Компьютерные науки и природа. Системы искусственного интеллекта, функционирующие по биологическим принципам

Миллионы лет природа отрабатывала и совершенствовала свои творения. В течение всего этого времени животный и растительный мир развивался, приспосабливался ко всевозможным изменениям окружающей среды. На каждом этапе, при каждом значительном изменении климата природа делала шаг вперёд, подвергая пересмотру прежние решения.

Начав с изучения внешней, наблюдаемой стороны творений природы, с копирования того, что было доступно непосредственно созерцанию, человек в дальнейшем стал вникать в сущность вещей и процессов окружающего мира, научился вскрывать их глубокие взаимосвязи, познавать законы природы и, опираясь на добытые знания, перешел к преобразованию познанных вещей и процессов в соответствии с запросами практики. Тысячи лет человек мечтал летать, как птица, и это вдохновляло его на создание бесчисленных проектов летательных аппаратов. В дошедших до нас трудах алхимика Иакова IV Шотландского, Джоана Домиана (ок. 1500 года), в тетрадях гениального художника, замечательного инженера, гидравлика и механика Леонардо да Винчи (1452-1519) можно найти множество схем, набросков, рисунков летательных аппаратов с машущими крыльями. Но все попытки построить летательный аппарат на принципе машущих крыльев птицы неизменно терпели неудачи. Изобретателям не хватало одной существенной детали – двигателя, достаточно лёгкого и мощного, чтобы приводить в движение крылья; в их распоряжении была только мышечная сила человека, заведомо непригодная для этой цели. Великий русский ученый Н. Е. Жуковский (1847-1921), анализируя полёт птиц, открыл «тайну крыла», разработал методику расчёта подъёмной силы крыла, той силы, которая держит самолет в воздухе. Его работа «О парении птиц» (1881 год) лежит в основе современной аэродинамики. Таких примеров успешно заимствованных человеком у живой природы замечательных идей, конструкторских, технологических и других решений, сыгравших выдающуюся роль в развитии ряда областей науки и техники, можно было бы привести еще десятки и сотни.

В середине XX века начинается история искусственного интеллекта как нового научного направления. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления, экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений – теория алгоритмов – и были созданы первые компьютеры.

Возможности новых машин в плане скорости вычислений оказались больше человеческих, поэтому в учёном сообществе закрался вопрос: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека? В 1950 году один из пионеров в области вычислительной техники, английский учёный Алан Тьюринг, пишет статью под названием «Может ли машина мыслить?», в которой приводит свои ответы на подобные вопросы, и описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившей название теста Тьюринга.

Термин искусственный интеллект (англ. Artificial Intelligence) был предложен Джоном Маккарти в 1956 г. на конференции в Дартмутском колледже (США). А родоначальником искусственного интеллекта принято считать средневекового испанского философа, математика и поэта Раймонда Луллия, который еще в XIII веке попытался создать механическую машину для решения различных задач, на основе разработанной им всеобщей классификации понятий.

Сегодня существуют разные подходы к определению интеллекта. Аналитический подход предполагает анализ высшей нервной деятельности человека до низшего, неделимого уровня (элементарная реакция на внешние раздражители, раздражение синапсов совокупности связанных функцией нейронов) и последующее воспроизведение этих функций. Существует определение интеллекта как способности решать интеллектуальные задачи (у которых не существует известного алгоритма решения: доказательство недоказанной теоремы, научное открытие, художественная деятельность…). Некоторые специалисты за интеллект принимают способность рационального выбора, в условиях недостатка информации.

Сегодня существует два основных подхода к разработке искусственного интеллекта:

• •    семиотический — создание экспертных систем, баз знаний и систем логического вывода;

• •    биологический — изучение нейронных сетей, генетических алгоритмов, моделирующих интеллектуальное поведение на основе биологических элементов.

Искусственные нейронные сети – математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей.

Генетический алгоритм – это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе.

Генетические алгоритмы используют принципы и терминологию, заимствованные у биологической науки – генетики. В генетическом алгоритме каждая особь представляет потенциальное решение некоторой проблемы. Особь кодируется строкой двоичных символов – хромосомой, каждый бит которой называется геном. Множество особей – потенциальных решений составляет популяцию. Поиск оптимального решения проблемы выполняется в процессе эволюции популяции, т.е. последовательного преобразования одного конечного множества решений в другое с помощью генетических операторов репродукции, кроссинговера и мутации.

Первой работой, заложившей основы нового подхода к анализу сложных систем и процессов принятия решений была опубликованная в 1964 г. статья американского профессора Л.А.Заде. Суть подхода, получившего название нечеткой логики (Fuzzy Logic), заключается в следующем: 1) в нем используются так называемые "лингвистические'' переменные вместо обычных числовых переменных или в дополнение к ним; 2) простые отношения между переменными описываются с помощью нечётких высказываний; 3) сложные отношения описываются нечёткими алгоритмами.

Данные методы хорошо известны и успешно применяются сегодня при построении систем искусственного интеллекта, хотя появляется ряд других методов, заимствованных из природы (муравьиные алгоритмы – имитируют поведение колонии муравьев, пчелиные алгоритмы – поведение пчёл, алгоритм умных капель –поведение потоков (множеств капель) в реке и т.д.).