Рассел С., Норвиг П. Искусственный интеллект. Современный подход (2-е изд., 2006) (1245267), страница 343
Текст из файла (страница 343)
Является ли опровержение довода с китайской комнатой убедительным доказательством того, что должным образом запрограммированные компьютеры имеют психические состояния? Обязательно ли принятие этого довода означает согласие с тем, что компьютеры не могут иметь психических состояний? 26.3. Пользуясь доводом с протезом мозга, важно предусмотреть способность восстановить мозг субъекта до нормального состояния, так, чтобы внешне он вел себя, будто над ним не проводилась какая-либо операция. Будет ли обоснованным возражение скептика о том, что для этого потребуется обновление нейрофизиологических свойств нейронов, которые относятся к сознательному опыту, в отличие от тех свойств, которые касаются функционального поведения нейронов? 26.4. Найдите и проанализируйте в популярном издании одну или несколько статей на ту тему, что создание искусственного интеллекта является невозможным.
26.5. Попытайтесь составить определения терминов "интеллект", "мышление" и "сознание". Проанализируйте некоторые возможные возражения против ваших определений. 26.6. Проанализируйте потенциальнь(е угрозы обществу со стороны технологии искусственного интеллекта. Какие угрозы являются наиболее серьезными и как им можно противостоять? В каком соотношении они находятся с потенциальными выгодами? 127б Часть Ч1П. Заключение 2б.7. Каковыми являются потенциальные угрозы со стороны технологии искусственного интеллекта в сравнении с угрозами со стороны других компьютерных технологий, а также со стороны ядерных, био- и нано- технологий? 26.8.
Одни критики искусственного интеллекта утверждают, что его создать невозможно, а другие считают, что очень даже возможно и что сверхинтеллектуальные машины представляют собой угрозу. Какое из этих утверждений вы считаете наиболее вероятным? Будут ли противоречивыми взгляды тех, кто занимает одновременно обе позиции? В даннои главе мы подводим итог тому, где мы находимся и куда движемся; это следует сделать, прежде чем приступить к дальнейшему изложению ее темы. В части 1 предложен единый подход к проблематике искусственного интеллекта— как к проектированию рациональных агентов.
В ней было показано, что сложность задачи проектирования зависит от того, какие акты восприятия и действия доступны для агента, каким целям должно удовлетворять поведение агента, а также от характера среды. Возможно применение целого ряда различных проектов агентов, начиная от простых рефлексных агентов и заканчивая агентами, основанными на знаниях, полностью способными к самостоятельному функционированию. Более того, компоненты этих проектов могут иметь целый ряд различных реализаций, таких как логические, вероятностные или "нейронные".
А в главах, которые следуют за этой частью, представлены принципы, на основании которых действуют эти компоненты. Как описано выше, в последнее время достигнуты поразительные успехи в научном понимании проблемы и в обеспечении технологических возможностей как с точки зрения разработки проектов, так и с точки зрения реализации компонентов агентов.
В данной главе мы отвлечемся от деталей и попытаемся найти ответ на вопрос: сзг "Приведет ли весь э)нот прогресс к созданию интеллектуального агента общего назначения, способного функционировать в самых различных вариантах средыу" В разделе 27.1 рассматриваются компоненты интеллектуального агента для определения того, что известно и чего еше недостает. В разделе 27.2 решается такая же задача применительно к общей архитектуре агента. В разделе 27.3 предпринимается попытка найти ответ на вопрос о том, является ли, прежде всего, правильной сама цель создания "проекта рационального агента" (ответ на данный вопрос должен быть таков: "Фактически дело обстоит иначе, но на данный момент эта цель являет- Глава 27. Настоящее и будушее искусственного интеллекта 1279 рядовой связью) с высоким разрешением, а также компактных, надежных электрических приводов.
Технология МЕМБ 1М)его-Е!есггоМес)зап1са! Буцет— микроскопические электромеханические системы) позволила создать миниатюрные акселерометры и гироскопы, а в настоящее время в ее рамках создаются исполнительные механизмы, способные, например, приводить в действие искусственное летаюшее насекомое. (Сушествует также возможность объединять миллионы исполнительных механизмов МЕМБ для получения очень мошных макроскопических исполнительных механизмов.) Поэтому, что касается вариантов физической среды, то больше нет реальных причин, оправдываюших то положение, в котором находятся системы искусственного интеллекта. Кроме того, стала доступной полностью новая среда — 1пгегпег. ° Слежение за состоянием мира. Это — одна из основных способностей, которой должен обладать интеллектуальный агент.
Для этого требуется и восприятие, и обновление внутренних представлений. В главе 7 описаны методы слежения за миром, представленные в форме пропозиционаяьной логики; в главе 1О они расширены до логики первого порядка, а в главе 15 представлены алгоритмы фильтрации для слежения за неопределенными вариантами среды. Эти инструментальные средства фильтрации вступают в действие, когда приходится сталкиваться с реальными (поэтому далекими от идеала) результатами восприятия. Современные алгоритмы фильтрации и восприятия могут комбинироваться для успешного выполнения заданий по составлению сообщений в виде предикатов низкого уровня, таких как "на столе стоит чашка", но еще многое предстоит сделать, прежде чем с помошью этих алгоритмов можно будет составить отчет, например, о том, что "доктор Рассел пьет чай с доктором Норвигом".
Еше одна проблема состоит в том, что алгоритмы приближенной фильтрации, хотя и могут действовать в весьма обширной среде, остаются по сути пропозициональными, поэтому, как и пропозициональная логика, не позволяют явно представлять объекты и отношения. В главе 14 описано, как можно применить в сочетании теорию вероятностей и логику первого порядка для решения этой задачи; можно рассчитывать на то, что применение этих идей для слежения за сложными вариантами среды со временем позволит добиться огромных преимушеств. Кстати, как только речь заходит об объектах в неопределенной среде, нам приходится сталкиваться с сь неопределенностью идентичности, поскольку часто неизвестно, не потерян ли из виду тот объект, за которым мы начинали следить. Эта проблема в системах искусственного интеллекта, основанных на логике, почти всегда игнорировалась, поскольку в основном предполагатось, что результаты восприятия включают константные символы, которые однозначно обозначают те или иные объекты.
° Проектирование, оценка и выбор будущих способов действий. При решении этой задачи требования к представлению основных знаний остаются такими же, как и при решении задачи слежения за миром; трудности состоят главным образом в том, что приходится сталкиваться с проявлениями действий (например, связанных с проведением беседы или совместного чаепития), которые в конечном итоге состоят из тысяч или миллионов примитивных шагов, выполняемых реальным агентом.
Вообще говоря, люди осушествляют такое сложное поведение исключительно благодаря тому, что действуют в рамках 1280 Часть ЪЧП. Заключение иерархической структуры поведенческих актов. В некоторых из алгоритмов планирования, приведенных в главе !2, используются иерархические представления и представления в логике первого порядка, позволяющие справляться с проблемами реальных масштабов; с другой стороны, в алгоритмах принятия решений в условиях неопределенности, приведенных в главе 17, по существу используются такие же идеи, как и в алгоритмах поиска с учетом состояния, рассматриваемых в главе 3. В этой области необходимо выполнить еше очень большой объем работы, возможно, на основе новейших достижений в области иерархического обучения с подкреплением.
° Полезность как способ выражения предпочтений. Вообще говоря, принцип, согласно которому рациональные решения должны быть основаны на максимизации ожидаемой полезности, является полностью обгцим и позволяет избежать многих проблем, связанных с подходами, основанными исключительно на достижении цели, таких как конфликтующие цели и ненадежные результаты. Однако до сих пор еше очень мало сделано в области создания реальных функций полезности. Достаточно представить себе, например, в какой сложной сети взаимодействующих предпочтений должен разбираться агент, действующий в качестве ассистента-делопроизводителя для чиновника. Как оказалось, задача декомпозиции предпочтений по сложным состояниям, подобная тому, как осуществляется декомпозиция убеждений по сложным состояниям в байесовских сетях, является весьма трудноразрешимой. Одна нз причин этого может состоять в том, что распределение предпочтений по состояниям фактически компилируется из предпочтений, распределенных по историям состояний, которые описываются с помогцью функций вознаграждения (см.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
