ОБРОБКА І ПЕРЕДАЧА ІНФОРМАЦІЇ. СУЧАСНІ КОМП'ЮТЕРНІ ТЕХНОЛОГІЇ - Золота колекція рефератів - 2018
ІНТЕЛЕКТ ТА ЕОМ
Машина повинна працювати, людина — думати.
Принцип IBM
ПРО ЗАВДАННЯ Й АЛГОРИТМИ
У середовищі математиків відома така притча. За давніх часів, коли ніхто й поняття не мав про комп’ютери та їхні можливості, один індійський мудрець зробив велику послугу своєму правителеві. Правитель вирішив віддячити йому й запропонував самому обрати нагороду. Па що мудрець відповів, що побажав би бачити шахівницю, па кожній клітинці якої були б розкладені зернятка пшона в такому порядку: на першій — 2, на другій — 2 х 2 = 4, на третій — 2 х 2 х 2 = 8, на четвертій 2 х 2 х 2 х 2=16 і так далі на всіх клітинках.
Спочатку правитель зрадів легкості розплати. Але от виконати обіцянку не зміг, тому що він і його слуги навряд чи коли-небудь змогли б відрахувати зерна на останню клітинку, що відповідає приблизно 18,4 мільярда мільярдів (!).
Завдання, сформульоване в цій притчі, належить до розряду тих, при розв’язанні яких найсучасніший комп'ютер неспроможний так само, як у давнину слуги правителя. Знаючи продуктивність сучасних ЕОМ, можна легко переконатися в тому, що користувачеві не вистачить всього його життя для підрахунку зерен, але в цьому випадку це навіть не найголовніше. Суть проблеми в тому, що досить незначно змінити вхідні дані, щоб перейти від розв’язного завдання до нерозв’язного. Кожна людина залежно від своїх рахункових здібностей може визначити, починаючи з якої клітинки (п'ятнадцятої або, припустимо, вісімнадцятої) продовжувати відраховувати зерна для неї не має сенсу. Те ж саме можна визначити й для ЕОМ, для якої подібні характеристики написані в технічній документації.
У випадках, коли незначне збільшення вхідних даних завдання призводить до зростання кількості повторюваних дій у степеневій залежності, фахівці з алгоритмізації можуть сказати, що ми маємо справу з неполіноміальним алгоритмом, тобто кількість операцій зростає залежно від кількості входів за законом, близьким до експоненти ех (е » 2,72; інша назва — експонентні алгоритми).
Подібні алгоритми розв’язання має надзвичайно велике коло завдань, особливо комбінаторних проблем, пов'язаних зі знаходженням сполучень, перестановок, розміщень яких-небудь об’єктів. Завжди є спокуса багато завдань вирішувати вичерпанням, тобто перевіркою всіх можливих комбінацій. Наприклад, так розв’язується завдання безпомилкової гри в шахи. Це завдання належить до класичних нерозв’язних! Жодна сучасна ЕОМ не зможе згенерувати всі прості перестановки більш ніж 12 різних предметів (більше 479 млн), не кажучи вже про всі можливі розкладки колоди з 36 гральних карт.
Тому важкорозв’язним (нерозв'язним) завданням можна називати таке завдання, для якого не існує ефективного алгоритму розв’язання. Експонентні алгоритми рішень, у тому числі й вичерпні, абсолютно неефективні для випадків, коли вхідні дані змінюються в досить широкому діапазоні значень, отже, у загальному випадку вважати їх ефективними не можна. Ефективний алгоритм має не настільки різко збільшувану залежність кількості обчислень віл вхідних даних, наприклад, обмежено поліноміальну, тобто х перебуває в основі, а не в показнику степеня. Такі алгоритми називаються поліноміальними, і, як правило, якщо завдання має поліноміальний алгоритм розв’язання, то воно може бути розв’язане на ЕОМ з великою ефективністю. До них можна віднести завдання сортування даних, багато завдань математичного програмування та ін.
Чого ж не може й, швидше за все, ніколи не зможе комп’ютер у його сучасному (цифрова обчислювальна машина) розумінні? Відповідь очевидна; виконати розв’язання повністю аналітично. Постановка завдання полягає в заміні аналітичного розв’язання чисельним алгоритмом, який ітеративно (тобто циклічно повторюючи операції) або рекурсивно (викликаючи процедуру розрахунку з самого себе) виконує операції, крок за кроком наближаючись до розв’язання. Якщо кількість цих операцій зростає, час виконання, а можливо, і витрата інших ресурсів (наприклад, обмеженої машинної пам’яті), також зростає, прагнучи до безкінечності. Завдання, що своїми алгоритмами розв’язання створюють передумови для різкого зростання використання ресурсів, у загальному вигляді не можуть бути розв’язані на цифрових обчислювальних машинах, тому що ресурси завжди обмежені.
ЕВРИСТИЧНІ АЛГОРИТМИ
Інше можливе вирішення описаної проблеми — у написанні чисельних алгоритмів, що моделюють технологічні особливості творчої діяльності, і сам підхід до аналітичного розв’язання. Методи, що використовуються в пошуках відкриття нового і грунтуються на досвіді розв’язання споріднених завдань в умовах вибору варіантів, називаються евристичними. На основі таких методів і виконується машинна гра в шахи. В евристиці шахи розглядаються як лабіринт, де кожна позиція являє собою площадку лабіринту. Чому ж саме така модель?
У психології мислення існує так звана лабіринтова гіпотеза, що теоретично представляє розв’язання творчого завдання як пошук шляху в лабіринті, який веде від початкової площадки до кінцевої. Звичайно, можна перевірити всі можливі шляхи, але чи має час той, хто потрапив у лабіринт? Абсолютно нереальним є вичерпання шахового лабіринту з 2 х 10116 площадок! Займаючись пошуком відповіді, людина користується іншими способами, щоб скоротити шлях до розв’язання. Можливим є скорочення кількості варіантів перебору й для машини, досить «повідомити» їй правила, які для людини — досвід, здоровий глузд. Такі правила призупинять свідомо даремні дії.
ЕЛЕКТРОННИЙ ПIДХІД ДО ШТУЧНОГО ІНТЕЛЕКТУ
Історично спроби моделювання процесів мислення для пошуку аналітичних рішень робилися досить давно (з 50-х рр. XX ст.), і відповідна галузь інформатики була названа штучним інтелектом. Дослідження в цій галузі, спочатку зосереджені в декількох університетських центрах США — Массачусетському технологічному інституті, Технологічному інституті Карнегі в Піттсбургу, Станфордському університеті, — нині ведуться в багатьох інших університетах і корпораціях США й інших країн. Загалом дослідників штучного інтелекту, які працюють над створенням мислячих машин, можна розділити на дві групи. Одних цікавить чиста наука й для них комп’ютер — лише інструмент, що забезпечує можливість експериментальної перевірки теорій процесів мислення. Інтереси іншої групи лежать в галузі техніки: вони прагнуть розширити сферу застосування комп’ютерів і полегшити користування ними. Багато представників другої групи мало піклуються про з’ясування механізму мислення — вони вважають, що для їхньої роботи цс навряд чи більш корисно, ніж вивчення польоту птахів у літакобудуванні.
Сьогодні, однак, виявилося, що як наукові, так і технічні пошуки зіштовхнулися з непомірно серйознішими труднощами, ніж видавалося першим ентузіастам.
Спочатку багато піонерів штучного інтелекту вірили, що через який-небудь десяток років машини отримають найвищі людські таланти. Передбачалося, що, подолавши період «електронного дитинства» і навчившись у бібліотеках усього світу, хитромудрі комп’ютери, завдяки швидкодії, точності й безвідмовній пам’яті, поступово перевершать своїх творців-людей. Зараз, відповідно до того, що було сказано вище, мало хто говорить про це, а якщо й говорить, то аж ніяк не вважає, що подібні чудеса не за горами.
Протягом всієї своєї короткої історії дослідники в галузі штучного інтелекту завжди перебували на передньому краї інформатики. Чимало сучасних звичайних розробок, у тому числі вдосконалені системи програмування, текстові редактори й програми розпізнавання образів, значною мірою розглядаються на роботах зі штучного інтелекту. Коротше кажучи, теорії, нові ідеї й розробки штучного інтелекту незмінно привертають увагу тих, хто прагне розширити сферу застосування й можливості комп’ютерів, зробити їх більш «дружелюбними», тобто більше схожими на розумних помічників і активних порадників, ніж на педантичних і тупуватих електронних рабів, якими вони завжди були.
Незважаючи на багатообіцяючі перспективи, жодну з розроблених дотепер програм штучного інтелекту не можна назвати «розумною» у звичайному розумінні цього слова. Це пояснюється тим, що всі вони вузькоспеціалізовані; найскладніші експертні системи за своїми можливостями скоріше нагадують дресированих або механічних ляльок, ніж людину з її гнучким розумом і широким кругозором. Навіть серед дослідників штучного інтелекту тепер багато хто сумнівається, що більшість подібних виробів принесе істотну користь. Чимало критиків штучного інтелекту вважають, що такого роду обмеження взагалі нездоланні.
До числа таких скептиків належить також Х’юберт Дрейфус, професор філософії Каліфорнійського університету в Берклі. На його думку, справжній розум неможливо відокремити від його людської основи, закладеної в людському організмі.
«Цифровий комп’ютер — не людина, — говорить Дрейфус. — У комп’ютера немає ні тіла, ні емоцій, ні потреб. Він позбавлений соціальної орієнтації, що здобувається життям у суспільстві, а саме вона робить поводження розумним. Я не хочу сказати, що комп’ютери не можуть бути розумними. Але цифрові комп’ютери, запрограмовані фактами й правилами з нашого, людського, життя, дійсно не можуть стати розумними. Тому штучний інтелект у тому вигляді, як ми його уявляємо, неможливий».
ІНШІ ПІДХОДИ ДО ШТУЧНОГО ІНТЕЛЕКТУ
У цей самий час учені почали розуміти, що творцям обчислювальних машин є чому повчитися в біології. Серед них був нейрофізіолог і поет-аматор Уоррен Мак-Каллок, що володів філософським складом розуму й широким колом інтересів. У 1942 р. Мак-Каллок, коли брав участь у науковій конференції в Нью-Йорку, почув доповідь одного зі співробітників Вінера про механізми зворотного зв’язку в біології. Висловлені в доповіді ідеї перегукувалися з власними ідеями Мак-Каллока щодо роботи головного мозку. Протягом наступного року Мак-Каллок у співавторстві зі своїм 18-літнім протеже, блискучим математиком Уолтером Піттсом, розробив теорію діяльності головного мозку. Ця теорія й була тією основою, на якій сформувалася широко розповсюджена думка, що функції комп’ютера й мозку значною мірою подібні.
Виходячи почасти з попередніх досліджень нейронів (основних активних кліток, що складають нервову систему тварин), проведених Мак-Каллоком, вони з Піттсом висунули гіпотезу, що нейрони можна спрощено розглядати як пристрої, які оперують двійковими числами. У 30-ті рр. XX ст. піонери інформатики, особливо американський учений Клод Шеннон, зрозуміли, що двійкові одиниця й нуль цілком відповідають двом станам електричного кола (увімкиене/вимкнене), тому двійкова система ідеально підходить для електронно-обчислювальних пристроїв. Мак-Каллок і Піттс запропонували конструкцію мережі з електронних «нейронів» і показали, що подібна мережа може викопувати практично будь-які уявні числові або логічні операції. Далі вони припустили, що така мережа здатна також навчатися, розпізнавати образи, узагальнювати, тобто вона має всі риси інтелекту.
Теорії Мак-Каллока-Піттса в сполученні з книгами Вінера викликали величезний інтерес до розумних машин. У 40- 60-ті рр. XX ст. дедалі більше кібернетиків з університетів і приватних фірм замикалися в лабораторіях і майстернях, напружено працюючи над теорією функціонування мозку й методично припаюючи електронні компоненти моделей нейронів. З цього кібернетичного, або нейромодельного, підходу до машинного розуму незабаром сформувався так званий «висхідний метод» — рух від простих аналогів нервової системи примітивних істот, що володіють малою кількістю нейронів, до складної нервової системи людини й навіть вище. Кінцева мета бачилася в створенні «адаптивної мережі», «системи, здатної до самоорганізації» або «машини, здатної до навчання» — усі ці назви різні дослідники використовували для позначення пристроїв, здатних стежити за навколишнім оточенням і за допомогою зворотного зв’язку змінювати своє поводження, тобто поводил ися так само, як живі організми. Природно, аж ніяк не у всіх випадках можлива аналогія з живими організмами. Як одного разу помітили Уоррен Мак-Каллок і його співробітник Майкл Арбіб, «якщо по весні вам схотілося обзавестися коханою, не варто брати амебу й чекати, поки вона еволюціонує».
Але справа тут не тільки в часі. Основною проблемою, з якою зіштовхнувся «висхідний метод» на початку свого існування, була висока вартість електронних елементів. Занадто дорогою виявлялася навіть модель нервової системи мурахи, що складається з 20 тис. нейронів, не кажучи вже про нервову систему людини, що включає близько 100 млрд нейронів. Навіть найдосконаліші кібернетичні моделі містили лише кілька сотень нейронів. Настільки обмежені можливості викликали розчарування багатьох дослідників того періоду.
Висновок
Сьогодні наявність надпотужних мікропроцесорів і дешевина електронних компонентів дозволяють робити значні успіхи в алгоритмічному моделюванні штучного інтелекту. Такий підхід дає певні результати на цифрових ЕОМ загального призначення й полягає в моделюванні процесів життєдіяльності й мислення з використанням чисельних алгоритмів, що реалізують штучний інтелект. Тут можна навести багато прикладів, починаючи від простої програми іграшки «тамагочі» і закінчуючи моделями колонії живих організмів і шаховими програмами, здатними обіграти відомих гросмейстерів. Сьогодні цей підхід підтримується практично всіма найбільшими розроблювачами апаратного й програмного забезпечення, оскільки досягнення при створенні евристичних алгоритмів використовуються й у вузькоспеціальних, прикладних галузях при розв’язанні складних завдань, приносячи значний прибуток розроблювачам.
Інші підходи зводяться до створення апаратури, спеціально орієнтованої на ті або інші завдання. Як правило, ці пристрої не загального призначення (аналогові обчислювальні ланцюги й машини, системи, що здатні до самоорганізації, перцептрони й т. п.). З урахуванням подальшого розвитку обчислювальної техніки цей підхід може виявитися більш перспективним, ніж це передбачалося в 50-80-ті рр. XX ст.