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

Концепция искусственного интеллекта
Понятие искусственный интеллект может иметь разные значения: это может быть, как признание наличия интеллекта в электронных компьютерах, выполняющих логические и вычислительные операции, так и отнесение к интеллектуальным только тех систем, которые способны решать весь комплекс задач. задачи, выполняемые человеком, или даже более широкий их набор [3].
Одно понимание сущности искусственного интеллекта начинается с сходства процессов, происходящих в технической системе или в программах, с человеческим мышлением. То есть, если система способна решать задачи, решаемые человеком с помощью интеллекта, то такую ​​систему можно назвать системой искусственного интеллекта. Однако этого недостаточно, поскольку создание традиционных компьютерных программ - это интеллектуальная деятельность человека (программиста). Вопрос о том, какие задачи, решаемые техническими системами, можно рассматривать как составляющие искусственного интеллекта, остается открытым. Чтобы ответить на этот вопрос, необходимо дать определение понятию задача. С точки зрения психологии задача тесно связана с понятием мышление: психологи подчеркивают, что задача существует тогда, когда есть работа над мышлением, то есть когда есть цель, но не ясны средства ее достижения. Их нужно определять посредством мышления. Математик Д. Поля выразился так: трудность решения до некоторой степени входит в само понятие проблемы: там, где нет трудности, нет проблемы [3].
Если у человека есть средства, с помощью которых он может осуществить свое желание, то проблемы не возникает. Если у человека есть алгоритм решения проблемы и физическая возможность его реализации, то проблемы больше не существует. Задача идентична проблемной ситуации и решается преобразованием последней. Ее решение предполагает не только условия, которые прямо указаны. Человек использует любую имеющуюся в его памяти информацию, имеющуюся в его психике и в том числе фиксацию различных законов и связей. Если задача не ментальная, то ее решает компьютер, который не позволяет выявить признаки искусственного интеллекта. Интеллектуальная часть уже сделана человеком, а машина выполняет только ту часть работы, которая не требует участия мышления [3].
Недостаток этого понимания в основном в его антропоморфизме. Желательно определять задачи, решаемые искусственным интеллектом, так, чтобы человек в них не присутствовал (как активный участник). Именно такой метод разработки схем внешних воздействий, а не действий по командам, является существенной характеристикой любого интеллекта. Из этого следует, что к системам искусственного интеллекта относятся те системы, которые, используя присущие им правила обработки информации, вырабатывают новые схемы целесообразных действий на основе анализа хранящихся в их памяти моделей окружающей среды [3].
Возможность переупорядочивать модели в ответ на новую информацию свидетельствует о более высоком уровне искусственного интеллекта. Многие исследователи считают, что технические системы имеют собственную внутреннюю модель мира как очевидную предпосылку их интеллекта. Формирование такой модели связано с преодолением синтаксической односторонности системы и переходом к семантике [3].
Таким образом, специалисты выделяют такие особенности систем искусственного интеллекта, как: наличие в них собственной внутренней модели внешнего мира; умение накапливать знания; умение делать выводы; способность действовать в ситуациях, связанных с различными аспектами нечеткости (включая понимание естественного языка); умение общаться с человеком; приспособление. Однозначно сказать, все ли эти условия необходимы для признания системы интеллектуальной, невозможно, поскольку исследователи по-разному объясняют понятие интеллект системы. В реальных исследованиях наличие внутренней модели мира считается абсолютно необходимым [3].
П. Армер выдвинул идею континуума интеллекта. Различные системы можно сравнить не только как обладающие и не обладающие интеллектом, но также как развитые или недостаточно развитые. В этом случае становится целесообразным разработать такую ​​систему масштабирования уровня интеллекта, которая учитывала бы степень развития каждой из его необходимых функций. А. Тьюринг предложил игру в имитацию в качестве критерия для определения того, может ли машина мыслить сама. По этому критерию машина может быть признана думающей, если человек, ведя с ней диалог по достаточно широкому кругу вопросов, не может отличить ее ответы от ответов человека. Однако этот критерий подвергся критике из-за того, что Тьюринг приравнял способность мыслить и решать проблемы обработки информации. Игра в имитацию не может быть признана критерием способности машины мыслить без тщательного предварительного анализа мышления в целом [3].
В.М. Глушков, вслед за Тьюрингом, считал, что созданное человеком устройство может быть искусственным интеллектом, если, проведя с ним достаточно продолжительный диалог по более или менее широкому кругу вопросов, человек не сможет различать, он разговаривает с разумное живое существо или устройство. Если принять во внимание возможность разработки программ, специально предназначенных для введения человека в заблуждение, то нужно говорить не просто о человеке, а о специально подготовленном специалисте. Этот критерий не противоречит перечисленным выше особенностям системы искусственного интеллекта [3].
Возникает вопрос, что Глушков имел в виду под довольно широким кругом вопросов. На начальных этапах разработки проблемы искусственного интеллекта ряд исследователей, особенно занимающихся эвристическим программированием, ставят задачу создать интеллект, успешно функционирующий практически в любой сфере деятельности. Это так называемый общий интеллект. Сегодня ведутся работы по созданию профессионального искусственного интеллекта - систем, решающих интеллектуальные задачи в узкой области: например, управление портами, интегрирование функций, решение дифференциальных уравнений, доказательство теорем и так далее. Тогда под соответствующей предметной областью следует понимать достаточно широкий круг вопросов [3].
Отправной точкой для рассмотрения искусственного интеллекта является определение системы, решающей психические проблемы. Ей также ставятся задачи, которые люди обычно не считают интеллектуальными, поскольку при их решении человек сознательно не прибегает к перестройке проблемных ситуаций (например, к задаче распознавания зрительных образов). Поскольку хранящаяся в памяти модель среды участвует в решении таких задач на бессознательном уровне, эти задачи, по сути, являются интеллектуальными. Это означает, что систему, которая ее решает, можно считать интеллектуальной [3].
Теория искусственного интеллекта при решении многих задач сталкивается с эпистемологическими проблемами. Одна из этих проблем - вопрос о теоретической доказуемости возможности или невозможности искусственного интеллекта. Есть две точки зрения на этот вопрос: некоторые исследователи считают математически доказанным, что компьютер способен выполнять любую функцию, выполняемую естественным интеллектом; другие, напротив, считают доказанным, что есть проблемы, которые могут быть решены человеческим интеллектом, которые в принципе недоступны для компьютеров [3].
Исследования искусственного интеллекта
Интеллекта требуется для таких видов умственной деятельности человека, как написание программ, решение математических задач или ведение диалога. За последние десятилетия было построено несколько типов компьютерных систем, способных выполнять такие задачи. Существуют также системы, которые могут диагностировать заболевания, планировать синтез сложных синтетических соединений, решать дифференциальные уравнения в символической форме, анализировать электронные схемы и распознавать человеческую речь. Можно сказать, что в таких системах есть искусственный интеллект. При реализации интеллектуальных функций существует информация, называемая знаниями: интеллектуальные системы сами по себе, являются системами обработки знаний [4].
Специалисты в области исследований искусственного интеллекта подчеркивают, что совершенствование интеллектуальных систем (информационно-поисковых систем высокого уровня, диалоговых систем на основе естественных языков, интерактивных человеко-машинных систем, используемых в управлении, проектировании, научных исследованиях) во многом определяется тем, насколько успешными будут решены проблемы представления знаний [4]. Перед теми, кто занимается проблемой репрезентации знаний, встает вопрос о том, что такое знание, какова его природа и основные характеристики. В связи с этим делаются попытки дать такое определение знания, из которого можно было бы исходить при решении задач представления знаний в компьютерных системах [4].
Пассивный аспект присущ представлению данных, тогда как в теории искусственного интеллекта особо подчеркивается активный аспект представления знаний: получение знаний должно стать активной операцией, позволяющей не только запоминать, но и применять приобретенные знания для рассуждений на их основе. Использование символьного языка (например, языка математической логики) позволяет формулировать описания в форме, близкой как к обычному языку, так и к языку программирования [4]. 
Проблема представления знаний связана с переходом исследований в этой области в совершенно иную фазу: речь идет о создании практических (экспертных) систем, используемых в науке. Создание таких систем требует интенсификации усилий по формализации знаний, накопленных в соответствующей науке. Представление знаний также связано с определенным этапом развития компьютерного программного обеспечения. Если на первом этапе преобладали программы, а данные играли вспомогательную роль, то на последующих этапах роль данных возрастала, а их структура усложнялась. В результате появились абстрактные типы данных, дающие возможность создать такую ​​структуру данных, которая была бы более удобной при решении задачи. Развитие структур данных привело к их качественному изменению и к переходу от представления данных к представлению знаний. Уровень представления знаний отличается от уровня представления данных не только более сложной структурой, но и существенными характеристиками: интерпретируемостью, наличием классифицированных ссылок, наличием ситуационных отношений. Уровень знаний также характеризуется такими признаками, как наличие специальных процедур обобщения, пополнения других процедур, имеющихся в системе знаний [4].
Рассматривая компьютер в эпистемологических терминах как посредника в познании, имеет смысл абстрагироваться от реальной железной части компьютера и рассматривать всю компьютерную систему как сложную систему взаимосвязанных и независимых моделей. Такой подход не только соответствует рассмотрению компьютерных систем в информатике, но и является эпистемологически обоснованным. Важнейшие философские аспекты проблем, возникающих в связи с компьютеризацией различных сфер жизни человека, требуют для своего исследования обращения к символическим компонентам компьютерных систем [4].
Введение термина знание подразумевает появление понятия осведомленность, то есть понимание своих интеллектуальных возможностей. В свою очередь, это означает не что иное, как размышление [4]. 
Философская приемлемость проблемы искусственного интеллекта была обусловлена ​​основной идеей, что порядок и связь идей такие же, как порядок и связь вещей. Создать структуру, воспроизводящую мир идей, означало бы просто создать структуру, изоморфную структуре материального мира. Эта модель была интерпретирована как компьютерная модель человеческого знания о мире. Процесс мышления человека интерпретировался в компьютере как машинный поиск таких преобразований модели, которые должны были перевести компьютерную модель в определенное конечное состояние. Для этого системе искусственного интеллекта требовалось знание того, как преобразовывать состояния модели, приводя к заранее определенной цели (состояние с определенным набором свойств). Сначала было широко распространено мнение о способности компьютера самостоятельно исследовать хранящуюся в нем модель [4].
Эта предполагаемая способность компьютера интерпретировалась как возможность машинного творчества, как основа для создания умных машин. Несмотря на то, что в разрабатываемых системах достижение цели осуществлялось на основе человеческого опыта с использованием алгоритмов, идеи построения самообучающихся систем казались достаточно перспективными. Только в 80-х годах прошлого века, с осознанием важности проблемы использования человеческих знаний о реальности в интеллектуальных системах, начали разрабатываться базы знаний и методы извлечения личных знаний экспертов [4].
С развитием этого направления возникла идея рефлексивного управления. Рефлексивное управление - это передача информации, которая влияет на объектный образ мира. Именно шахматные программы изначально оказались настолько важными для отработки методов искусственного интеллекта [4].
Возникает естественный вопрос: стоит ли рассматривать рефлексию как неотъемлемую часть систем искусственного интеллекта? 
Ответ можно сформулировать следующим образом. Как и любая компьютерная программа, наделенная самодиагностикой, системы искусственного интеллекта должны контролировать текущие процессы, внешние и внутренние. Может показаться, что в этом смысле достаточно развитой структуры обратной связи. Обратная связь только предоставляет данные, но не интерпретирует их. Норберт Винер в своей книге Кибернетика, или управление и связь между животным и машиной привел пример нарушения нервной системы человека и его последствия. Итак, людям с нарушением системы ориентации собственных конечностей в пространстве приходилось визуально контролировать свои действия. Это была типичная обратная связь. Рефлексия подразумевает анализ получившейся картины [4].
Анализ функционирования собственной модели, контроль за ее состоянием, прогнозирование состояния - это реализация рефлексии. С использованием языков программирования высокого уровня, позволяющих формулировать цели и делать логические выводы о достижимости этих целей, задача реализации рефлексии может быть частично решена. С их помощью можно построить определенную метаструктуру, которая позволяет оценить поведение предыдущей. Однако при рассмотрении термина глубокое отражение или многоуровневое отражение возникает проблема построения моделей самой системой. Здесь на помощь приходят абстрактные типы данных. Они позволяют вам работать со структурами данных любой конечной сложности. Таким образом, невозможно считать интеллектуальную систему законченной без способности оценивать и понимать свои действия, то есть размышлять. Кроме того, отражение следует рассматривать как один из основных инструментов построения поведения систем, поскольку это необходимое условие существования интеллектуальной системы [4].
Проблемы искусственной интеллектуальности и гносеологического анализа