Гносеологические проблемы искусственного интеллекта

Министерство образования и науки Российской Федерации

Государственное образовательное учреждение высшего и профессионального образования «Сибирский федеральный университет»


РЕФЕРАТ

по дисциплине «Информатика»

на тему: ГНОСЕОЛОГИЧЕСКИЕ ПРОБЛЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА


Выполнил: Васильев А. О.

Проверил: Карташев Е. А.


Железногорск 2011


СОДЕРЖАНИЕ


ВВЕДЕНИЕ

ГЛАВА 1. ПОНЯТИЕ ТЕРМИНА «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ» И ЕГО СПЕЦИФИКА

.1 Понятие искусственного интеллекта

.2 Исследования искусственного интеллекта

ГЛАВА 2. ПРОБЛЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ГНОСЕОЛОГИЧЕСКИЙ АНАЛИЗ

.1 Проблематика искусственного интеллекта

.2 Подходы и концепции к решению проблем искусственного интеллекта

ЗАКЛЮЧЕНИЕ

СПИСОК ИСТОЧНИКОВ


ВВЕДЕНИЕ


Искусственный интеллект в современном мире является одним из наиболее перспективных направлений, имеющим собственную научную и философскую специфику и проблематику. Отсюда основные направления человеческой деятельности: кибернетика, лингвистика, психология, философия, математика, инженерия и другие, - которые занимаются решением многих проблем, связанных с искусственным интеллектом. Исследование и решение научных и философских проблем, связанных с искусственным интеллектом, позволят ответить на многие основополагающие вопросы, связанные с дальнейшими путями развития научной мысли, с влиянием достижений в области компьютерной вычислительной и робототехники, информационных технологий на жизнь человечества в будущем. Отсюда появляются и начинают свое развитие новые методы перспективных научных междисциплинарных исследований, формируется новый взгляд на роль различных научных результатов, а также возникает философское осмысление этих результатов.

Следуя нейрофизиологии и последним научным разработкам в области изучения способностей человеческой физиологии, мозг человека содержит огромное число уникальных в своем роде «вычислительных» узлов - нейронов, структурно-функциональных единиц нервной системы, имеющих сложное строение. В организме человека таких единиц насчитывается не менее ста миллиардов. Новейшие же вычислительные системы стремительно приближаются по своим возможностям к человеческому мозгу, однако, будучи уникальным явлением природы, мозг намного превосходит любую из существующих вычислительных систем. Тем не менее, искусственные нейронные сети контролируют сложнейшие системы управления и слежения, распознают изображения, возможным стало создание интеллектуальных автопилотов. Активно занимаются системами искусственного интеллекта области, издавна считавшиеся прерогативой человека: например, стратегии, логические игры и многое другое. В этих условиях приобретает особую значимость рассмотрение основных философских вопросов, связанных с искусственным интеллектом. Очевидным также представляется и то, что возможно ответное влияние искусственного интеллекта и искусственной жизни на философские проблемы человеческого мышления и на жизнь человека в целом. Понятие искусственного интеллекта не имеет однозначного определения, но возможно выделение нескольких наиболее важных аспектов искусственного интеллекта. Во-первых, это вопрос о том, что такое искусственный интеллект, ведь определение понятия обусловливают предмет, цели и методы. Во-вторых, интеллект подразумевает активные действия с информацией, например, ее обработку, поэтому существенной является проблема представления знаний в системах искусственного интеллекта. В-третьих, существовали и существуют до сих пор различные подходы к решению вопросов, связанных с созданием интеллектуальных систем, и их рассмотрение и изучение позволяет выделить многие аспекты данной проблемы. Наконец, большое значение имеет обеспечение адекватного взаимодействия искусственного интеллекта с человеком на естественном языке либо языке, используемым человеком в области программирования, так как при этом значительно облегчается ведение диалога с системами искусственного интеллекта.

В современной науке представления о том, возможен ли искусственный интеллект, существенно разнятся, то есть имеется определенная конфронтация в научных кругах по поводу того, каким он видится, как объяснить его устройство, как определить его отношение к человеческому интеллекту и какую роль искусственный интеллект сыграет в человеческой истории. С позиций наиболее консервативных ученых, искусственный интеллект принципиально невозможен. Тем не менее, разработки в области создания систем искусственного интеллекта являются в настоящее время одним из приоритетных направлений в науке.

ГЛАВА 1. ПОНЯТИЕ ТЕРМИНА «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ» И ЕГО СПЕЦИФИКА


.1 Понятие искусственного интеллекта


В понятие «искусственный интеллект» может вкладывается различный смысл: это может быть как признание наличия интеллекта у электронных вычислительных машин, которые выполняют логические и вычислительные операции, так и отнесение к «интеллектуальным» только таких систем, которые способны решить весь комплекс задач, осуществляемых человеком, или еще более широкую их совокупность.

Одно понимание сути искусственного интеллекта отталкивается от сходства процессов, происходящих в технической системе или в программах, с мышлением человека. То есть если система способна решать задачи, решаемые человеком при помощи интеллекта, то такую систему можно назвать «системой искусственного интеллекта». Однако этого недостаточно, так как создание традиционных программ для ЭВМ - это интеллектуальная деятельность человека (программиста). Вопрос о том, какие задачи, решаемые техническими системами, можно рассматривать как конституирующие искусственный интеллект, остается открытым. Чтобы ответить на этот вопрос, необходимо дать определение понятию «задача». С позиций психологии, задача тесно связана с понятием «мышление»: психологи подчеркивают, что задача существует, когда есть работа для мышления, то есть когда имеется цель, но не ясны средства к ее достижению. Их и необходимо определить посредством мышления. Математик Д. Пойа на этот счет выразился следующим образом:

«...трудность решения в какой-то мере входит в само понятие задачи: там, где нет трудности, нет и задачи».

Если человек имеет средство, при помощи которого он может осуществить свое желание, то задачи не возникает. Если у человека имеется алгоритмом решения задачи и физическая возможность его реализации, то задачи уже не существует. Задача тождественна проблемной ситуации, и решается она посредством преобразования последней. В ее решении участвуют не только условия, которые непосредственно заданы. Человек использует любую находящуюся в его памяти информацию, имеющуюся в его психике и включающую фиксацию разнообразных законов и связей. Если задача не является мыслительной, то она решается компьютером, что не позволяет выявить признаки искусственного интеллекта. Интеллектуальная часть уже выполнена человеком, и машина выполняет только ту часть работы, которая не требует участия мышления.

Недостатком такого понимания является главным образом его антропоморфизм. Задачи, решаемые искусственным интеллектом, целесообразно определить так, чтобы в них не присутствовал человек (как активный участник). Именно такой способ выработки схем внешних действий, но не действия по командам, является существенной характеристикой любого интеллекта. Отсюда следует, что к системам искусственного интеллекта относятся такие системы, которые, используя заложенные в них правила переработки информации, вырабатывают новые схемы целесообразных действий на основе анализа моделей среды, хранящихся в их памяти.

Способность к перестройке моделей в соответствии с вновь поступающей информацией является свидетельством более высокого уровня искусственного интеллекта. Многие исследователи считают наличие собственной внутренней модели мира у технических систем явной предпосылкой их «интеллектуальности». Формирование такой модели связано с преодолением синтаксической односторонности системы и переходом к семантике.

Таким образом, специалисты выделяют такие особенности систем искусственного интеллекта как: наличие в них собственной внутренней модели внешнего мира; способность накопления знаний; способность к дедукции; умение оперировать в ситуациях, связанных с различными аспектами нечеткости (в том числе «понимание» естественного языка); способность к диалогу с человеком; адаптация. Однозначно сказать, все ли эти условия необходимы для признания системы «интеллектуальной», нельзя, так как исследователи по-разному объясняют понятие «интеллектуальности» системы. В реальных же исследованиях признается абсолютно необходимым наличие внутренней модели мира.

П. Армером была выдвинута мысль о «континууме интеллекта». Различные системы могут сопоставляться не только как имеющие и не имеющие интеллекта, но и как развитые или слаборазвитые. При этом целесообразным становится разработка такой системы шкалирования уровня интеллекта, которая бы учитывала степень развития каждого из его необходимых признаков. А. Тьюринг предложил в качестве критерия, определяющего, может ли машина сама мыслить, «игру в имитацию». Согласно этому критерию, машина может быть признана мыслящей, если человек, ведя с ней диалог по достаточно широкому кругу вопросов, не сможет отличить ее ответов от ответов человека. Этот критерий, однако, подвергся критике из-за того, что Тьюринг приравнял способность мыслить и решать задачи переработки информации. «Игра в имитацию» не может без тщательного предварительного анализа мышления как целостности быть признана критерием способности машины к мышлению.

В. М. Глушков, следуя Тьюрингу, считал, что устройство, созданное человеком, может представлять собой искусственный интеллект, если, ведя с ним достаточно долгий диалог по более или менее широкому кругу вопросов, человек будет не в состоянии различить, разговаривает он с разумным живым существом или устройством. Если учесть возможность разработки программ, специально рассчитанных на введение человека в заблуждение, то нужно говорить не просто о человеке, а о специально подготовленном эксперте. Этот критерий не противоречит перечисленным выше особенностям системы искусственного интеллекта.

Отсюда возникает вопрос о том, что понимал Глушков под «достаточно широким кругом вопросов». На начальных этапах разработки проблемы искусственного интеллекта ряд исследователей, особенно занимающихся эвристическим программированием, ставили задачу создания интеллекта, успешно функционирующего практически в любой сфере деятельности. Это так называемый «общий интеллект». Сегодня работы ведутся над созданием «профессионального искусственного интеллекта» - систем, решающих интеллектуальные задачи в узкой области: например, управление портом, интегрирование функций, решение дифференциальных уравнений, доказательство теорем и так далее. Тогда «достаточно широкий круг вопросов» должен пониматься как соответствующая предметная область.

Исходным пунктом рассмотрения искусственного интеллекта является определение системы, решающей мыслительные задачи. Перед нею ставятся и задачи, которые люди обычно не считают интеллектуальными, поскольку при их решении человек сознательно не прибегает к перестройке проблемных ситуаций (например, задача распознания зрительных образов). Так как в решении таких задач на неосознанном уровне участвует модель среды, хранящаяся в памяти, то эти задачи, в сущности, являются интеллектуальными. Значит, и система, решающая ее, может считаться интеллектуальной.

Теория искусственного интеллекта при решении многих задач сталкивается с гносеологическими проблемами. Одна из таких проблем состоит в вопросе теоретической доказуемости возможности или невозможности искусственного интеллекта. На этот вопрос существует две точки зрения: одни исследователи считают математически доказанным, что компьютер способен выполнить любую функцию, осуществляемую естественным интеллектом; другие, наоборот, считают доказанным, что существуют проблемы, решаемые человеческим интеллектом, принципиально недоступные ЭВМ.

1.2 Исследования искусственного интеллекта


Интеллекта требуют такие виды умственной деятельности человека, как написание программ, решение математических задач или ведение диалога. На протяжении последних десятилетий было построено несколько типов компьютерных систем, способных выполнять такие задачи. Имеются также системы, способные диагностировать заболевания, планировать синтез сложных синтетических соединений, решать дифференциальные уравнения в символьном виде, анализировать электронные схемы, распознавать человеческую речь. Можно сказать, что такие системы обладают искусственным интеллектом. При реализации интеллектуальных функций присутствует информация, называемая знаниями: сами интеллектуальные системы являются системами обработки знаний.

В настоящее время в исследованиях по искусственному интеллекту выделились несколько основных направлений (см. табл. 1).


Таблица 1. Направления исследования искусственного интеллекта

№НазваниеХарактеристика1.Представление знанийРешаются задачи, связанные с формализацией и представлением знаний в памяти системы искусственного интеллекта. Разрабатываются специальные модели представления и языки описания знаний, внедряются различные типы знаний. Проблема представления знаний является одной из основных проблем для системы искусственного интеллекта, так как функционирование такой системы опирается на знания о проблемной области, которые хранятся в ее памяти.2.Манипулирование знаниями«Обучение» системы искусственного интеллекта оперированию знаниями. Разработка способов пополнения знаний на основе их неполных описаний, создание методов достоверного и правдоподобного вывода на основе имеющихся знаний, предложение модели рассуждений, опирающихся на знания и имитирующих особенности человеческих рассуждений. Манипулирование знаниями очень тесно связано с представлением знаний, и разделить эти два направления можно лишь условно.3.ОбщениеОсновные задачи направления: проблема понимания и синтеза связных текстов на естественном языке, понимание и синтез речи, теория моделей коммуникаций между человеком и системой искусственного интеллекта. На основе исследований в этом направлении формируются методы построения лингвистических процессов, вопросно-ответных, диалоговых и других систем, целью которых является обеспечение условий для общения человека с системой искусственного интеллекта.4.ВосприятиеРазработка методов представления информации о зрительных образах в базе знаний, создание методов перехода от зрительных сцен к их текстовому описанию и методов обратного перехода, создание средств, порождающих зрительные сцены на основе внутренних представлений в системах искусственного интеллекта.5.ОбучениеРазрабатываются методы формирования условий задач по описанию проблемной ситуации или по наблюдению за ней, методы перехода от известного решения частных задач (примеров) к решению общей задачи, создание приемов разбиения исходной задачи на более мелкие и уже известные для систем искусственного интеллекта.6.ПоведениеДля действия систем искусственного интеллекта в некоторой окружающей среде, необходимо разрабатывать некоторые поведенческие процедуры, которые позволили бы им адекватно взаимодействовать с окружающей средой, другими системами и людьми. Это направление также разработано еще очень слабо.

Специалисты в области исследования искусственного интеллекта подчеркивают, что совершенствование интеллектуальных систем (информационно-поисковых систем высокого уровня, диалоговых систем, базирующихся на естественных языках, интерактивных человеко-машинных систем, используемых в управлении, проектировании, научных исследованиях) во многом определяется тем, насколько успешно будут решаться задачи представления знаний. Перед теми, кто занимается проблемой представления знаний, встает вопрос о том, что такое знание, какова его природа и основные характеристики. В связи с этим предпринимаются попытки дать такое определение знания, из которого можно было бы исходить в решении задач представления знаний в компьютерных системах.

Представлению данных присущ пассивный аспект, в то время как в теории искусственного интеллекта особо подчеркивается активный аспект представления знаний: приобретение знания должно стать активной операцией, позволяющей не только запоминать, но и применять усвоенные знания для рассуждений на их основе. Использование символического языка (например, языка математической логики) позволяет формулировать описания в форме, близкой и к обычному языку, и к языку программирования.

Проблема представления знаний связана с переходом исследований в этой области в совсем иную фазу: речь идет о создании практических (экспертных) систем, применяемых в науке. Создание таких систем требует интенсификации усилий по формализации знания, накопленного в соответствующей науке. Представление знаний связывается также с определенным этапом в развитии математического обеспечения компьютера. Если на первом этапе доминировали программы, а данные играли вспомогательную роль, то на дальнейших этапах роль данных возрастала, а их структура усложнялась. В итоге появились абстрактные типы данных, обеспечивающие возможность создания такой структуры данных, которая была бы более удобна при решении задачи. Развитие структур данных привело к их качественному изменению и к переходу от представления данных к представлению знаний. Уровень представления знаний отличается от уровня представления данных не только более сложной структурой, но и существенными особенностями: интерпретируемость, наличие классифицируемых связей, наличие ситуативных отношений. Для уровня знаний характерны и такие признаки, как наличие специальных процедур обобщения, пополнения имеющихся в системе знаний других процедур.

Рассматривая компьютер в гносеологическом плане в качестве посредника в познании, имеет смысл абстрагироваться от собственно «железной части» компьютера и рассматривать всю компьютерную систему как сложную систему взаимосвязанных и самостоятельных моделей. Такой подход не только соответствует рассмотрению компьютерных систем в информатике, но является и гносеологически оправданным. Важнейшие философские аспекты проблем, возникающих в связи с компьютеризацией различных сфер жизни человека, требуют для своего исследования обращения к знаковым составляющим компьютерных систем.

Введением термина «знание» предполагает появление понятия «осознаваемости», то есть «понимания» своих интеллектуальных возможностей. В свою очередь, это означает не что иное, как рефлексию.

Философская приемлемость проблематики искусственного интеллекта была обусловлена лежащим в ее основе представлением о том, что «порядок и связь идей те же, что порядок и связь вещей». Создать структуру, воспроизводящую «мир идей», означало бы попросту создать структуру, изоморфную структуре вещественного мира. Эта модель интерпретировалась как компьютерная модель человеческих знаний о мире. Процесс человеческого мышления интерпретировался в компьютере как машинный поиск таких трансформаций модели, которые должны были перевести компьютерную модель в определенное конечное состояние. Для этого система искусственного интеллекта нуждалась в знаниях о том, как осуществлять трансформации состояний модели, приводящие к заранее заданной цели (состоянию с определенным набором свойств). Поначалу было распространено убеждение в способности компьютера к самостоятельному исследованию хранящейся в нем модели.

Такая предполагаемая «способность» компьютера интерпретировалась как возможность машинного творчества, как основа создания «умных машин». Несмотря на то, что в разрабатывавшихся системах достижение цели осуществлялось на основе человеческого опыта при помощи алгоритмов, идеи построения самообучающихся систем казались вполне перспективными. Лишь в 80-х годах прошлого столетия с осознанием значимости проблемы использования в интеллектуальных системах человеческих знаний о действительности стали разрабатываться базы знаний и методов извлечения личных знаний экспертов.

С развитием данного направления и возникла идея рефлексивного управления. Рефлексивное управление - это передача информации, воздействующей на имеющийся у объекта образ мира. Именно шахматные программы поначалу оказались столь важными для отработки методов искусственного интеллекта.

Возникает закономерный вопрос: стоит ли считать рефлексию неотъемлемой частью систем искусственного интеллекта? Ответ можно сформулировать следующим образом. Как и любая компьютерная программа, наделенная средствами самодиагностики, системы искусственного интеллекта должны контролировать происходящие процессы, внешние и внутренние. Может показаться, что в этом смысле будет достаточной развитая структура обратных связей. Обратная связь лишь предоставляет данные, но не интерпретирует их. Норберт Винер в своей книге «Кибернетика, или управление и связь в животном и машине» привел пример нарушения нервной системы людей и его последствия. Так, люди с нарушением системы ориентации собственных конечностей в пространстве должны были визуально контролировать свои действия. Это было типичное нарушение обратной связи. Рефлексия же подразумевает анализ полученной картины.

Анализ функционирования собственной модели, контроль над ее состоянием, прогнозирование состояния есть реализация рефлексии. С применением языков программирования высокого уровня, позволяющих формулировать цели и строить логические выводы достижимости этих целей, задача реализации рефлексии может быть частично решена. С их помощью возможно построение некоторой метаструктуры, позволяющий оценивать поведение предыдущего. Однако, при рассмотрении термина «глубокая рефлексия» или «многоуровневая рефлексия» встает проблема построения моделей самой системой. Здесь на помощь приходят абстрактные типы данных. Они позволяют оперировать структурами данных любой конечной сложности. Таким образом, считать интеллектуальную систему полноценной без умения оценивать и «понимать» свои действия, то есть рефлексировать, нельзя. Более того, рефлексию следует считать одним из главных инструментов построения поведения систем, так как она является необходимым условием существования интеллектуальной системы.


ГЛАВА 2. ПРОБЛЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ГНОСЕОЛОГИЧЕСКИЙ АНАЛИЗ


.1 Проблематика искусственного интеллекта


Раскрытие роли таких познавательных орудий, как категории, специфическая семиотическая система, логические структуры, ранее накопленное знание возможно, проведя гносеологический анализ проблемы искусственного интеллекта. Категории обнаруживаются не через исследования физиологических или психологических механизмов познавательного процесса, а выявляются в знании и его языковом выражении. Орудия познания, формирующиеся в результате практической деятельности, необходимы для любой системы, которая выполняет функции абстрактного мышления, безотносительно к ее конкретному материальному субстрату и структуре. Поэтому, чтобы создать систему, выполняющую функции абстрактного мышления, формирующую адекватные схемы внешних действий в изменяющихся средах, необходимо наделить такую систему этими орудиями. Развитие систем искусственного интеллекта уже давно идет по этому пути, хотя степень продвижения в данном направлении в отношении каждого из указанных познавательных орудий неодинакова.

Чаще всего системы искусственного интеллекта используют формально-логические структуры, что объясняется их неспецифичностью для мышления и алгоритмическим характером. Это дает возможность относительно легкой их технической реализации. Однако и здесь имеются свои сложности. В системах искусственного интеллекта еще слабо используются модальная, императивная, вопросная и иные логики, функционирующие в интеллекте человека и не менее необходимы для успешных познавательных процессов, чем давно освоенные логикой формы вывода. Повышение «интеллектуальности» технических систем связано не только с расширением применяемых логических средств, но и с более интенсивным их использованием на практике. Более остро обстоит дело с семиотическими системами, без которых интеллект не представляется возможным. Языки программирования пока достаточно далеки от семиотических структур, которыми оперирует мышление. Для решения целого комплекса задач необходимо приблизить семиотические системы компьютеров к естествен-ному языку (к использованию его ограниченных фрагментов). Здесь предпринимаются попытки ввести во входные языки ЭВМ универсалии человеческого языка (например, свойства, характерные для полисемии). Разработаны проблемно-ориентированные фрагменты естественных языков. Важнейшим итогом этой работы является создание и формализация семантических языков, слова-символы в которых имеют интерпретацию. Однако же многие универсалии естественных языков, необходимые для выполнения ими познавательных функций, в языках искусственного интеллекта либо слабо реализованы, либо используются ограниченно.

Современные системы искусственного интеллекта способны осуществлять перевод с одномерных языков на языки многомерные и наоборот: например, построение диаграмм, схем и чертежей, построение кривых, а также перевод графических элементов в символы. Такой перевод является важным элементом интеллектуальной деятельности, но системы искусственного интеллекта конца прошлого столетия не были к такому способны. Даже современные разработки, приходящиеся на 2008-2010 годы, существенно продвинувшиеся вперед, не до конца способны к непосредственному использованию изображений или воспринимаемых сцен для «интеллектуальных» действий. Поиск путей именно глобального оперирования информацией составляет одну из важнейших и перспективных задач теории искусственного интеллекта.

Воплощение в информационные массивы и программы систем искусственного интеллекта аналогов категорий находится пока на стадии разработки. Аналоги отдельных категорий - «целого», «части», «общего», «единичного», - используются в некоторых системах представления знаний в качестве базовых отношений. В понятийном аппарате некоторых систем представления знаний предприняты отдельные попытки выражения моментов содержания и других категорий (например, «причина», «следствие»), однако ряд категорий (например, «сущность», «явление») в языках систем представления знаний отсутствует. Разработчиками систем эта проблема в полной мере не осмыслена. Философам, логикам и кибернетикам предстоит выполнить большую работу по внедрению аналогов категорий в системы представления знаний и другие компоненты интеллектуальных систем.

Современные системы искусственного интеллекта практически не имитируют сложную иерархическую структуру образа, и это не позволяет им перестраивать проблемные ситуации, комбинировать локальные части сетей знаний в блоки и так далее. Не является совершенным и взаимодействие поступающей вновь информации с совокупным знанием в системах. В семантических сетях и фреймах пока недостаточно используются методы, благодаря которым интеллект человека легко пополняется новой информацией, находит нужные данные, перестраивает свою систему знаний.

Незначительно системы искусственного интеллекта способны активно воздействовать и на внешнюю среду, что делает невозможным осуществление самообучения и совершенствования «интеллекта».

Несмотря на то, что определенные шаги к воплощению гносеологических характеристик мышления сделаны, такие системы еще далеки от владения комплексом гносеологических орудий, которыми располагает человек для выполнения совокупности функций абстрактного мышления. Чем больше характеристики систем искусственного интеллекта будут приближены к гносеологическим характеристикам мышления человека, тем ближе к интеллекту человека будет и их «интеллект». В этой связи возникает сложный вопрос. При анализе познавательного процесса гносеология отвлекается от психофизиологии, хотя это не означает, что для построения систем искусственного интеллекта такте механизмы не имеют значения. Возможно, что механизмы, необходимые для воплощения характеристик интеллектуальной системы, не могут быть реализованы в цифровых машинах или в технической системе. Не исключено, что хотя мы можем познать все гносеологические закономерности, их совокупность реализуема лишь в системе, субстратно тождественной человеку. Такой взгляд обосновывал X. Дрейфус:

«Телесная организация человека позволяет ему выполнять функции, для которых нет машинных программ - таковые не только еще не созданы, но даже не существуют в проекте... Эти функции включаются в общую способность человека к приобретению телесных умений и навыков. Благодаря этой фундаментальной способности наделенный телом субъект может существовать в окружающем его мире, не пытаясь решить невыполнимую задачу формализации всего и вся».

Подчеркивание значения «телесной организации» для понимания особенностей психических процессов заслуживает внимания. Различия в способности конкретных систем отражать внешний мир тесно связаны с их структурой, которая, обладая некоторой самостоятельностью, все-таки не может преодолеть рамок, заданных субстратом. В процессе эволюции развитие свойства отражения происходило пропорционально усложнению нервной системы - субстрата отражения. Различие субстратов компьютера и человека может обусловить и различия в их способности к отражению. Ряд функций человеческого интеллекта недоступен машинам.

В источниках по философии часто говорится о том, что допущение возможности выполнения технической системой интеллектуальных функций человека означает сведение высшего к низшему и, что противоречит материалистической диалектике (это одна из причин отсталости разработок СССР). Но здесь не учитывается, что пути усложнения материи однозначно не предначертаны. Не исключено, что общество сможет создать сложные и способные к отражению системы из неорганических компонентов. Эти системы являлись бы компонентами общества, социальной формой движения. Следовательно, вопрос о наделении интеллектом технических систем, о возможности наделения их рассмотренными выше гносеологическими орудиями, не может быть решен исключительно с позиций философии. Он должен быть подвергнут анализу и конкретным научным исследованиям.

X. Дрейфус указывал, что информация, которой оперирует ЭВМ, не имеет значения, смысла. Для него необходим перебор большого числа вариантов. Организация человека и его организма позволяет отличать значимое от незначимого и осуществлять поиск только первого. Для ЭВМ, утверждает Дрейфус, это невозможно. Понятно, что определенный тип организации тела позволяет человеку ограничивать пространство предполагаемого поиска. Это происходит на уровне анализаторной системы. Однако когда в кибернетике ставится задача распознания образов, то эта задача переводится с чувственно-наглядного уровня на уровень абстрактный. Таким образом, снимаются ограничения, содержащиеся «теле», в структуре органов чувств и организма в целом. Компьютер их игнорирует. Поэтому пространство поиска увеличивается. Значит, к «интеллекту» машины предъявляются более высокие требования, чем к интеллекту человека, к которому приток информации ограничен физиологически.

Системы, обладающие психикой, отличаются от компьютера тем, что им присущи биологические потребности, и отражение внешнего мира происходит именно через эти потребности, в чем выражается активность психической системы. ЭВМ не имеет потребностей, информация для нее незначима.

Значимость, заложенная в человеке генетически, имеет два типа последствий: первый - круг поиска сокращается, и облегчается решение задачи; второй - нестираемые из памяти фундаментальные потребности организма обусловливают односторонность психической системы. Дрейфус пишет:

«Если бы у нас на Земле очутился марсианин, ему, наверное, пришлось бы действовать в абсолютно незнакомой обстановке; задача сортировки релевантного и нерелевантного, существенного и несущественного, которая бы перед ним возникла, оказалась бы для него столь же неразрешимой, как и для цифровой машины, если, конечно, он не сумеет принять в расчет никаких человеческих устремлений».

Утверждение весьма спорно. Если марсианин имеет иную биологию, чем человек, то он имеет и иные потребности, и принять ему «человеческие устремления» значительно труднее, чем компьютеру, который может быть запрограммирован на любую цель. Животное в принципе не может быть перепрограммировано по отношению к данному фундаментальному слою, хотя и существует дрессировка. В этом смысле потенциальные интеллектуальные возможности машины шире таких возможностей животных. У человека над фундаментальным слоем биологических потребностей надстраиваются социальные потребности, и информация для него значима не только биологически, но и социально. Человек универсален, и эта универсальность присуща ему как социальному существу, производящему средства целесообразной деятельности, в том числе и сами системы искусственного интеллекта.

Таким образом, можно сказать, что телесная организация дает не только дополнительные возможности, но дополнительные препятствия. Поэтому интеллекту человека важно иметь такие системы, которые были бы свободны от его собственных телесных и иных потребностей. От таких систем нельзя требовать самостоятельности в распознавании образов, классификации их по признакам, по которым это делает человек. Цели задаются в явной форме.

Технические системы могут иметь аналоги телесной организации. Развитая кибернетическая система обладает рецепторными и эффекторными придатками. Начало развитию этих систем положили интегральные промышленные роботы, в которых компьютер выполняет функцию памяти. В роботах третьего поколения ЭВМ уже выполнял «интеллектуальные» функции. Их взаимодействие с миром было призвано совершенствовать собственный «интеллект». Такие роботы имели «телесную организацию», конструкция их рецепторов и эффекторов содержала определенные ограничения, сокращающие пространство поиска цифровой машины.

Совершенствование систем искусственного интеллекта может иметь ограничения, из-за которых переход к решению интеллектуальных задач более высокого порядка невозможен на дискретных машинах даже при совершенной программе. Это значит, что техническая эволюция отражающих систем связана с изменением материального субстрата и конструкции этих систем. Такая эволюция, будет иметь место. При этом не исключается использование физических процессов, протекающих в головном мозге, и таких, которые психика не использует в качестве своих механизмов. Еще далеко не исчерпаны возможности совершенствования систем искусственного интеллекта путем использования в функционировании цифровых машин гносеологических характеристик мышления, о которых уже шла речь.

При анализе проблем искусственного интеллекта применяют также математический аппарат нечетких множеств, идея которого принадлежит американскому математику Л. А. Заде. Суть этого подхода состоит в отказе от принципа детерминизма. Наиболее интересным свойством человеческого интеллекта является способность принимать решения в обстановке неполной и нечеткой информации. Построение моделей приближенных рассуждений человека и использование их в компьютерных системах будущего представляет сегодня одну из приоритетных проблем науки.

Смещение исследований нечетких систем в сторону практических приложений привело к появлению целого ряда проблем: новые архитектуры компьютеров для нечетких вычислений, элементная база нечетких компьютеров и контроллеров, инструментальные средства разработки, инженерные методы расчета и разработки нечетких систем управления и другое. Математическая теория нечетких множеств Заде позволяет описывать нечеткие понятия и знания, оперировать ими и делать нечеткие выводы. Методы построения компьютерных нечетких систем, построенные на этом методе, существенно расширяют область применения компьютера.

Нечеткое управление является одной из самых активных и результативных областей исследований применения теории нечетких множеств. Оно оказывается полезным, когда технологические процессы являются непосильными для анализа при помощи количественных методов или когда имеющиеся источники информации интерпретируются качественно, неточно или неопределенно. Экспериментально показано, что нечеткое управление дает лучшие результаты, по сравнению с получаемыми при обычных алгоритмах управления. Эти методы помогают управлять домной и прокатным станом на производстве, автомобилем и поездом при автоматической работе, распознавать речь и изображения, проектировать роботов. Нечеткая логика ближе к человеческому мышлению и естественным языкам, чем традиционные логические системы. Она обеспечивает эффективные средства отображения неопределенностей реального мира. Наличие математических средств отражения нечеткости исходной информации позволяет построить модель, адекватную реальности.


2.2 Подходы и концепции к решению проблем искусственного интеллекта


Механистический подход

Идея создания интеллектуальных машин по образу и подобию человека, способных думать, двигаться, слышать, говорить, - вести себя как живые люди, - имеет долгую историю. Попытки создания такой машины приписываются еще античным изобретателям. В XVIII веке французский изобретатель Жак де Вокансон изготовил антропоморфного механического музыканта (флейтиста), который мог исполнить двенадцать мелодий, производя механическое воздействие на клавиши инструмента и пропуская воздушную струю в мундштук. Тогда же Фридрих фон Кнаус, служащий при дворе Франциска I, сконструировал несколько машин, которые могли пером писать большие тексты. Пьер Жак-Дроз из Швейцарии сделал две сложные механические куклы: мальчика, пишущего письма, и девушку, играющую на клавесине.

Успехи механики XIX века позволили продвинуться еще дальше. В 1830-х годах английский математик Чарльз Бэббидж задумал сложный цифровой калькулятор (аналитическую машину), по причинам, не связанным с технической реализацией, задумка не была осуществлена. По словам самого Бэббиджа, его машина в принципе могла бы рассчитывать шахматные ходы. В 1914 году испанец Леонардо Торрес-и-Кеведо в действительности изготовил электромеханическое устройство, способное разыгрывать простейшие шахматные эндшпили.

У механистического подхода имеется целый ряд проблем, важнейшая из которых в том, что все механические устройства имеют мало общего с искусственным интеллектом, несмотря на интересный замысел.

Электронный подход

Во второй половине прошлого столетия появились устройства, подходящие для моделирования разумного поведения. Ими были электронные цифровые вычислительные машины. В 50-х годах все поиски ответов на многие вопросы «интеллектуальности» машин привели к выделению в самостоятельную ветвь информатики науки «искусственного интеллекта». Исследования в этой области, первоначально сосредоточенные в нескольких университетских центрах США, ныне ведутся во многих других стран. Исследователей искусственного интеллекта, работающих над созданием интеллектуальных машин, можно разделить на две группы. Первых интересует исключительно наука, и для них компьютер - это инструмент, обеспечивающий возможность экспериментальной проверки теорий процессов мышления. Интересы вторых лежат в области техники: они стремятся расширить сферу применения компьютеров и облегчить пользование ими. Представители второй группы практически не заботятся о выяснении механизма мышления, так как они полагают, что для их работы это бесполезно.

За пятьдесят лет исследователи в области искусственного интеллекта выходили на передовую информатики. Многие привычные разработки, усовершенствованные системы программирования, редакторы и программы распознавания образов рассматриваются на работах по искусственному интеллекту. Теории, новые идеи, и разработки неизменно привлекают внимание тех, кто стремится расширить области применения и возможности компьютеров, сделать похожими на разумных помощников и активных советчиков. Несмотря на перспективы и то, что уже было сделано за десятилетия работы, ни одну из разработанных до сих пор программ нельзя назвать «разумной» в общем смысле этого слова. Это объясняется, например, тем, что все они узко специализированы, самые сложные экспертные системы по своим возможностям напоминают дрессированных или механических кукол, лишенных «гибкого ума» и «широкого кругозора». Даже среди исследователей, занятых в данной области, есть сомнения, что все подобные изделия принесут существенную пользу. Немало критиков интеллектуальных машин считают, что такого рода ограничения вообще непреодолимы, и решение проблемы «интеллекта» надо искать не в сфере непосредственно электроники, а где-то за ее пределами.

Кибернетический подход

Попытка создания машины, способной к разумному поведению, вдохновлена идеями профессора Массачусетского технологического института США Норберта Винера. Он обладал широкими познаниями во многих областях, включая математику, нейропсихологию, медицину, физику и электронику. Винер был убежден, что наиболее перспективны научные исследования в пограничных областях, которые нельзя конкретно отнести к компетенции той или иной конкретной дисциплины:

«Если затруднения в решении какой-либо проблемы психологии имеют математический характер, то десять несведущих в математике психологов продвинуться не дальше одного столь же несведущего».

Таким образом, междисциплинарность - это краеугольный камень современной науки. Винеру и его сотруднику Джулиану Бигелоу принадлежит идея и разработка принципа «обратной связи», который был успешно применен при разработке нового оружия с радиолокационным наведением. Этот принцип заключается в использовании информации, поступающей из окружающего мира, для того, чтобы машина изменила свое поведение. В основу разработанных Винером и Бигелоу систем наведения были положены точные математические методы: при незначительном изменении отраженных от самолета радиолокационных сигналов они изменяли наводку орудий так, чтобы траектории снарядов и самолетов пересеклись.

На принципе «обратной связи» Винер разработал теории машинного и человеческого разума. Он доказывал, что через обратную связь живая материя (разумная или нет) приспосабливается к окружающей среде и добивается своих целей:

«Все машины, претендующие на разумность, должны обладать способностью преследовать определенные цели и приспосабливаться, то есть обучаться».

В 1948 году Винер издал свою книгу, в которой был заложен фундамент новой науки, названной им кибернетикой, что в переводе с греческого (????????????) означает рулевой. Принцип «обратной связи», введенный Винером, был некоторой степени предугадан еще Сеченовым в описанном им в книге «Рефлексы головного мозга» феномене «центрального торможения». У Сеченова принцип рассматривался как механизм регуляции деятельности нервной системы. Он лег в основу многих моделей произвольного поведения в отечественной психологии. Обоснование исходных понятий кибернетики - информации, управления, обратной связи, - требует перехода к более широкой философской области знаний, в которой рассматриваются самые общие закономерности познания. И сама кибернетика многое дает философскому мышлению: она позволяет глубже раскрыть механизмы самоорганизации материи, проясняет содержание категории связей, причинности, позволяет детально изучить диалектику необходимости и случайности, возможности и действительности. Открываются пути для разработки «кибернетической гносеологии», которая позволяет уточнить, детализировать и углубить в свете науки об управлении ряд существенно-важных проблем.

Необычность кибернетики в том, что она имеет необычайный, синтетический характер. В связи с этим до сих пор существуют различия в трактовке некоторых ее проблем и понятий. К тому же основные идеи из этой области пришли из Запада, где они с самого начала подверглись влиянию идеализма и метафизики, а также идеологии. Становится очевидной необходимость разработки философских начал кибернетики, освещение основных ее положений с позиций философского познания. Осмысление с таких позиций будет способствовать успешному осуществлению теоретических и практических работ области кибернетики, создаст лучшие условия для эффективной работы и научного поиска в данной области познания.

Исследование методологического и гносеологического аспектов кибернетики способствует решению некоторых философских проблем: диалектического понимания простого и сложного, количества и качества, необходимости и случайности, возможности и действительности, прерывности и непрерывности, части и целого. Для развития математики и кибернетики большое значение имеет применение к материалу этих наук философских принципов и понятий, применение, обязательно учитывающее специфику этих областей научного знания. Философская мысль уже много сделала в анализе аспектов и теоретико-познавательной роли кибернетики. Большое значение кибернетика имеет и для построения научной картины мира, так как предмет кибернетики - процессы, протекающие в системах управления, общие закономерности таких процессов.

Нейронный подход

Ученые сегодня понимают, что в биологии есть множество аналогий, потенциально полезных для развития искусственного интеллекта. Среди таких ученых - нейрофизиолог Уоррен Маккалок, как и Винер, обладавший философским складом ума и широким кругом интересов. На нью-йоркской научной конференции 1942 года Маккалок оценил доклад одного из сотрудников Винера о механизмах обратной связи в биологии. Высказанные в докладе идеи перекликались с собственными идеями Маккалока касательно работы головного мозга.

В течение следующего года Маккалок в соавторстве математиком Уолтером Питтсом разработал теорию деятельности головного мозга. Эта теория стала той основой, на которой сформировалось мнение о сходстве функций компьютера и мозга. Исходя отчасти из предшествующих исследований нейронов, проведенных Маккаллоком, они с Питтсом выдвинули гипотезу о том, что нейроны можно рассматривать упрощенно как устройства, оперирующие двоичными числами.

В 30-е годы XX века информатики, среди которых был американский ученый Клод Шеннон, поняли, что двоичные единица и нуль вполне соответствуют паре состояний электрической цепи, поэтому двоичная система идеально подходит для электронно-вычислительных устройств. Маккалок и Питтс предложили конструкцию сети из электронных «нейронов», показав, что сеть может выполнять любые числовые или логические операции. Они предположили, что такая сеть будет в состоянии обучаться, распознавать образы, обобщать, - она обладает основными чертами интеллекта.

Теории Маккалока - Питтса с идеями Винера вызвали неподдельный интерес к разумным машинам. В 40-60-е годы кибернетики работали над теорией функционирования мозга. Из кибернетического (нейромодельного) подхода к машинному разуму сформировался так называемый «восходящий метод» - движение от простых аналогов нервной системы примитивных существ к сложнейшей нервной системе человека. Планировалось создать «адаптивную сеть», «самоорганизующуюся систему» или «обучающуюся машину». Эти термины стали впоследствии обозначениями устройств, способных следить за окружением и при помощи обратной связи изменять свое поведение в соответствии с идеями бихевиористической школы психологии.

Аналогия с животным миром, однако, оказалась возможна не во всех случаях. Главной проблемой «восходящего метода» была высокая стоимость электронных элементов. Непосильной по карману оказалась даже модель нервной системы муравья, состоящая из двадцати тысяч нейронов.

На сегодняшний день нейронный подход является наиболее продуктивным, так как создается структура, изоморфная человеческому мозгу, что повышает вероятность появления систем искусственного интеллекта уже в ближайшем будущем. Элементная база и принципы функционирования современных компьютеров исчерпали себя, научная мысль может пойти по пути использования моделей нейронов, что существенно упростит работу с компьютером и повысит его вычислительную мощность.

Появление перцептрона

В то время, когда кибернетика столкнулась с целым рядом трудностей, Фрэнк Розенблат, сумел предложить новую концепцию, отвечавшую устремлениям киберне-тиков. В 1958 году он предложил модель электронного устройства, названного им перцептроном, по замыслу, имитировавшее процессы человеческого мышления. Перцептрон должен был передавать сигналы от «глаза», составленного из фотоэлементов, в блоки электромеханических ячеек памяти, оценивавшие относительную величину электрических сигналов. Ячейки соединялись между собой спонтанным образом в соответствии с теорией, согласно которой мозг воспринимает новую информацию и реагирует на нее через систему случайных связей между нейронами. Два года спустя была продемонстрирована первая действующая машина "Марк-I", способная научиться распознавать некоторые буквы, написанные на карточках, которые подносили к его «глазам».

Перцептрон Розенблата оказался высоким достижением «восходящего» (нейро-модельного) метода создания искусственного интеллекта. Чтобы научить перцептрон строить догадки на основе изначально имеющихся предпосылок, в нем предусматривалась элементарная разновидность автономной работы или «самопрограммирования». При распознании буквы одни ее элементы оказываются гораздо более существенными, нежели другие. Перцептрон был способен научаться выделять такие особенности буквы полуавтоматически, методом проб и ошибок (как и в процессе обучения). Но возможности перцептрона были ограничены: машина не могла точно распознавать частично закрытые буквы, а также буквы измененного размера или рисунка в отличие от тех, которые использовались при обучении.

Ведущие представители «нисходящего метода» специализировались в составлении программ решения задач для цифровых компьютеров общего назначения. Это требовало от людей значительного напряжения ума. К числу защитников этого метода относились Марвин Минский и Сеймур Пейперт, профессора Массачусетского техно-логического института. Минский начал свою карьеру исследователя искусственного интеллекта сторонником «восходящего метода», но к моменту создания перцептрона он перешел в противоположный лагерь. В соавторстве с математиком Пейпертом он написал книгу «Перцептроны», в которой математически доказывалось, что перцептроны принципиально не в состоянии выполнять многие из тех функций, которые предсказывал им Розенблат. Минский писал, что они не обретут даже умения рас-познавать предмет, частично заслоненный другим. Появившись в 1969 году, эта критическая работа не покончила с кибернетикой, но переместила интерес аспирантов и субсидии правительственных организаций США на другое направление исследований - «нисходящий метод». Интерес к кибернетике в последнее время возродился, так как сторонники «нисходящего метода» столкнулись со столь же неодолимыми трудностями. Сам Минский публично выразил сожаление, что его выступление нанесло урон концепции перцептронов, заявив, что, согласно его представлениям, для реального прорыва в создании разумных машин необходимо устройство, похожее на перцептрон. В основном искусственный интеллект стал сегодня синонимом «нисходящего подхода», выражавшегося в составлении более сложных программ для компьютеров, моделирующих сложную деятельность человеческого мозга.


ЗАКЛЮЧЕНИЕ


Мышление, разум, сознание, интеллектуальность - это все проблемы, которые волновали человечество на протяжении многих веков и тысячелетий. Тайны, которые окружают эти категории, раскрываются через диаметрально противоположные направления в философии - как в онтологическом, так и в гносеологическом аспектах. С одной стороны, идеализм признает мышление особой сущностью, рассматриваемой в отрыве от материи, отличной от нее. И напротив, материализм исходит из того, что материя первична, а вещественный и воспринимаемый через органы чувств мир - это мир единственный и действительный, и человеческое сознание является продуктом телесного органа.

Исходя из того, что кибернетика сегодня позволяет производить моделирование отдельных функций головного мозга живого существа/человека, то мышление, сознание, разум и интеллектуальность могут иметь чисто материальную основу. Но за данной областью не может быть закреплено монопольное право на доказательство многочисленных теорий понимания мышления, поэтому более-менее общие выводы дать невозможно. Взгляды теоретиков диалектического материализма или материализма вообще опирались на обобщенные данные таких областей научных знаний, как психология, лингвистика или физиология. Кибернетика определила новый порог развития представлений о мышлении и интеллекте, ставя вопрос о более конкретном понимании мышления.

В инструментарии философских наук имеется знание, представляющее собой цепочку процессов, но не конечный результат. Инструментом же кибернетики является моделирование, с позиций которого говорить о тождестве модели и оригинала просто бессмысленно. Отсюда можно сделать вывод о том, что моделирование точной копии «интеллектуальности» или «разумности» для компьютерных систем также невозможно.

Через развитие информационных технологий человечество сумело компенсировать свою психофизиологическую ограниченность в различных направлениях деятельности, и именно такая компенсация позволяет создавать сложнейшие системы и управлять ими, обходя естественные барьеры, выраженные в неспособности человека абсолютного охвата информации, а, следовательно, и абсолютного познания. Искусственный интеллект не устраняет этих барьеров, однако он способен существенно их сдвинуть, что особенно важно именно сейчас, в эпоху, когда человечество развивается благодаря существованию таких сверхсложных систем.

Исследование проблем искусственного интеллекта является существенным вкладом в осознание человеком закономерностей внешнего и внутреннего мира, в их использование в интересах общества и, тем самым, в развитие свободы человека.

искусственный интеллект философский мышление

СПИСОК ИСТОЧНИКОВ


1. Аверкин А. Н., Гаазе-Рапопорт М. Г., Поспелов Д. А. Толковый словарь по искусственному интеллекту. - М.: Радио и связь, 1992. - 256 с.

. Гаврилов А. В., Канглер В. М. Использование искусственных нейронных сетей для анализа данных. // Сб. науч. трудов НГТУ. - Новосибирск: Изд-во НГТУ, 1999. - № 3(16).

. Корсаков С. Н. Начертание нового способа исследования при помощи машин, сравнивающих идеи. / Под ред. А. С. Михайлова - М.: МИФИ, 2009. - 44 с. ISBN 978-5-7262-1108-4.

. Кузнецов Н. А., Мускешвили Н. Л., Шрейдер Ю. А. Информационное взаимодействие как объект научного исследования. // Вопросы философии, 1999, № 1.

. Лекторский В. А. Теория познания (гносеология, эпистемология). // Вопросы философии, 1999, № 8.

. Люгер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных про-блем / Под ред. Н. Н. Куссуль - 4-е изд.. - М.: Вильямс, 2005. - 864 с. ISBN 5-8459-0437-4.

. Петрунин Ю. Ю., Рязанов М. А., Савельев А. В. Философия искусственного интеллекта в концепциях нейронаук. (Научная монография). - М.: МАКС Пресс, 2010. ISBN 978-5-317-03251-7.

. Тьюринг А. М. Вычислительные машины и разум. // В сб.: Хофштадер Д., Деннет Д. Глаз разума. - Самара: Бахрах-М, 2003. С. 47-59.

. Dreyfus H. What Computers Can't Do. New York: MIT Press, 1972. ISBN 0060110821.

. Ertel W. Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung. - 2009. ISBN 978-3-8348-0783-0.

. Ludovico A. Cervello e Computer O Metodo Per Utilizzare Tecnologia E Ragione. Roma: Lithos, 1997. ISBN 88-86584-20-2.

. McCorduck P. Machines Who Think (2nd ed.), Natick, MA: A. K. Peters, Ltd. ISBN 1-56881-205-1.

13. Sabah G. Compréhension des langues et interaction (Traité IC2, Série Cognition et Traite-ment de l'Information). Hermès science: Lavoisier, 2006. ISBN 2-7462-1256-0.

. Vowinkel B. Maschinen mit Bewusstsein - Wohin führt die künstliche Intelligenz? Wiley-VCH, 2006. ISBN 978-3-527-40630-2.

. Искусственный интеллект: в чем загвоздка? / 3DNews // www.3dnews.ru/news/ iskusstvennii_intellekt_v_chshm_zagvozdka.

16. Российский НИИ искусственного интеллекта // www.artint.ru.

. Савельев А. В. О конференциях по философии искусственного интеллекта. // www.sciteclibrary.ru/rus/catalog/pages/8895.html.

. Тьюринг А. Могут ли машины мыслить? / Научный портал «Эврика» // evrika.tsi.lv/ index.php?name=texts&file=show&f=347.


Теги: Гносеологические проблемы искусственного интеллекта  Реферат  Философия
Просмотров: 15631
Найти в Wikkipedia статьи с фразой: Гносеологические проблемы искусственного интеллекта
Назад