МОСКОВСЬКИЙ КОМІТЕТ ОСВІТИ

ПІВДЕННО-Східного окружного управління

Середня загальноосвітня школа № 506

з поглибленим вивченням економіки

Реферат по інформатиці на тему:

«Штучний інтелект»

Виконав учень 11Б класу

Ковчегін Ігор

Учитель : Сальникова Надія Валеріївна

Москва, 2002

Зміст

Зміст 2

Вступ 3

Штучний інтелект - нова інформаційна революція 5

Основи теорії нейроподібні мереж. 10

Деякі відомості про мозок 10
Нейрон як елементарне ланка. 10
нейроподібні елемент. 13
нейроподібні мережі (НПС) 15
Навчання нейроподібні мережі 18

Висновок 20

Список використаної літератури: 22

Введення

За своєю суттю процеси адаптації є оптимізаційними процесами.

Дж. Холланд, Adaptation in natural and artificial systems.

Поняття штучний інтелект, як втім і просто інтелект,дуже розпливчасті. Якщо узагальнити все сказане за останні тридцять років,то виявляється, що людина просто хоче створити собі подібного в тій чиіншій формі, хоче, щоб якісь дії виконувалися більш раціонально, зменшими витратами часу та енергії. З кінця 40-х років учені всебільшого числа університетських і промислових дослідницьких лабораторійкинулися до зухвалої цілі: побудова комп'ютерів, що діють такимчином, що за результатами роботи їх неможливо було б відрізнити відлюдського розуму. Останнім часом спостерігається зростання інтересу доштучного інтелекту, викликане підвищенням вимог до інформаційнихсистемам. Розумнішає програмне забезпечення, розумнішає побутова техніка. Минеухильно рухаємося до нової інформаційної революції, порівнянної за масштабамиз розвитком Інтернету, ім'я якої - штучний інтелект.

Штучний інтелект є зараз «гарячою точкою» науковихдосліджень. У цій точці, як у фокусі, сконцентровані найбільшізусилля кібернетиків, лінгвістів, психологів, філософів, математиків іінженерів. Саме тут вирішується багато корінні питання, пов'язані зшляхами розвитку наукової думки, з впливом досягнень в областіобчислювальної техніки та робототехніки на життя майбутніх поколінь людей.
Тут виникають і отримують права громадянства нові методи науковихміждисциплінарних досліджень. Тут формується новий погляд на роль тихчи інших наукових результатів і виникає те, що можна було б назватифілософським осмисленням цих результатів. Тому я вважаю актуальнимрозкрити цю тему в рефераті.

Терпляче просуваючись вперед у своїй нелегкій праці, дослідники,що працюють у галузі штучного інтелекту (ШІ), виявили, щовступили в сутичку з вельми заплутаними проблемами, далеко виходять замежі традиційної інформатики. Виявилося, що перш за все необхіднозрозуміти механізми процесу навчання, природу мови і чуттєвогосприйняття. З'ясувалося, що для створення машин, що імітують роботулюдського мозку, потрібно розібратися в тому, як діють мільярдийого взаємопов'язаних нейронів. І тоді багато дослідники прийшли до висновку,що, мабуть, найважча проблема, що стоїть перед сучасною наукою --пізнання процесів функціонування людського розуму, а не простоімітація його роботи. Що безпосередньо зачіпало фундаментальнітеоретичні проблеми психологічної науки. Справді, вченим важконавіть прийти до єдиної точки зору щодо самого предмету їхдосліджень - інтелекту. Деякі вважають, що інтелект - вміння вирішуватискладні завдання, інші розглядають його як здатність до навчання,узагальнення та аналогій, треті - як можливість взаємодії із зовнішнімсвітом шляхом спілкування, сприйняття і усвідомлення сприйнятого. Тим не меншебагато дослідників ШІ схильні прийняти тест машинного інтелекту,запропонований на початку 50-х років видатним англійським математиком іфахівцем з обчислювальної техніки Аланом Тьюрінгом. «Комп'ютер можнавважати розумним, - стверджував Тьюринг, - якщо він здатен змусити насповірити, що ми маємо справу не з машиною, а з людиною ».

Штучний інтелект - нова інформаційна революція

Тільки створивши Розум творець зміг відчути себе Творцем

В.В. Головачов

Наш світ влаштований набагато складніше ніж ми можемо собі уявити. Аленезважаючи на це, навіть той потік інформації який людина може сприйнятиі обробити за певну одиницю часу, неймовірно великий. Чого тількикоштує одна графіка? Що говорити про окремі випадки, коли цей потікзбільшується (гіпноз, медітірованіе, магічний вплив на навколишнійсвіт).

Але це в ідеалі. Сліпий людина позбавлена графічного потоку,паралізований - позбавлений дотиковий інформації, і т.д. Тобто в принципіінтелект може функціонувати в замкнутому просторі, не реагуючи назовнішні фактори. І для цього вже не потрібно та обчислювальна потужність, вякої потребує здорова людина. Для створення ШІ вже доситьобчислювальної потужності сучасних комп'ютерів. Але необхідна особливаструктура оперативної пам'яті, яка не є ємнісний. Оперативна пам'ятьповинна бути струмового.

Що собою представляє, звична для користувача комп'ютера,оперативна пам'ять? Це мікросхеми, чіпи, побудовані з ємнісних осередків.
Кожна комірка має свою адресу (координати). Заповнена осередок --заряджена ємність (1), порожня - розрядження (0). На обробку кожноїосередку, запис, стирання, зчитування процесор виділяє окремі цикли. Теє так він (комп'ютер) і працює: зчитує, вважає, записуєрезультат.

А так само чи працює думка (людська оперативна пам'ять)? Але жне так! Ми не виділяємо для її обслуговування циклів. Поява, зміна ізнищення інформації в ній звичайно пов'язано з часом. Але обчислювальнапотужність процесора, тобто робота мозку, спрямована на обробкузовнішніх впливів, і пошук інформації в статичної (збереженої) пам'ятіпри цьому проблем з ресурсами не мають. Одиниці в нашої оперативної пам'ятіне піддаються обчислювальному процесу. Вони видозмінюються підвпливом зовнішніх факторів напряму, «проїхала червона машина»,
«Захворіла спина», «треба відповісти на лист від одного». У машинному коді цідумки займають різне бітне простір пам'яті. У людському - одинблок. У такому ж блоковому вигляді вони зберігаються в статичної пам'яті. Різнийрівень інтелектуальних здібностей у людей, мабуть, пов'язаний з розмірамицього блоку. Більше блок - легше осмислення великого масиву інформації,швидше пошук в збереженої пам'яті. [1]

Всі вже, напевно, чули про електромеханічних собак в Японії,здатних дізнаватися господаря в обличчя, виконувати деякі найпростіші команди імають деяку здатність до навчання. Чули і про холодильники звиходом в Інтернет і про впровадження Microsoft в майбутні версії Windowsелементів штучного інтелекту.

У подібному розвитку галузі штучного інтелекту немає нічогонезвичайного. Тут доречно навести гіпотезу про зустрічній еволюції людини ікомп'ютера: людина спочатку вчитися бачити, ходити, розмовляти, а вжепотім розвиває здібності до обчислень і логічним висновків. Комп'ютерж навпаки, народжується як обчислювальна система, що базується наформальної логіки, в процесі розвитку набуває здатності дорозпізнавання образів, синтезу мови та управління в реальному часі. [2]

В даний час розрізняють два основні підходи до моделюванняштучного інтелекту (AI - artificial intelligence): машиннийінтелект, що полягає в строгому завданні результату функціонування, іштучний розум, направлений на моделювання внутрішньої структурисистеми. [3] Поділ робіт з штучного інтелекту на дванапряму пов'язано з існуванням двох точок зору на питання, якимчином будувати системи штучного інтелекту. Прихильники однієї точкизору переконані, що «найважливіше результат», тобто гарний збігповедінки штучно створених і природних інтелектуальних систем, ащо стосується внутрішніх механізмів формування поведінки, то розробникштучного інтелекту зовсім не повинен копіювати або навіть враховуватиособливості природних, живих аналогів. Інша точка зору полягає вте, що саме вивчення механізмів природного мислення та аналіз данихпро способи формування розумного поведінки людини можуть створити основудля побудови систем штучного інтелекту, причому це побудоваповинно здійснюватися перш за все як моделювання, відтвореннятехнічними засобами принципів і конкретних особливостейфункціонування біологічних об'єктів. [4]

Перший напрямок, таким чином, розглядає продуктінтелектуальної діяльності людини, вивчає його структуру, і прагневідтворити цей продукт засобами сучасної техніки. Моделюваннясистем машинного інтелекту досягається за рахунок використання законівформальної логіки, теорії множин, графів, семантичних мереж та іншихдосягнень науки в області дискретних розрахунків. [5] Основні результатиполягають у створенні експертних систем, систем розбору природногомови і найпростіших систем управління вигляду «стимул-реакція». Ясно, щоуспіхи цього напряму штучного інтелекту виявляються тіснопов'язані з розвитком можливостей ЕОМ та мистецтва програмування, то єз тим комплексом науково-технічних досліджень, які часто називаютькомп'ютерними науками.

Другий напрямок штучного інтелекту розглядає дані пронейрофізіологічних і психологічних механізмах інтелектуальноїдіяльності і, в більш широкому плані, розумного поведінки людини. Вонопрагнути відтворити ці механізми з допомогою тих чи інших технічнихпристроїв, з тим щоб «поведінка» таких пристроїв добре збігалося зповедінкою людини в певних, заздалегідь задаються межах. Розвитокцього напряму тісно пов'язано з успіхами наук про людину. Для ньогохарактерне прагнення до відтворення більш широкого, ніж в машинномуінтелекті, спектру проявів розумної діяльності людини. Системиштучного розуму базуються на математичній інтерпретаціїдіяльності нервової системи на чолі з мозком людини та реалізуються ввигляді нейроподібні мереж на базі нейроподібні елемента (рис. 2) - аналоганейрона (рис. 1). [3]

нейроподібні мережі останнім часом є одним із самихперспективних напрямків у галузі штучного інтелекту і поступововходять під час перебування людей в широкому спектрі діяльності.

Мережі першої групи, такі як мережі зворотного поширення помилки,мережі Хопфілда та ін використовуються для розпізнавання образів, аналізу тасинтезу мови, перекладу з однієї мови на іншу і прогнозування. Цевикликано такими особливостями мереж як відновлення зображення за йогочастини, стійкістю до зашумлення вхідного сигналу, прогнозуваннязміни входів і паралельність обчислень. Також, важливоюхарактеристикою є здатність функціонувати навіть при втратідеякої частини мережі.

Мережі другої групи використовуються як системи управління в реальномучасу нескладних об'єктів. Це управління популярними останнім часомінтелектуальними агентами, які виконують роль віртуальних секретарів.
Особливостями даної групи є поява деяких внутрішніхстимулів, можливістю до самонавчання і функціонування в реальномучасу.

І, нарешті, мережі третьої групи, що є подальшим розвиткомпопередніх, є вже нейроподібні системи і націлені вони настворення екзотичних в даний час віртуальних особистостей,інформаційних копій людини, середовищем існування яких є глобальнамережу Інтернет. Даний напрямок тільки зароджується, але є чималий шанс,що ми станемо свідками ситуації народження віртуальних людей, докладноописаної фантастами та режисерами. [6]

Зараз в Інтернеті повсюдно можна зустріти ознаки зародженняподібних проектів, заклики об'єднатися всім науковим потенціалом здатногодумати людства з метою олюднення Інтернету, перетворення його врозумну систему або місце існування розумних систем. Раз існуютьподібні передумови, означає не що не залишить політ людської думки нашляхи досягнення поставленої мети.

На підставі вищевикладеного можна зробити висновок про те, що основнінапрямки штучного інтелекту пов'язані з моделюванням, але у випадкумашинного інтелекту ми маємо справу з моделюванням феноменологічним,імітаційним, а в разі штучного розуму - з моделюваннямструктурним.

Основи теорії нейроподібні мереж.

Деякі відомості про мозок

Що дозволяє людині аналізувати інформацію, що надходить? Утермінології нейрогенетики введено ключове поняття - нейромереж. Самесукупність нейромереж утворює відділи нервової системи людини, які всвою чергу визначають всю діяльність, надають суті розум,інтелект.

Мозок є, мабуть, найскладнішою з відомих нам системпереробки інформації. Досить сказати, що в ньому міститься близько 100мільярдів нейронів, кожен з яких має в середньому 10 000 зв'язків. Прицьому мозок надзвичайно надійний: щодня гине велика кількістьнейронів, а мозок продовжує функціонувати. Обробка величезних обсягівінформації здійснюється мозком дуже швидко, за долі секунди, не дивлячись нате, що нейрон є медленнодействующім елементом з часом реакціїне менше декількох мілісекунд.

Поки не дуже зрозуміло, як мозку вдається отримати настільки вражаючепоєднання надійності та швидкодії. Досить добре вивчена структура іфункції окремих нейронів, є дані про організацію внутрішніх ізовнішніх зв'язків між нейронами деяких структурних утворень мозку,зовсім мало відомо про участь різних структур у процесах переробкиінформації. [7]

Нижче наводяться деякі відомості про пристрій і роботу нервовоїсистеми, які використовуються при побудові моделей нейронних мереж.

Нейрон як елементарне ланка.

Нервові клітини, або нейрони, являють собою особливий вид клітин вживих організмах, що володіють електричної активністю, основне призначенняяких полягає в оперативному управлінні організмом. Схематичнезображення нейрона наведено на малюнку 1.

Малюнок 1. Схема будови нейрона

Нейрон має тіло (сома) - 1, дерево входів (дендрити) - 4 і виходів
(аксон і його закінчення) - 2. Сома, як правило, має поперечний розмір укілька десятків мікрон. Довжина дендрітов може досягати 1 мм, дендритисильно гілкуються, пронизуючи порівняно великий простір в околицінейрона. Довжина аксона може досягати сотень міліметрів. Початковий сегментаксона - 3, прилеглий до тіла клітини, потовщений. Іноді цей сегментназивають аксони горбком. У міру віддалення від клітини він поступовозвужується і на відстані декількох десятків мікрон на ньому з'являєтьсяміеліновая оболонка, що має високий електричний опір. На сомі іна дендритах розташовуються закінчення (колатералі) аксонів, що йдуть відінших нервових клітин. Кожне таке закінчення має вигляд потовщення,званого синаптичної бляшкою, або синапсом. Поперечні розмірисинапса, як правило, не перевищують декількох мікрон, частіше за все цірозміри становлять близько 1 мкм. [7]

Вхідні сигнали дендритних дерева (постсинаптичні потенціали [1])зважуються та додаються на шляху до аксонів горбок, де генеруєтьсявихідний імпульс (спайк) або група імпульсів. Його наявність (абоінтенсивність), отже, є функцією зваженої суми вхіднихсигналів. Вихідний сигнал проходить по гілках аксона і досягає синапсів,які з'єднують аксони з дендритними деревами інших нейронів. Черезсинапси сигнал трансформується в новий вхідний сигнал для суміжнихнейронів. Цей вхідний сигнал може бути позитивним і негативним
(збудливим або гальмують) залежно від виду синапсів. Величинавхідного сигналу, що генерується синапсом, може бути різною навіть приоднаковою величиною сигналу, що приходить у синапс. Ці відмінностівизначаються ефективністю або вагою синапсу. Синаптичної вага можезмінюватися в процесі функціонування синапсу. [7] Багато вчених вважаютьтака зміна нейрофізіологічним корелятом (слідом) пам'яті. При цьомуроль механізмів молекулярної п?? мяті полягає в довготриваломузакріплення цих слідів.

Нейрони можна розбити на три великі групи: рецепторні,проміжні та ефекторні. Рецепторні нейрони забезпечують введення в мозоксенсорної інформації. Вони трансформують сигнали, що надходять на органипочуттів (оптичні сигнали в сітківці ока, акустичні в вушної завиткуабо нюхові в хеморецептори носа), в електричну імпульсація своїхаксонів. Ефекторні нейрони передають що приходять на них сигналивиконавчим органам. На кінці їх аксонів є спеціальнісинаптичних з'єднання з виконавчими органами, наприклад м'язами, дезбудження нейронів трансформується в скорочення м'язів. Проміжнінейрони здійснюють обробку інформації, що отримується від рецепторів, іформують керуючі сигнали для ефекторів. Вони утворюють центральнунервову систему. [7]

Нейроподібні елемент.

| |
| Малюнок 2. Схема будови нейроподібні елементу. |

нейроподібні елемент, який зазвичай використовується при моделюваннінейронних мереж, наведено на малюнку 2. На нейроподібні елемент надходитьнабір вхідних сигналів x1 ... хn (або вхідний вектор), що представляєсобою вихідні сигнали інших нейроподібні елементів. Цей вхідний векторвідповідає сигналів, що надходять в синапси [2] біологічних нейронів.
Кожен вхідний сигнал помножується на відповідний вага зв'язку w1 ... wn --аналог ефективності синапсу. Вага зв'язку є скалярною величиною,позитивною для збуджуючих і негативною для гальмують зв'язків.
Зважені вагами зв'язків вхідні сигнали надходять на блок сумації,відповідний тіла клітини, де здійснюється їх алгебраїчна сумаціяі визначається рівень збудження нейроподібні елемента S [8]:

Вихідний сигнал нейрона у визначається шляхом пропускання рівнязбудження S через нелінійну функцію f:

,

де? - Деякий постійний зсув (аналог порога нейрона). Зазвичайвикористовуються найпростіші нелінійні функції:

- бінарна
| | |

- сігмоідная:
| | |

У такій моделі нейрона нехтують багатьма відомимихарактеристиками біологічного прототипу, які деякі дослідникивважають критичними. Наприклад, у ній не враховують нелінійністьпросторово-часової сумації, яка особливо проявляється длясигналів, що приходять по збудливим і гальмуючим синапсах, різного родутимчасові затримки, ефекти синхронізації і частотної модуляції,рефрактерність [3] і т. п. Незважаючи на це нейроподібні мережі, простроенниена основі таких простих нейроподібні елементів, демонструютьасоціативні властивості, що нагадують властивості біологічних систем. [8]

нейроподібні мережі (НПС)

Що таке штучні нейронні мережі? Що вони можуть робити? Як вонипрацюють? Як їх можна використовувати? Ці та безліч подібних питаньзадають фахівці з різних областей.

Що ж таке нейроподібні мережу? Це штучний аналогбіологічної мережі, за своїми параметрами максимально наближається дооригіналу. Нейроподібні мережі пройшли довгий шлях становлення і розвитку,від повного заперечення можливості їх застосування до втілення в багатосфери діяльності людини.

Сучасні цифрові обчислювальні машини здатні з високимшвидкодією і точністю вирішувати формалізовані задачі з цілкомпевними даними за заздалегідь відомим алгоритмам. Однак у тихвипадках, коли завдання не піддається формалізації, а вхідні дані неповні,зашумлені або суперечливі, застосування традиційних комп'ютерів стаєнеефективним. Альтернативою їм стають спеціалізовані комп'ютери,реалізують нетрадиційні нейромережеві технології. Сильною стороною цихкомплексів є нестандартний характер обробки інформації. Вонакодується і запам'ятовується не в окремих комірках пам'яті, а в розподілізв'язків між нейронами і в їхній силі, тому стан кожного окремогонейрона визначається станом багатьох інших нейронів, пов'язаних з ним.
Отже, втрата однієї або декількох зв'язків не надаєістотного впливу на результат роботи системи в цілому, що забезпечуєїї високу надійність. [9]

Висока «природна» перешкодостійкість і функціональна надійністьстосуються як перекручених (зашумленних) потоків інформації, так і в сенсівідмов окремих процесорних елементів. Цим забезпечуються високаоперативність і достовірність обробки інформації, а проста дообучаемостьі переобучаемость НПС дозволяють при зміні зовнішніх факторів своєчасноздійснювати перехід на нові види виконуваних завдань.

Наведені вище переваги нейромережевої обробки даних визначаютьобласті застосування НПС:

- обробка та аналіз зображень;

- розпізнавання мови незалежно від диктора, переклад;

- обробка високошвидкісних цифрових потоків;

- автоматизована система швидкого пошуку інформації;

- класифікація інформації в реальному масштабі часу;

- планування застосування сил і засобів у великих масштабах;

-- рішення трудомістких задач оптимізації;

- адаптивне управління і прогноз.

Основні положення теорії діяльності головного мозку таматематична модель нейрона були розроблені У. Маккалоком і Ч. Піттс в
1943 року й опубліковані в статті «Логічне числення ідей, що відносятьсядо нервової діяльності », яка була видана російською мовою у збірнику
«Автомати» тільки через 13 років. Відповідно до запропонованої моделі мозокпредставляє собою ансамбль нейронів, що мають однакову структуру. Коженнейрон реалізує деяку функцію, яка називається порогової, над вхіднимизначеннями. Якщо значення функції перевищує певну величину - поріг
(що характеризує сумарну значущість отриманої нейроном інформації),нейрон збуджується і формує вихідний сигнал для передачі його іншимнейронів. Пройшовши шлях від рецепторів (слухових, зорових та інших) черезнейронні структури мозку до виконавчих органів, вхідна інформаціяперетвориться в набір керуючих дій, адекватних ситуації [8].

Окремі нейрони, поєднуючись між собою, утворюють нову якість,яке, в залежності від характеру міжнейронні з'єднань, маєрізні рівні біологічної моделювання:

- група нейронів;

- нейронні мережі;

- нервова система;

- розумова діяльність;

- мозок.

Іншими словами, нейроподібні мережа - це паралельна зв'язкова мережапростих адаптивних елементів, що взаємодіє з об'єктами реальногосвіту аналогічно біологічної нервовій системі. [8] З інженерної точкизору така мережа являє собою сильно распараллеленную динамічнусистему з топологією спрямованого графа, яка може виконуватипереробку інформації за допомогою зміни свого стану у відповідь напостійна або імпульсний вхідний сигнал.

В даний час основними напрямками реалізації НПС є:

- програмна реалізація на цифрових ЕОМ традиційної архітектури;

- програмно-апаратна реалізація у вигляді співпроцесорів до ЕОМ загального призначення;

- апаратна реалізація шляхом створення нейрокомп'ютерів на базі нейроплат у вигляді паралельних нейроподібні структур.

Ранні варіанти реалізації НПС відносяться до перших двох з вказанихнапрямів. Перший напрям характеризується універсальністю,дешевизною і низькою швидкістю навчання та функціонування НПС. Для друганапряму характерна висока швидкість моделювання функціонування НПС,але при цьому існують серйозні фізичні обмеження числа модельованихелементів і зв'язків між ними, а також можливостей навчання і до навчання.
У міру розвитку елементної бази ЕОМ стало можливим самостійнерозвиток третього напряму, що поклало початок індустріїнейрокомп'ютерів, що представляють сукупність апаратних і програмнихкоштів для реалізації моделей нейронних мереж.

На сьогоднішній день відомо вже більше 200 різних парадигм [4]нейронних мереж (не тільки детермінованих, але і імовірнісних), десятки
НПС реалізовані у спеціалізованих кристалах і платах, на їх основістворені потужні робочі станції і навіть суперкомп'ютери. Сучаснітехнології досягли того рубежу, коли стало можливим виготовленнятехнічної системи з 3 ... 4 млрд. нейронів (саме таку кількість їх умозку людини). Проте їх підключення продовжує залишатися проблемою.

Навчання нейроподібні мережі

Одне з найважливіших властивостей нейроподібні мережі - здатність досамоорганізації, самоадаптаціі з метою поліпшення якості функціонування.
Це досягається навчанням мережі, алгоритм якого задається наборомнавчальних правил. Навчальні правила визначають, яким чином змінюютьсязв'язку у відповідь на вхідний вплив. Багато з них є розвиткомвисловленої Д. О. Хеббом ідеї про те, що навчання засноване на збільшеннісили зв'язку (синаптичному ваги) між одночасно активними нейронами.
Таким чином, часто використовувані в мережі зв'язку посилюються, що пояснюєфеномен навчання шляхом повторення та звикання. Математично це правиломожна записати наступним чином:

,

де wij (t) і wij (t +1) - значення ваги зв'язку від i-го до j-му нейронувідповідно до і після його зміни,? - Швидкість навчання, yi і yj
-Вихідні сигнали i-го і j-го нейронів. [10] У даний час існуєбезліч різноманітних навчальних правил (алгоритмів навчання). Деякіз них будуть представлені в параграфах, присвячених розгляду конкретнихнейромережевих моделей.

Висновок

Багато суперечки навколо проблеми створення штучного інтелекту маютьемоційне підгрунтя. Визнання можливості штучного розумувидається чимось такого, що принижує людську гідність. Однак не можназмішувати питання можливостей штучного розуму з питанням про розвитокі вдосконаленні людського розуму. Повсюдне використання ШІстворює передумови для переходу на якісно новий щабель прогресу,дає поштовх новому витку автоматизації виробництва, а значить і підвищеннюпродуктивності праці. Зрозуміло, штучний розум може бутивикористаний в негідних цілях, проте це проблема не наукова, а швидшеморально-етична.

Однак розвиток кібернетики висуває ряд проблем, які все ж такивимагають пильної уваги. Ці проблеми пов'язані з небезпекою,що виникають в ході робіт з штучного інтелекту.

Перша проблема пов'язана з можливою втратою стимулів до творчогопраці в результаті масової комп'ютеризації або використання машин у сферімистецтв. Однак останнім часом стало зрозуміло, що людина добровільно невіддасть найкваліфікованіший творчу працю, так як він для самоголюдини є привабливим.

Друга проблема носить більш серйозний характер, і на неї неодноразововказували такі фахівці, як Н. Вінер, Н. М. Амосов, І. А. Полетаєв іін Полягає вона в наступному. Вже зараз існують машини і програми,здатні в процесі роботи самонавчатися, тобто підвищувати ефективністьпристосування до зовнішніх факторів. У майбутньому, можливо, з'являться машини,що володіють таким рівнем пристосування і надійності, що необхідністьлюдині втручатися в процес відпаде. В цьому випадку можлива втрата самимлюдиною своїх якостей, відповідальних за пошук рішень. У наявності можливадеградація здібностей людини до реакції на зміну зовнішніх умов і,можливо, нездатність прийняття управління на себе у випадку аварійноїситуації. Постає питання про доцільність введення деякого граничногорівня в автоматизації процесів, пов'язаних з важкими аварійнимиситуаціями. У цьому випадку у людини, "наглядає" за управляє машиною,завжди вистачить уміння і реакції таким чином впливати на ситуацію,щоб погасити розгорається аварійну ситуацію. Такі ситуації можливіна транспорті, в ядерній енергетиці. Особливо варто відзначити таку небезпеку вракетних військах стратегічного призначення, де наслідки помилки можутьмати фатальний характер. Кілька років тому в США почали впроваджуватиповністю комп'ютеризовану систему запуску ракет по командамсуперкомп'ютера, який займається обробкою величезні масиви даних, зібраних зусього світу. Однак виявилося, що навіть за умови багаторазовогодублювання і повторної перевірки, ймовірність помилки виявилася б настільки велика,що без керуючого оператора призвело б до непоправної помилку.
Від системи відмовилися.

Люди будуть постійно вирішувати проблему штучного інтелекту,постійно стикаючись все з новими проблемами. І, мабуть, процес цейнескінченний.

Словник термінів

ІНТЕЛЕКТ (від лат. intellectus - пізнання, розуміння, розум),здатність мислення, раціонального пізнання. Латинську перекладдавньогрецького поняття НПУ ( «розум»), тотожний йому за змістом.

ШТУЧНИЙ ІНТЕЛЕКТ, розділ інформатики, що включає розробкуметодів моделювання і відтворення за допомогою ЕОМ окремих функційтворчої діяльності людини, вирішення проблеми подання знань в
ЕОМ і побудова баз знань, створення експертних систем, розробку т. н.інтелектуальних роботів.

КІБЕРНЕТИКА (від грец. kybernetike - мистецтво управління), наука проуправління, зв'язку і переробки інформації. Основний об'єкт дослідження --т. н. кібернетичні системи, що розглядаються абстрактно, незалежновід їх матеріальної природи. Приклади кібернетичних систем - автоматичнірегулятори в техніці, ЕОМ, людський мозок, біологічні популяції,людське суспільство. Кожна така система являє собою безлічвзаємопов'язаних об'єктів (елементів системи), здатних сприймати,запам'ятовувати і переробляти інформацію, а також обмінюватися нею.
Сучасна кібернетика складається з ряду розділів, що представляють собоюсамостійні наукові напрями. Теоретичне ядро кібернетикискладають інформації теорія, теорія алгоритмів, теорія автоматів,дослідження операцій, теорія оптимального керування, теорія розпізнаванняобразів. Кібернетика розробляє загальні принципи створення системуправління і систем для автоматизації розумової праці. Основнітехнічні засоби для вирішення задач кібернетики - ЕОМ. Томувиникнення кібернетики як самостійної науки (Н. Вінер, 1948)пов'язане зі створенням у 40-х рр.. 20 в. цих машин, а розвиток кібернетики утеоретичних і практичних аспектах - з прогресом електронноїобчислювальної техніки

ЛОГІКА (грец. logike), наука про способи доказів і спростувань;сукупність наукових теорій, в кожній з яких розглядаютьсяпевні способи доказів і спростувань. Засновником логікивважається Аристотель. Розрізняють індуктивності і дедуктивну логіку, а востанньої - класичну, інтуіціоністскую, конструктивну, модальні та ін
Всі ці теорії об'єднує прагнення до каталогізації таких способівміркувань, які від істинних суджень-посилок призводять до дійснихсуджень-наслідків; каталогізація здійснюється, як правило, в рамкахлогічних. обчислень. Особливу роль у прискоренні науково-технічногопрогресу відіграють додатку логіки в обчислювальної математики, теоріїавтоматів, лінгвістиці, інформатики та ін

логічні помилки, викликається порушенням правил або законів логіки;ознака формальної неспроможності що містять її визначень,міркувань, висновків і доказів.

МНОЖЕСТВ ТЕОРІЯ, розділ математики, в якому вивчаються загальні властивостімножин, переважно нескінченних. Поняття множини - найпростішематематичне поняття, воно не визначається, а лише пояснюється за допомогоюприкладів: безліч книг на полиці, безліч точок на прямій (точковебезліч) і т. д.
| |
| Малюнок 3. Модуляція коливань |
| (зверху вниз): амплітудна, |
| частотна та амплітудно-фазова; |
| S - амплітуда, t - час. |

Модуляція Коливання, зміна амплітуди, частоти, фази або інхарактеристик коливань по заданому закону, повільне у порівнянні зперіодом цих коливань. Розрізняють модуляцію коливань амплітудну,частотну і фазову (рис.3).

Нейрон (від грец. neuron - нерв), нервова клітина, що складається з тіла іякі відходять від нього відростків - щодо коротких дендрітов і довгогоаксона; основна структурна і функціональна одиниця нервової системи (див.схему). Нейрони проводять нервові імпульси від рецепторів у центральнунервову систему (чутливий нейрон), від центральної нервової системи довиконає?? тільних органам (руховий нейрон), з'єднують між собоюкілька інших нервових клітин (Інтернейрони). Взаємодіютьнейрони між собою і з клітинами виконавчих органів через синапси. Уколовертки число нейронів 102, у людини - понад 1010.

ПАРАДИГМА (від грец. paradeigma - приклад, зразок), у філософії,соціології - вихідна концептуальна схема, модель постановки проблем та їхрішення, методів дослідження, пануючих впродовж певногоісторичного періоду в науковому співтоваристві. Зміна парадигм представляєсобою наукову революцію.

РАЗУМ, розум, здатність розуміння й осмислення. У ряді філософськихтечій - вища початок і сутність (панлогізм), основа пізнання і поведінкилюдей (раціоналізм).

рефрактерного (від франц. refractaire - несприйнятливі), у фізіології
- Відсутність або зниження збудливості нерва або м'язи післяпопереднього збудження. Рефрактерність лежить в основі гальмування.
Рефрактерний період триває від декількох десятитисячне (у багатьох нервовихволокнах) до кількох десятих (в м'язових волокнах) часток секунди.

СИНАПС (грец. synapsis - з'єднання, зв'язок), зона контакту міжнейронами та іншими утвореннями (нервовими, м'язовими або залозистимиклітинами), що служить для передачі інформації від клітини, що генерує нервовийімпульс до інших клітин.

Синаптична потенціалу, Біоелектричні потенціали, що виникають умісцях спеціалізованих міжклітинних контактів - синапсах - під часпередачі збудження від однієї клітини (пресинаптический) до іншої
(постсинаптичні).

Синхронізація, приведення двох або кількох процесів до такого їхпротіканню, коли однакові або відповідні елементи процесівздійснюються з незмінним зрушенням у часі або одночасно (наприклад, моваоратора і перекладача при синхронному перекладі, виробничі операції).

Частотна модуляція, зміна частоти коливань по заданому закону,повільне у порівнянні з періодом цих коливань.

Список використаної літератури:

1. Шихов Е. Варіанти реалізації штучного інтелекту - ресурс

Інтернету, http://neural.narod.ru/, 2002

2. Ендрю А. Штучний інтелект - М.: Світ, 1985.

3. Квасний Р. Штучний інтелект - ресурс Інтернету, http://neural.narod.ru/, 2001.

4. Брушлінскій А.В. Чи можливий штучний інтелект?

5. Н. Вінер Н. Кибернетика - М.: Наука, електронна версія, 1998.

6. Праці третього міжнародного симпозіуму «Інтелектуальні системи» -

Псков: 1998.

7. Федюкович Н. І. Анатомія та фізіологія: Учеб. Посібник. - Мн.: ТОВ

«Поліфакт-Альфа», 1999.

8. Соколов Е. Н., Вайткявічус Г.Г. Нейроінтеллект: від нейрона до нейрокомп'ютер - М.: Наука, 1989.

9. Циганков В. Д. Нейрокомп'ютер та його застосування - М.: СолСістем, 1993.
10. Ноткін Л.І. Штучний інтелект і проблеми навчання.
11. Венда В. Ф. Системи гібридного інтелекту - М.: Машиностроение, 1990
12. Волгин Л. И. комплементарна алгебра нейромереж - Таллінн: АТ «KLTK»,

1993.
13. Чернухін Ю. В. Нейропроцессори - Таганрог, 1994.

-----------------------< br>[1] Синаптична Потенца