках. Среди трансформационных правил есть такие, которые позволяют формировать вопросы, приказы и т.п..

По мнению Хомского, грамматическая теория, если она стремится быть адекватной реальной опыту, должна объяснять не только факты языка, но и лингвистическую интуицию говорящего. В этом плане новая лингвистическая теория является одновременно описанием и объяснением языковой компетенции, т.е. типа грамматического знания, присущего конкретному человеку. Но в таком случае со всей определенностью намечается выход за рамки лингвистики в сферу философии и психологии. Этого не отрицает и сам Хомский, который в своих трудах 60-х годов начинает характеризовать лингвистику как отрасль когнитивной (познавательной) психологии и выступать за реабилитацию учение Декарта * о врожденных идеях с целью окончательного объяснения механизма усвоения ребенком родного языка.

Хомский зря пытался трансформировать принципы своей «универсальной грамматики» в сомнительную гипотезу о генетичьний (биологический) фонд языковых способностей. По его мнению, проверить эту гипотезу можно не только с психофизиологической позиции, но и с лингвистической, проявляя врожденные свойства интеллекта способом конструирования «универсальной грамматики». Правила подобной грамматики образуют своеобразную проекцию существенных свойств интеллекта человека. По словам известного американского кибернетика Дж. Вейценбаум, серьезное значение в разработках Хомского имеют не систематические записи грамматических правил естественных языков, а гипотеза, согласно которой человек генетически нгтилена високоспециали-ным способностями и соответствующим набором ограничений, совместно определяют число и характер степеней свободы, направляют и устанавливают пределы развития речи человека. Сам Вейценбаум не соглашался с этой гипотезой.

Специфика концептуальных взглядов Хомского состоит в том, что грамматика рассматривается как средство, отражающее или даже точно воспроизводит внутреннее бессознательное лингвистическое знание человека, который пользуется этим знанием для продуцирования и понимания бесконечно большого числа предложений.

Уход Хомского от лингвистики в сферу психологии и даже биологии утверждает чрезвычайную сложность решения проблемы автоматического преобразования предложений, написанных на естественном языке, на язык формальных систем. Неясности, неопределенности и неточности, содержащиеся в смысловом содержании выражений естественного языка, позволяют совершенном компьютеру справиться с поставленной задачей. А люди в своей повседневной жизни спокойно решают задачи, имеют весьма неопределенный характер. Итак, чтобы интеллектуальные системы типа ИИ имели такие способности, следует научить их использованию нечетких знаний.

Как уже отмечалось, теория нечетких множеств Заде, которая является первой теорией, оперирующей с неясностью и неточностью, внесла существенный вклад в развитие идей по ИИ. Например, в рамках этого подхода были разработаны новые языки нечеткого программирования, которые обеспечили благоприятные возможности для эффективного оперирования нечеткими данными и нечеткими знаниями. Проблема здесь заключается в том, чтобы соответствующие нечеткие знания были формализованы. Пока этого не сделано, нечеткие знания нельзя использовать в компьютерных программах. Сегодня специалистам еще не ясно, можно ли создать унифицированные обработки нечетких знаний различного типа. То есть перед будущими программистами - широкое поле деятельности для решения проблем, контуры которых начертано в общих чертах.

Нравится

Комментарии — добавить свой

 
   
 
 
© 2010–2017 «Blogwar.ru», все права защищены