Искусственный Интеллект. Часть 1: отжыгаем

Jan 13, 2007 18:17

Сейчас я открываю для себя новое направление в IT: слабый искусственный интеллект. Искусственный интеллект условно делится на 2 ветви: сильный и слабый.

Сильный Искусственный Интеллект

Сильный ИИ ставит своей задачей научить машину думать подобно человеку. Эта ветвь наиболее романтичная и, увы, наиболее тупиковая. Я, к сожалению, не люблю читать не-техническую литературу, поэтому кроме 3х законов роботехники ничего не знаю :).

1. A robot may not injure a human being or, through inaction, allow a human being to come to harm.
2. A robot must obey orders given it by human beings except where such orders would conflict with the First Law.
3. A robot must protect its own existence as long as such protection does not conflict with the First or Second Law.

Роботы - это прекрасно. Да чего скрывать, в детсве я хотел стать роботом :), помните утиного робокопа на колёсике из мультика Чёрный Плащ? Так вот, это мой кумир ;).



Но моя непоколебимая вера в возможность существования машины наделённой сознанием была разрушена после прочтения книжки "Новый ум короля: о компьютерах, мышлении и законах физики" за авторством американского физика Роджера Пенроуза.


Монография известного физика и математика Роджера Пенроуза посвящена изучению проблемы искусственного интеллекта на основе всестороннего анализа достижений современных наук. Возможно ли моделирование разума? Чтобы найти ответ на этот вопрос, Пенроуз обсуждает широчайший круг явлений: алгоритмизацию математического мышления, машины Тьюринга, теорию сложности, теорему Геделя, телепортацию материи, парадоксы квантовой физики, энтропию, рождение Вселенной, черные дыры, строение мозга и многое другое. Монография известного физика и математика Роджера Пенроуза посвящена изучению проблемы искусственного интеллекта на основе всестороннего анализа достижений современных наук. Возможно ли моделирование разума? Чтобы найти ответ на этот вопрос, Пенроуз обсуждает широчайший круг явлений: алгоритмизацию математического мышления, машины Тьюринга, теорию сложности, теорему Геделя, телепортацию материи, парадоксы квантовой физики, энтропию, рождение Вселенной, черные дыры, строение мозга и многое другое.

Это одна из тех книг, которые я бы взял на Марс. Я преклоняюсь перед Пенроузом, он осветил огромный круг проблем в небольшой книге, изложив их простым языком. Эта черта присуща талантливым и гениальным людям: просто излагать сложные вещи. Суть-же книги в том, что разум - есть очень сложная штука, не понятно как он утроен и как он рабоатет. И уж точно ясно что алгоритмизировать его нельзя. Поэтому забудьте о разумных холодильниках и микроволновках. Со стиральными машинами-же ситуация замечательна: уже сегодня они умеют общаться с тётьками и дядьками из телевизора на человеческом языке. Жаль что готовить не умают, получились бы отличными жёнами %).

Слабый Искуственный Интеллект
Слабый ИИ - это разнообразыне методы, с первого взгляда имеющие некоторую разумность. Они не универсальны: каждый из них имеет свою облать применения. Будь то распознавание речи, поиск оптимального пути или система рейтингов с last.fm.

Лучший способ хорошо разобраться в проблеме: написать о ней статью :).
Simulated Annealing
Симуляция отжига, метод основанный на законах термодинамики. Отжиг - это процесс нагревания и контролируемом охлаждения вещества. Цель процесса - получение более стойкой кристаллической структуры, так как при неконтроллируемом охлаждении результат непредсказуем и неоптимален.

Метод заключается во "встряске", когда при высоких температурах в системе наблюдается высокая молекулярная активность. Цель - найти молекулу с минимальной энергией, но при выскоих темпреатурах таких молекул будет наблюдаться множество. Конечная цель прожига: уменьшая температуру найти единственную молекулу с минмиальной температурой.

Схематически алгоритм можно представить так:
Данное решение «» Рабочее решение » Лучшее решение

  1. Создаётся случайное решение, которое становится "Данное решение"
    Решение - просто некоторый объект с определёнными полями.
  2. Обращаемся к "Данному решению", вычисляем его энергию.
  3. "Данное решение" копируется в "Рабочее решение" и случайным образом модифицируется.
  4. Теперь у нас 2 решения: "Рабочее" и "Данное". У каждого есть энергия или сила решения. Чем меньше энергия, тем лучше решение. В идеале энергия решения должна стремиться к нулю.

    Если у "Рабочего" решения температура меньше, то оно копируется в "Данное".

    Если же нет, то вычисляется вероятность принятия решения, чтобы узнать что делать с "Рабочим решением". Вероятность определяется по формуле:
    P(beta*E)=exp(-beta*E/T)

    При высоких температурах плохие решения принимаются чаще, чем отклоняются. При уменьшении температуры, уменьшается вероятность принятия плохих решений.



    По оси z - вероятность принятия решения, x - энергия, y - температура.

После некоторого числа повторений температура уменьшается на небольшую велечину по какому-то закону (линейно, логарифмически, и т.д.).

Вся эта хрень повторяется пока температура не достигнет нуля.

Конец первой серии :).

programming, ai, science

Previous post Next post
Up