Реферат По Управление интеллектуальной собственностью на тeму: «Проблемы и ограничения, связанные с использованием искусственного интеллекта»

Проблемы искусственного интеллекта
Выявление роли таких когнитивных инструментов, как категории, специфическая семиотическая система, логические структуры, ранее накопленные знания, возможно путем проведения эпистемологического анализа проблемы искусственного интеллекта. Категории не обнаруживаются посредством изучения физиологических или психологических механизмов познавательного процесса, а раскрываются в знаниях и их языковом выражении. Инструменты познания, которые формируются в результате практической деятельности, необходимы любой системе, выполняющей функции абстрактного мышления, независимо от ее конкретной материальной основы и структуры [5]. Поэтому для создания системы, выполняющей функции абстрактного мышления, формирования адекватных схем внешних действий в изменяющейся среде, необходимо наделить такую ​​систему этими инструментами. Развитие систем искусственного интеллекта давно идет по этому пути, хотя степень прогресса в этом направлении по отношению к каждому из указанных когнитивных инструментов неодинакова [5].
Чаще всего в системах искусственного интеллекта используются формально-логические структуры, что объясняется их неспецифичностью для мышления и алгоритмической природой. Это дает возможность относительно простой технической реализации. Однако и здесь есть свои сложности. В системах искусственного интеллекта все еще плохо используются модальная, императивная, вопросительная и другие логики, которые функционируют в человеческом интеллекте и не менее необходимы для успешных когнитивных процессов, чем формы вывода, которые давно освоены логикой. Повышение интеллекта технических систем связано не только с расширением применяемых логических средств, но и с более интенсивным их использованием на практике. Обострилась ситуация с семиотическими системами, без которых невозможен интеллект. Языки программирования еще достаточно далеки от семиотических структур, которыми оперирует мышление. Для решения целого комплекса задач необходимо приближение семиотических систем компьютеров к естественному языку (к использованию его ограниченных фрагментов). Здесь делаются попытки ввести во входные компьютерные языки универсалии человеческого языка (например, свойства, характерные для многозначности). Разработаны проблемно-ориентированные фрагменты естественных языков. Важнейшим результатом этой работы является создание и формализация семантических языков, в которых слово-символы имеют интерпретацию. Однако многие универсалии естественных языков, которые необходимы им для выполнения когнитивных функций, либо плохо реализованы в языках искусственного интеллекта, либо используются в ограниченной степени [5].
Современные системы искусственного интеллекта способны переводить с одномерных языков на многомерные и наоборот: например, строить диаграммы, диаграммы и рисунки, строить кривые, а также переводить графические элементы в символы. Такой перевод - важный элемент интеллектуальной деятельности, но системы искусственного интеллекта в конце прошлого века на это были не способны. Даже современные разработки 2008-2010 годов, которые значительно продвинулись вперед, не в полной мере способны напрямую использовать изображения или воспринимаемые сцены для интеллектуальных действий. Поиск способов точной работы с информацией в глобальном масштабе - одна из важнейших и перспективных задач теории искусственного интеллекта [5].
Воплощение аналогов категорий в информационные массивы и программы систем искусственного интеллекта все еще находится на стадии разработки. Аналоги отдельных категорий - целое, часть, общее, индивидуальное - используются в некоторых системах представления знаний как базовые отношения. В концептуальном аппарате некоторых систем представления знаний были предприняты отдельные попытки выразить моменты содержания и другие категории (например, причина, следствие), однако ряд категорий (например, сущность, явление) отсутствуют в языках систем представления знаний. Системные разработчики не до конца осознали эту проблему. Философам, логикам и кибернетикам предстоит проделать большую работу по внедрению аналогов категорий в системы представления знаний и другие компоненты интеллектуальных систем [5].
Современные системы искусственного интеллекта практически не имитируют сложную иерархическую структуру изображения, и это не позволяет им перестраивать проблемные ситуации, объединять локальные части сетей знаний в блоки и т. д. Взаимодействие поступающей информации с совокупными знаниями в системах также не идеально. В семантических сетях и фреймах до сих пор недостаточно используются методы, благодаря которым человеческий интеллект легко пополняется новой информацией, находит необходимые данные и перестраивает свою систему знаний [5].
В некоторой степени системы искусственного интеллекта способны активно влиять на внешнюю среду, что делает невозможным самообучение и совершенствование интеллекта [5].
Несмотря на то, что определенные шаги в направлении воплощения гносеологических характеристик мышления сделаны, такие системы еще далеки от того комплекса гносеологических инструментов, которые есть в распоряжении человека для выполнения совокупности функций абстрактного мышления. Чем больше характеристики систем искусственного интеллекта будут ближе к эпистемологическим характеристикам человеческого мышления, тем ближе к человеческому разуму будет их интеллект. Возникает сложный вопрос. При анализе когнитивного процесса эпистемология абстрагируется от психофизиологии, хотя это не означает, что механизмы не имеют значения для построения систем искусственного интеллекта. Возможно, что механизмы, необходимые для реализации характеристик интеллектуальной системы, не могут быть реализованы в цифровых машинах или в технической системе. Не исключено, что, хотя мы можем познать все эпистемологические законы, их совокупность реализуема только в системе, являющейся субстратом, идентичным человеку. Эту точку зрения обосновал Х. Дрейфус: Телесная организация человека позволяет ему выполнять функции, для которых нет машинных программ - они не только еще не созданы, но даже не существуют в проекте... Эти функции включены в общие возможности человека. человек, чтобы приобрести телесные навыки и способности. Благодаря этой фундаментальной способности субъект, наделенный телом, может существовать в окружающем мире, не пытаясь решить невыполнимую задачу формализации всего и каждого [5].
Заслуживает внимания подчеркивание важности телесной организации для понимания характеристик психических процессов. Различия в способности конкретных систем отражать внешний мир тесно связаны с их структурой, которая, обладая некоторой независимостью, все же не может преодолеть рамки, установленные субстратом. В процессе эволюции развитие свойства отражения происходило пропорционально усложнению нервной системы - субстрата отражения. Разница между подложками компьютера и человека также может вызывать различия в их способности отражать. Некоторые функции человеческого интеллекта недоступны машинам [5].
Источники по философии часто говорят, что предположение о возможности технической системы, выполняющей интеллектуальные функции человека, означает сведение высшего к низшему и, что противоречит материалистической диалектике (это одна из причин отсталости развития СССР). Но здесь не учитывается, что способы усложнения материи не предопределены однозначно. Не исключено, что общество сможет создавать сложные и отражающие системы из неорганических компонентов. Эти системы будут составляющими общества, социальной формой движения. Следовательно, вопрос о наделении технических систем интеллектом, о возможности наделить их рассмотренными выше гносеологическими инструментами не может быть решен исключительно с точки зрения философии. Он должен быть подвергнут анализу и конкретному научному исследованию [5].
Х. Дрейфус указал, что информация, с которой работает компьютер, не имеет значения, т.е. это требует перечисления большого количества вариантов. Организация человека и его тела позволяет отличать значимое от незначительного и искать только первое. Для компьютера, утверждает Дрейфус, это невозможно. Понятно, что определенный тип организации тела позволяет человеку ограничить пространство предполагаемого поиска. Это происходит на уровне системы анализатора. Однако, когда в кибернетике ставится задача распознавания образов, эта задача переносится с чувственно-визуального уровня на абстрактный. Таким образом снимаются ограничения, содержащиеся в теле в структуре органов чувств и организма в целом. Компьютер их игнорирует. Следовательно, пространство поиска увеличивается. Это означает, что к интеллекту машины предъявляются более высокие требования, чем к интеллекту человека, для которого приток информации физиологически ограничен [5].
Системы с психикой отличаются от компьютера тем, что у них есть биологические потребности, и отражение внешнего мира происходит именно через эти потребности, в которых выражается деятельность психической системы. У компьютера нет нужды, информация для него не важна [5]. 
Генетически присущая человеку значимость имеет два типа последствий: во-первых, сокращается круг поиска и облегчается решение проблемы; второй - фундаментальные потребности организма, которые не стираются из памяти, определяют односторонность психической системы. Дрейфус пишет: если бы на Земле был марсианин, ему, вероятно, пришлось бы действовать в совершенно незнакомой среде; задача сортировки релевантного и нерелевантного, существенного и несущественного, которая могла бы возникнуть перед ним, была бы для него так же неразрешима, как и для цифровой машины, если, конечно, он не в состоянии учесть любые человеческие устремления [5]. 
Иск является весьма спорным. Если у марсианина иная биология, чем у человека, то у него есть и другие потребности, и ему гораздо труднее принять человеческие устремления, чем компьютер, который можно запрограммировать для любых целей. Животное в принципе нельзя перепрограммировать по отношению к этому основному слою, хотя обучение есть. В этом смысле потенциальные интеллектуальные возможности машины шире, чем у животных. У человека социальные потребности строятся поверх фундаментального слоя биологических потребностей, и информация для него важна не только в биологическом, но и в социальном плане. Человек универсален, и эта универсальность присуща ему как социальному существу, производящему средства целенаправленной деятельности, включая сами системы искусственного интеллекта [5].
Таким образом, можно сказать, что телесная организация предоставляет не только дополнительные возможности, но и дополнительные препятствия. Поэтому для интеллекта человека важно иметь такие системы, которые были бы свободны от его собственных телесных и других потребностей. От таких систем не требуется, чтобы они были независимыми в распознавании шаблонов, классификации их в соответствии с критериями, по которым это делает человек. Цели явно поставлены [5].
Технические системы могут иметь аналоги телесной организации. Развитая кибернетическая система имеет рецепторные и эффекторные придатки. Разработка этих систем была инициирована интегрированными промышленными роботами, в которых компьютер выполняет функцию памяти. В роботах третьего поколения компьютеры уже выполняли интеллектуальные функции. Их взаимодействие с миром было предназначено для улучшения их собственного интеллекта. У таких роботов была телесная организация, конструкция их рецепторов и эффекторов содержала определенные ограничения, сокращающие пространство поиска цифровой машины [5].
Совершенствование систем искусственного интеллекта может иметь ограничения, из-за которых переход к решению интеллектуальных задач более высокого порядка невозможен на дискретных машинах даже с совершенной программой. Это означает, что техническая эволюция отражающих систем связана с изменением материальной основы и конструкции этих систем. Такая эволюция состоится. Это не исключает использования физических процессов в мозгу и тех, которые психика не использует в качестве своих механизмов. Возможности улучшения систем искусственного интеллекта за счет использования эпистемологических характеристик мышления, которые уже обсуждались при функционировании цифровых машин, далеко не исчерпаны [5].
При анализе задач искусственного интеллекта также используется математический аппарат нечетких множеств, идея которого принадлежит американскому математику Л.А. Заде. Суть этого подхода - отказ от принципа детерминизма. Самым интересным свойством человеческого интеллекта является способность принимать решения в условиях неполной и нечеткой информации. Построение моделей приближенного мышления человека и их использование в компьютерных системах будущего сегодня является одной из приоритетных задач науки [5].
Сдвиг в исследованиях нечетких систем в сторону практических приложений привел к возникновению ряда проблем: новые компьютерные архитектуры для нечетких вычислений, элементная база нечетких компьютеров и контроллеров, средства разработки, инженерные методы расчета и разработки нечетких систем управления, и больше. Математическая теория нечетких множеств Заде позволяет описывать нечеткие концепции и знания, оперировать ими и делать нечеткие выводы. Методы построения компьютерных нечетких систем, основанные на этом методе, значительно расширяют область применения компьютера [5].
Нечеткое управление - одно из самых активных и продуктивных направлений исследований в области применения теории нечетких множеств. Это оказывается полезным, когда технологические процессы не поддаются количественному анализу или, когда доступные источники информации интерпретируются качественно, неточно или неопределенно. Экспериментально показано, что нечеткое управление дает лучшие результаты, чем результаты, полученные с помощью обычных алгоритмов управления. Эти методы помогают управлять доменной печью и прокатным станом на производстве, автомобилем и поездом в автоматическом режиме, распознавать речь и изображения и проектировать роботов. Нечеткая логика ближе к человеческому мышлению и естественным языкам, чем традиционные логические системы. Он обеспечивает эффективные средства отображения реальных неопределенностей. Наличие математических средств отражения нечеткости исходной информации позволяет построить адекватную реальности модель [5].
Подходы и концепции к решению задач искусственного интеллекта