нового. После провала это направление тали считать своего рода метафизикой, «созданием вечного двигателя». Все это привело к тому, что надо создавать не программы, а комплексы которые сами бы для себя прежде сделали как это сделал человек. Т.е. надо создавать робота, который бы взаимодействовал с окружающим миром и чтобы он пробовал жить как человек, только вполне конкретной среде. Новый проект – создание робота. Робот Шейки – 1971 год был закончен, 7 лет весь стендфортский университет работал в этом направлении. За эти 7 лет было создано очень много: телеглаз (обработка изображения, распознавание, кодирование, декодирование), понимал речь, жил в определенной среде (комната с геометрическими фигурами), передвигался. После демонстрации были хорошие отклики. Сразу появились вопросы, что будет если сменить ему среду обитания. Он отлично решал задачи связанные с кубиками, параллелепипедами и т.п. и даже если его просили сделать что-то, что не могло получиться – он говорил что не может, и даже объяснял причину. Главным его недостатком

– он жил в слишком бедном мире, но слишком богатый мир порождал новую проблему – комбинаторный взрыв. Т.е. основная проблема лежит в структуризации окружающей среды, ее представление у человека в головном мозге, у робота в структурах памяти и еще надо все это использовать по назначению. Поняли что каким-то образом надо решать проблему знаний. Осознали сразу главную проблему, почему в области искусственного интеллекта ничего не получалось – из-за того, что не умели моделировать и представлять знания человека. Есть слово «знание», но не в одном словаре нет определения. Это слово очень долго изучали логики, вертели его так и эдак.

Первая версия претендовавшая на роль моделей знаний была семантическая сеть. Семантическая сеть – это узлы и дуги. Узлы – понятия, дуги – связанность между ними. Но существовала проблема комбинаторного взрыва при усложнении задачи.

В 1974 г. – версия по работе со знаниями Минского (основоположник всех форм грамматик, в теории формальных грамматик больше него никто не дал). Книга «Фреймы для представления знаний» - доказал, что у человека нет проблем с комбинаторикой, потому что он всегда, на любое отражение накладывает фреймы, рамки, накладывает типовые ситуации. Вот человек пришел в ресторан, он в данной ситуации будет использовать лишь слов 200, ему их хватит. Основная идея типовых ситуаций – все разнообразие мира оно иллюзорно. У человека все размечено по категориям, весь мир по типовым ситуациям. Человек реагирует по меткам. Человек видит только то, что ему необходимо, что бы реагировать. Рамкаэто форма. А с точки зрения искусственного интеллекта и программирования, рамка – структура данных и операций. Начали двигаться в этом направлении.

Лекция 2

1.1 ПРЕДМЕТНАЯ ОБЛАСТЬ

Подетальнее рассмотрим предметную область искусственного интеллекта. И для этого возьмем программу европейской конференции по искусственному интеллекту, которая проходила летом прошлого года (2002 г.). Мы уже говорили, что предметная область – это круг задач. На данном слайде задачи не названы, но можно догадаться что является основным, что привлекает внимание специалистов в Европе в настоящее время. Этим летом также будет проходить конференция, и ее тематика уже утверждена, но там вы увидите тоже самое, лишь 2 – 3 позиции поменяют или уточнят.

Очень большой пласт интересов и задач в искусственном интеллекте, который относится к языку, и его употреблению в различных целях, к различным версиям, вариантам модернизации языковой и речевой способности человека, использование знаний лингвистики. Здесь все что относится к лингвистике со словом «reasoning» (рассуждение): рассуждение в условиях неопределенности, автоматизация рассуждения, ресурсно-ограниченные рассуждения, качественные рассуждения, вероятностные рассуждения, немонотонные рассуждения, и т.д. – 1/5 часть интересов сосредоточена там. А если учесть, что и логика к языку относится «abduction». Это специализированный тип логики, для определенного типа рассуждений. Логика всегда управляет рассуждениями, логик тьма и каждая интересуется своим предметом. Много вы видите «learning» - это все что относится к обучению, все вопросы связанные с автоматизированным обучением, обучение играет принципиальную роль. В проблематике искусственного интеллекта не рассматривают вопрос, как составляются тесты, хотя интересно как

человек будет их проходить. Тестовое обучение совсем другой вид обучения.

Если человек хочет относится ли данная проблема к искусственному интеллекту, ему просто необходимо посмотреть есть ли данная тематика в списке тем конференции. А за тематикой стоят задачи.

Одной из наиболее важной тематикой является решение задач. Решение задач, это огромная работа с которой постоянно сталкивается человек. Когда человек говорит решаю задачу, он вполне понимает что ему приходиться делать, хотя не значит, что он ее обязательно решит. Решение задач в искусственном интеллекте стоит на первом месте. Если говорить о конкретных вещах, с которыми сталкиваются специалисты – то сталкиваются они с задачами.

1.2 ЗАДАЧА

Задача – это тип вопроса, на который в опыте нет ответа, но этот ответ может быть построен и будет построен. Т.е. задача – это определенный тип вопроса, причем ожидается, что ответ на него будет найден.

Это значит, что вопросов много разных по типам и среди этого множества вопросов есть такие которые принято называть вопросами.

Какие еще есть типы вопросов? Вопрос может быть квалифицирован по различным признакам. «Нет ответа, но он будет построен» - есть вопросы на которые есть ответы, все тестовое обучение построено на том, что учат готовым ответам. Т.е. это тип вопросов, на которые в нашем опыте есть ответы, просто их надо найти. Их можно назвать запросами. Вам как специалистам по ВТ постоянно приходиться с ними сталкиваться с такой ситуацией – поиска готовых ответов в какой-то базе (опыте). Значит есть вопросы не задачи, а вопросы – запросы, причем-то по каким-то базам, где хранятся эти ответы.

Но вообще-то есть вопросы на которые ответы могут быть и не найдены, не построены, но это не означает, что о них не надо говорить и пытать их решать. Поэтому с позиции ответов, есть он или нет, и как он может быть построен, вопросы делятся на три типа: проблемы, задачи, запросы. Специалисты по Вт очень часто занимаются программированием запросов, запросы к БД, в экспертных системах, как системы запросов к базам знаний, а там лежать продукции, а действие экспертов заранее вложены туда. И выдергивайте рецепты, рекомендации от туда. Запросы это самое простое с чем приходиться сталкиваться человеку. И в первую очередь любой ответ надо искать в базе запросов, если ответ не найден, значит вы столкнулись не с запросом. А столкнулись либо с проблемой, либо с задачей. При работе с любым типом вопросов существуют свои

методики, свои технологии. Искусственный интеллект берет на себя «решение» задач, а проблем нет. Проблемы отдают решать только человеку, причем если для решения задачи может помочь автоматизированная интеллектуальная система, то для решения проблемы она не пригодна. Наиболее важный вклад который ученный может сделать это сформулировать проблему и тот, кто сформулировал задачу приносит пользу, более существенную, чем тот кто ее решил. И именно работа связанная с тем, чтобы очертить область в которой надо искать, чего искать и какие характеристики, и к чему это приведет – требует больше интеллектуальных способностей, чем уже непосредственная работа по решению.

Запросы интересны искусственному интеллекту, мы не можем от них отказаться, это очень важная часть опыта, которая относится к запросам, причем принципиальная часть опыта. Можно не переживать если вы потерпели неудачу, не опознав ответа в запросной части опыта.

Попробуем рассмотреть в чем заключается природа вопроса и почему вопросы–запросы лежат не в стороне для искусственного интеллекта, а именно в предметной области искусственного интеллекта. В вопросахзапросах свой стиль действия, в вопросах-задачах свой. Интерпретация работы с вопросами в рамке системы управления. Если человек решает задачу или пытается разрешить проблему, пытается найти ответ в запросной части, в любом случае этой работой надо управлять, т.е. процессом решения задачи надо управлять. Что значит управлять – это значит вы знаете, как процесс протекает, очень хорошо знаете, т.е. используете методику решения задачи. Это вы хорошо знаете. ДА? Так не всегда бывает. Нужно понимать, что управлять процессом решения задачи придется.

Во-первых любой вопрос встает, если вы оцениваете ситуацию, в которой у вас возникли трудности. Человек оказывается в разных ситуациях, может оказаться в ситуации, когда все ясно и решать задачу не надо. С вопросами работать очень легко, если ему что-то нужно делать на уровне безусловных рефлексов. В общем случае ситуации делятся на те, в которых легко и те, в которых трудно. Если я оказался в трудной ситуации, моя реакция такова – а вдруг у меня в опыте есть ответ «что же

мне делать?». Т.е. вы пытаетесь пройти по цепочке через запросы – это эвристика. Эвристика – это то, что экономит усилия, если найдете в опыте реакцию, вы ее включаете в действие и успокоитесь до тех пор пока не столкнетесь с новой трудной ситуацией. Если же в опыте ответа не нашлось, вы начинаете сравнивать с тем, что вы умеете делать вообще, т.е. с тем, что у вас вообще есть в опыте и получаете разницу. Эту разницу вам нужно отработать, как говорят в системах управления. Любая система управления реагирует на рассогласование. В нашей ситуации это рассогласование между опытом, который есть и тем опытом, который был бы необходим. Вот это рассогласование и называется вопросом, а не то что вы сформулировали и записали на листочке, т.е. истинная природа вопросов – это разница между тем опытом который есть и который нужен. С этими разницами человек сталкивается постоянно и уже много лет он учится и передает из поколения в поколение и накапливает новые инструменты и средства для того, что бы разницу между тем что нужно и тем что есть отработать, таким образом он накапливает опыт работы с вопросами. Накапливая опыт работы с вопросами на первом месте стоит – какая же у вопроса природа, где он там локализован раз я его хочу изучать, да управлять им конструктивно реакциями. Опыт давно накоплен, сосредоточен внутри человека, в большей части систематизирован и связан в мозговых структурах человека – где там он локализован очень часто делают выводы опосредованно не затрагивая, не вмешиваясь в процесс. Опыт приводит ко многим функциональным изменениям в головном мозге, значит это природное явление, природный феномен и к нему нужно так и относится, если хочешь его изучать. Интеллектуальные способности – это тоже природный феномен и к нему тоже надо подходить как к природному, но в тоже время управляемое – природноискусственное. Вопрос – это тоже природно-искусственное образование, т.е. тоже надо учить как с такими явлениями работать. Если это природное явление, пусть даже природно-искусственное, до которого прямого доступа нет, значит нужно уметь эти явления обнаруживать, идентифицировать, закодировать, использовать в нужном для вас направление. Вопрос – это не лингвистическая конструкция и ни какой не феномен, только чисто языковой, кодовый, у вопроса более глубокая структура. Вот если эту природу вопроса правильно использовать, она вам поможет, а если будете относится к ней легко, она вам отомстит, просто ваши ожидания окажутся неоправданными или у вас ничего не получиться. Как в любой системе управления, ели вопрос есть, есть рассогласование между опытом который есть и который нужен, это рассогласование вошло в сферу отработки, и там обрабатывается.

Нас интересуют вопросы в контексте определенной деятельности «что я должен делать». В процессе обработки я буду действовать, использовать коды, идентифицировать, кодировать, обрабатывать. И эти коды оказались для человека открыты и называется языком. Использовать языковую речь – рассуждая, вы взаимодействуете с опытом. Из опыта

действие за действием вы каким-то образом у вас извлекаются и начинают продвигать вас куда-то. Рассуждение является сопутствующем продуктом отработки вопроса. Нас всегда еще интересует код обработки и очень хорошо, когда мы можем оформить его в виде сценария, или метода, или методики на бумаге, хотя бы. При рассуждении вам придется использовать опыт, придется рассуждать в контексте деятельности, по походу вашей деятельности у вас будет получаться много ценного. Рассуждения легче запомнить, оно потом вам обязательно пригодиться. Коды рассуждения, хотим мы того или нет, все равно в опыте остаются.

Опыт как то что есть на момент времени t0, когда рассуждение произошло оно изменило опыт, там произошла обработка рассогласования. Обработка рассогласования – и есть построение ответа. Вопросы могут быть разные, разных типов и не только этих трех, даже задачи могут быть разных типов и запросы могут быть разных типов. Но в любом случае в соответствии с типом придется выполнять определенную работу по построению ответа на данный вопрос.

Когда вы столкнетесь с вопросами и в частности с вопросамизадачами, то вам обязательно придется столкнуться с двумя разнородными типами работ. Первый тип – представление. Второй – поиск и решение. Вопрос-задача – природный феномен, который нужно обнаружить, идентифицировать, закодировать – вот только после этого вы можете преступить ко второй части работ. А именно использовать вот то что закодировали как серые, как материал, как указатель для того чтоб найти, построить ответ. Самое интересное заключается в этих двух работах. По поиску – много материалов, богатейшие знания, богатейший опыт. А по представлению почти как было 50 лет назад так и осталось. И очень многие проекты провались из-за представления. Легкие оказались представления в «логике-теоретики». И универсальный решатель проблем провалился именно из-за представления.

До сих пор даже в простейших вариантах не научились обнаруживать, кодировать вопрос. И самый основной упор в ИИ надо делать здесь – именно здесь без языка и речи не обойтись. Если у вас есть сформулированный вопрос, то можно разбить его на части, на каждую частичку строить ответ, потом их интегрировать и там уже появятся механизмы. Разбиение и интегрирование относится к поиску.

(следующий слайд).

Впервую очередь при появлении вопроса нам нужно избавиться от лишнего, оставить наиболее важное и значимое, чтобы этот вопрос в контексте моей работы выполнил свою функцию. Вопрос был сформулирован, чтобы решить конкретную задачу. Начинаю преобразовать вопрос в постановку задачи – то работа не легкая и скорее всего у вас нет опыта такой работы, т.к. с реальными задачами пока вы не сталкивались. Реальная задача – эта задача на которую в опыте нет ответа, но его можно построить. Нет ответа можно понимать двояко: нет ответа у Петрова, но есть у Сидорова. Так вот на реальную задачу ответа нет не у кого. В физической математике у вас тренировочные примеры. В школе не учат решать реальные задачи, вся европейская система школьного обучения построена на тестах, поэтому в дальнейшем им требуются специалисты из России, Венгрии и т.п. Но в то же время образование все дальше и дальше уходят от реальных задач. Учат больше поиску. В формулировки задаче не должно быть ничего лишнего и упущенного. А если вы лишнего набросали – вам будет трудно. И упустить

идобавить одинаковый вред. Т.о. сформулировать задачу большой труд, дают до 3 месяцев для формулировки задачи, и только для этого. Как надо проводить работу строгих методик нет, хотя инструменты начали появляться.

Если вопрос сформулирован, то тяжелейшая работа сформулировать постановку. Упрощает переход к формальному представлению или к формальному представлению частичек этой задачи. Когда вы переходите к формальному представлению, вы думаете дайте-ка я часть попробую передать компьютеру.

Поиск. У вас есть содержательное представление, есть формальное представление, рассматривайте это как запрос – сложноструктурированный, любой другой, но запрос. Т.е. есть запрос, поиск – как система запросов, должна быть система доступа, разделы, подразделы и т.д. Если вопрос-запрос, то все в поиске найдете.

Вработе, которая называется поиск у вас слишком большая роль комбинаторики. Чтобы человек не делал он просто комбинирует из того,