ІСТОРІЯ ІНТЕЛЕКТУАЛІЗАЦІЇ КОМП'ЮТЕРІВ

З появою комп'ютерів почався розвиток наукових досліджень під загальною об'єднуючою назвою “штучний інтелект”. В 60-і роки провідними темами досліджень були евристичне програмування та використання формальної логіки. Це дозволяло програмувати шахову гру, доведення теорем та розв'язувати логічні задачі. Однак сподівання на ці методи виявилися перебільшеними. Формальна логіка дуже ідеалізує мислення людини, а пошук на дереві варіантів часто стає неефективним. Науковці дійшли розуміння необхідності ефективної репрезентації знань у машині. Як свідчить досвід розробки комп'ютерної системи CYC, навіть для відтворення здорового глузду десятирічного хлопчика довелося закодувати мільйон аксіом (правил). Тобто на програмування здорового глузду, яким володіє кожний психічно здоровий хлопчик, витратили приблизно стільки ж зусиль, як і на програмування “шахового розуму” на рівні чемпіону світу.

В той же час дослідники перейнялися такими цікавими задачами, як автоматичний переклад тексту, розуміння машиною усної мови, розпізнавання графічних зображень та образів, технічний зір (тобто сприйняття оточуючої обстановки через відеокамеру). Проблема перекладу тексту на іншу мову виявилася значно складнішою, ніж спочатку гадали оптимісти. Недостатньо вичерпно точно описати мову. Перекладачу необхідно розуміти зміст тексту, а для цього треба спиратися на модель світу, про який йдеться у тексті. А сприйняття усної мови ще складніше і включає цілу групу задач – розпізнання звуків та слів, синтаксичний та семантичний аналіз. Ще у 70-і роки розробники дійшли висновку, що ці процеси аналізу різних рівнів мають йти паралельно, взаємодіючи між собою і допомагаючи долати труднощі. Ця проблема дотепер не розв'язана задовільно. Наприклад, співробітники M.І.T. нещодавно)1 розробили систему GALAXY, яка може розуміти усні запитання клієнтів і відповідати їм, і хоча тематика питань обмежена погодою, рухом літаків та відомостями про Бостон, система часто помиляється. Поки що найкращі системи розпізнають не більше десяти тисяч слів і то помиляються майже на кожному четвертому слові.

Поєднання баз знань з логічними машинами (генераторами висновків) породило експертні системи. Це перший клас систем, “базованих на знаннях”, що зажив масового застосування. Виник напрямок інженерії знань. Були створені засоби вилучення знань у експертів та кодування їх у формі правил продукції. В експертних системах переважна частина знань жорстко зафіксована в формі правил продукції. Експертна система запитує у користувача дані і застосовує їх згідно зафіксованих правил. Ці системи відрізняються від традиційних програмних систем більшою гнучкістю, бо послідовність застосування правил не програмується прямо і заздалегідь, а визначається стратегією на основі поточної ситуації. Але ця різниця радше є способом програмування, аніж принциповою відмінністю у роботі. І не зовсім ясно, як мають співвідноситися стратегія виведення та зміст правил. Далі, з'ясувалося, що моделювання експерта вимагає, аби комп'ютер оперував нечіткою та суперечливою інформацією. Тому винайшли правила нечіткого виведення (з мірою невизначеності.) Опріч того, система знань має складну багаторівневу структуру.

Сучасні експертні системи будуються інакше. Вони базуються на моделях у формі так званих баєсових мереж. Замість “скирти” правил використовується модель у вигляді цілісної системи зв’язків, що адекватно описує проблемну область. Зв’язки відображають ймовірнісні залежності між змінними, що відтворює невизначеність поведінки. Вбудовані в модель “правила” можуть працювати в обох напрямках, а при потребі об’єднуються для сумісного застосування згідно наявної інформації. (Правила “склеюються докупи” в єдину конструкцію, придатну для виведення.) Структура моделі не лише каналізує процес виведення, а й може відображати причинно-наслідкові відношення.