Приветствую всех своих читателей. С сегодняшнего дня я хотел бы погрузить вас в изучение трёх парадигм в Искусственном Интеллекте и подходов в них. И конкретно сегодня давайте рассмотрим эти самые пресловутые парадигмы.
Что такое парадигма? В текущем контексте под парадигмой мы полагаем всю совокупность методов, подходов, технических навыков и средств, принятых в научном направлении в рамках определённой научной традиции в некоторый период времени.
В этом смысле в рамках Искусственного Интеллекта выделяются три парадигмы: восходящая, нисходящая и гибридная. Давайте кратко рассмотрим все три.
Восходящая парадигма была, фактически, первой, в которой начали работать учёные. Ведь эта парадигма использует моделирование базовых биологических процессов для решения задач, подвластных только человеку. И искусственные нейронные сети — это яркий представитель восходящей парадигмы.
В рамках восходящей парадигмы исследователи рассматривают какие-либо фундаментальные процессы, обычно происходящие в природе, и на их основе пытаются подойти к моделированию разума. В качестве примеров можно привести такие природные процессы, как биохимия нейронов или эволюция организмов. Собственно, отсюда и наименование — движение идёт как бы снизу вверх, восходит от фундамента к высшим психологическим функциям человека.
Давайте перечислим, какие есть подходы в восходящем понимании Искусственного Интеллекта. Как я уже сказал, это, в первую очередь, нейронные сети. Ещё говорят, что они входят в состав структурного подхода. Также сюда относятся эволюционный подход и квазибиологический подход. Ну и ещё можно считать, что интуитивный подход тоже относится к восходящей парадигме. Давайте всё это кратко рассмотрим.
Структурный подход или коннекционизм. Его суть в том, что высшие психологические функции могут быть описаны в терминах сетей из взаимосвязанных простых элементов. Форма связей и элементов может меняться от модели к модели. Как я уже сказал, искусственные нейронные сети — это яркий представитель структурного подхода и восходящей парадигмы в целом.
Эволюционный подход заключается в моделировании процессов эволюции, выращивания популяций изменчивых особей с возможностью наследования генетических характеристик и, тем самым, приближения к некоторому идеальному решению. Обычно это возможно, поскольку обычно действует процедура отбора, прямо как в эволюции на Земле. Ярким представителем этого подхода являются генетические алгоритмы.
Далее. Квазибиологический подход предполагает использование чуть ли не биохимических механизмов для вычислений и моделирования. Главными направлениями здесь являются молекулярные вычисления и нейрокомпьютинг. Сегодня это довольно интересные направления исследований, так как находятся на границе Искусственного Интеллекта и нанотехнологий.
Ну и, наконец, интуитивный подход. Это, скорее, понимание интеллекта — искусственного и естественного, а не конкретная технология. С самого начала развития наук об Искусственном Интеллекте у исследователей не было понимания того, что нужно сделать, к чему нужно стремиться. И вот знаменитый Алан Тьюринг, стоявший у основ теории вычислений, предложил так называемый Тест Тьюринга. На следующем занятии мы в деталях изучим, что это такое и почему этот подход сегодня не используется.
Выдающимся представителем восходящей парадигмы был Марвин Мински. Ведь вы помните, что он написал книгу «Персептроны», в которой дал очень детально проработанную теорию персептронов и, в общем-то, открыл всё направление изучения искусственных нейронных сетей.
А нисходящую парадигму ввёл именно Джон Маккарти после того самого Дартмутского семинара. Он исходил из того, что моделирование высших психологических функций возможно только через использование символьных или семиотических систем. И в рамках этой парадигмы выделяются такие подходы, как символьный, логический и агентный. Кратко рассмотрим каждый…
Символьный подход основан на гипотезе Ньюэлла-Саймона, которая гласит, что обработка символьной информации является необходимым условием возникновения интеллекта. Соответственно, в основе символьного подхода лежит символьная математика, то есть использование формальных правил для преобразования формул. Главной технологией в этом подходе являются экспертные системы, но и вообще всё, что связано с обработкой знаний, входит в этот подход. Мы детально изучим его через пару занятий.
Логический подход стоит недалеко от символьного, и их вообще часто смешивают. Он основан на формальной логике, исчислении предикатов и прочих подобных математических формализмах. Основная суть подхода — формальный вывод новых знаний на основе имеющихся. Опять же, подход используется при представлении и обработке знаний, а наиболее известным представителем является технологий автоматического доказательства теорем.
Наконец, агентный подход. Он основан на недавней идее о том, что нет никакого смысла полностью моделировать все тонкие функции человеческого интеллекта, но достаточно заложить в ИИ-систему понятия о рациональности. Рациональность — это достижение поставленных целей наиболее оптимальным или хотя бы субоптимальным способом. И рациональные агенты выполняют именно такую задачу. Это одно из самых актуальных сегодня направлений в области Искусственного Интеллекта, и наиболее яркой технологией здесь является роевой интеллект. Ну и все методы поиска и методы оптимизации тоже используются именно в этом подходе.
Моя личная позиция заключается в том, что прорыв в области Искусственного Интеллекта будет осуществлён в рамках гибридной парадигмы. Эта парадигма является как бы промежуточной между восходящей и нисходящей, беря из каждой только лучшие свойства.
От восходящей парадигмы берутся такие важные возможности, как оптимизация решений, поиск скрытых закономерностей, массивные вычисления.
А от нисходящей — возможность объяснить полученные результаты или принятые решения. Ведь это очень важно в мире, где какая-то доля решений будет приниматься ИИ-системами.
Почему я ратую за гибридную парадигму? Ну просто потому, что сам человек устроен именно так. Наша символьная система работает на довольно высоком уровне абстракции. Это языковая система, при помощи которой мы взаимодействуем друг с другом, передаём и сохраняем знания, объясняем решения и результаты.
Но мы можем объяснить только то, что доступно нашей памяти и нашему сознанию. Но многие вещи нам недоступны. Ну, к примеру, вот едет машина. Каким образом вы распознаёте именно машину? Что внутри зрительной коры головного мозга заставляет вас считать, что вот этот набор движущихся пикселей является машиной? Это объяснить невозможно точно так же, как и искусственные нейронные сети не могут объяснить результаты своей работы.
Но нейросети могут передать в модули более высокого уровня распознанные образы, переведя их в символьный вид. И на этом уровне может происходить вывод новой информации в рамках логического или символьного подхода. Полученный вывод может быть не только использован для каких-либо действий, но и объяснён. Это очень важно.
Другим примером гибридного подхода могут являться многоагентные системы. В них, к примеру, множество взаимодействующих со средой и друг другом рациональных агентов подвергаются искусственному отбору на достижение какой-либо цели. И с каждым поколением такие агенты всё более и более приспособлены для достижения этой цели. Скорее всего, именно так будут «выращиваться» наиболее успешные ИИ-системы. К этому всё идёт.
В общем, светлое будущее не за горами. Сегодня мы изучили три парадигмы — восходящую и нисходящую — а также кратко рассмотрели подходы в них. И мы кратко упомянули про гибридную парадигму, которая сегодня она является наиболее захватывающей. Ну а со следующего раза мы погружаемся в отдельные подходы.
