Научная работа по теме: "Анализ историко-философских концепций становления искусственного интеллекта"

УДК 62-1

Анализ историко-философских концепций становления искусственного интеллекта

В статье дается определение понятиям «интеллект» и «искусственный интеллект». Выделяются основные признаки интеллекта. Описывается классификация искусственного интеллекта. Выделяются преимущества искусственного интеллекта и цели, преследующие его создание. Дается анализ историко-философских концепций становления искусственного интеллекта. В заключении выделяются закономерности в исследовании искусственного интеллекта, и исходя из вышеуказанных действий, даются рекомендации применительно к данной проблематике.

Ключевые слова: интеллект, искусственный интеллект, классификация, создание, проблематика.

Введение

Сфера искусственного интеллекта является одной из новейших областей науки, однако имеет довольно давнюю подоплеку своего зарождения и развития. Интеллектуальное наследие ИИ развивалось несколько тысячелетий. Знакомство с трудами его основоположников, их научными взглядами имеет практический смысл, т.к. во многих случаях позволяет глубже понять их смысл или же переосмыслить их с позиции современности.

За прошедшие десять лет в области ИИ произошла революция, связанная с заметными успехами в моделировании физиологических процессов восприятия – зрения и слуха, долгое время присущих лишь человеку. Однако, в свете активного развития компьютерных технологий, на сегодняшний день в области исследований ИИ нет согласованной методологии и общих стандартов. Поэтому необходим поиск идей и аргументов, обладающих потенциалом изменить взгляды на общую топологию данной проблемы. Причем проблему создания ИИ необходимо рассматривать не только в области кибернетики и ИИ – необходимо изучение данного вопроса различными научными дисциплинами и областями знаний.

1. «Интеллект» и «искусственный интеллект»

Перед тем как рассматривать вопросы создания ИИ, нужно дать определение ключевому понятию «интеллект». Для примера возьмем определение «интеллекта», данное учеными-психологами: «Интеллект − качество психики, состоящее из способности адаптироваться к новым ситуациям, способности к обучению на основе опыта, пониманию и применению абстрактных концепций, и использованию своих знаний для управления окружающей средой» [1]. Но данная трактовка термина неточна из-за того, что оперирует другими абстрактными понятиями, т.е. она непригодна для идентификации признаков интеллекта у объектов. Так как человечеству неизвестно о существовании инопланетного разума, при этом нам не известна структура и функционал интеллекта, а животным, как считают современные исследователи, не свойственен интеллект в принципе[2]. Хотя ряд ученых придерживается обратного мнения [3], но данная точка зрения пока не является общепризнанным фактом. Следовательно, в качестве критерия интеллекта выступает человеческий разум. Таким образом, автор считает возможным дать следующую трактовку термину: интеллект – свойства человеческого разума, отличающее его от животного, присущее каждому психически здоровому индивидууму. Соответственно понятие «искусственный интеллект» обозначает свойство созданной машины выполнять мыслительные функции, которые соответствуют лишь человеческому разуму. Для того, чтобы определить свойства человеческого разума – необходимо указать его отличительные характеристики с точки зрения сложных мыслительных процессов, присущих лишь людям, в отличии от иных млекопитающих:

1)  у животных отсутствует сложный структурированный язык [4];

2)  животные не могут пользоваться инструментами и создавать их, или же способны на это лишь в рудиментарной степени [5];

3)  животные довольно ограничены в способностях планировать свои действия, тем более строить долгосрочные планы (способность создавать символы и передавать их значение по наследству путем обучения) [6];

4)  у животных очень незначительные способности к абстрактному мышлению. Все их действия диктуются инстинктами, они лишь могут менять своё поведение в зависимости от ситуации [6]. Более подробно свойства абстрактного мышления, присущие человеку, описаны в работе [7];

5)  у животных отсутствует способность формировать собственную модель ценностей. Животные, как и люди, с рождения обладают простым набором базовых предпочтений (инстинкты), но у человека также имеются дополнительные предпочтения, которые не заложены генетически, а складываются к моменту взросления и зависят от приобретенного им опыта.

В целом, можно сказать, что человека от животных отличают навыки прогнозирования, планирования, а также сопоставления целей и средств. Все эти отличия являются следствием специфических свойств архитектуры (количество связей, возникающих между отдельными нейронами) нашего мозга и не зависят от его вычислительных возможностей (у слонов и дельфинов мозг по объему гораздо больше, чем у людей), а также от организованности сообщества (многие обладают высоким уровнем развития даже в небольших изолированных обществах).

В соответствии с вышесказанным ИИ можно разделить на несколько классификаций:

1)       по уровням на следующие группы:

·          слабый – программный инструментарий, предназначенный предоставлять помощь человеку в его интеллектуальной деятельности;

·          сильный – программный инструментарий, предназначенный для реализации машинного аналога человеческого разума и заключающийся в способности думать, а также в обретении машиной сознания;

2)       по применимости на следующие группы:

·          узкоспектральные системы – интеллектуальные системы, обладающие ограниченным набором когнитивных способностей;

·          широкоспектральные системы – интеллектуальные системы, обладающие широкоприменимыми инструментами для решения ряда общих задач [8];

3)       по назначению на следующие группы:

·          оракул – интеллектуальная вопросно-ответная система, дающая ответ на вопросы, сформулированные на естественном языке, на которые существуют однозначные ответы;

·          джинн − интеллектуальная система исполнения команд, которая получает команду высокого уровня, выполняет ее и останавливается в ожидании следующей команды;

·          монарх – интеллектуальная система, получившая разрешение от пользователя на любые действия для достижения неких долгосрочных целей, т.е. предназначена для автономного выполнения операций;

·          ИИ-инструмент – интеллектуальная система, не предназначенная для целенаправленного поведения, целью которой является поиск решения, удовлетворяющего неким формальным критериям [9].

Выделим преимущества ИИ по сравнению с человеческим организмом:

1) обеспечение высокой скорости вычислительных процессов. Максимальная скорость работы нейронов в семь раз быстрее современных микропроцессоров;

2) скорость передачи данных. Аксоны передают информацию менее чем за 120 м/с, а информационные технологии, благодаря оптике, передают ее со скоростью света;

3) надежность. Биологические нейроны обладают меньшей надежностью, нежели транзисторы;

4) продолжительность жизни, выносливость. Мозг устает уже после нескольких часов работы, а через десятки лет параметры его работоспособности ухудшаются. «Компьютерный мозг» не зависит от психо-эмоционального состояния, способен работать в различных условиях;

5) модернизация. За счет добавления различной периферии, например, сенсоров, параметры ИИ могут быть улучшены, а архитектуру его «мозга» можно видоизменять, добавляя ему новые алгоритмы и способности;

6) емкость памяти. Конструктивные преимущества ИИ позволяют ему иметь память большего размера, чем человеческая;

7) клонируемость. Для создания и установки новой единицы ИИ необходимо лишь оборудование;

8) не нуждается в повторном обучении. При установке ИИ, он имеет все данные и параметры родителя-эталона;

9) отсутствие проблем с координацией целей, которая строго задана создателем;

10) обучаемость. ИИ может оперативно получать информацию из базы данных, которую бы человек никогда не усвоил за определенный промежуток времени.

Исходя из преимуществ ИИ, можно выделить цели, преследующие его создание:

1) применение ИИ в сферах работ, опасных для жизни человека;

2) способствование дальнейшему научно-техническому, экономическому и эволюционному прогрессу;

3) расширение возможностей человека;

4) освоение опасных для жизни человека областей (участков) как на Земле, так и на других планетах.

2. Становление искусственного интеллекта

Первые попытки формализовать процесс мышления человека были предприняты во времена Античности: в Древней Индии, где в основе кастового деления общества лежала идея обобщенного разума, а на основе кастовых философских идей были сформированы некие концепции разума – совокупность модификаций ума, определяющих различные состояния духовной жизни; в Древнем Китае были разработаны понятия разумности, хитроумия, мудрости, обозначаемые термином «чжи» (качество, выделяющее человека из животного мира).

Во времена Древней Греции были созданы первые школы, трактующие интеллект в более развернутом и многогранном плане. В сократической школе интеллект понимался как умение оперировать абстрактными понятиями, причем такое умение опосредовалось этикой, предостерегая таким способом от ошибок. Именно в этот период были сформулированы идеи о том, что человеческий мозг подобен некой машине, использующей закодированные знания, а определенная мысль используется при выборе нужного конкретного варианта действий в каждой конкретной ситуации. Также огромную роль сыграло становление основ математики, что позволило создать инструментарий, благодаря которому можно было использовать различные процедуры и операции между логически достоверными и недостоверными высказываниями; была основана теория алгоритмов.

В табл. 1 дан анализ становлению ИИ со времен доиндустриального общества вплоть до информационного.

На основании табл.1 можно дать ответ на вопрос: с чем же связан столь стремительный рост ИИ. В XX в. была основана теория машинного обучения, в частности разработаны архитектуры нейронных сетей. Но лишь десять лет назад исследователи научились обучать глубокие нейронные сети, являющиеся фундаментом для современных моделей ИИ. Это стало возможным с ростом вычислительных мощностей. Например, тестирование моделей ИИ десять лет назад занимало около двух недель: быстродействие стандартных центральных процессоров выросло примерно в 5000 раз, по сравнению с прошлым временем. Но системы ИИ, используемые для распознавания образов или речи, требуют вычислительной мощности на порядки больше. В течение 2000-х были разработаны GPU для отображения в играх сложных трехмерных сцен в режиме реального времени. Поэтому стоит отметить влияние игровой индустрии на развитие ИИ. Несколько GPU теперь могут заменить мощные кластеры на обычных процессорах в различных задачах, допускающих возможность массового распараллеливания вычислений, начиная с физического моделирования, выполняющие в основном умножение множества маленьких матриц, также допускают высокую степень распараллеливания. Между тем большие компании обучают модели глубокого обучения на кластерах, состоящих из сотен GPU, разработанных специально для нужд глубокого обучения. Также одним из ключевых факторов является рост объёмов данных для обучения, в частности популяризация Интернета и улучшение его скорости работы. Таким образом, основные факторы, влияющие на дальнейший прогресс ИИ – это рост вычислительных мощностей, наборов данных и алгоритмические достижения. Так как область ИИ в основном руководствуется экспериментальными выводами, а не теорией, алгоритмические достижения возможны только при наличии данных и оборудования, пригодных для проверки идей (или, как это часто бывает, для возрождения старых идей). Стоит также отметить, что одним из ключевых факторов, обусловивших популяризацию ИИ, стала демократизация инструментов, используемых в этой области. На начальном этапе глубокое обучение требовало значительных знаний и опыта. В настоящее время для исследований в области ИИ достаточно базовых навыков программирования [10]. Это вызвано развитием программных инструментов для манипулирования многомерными матрицами, которые поддерживают автоматическое дифференцирование и значительно упрощают реализацию новых моделей ИИ, что вызвало приток аспирантов и исследователей в область ИИ.

Таблица 1 – Становление искусственного интеллекта

Дата	Представители	Влияние
V – IV вв. до н.э.	Платон	Благодаря подходу Платона, для отличия «знания» от «псевдознания» развиваются модели знания, отражающие основополагающие проблемы восприятия, воспроизведения, кодирования знания, которые используются и по сей день при моделировании ИИ. Платон вывел взаимосвязь между используемым языком и семантическим инструментом человека, устанавливая множество семантических связей между объектом наблюдения и сущностями действительности, что стало основой архитектуры современных языков программирования.
IV вв. до н.э.	Аристотель	Идея о различии материи и формы, описанная в «Физике», является философским базисом для современных научных концепций, например, о символьном исчислении или абстракции данных. В «Органоне» раскрыта идея о том, что именно изучение мысли является основой знания, выделяются силлогизмы, ставшие основой дедуктивного метода и теории алгоритмов.
XIII в.	Р. Луллий, Р. Бэкон	Создание устройства для преобразований формул и доказательств теорем, которое, по сути, являлось первой механической экспертной системой. Но в Средние века все проекты, связанные с ИИ, рассматривались как еретические, созданные черной магией.
XIV –XVI вв.	Л. Да Винчи	Причина начала развития ИИ, формирование идеологии полагаться на свои собственные наблюдения и суждения, а не ограничиваться церковной догмой, инструментом объяснения мира стал эмпиризм: разум, как форма представления знаний, стал предметом для научного изучения.
XVI в.	Н. Коперник, Г. Галилей	Научные наблюдения расходились с устоявшимися знаниями о мире, развитие математики как инструмента для описания мира изменило представления о мире. Вещи рассматривались как фундаментально отличные от их видимости; именно с этого периода развивалось современное представление о формировании разума. Этот разрыв между человеческим разумом и окружающей его реальностью, между понятиями о вещах и самими вещами принципиален для современной теории и организации ИИ.
XVII в.	Р. Декарт	Попытка найти основу реальности исключительно методами когнитивной интроспекции, формирование методологических аспектов ИИ: строение идей о мире не обязательно соответствует изучаемому предмету; ментальные процессы существуют сами по себе, подчиняются своим законам и могут изучаться посредством себя же; ум и тело не являются принципиально разными сущностями, поэтому ментальные процессы происходят в таких физических системах, как мозг. Умственные процессы, как и физические, можно охарактеризовать с помощью формальной математики. Создание искусственной модели познания, свойственной существующим на данный момент системам ИИ, стало основой теории моделирования поведения.

Продолжение таблицы 1.

Дата	Представители	Влияние
XVII в.	Г. Лейбниц	Создание первой системы формальной логики, а также машины для формализации ее вычислений.
XVIII в.	Р. Эйлер	Автор учения о представлениях, которые абстрактно отражают структуру взаимосвязей реального мира; создал теорию графов, которая сделала возможным поиск в пространстве состояний – основной концептуальный инструмент ИИ.
кон. XVIII в.	И. Кант	Создание учения о познании, которое предполагает, что ум может познавать предметы потому, что все познаваемое в них создается тем же умом по присущим ему правилам или законам. Вследствие этого он создал основы семантического анализа на основе категорий.
1812	Лаплас	Дал трактовку современной формулировке теоремы Байеса, разработанной Байесом еще в 1761 г.
XIX в.	Ч. Бэббидж	Спроектировал «аналитическую машину», ставшую первым универсальным программируемым вычислительным устройством, и которая предвосхитила многие архитектурные положения современных компьютеров.
1847 г.	Д. Буль	Создал булеву алгебру, которая показала, что простая формальная система может передать полную мощь логики, что стало фундаментом для дальнейшей формализации логики.
1901 г.	Ч. Пирс	На основе работ Аристотеля создал метод абдукции, который широко используется в современных системах ИИ.
нач. XX в.	Б. Рассел, А. Уатхайд	Создание фундаментальных принципов ИИ, взяв в качестве «фундамента» работы Фреге. Им был основан логический синтаксис и формальные правила вывода: аксиомы и теоремы рассматривались как наборы символов, доказательства выводились лишь посредством применения строго определенных правил для манипулирования такими строками.
1940 г.	А. Тьюринг	Построен первый рабочий компьютер на электромагнитных реле – «Робинсон». Это событие стало основной причиной формирования ИИ, как отдельной области науки.
1944 г.	А. Тарский	Создана теория ссылок. Эта концепция лежит в основе большинства теорий формальной семантики, а также связана с архитектурой современных языков программирования.
1945 г.	В. Питтс,  У. МакКаллоч	Были построены нейронные сети с обратной связью, чтобы показать возможности их применения при расчетах.
1945 г.	Н. Винер	Создал область кибернетики, открыл концепцию о том, что разум – это процесс получения и обработки информации для достижения определенной цели.
1946	Г. Джефрис	Объединил алгоритм Байеса и формулировку Лапласса в качестве аксиоматической основы, заложил основы теории вероятности.
1947 г.	Д. фон Нейман, Тьюринг	Заложил фундаментальные принципы архитектуры вычислительных машин, применяющиеся на сегодняшний день.
1949 г.	Д. Хеббс	Открыл способ создания самообучающихся искусственных нейронных сетей, которые являются «фундаментом» при построении систем ИИ.
1950 г.	А. Тьюринг	Создал концепции теста Тьюринга, использующийся по сей день.

Продолжение таблицы 1

Дата	Представители	Влияние
1949 г.	Д. Хеббс	Открыл способ создания самообучающихся искусственных нейронных сетей, которые являются «фундаментом» при построении систем ИИ
1951 г.	М. Мински	Конструирование первой обучающейся машины со случайно связанной нейросетью
1956 г.	Дж. МакКарти	Представил концепцию ИИ на Дартмундской конференции по проблемам ИИ, сделал ИИ отдельной областью науки.
1950-е гг.	Дж. МакКарти, А. Ньюэлл, Г. Саймон, К. Шоу	Группой исследователей сделано открытие, что компьютеры могут управлять символами так же, как и числовыми данными, что привело к разработке первых языков ИИ, а также программ, которые выполняли действие Х в условном микромире, тем самым доказывая правильность концепции и показывая принципиальную возможность выполнения действия Х машинами.
нач. 1960 гг.	Розенблатт	Создание первых самообучающихся машин (перцептрон Розенблатта).
сер. 1960х	А.Г. Ивахненко	Разработал метод группового учета аргументов, создание архитектуры первых глубоких нейросетей сети в виде глубоких перцептронов.
сер. 1960х	Колмогоров	Предложил новое понятие алгоритма и разработал теорию колмогоровской сложности.
1965г.	Л. Заде	Создал концепцию нечеткой логики, которая приблизила логику работы машины к логике рассуждений живого человека.
нач. 1970х	Т. Лемо и Т. Блисс	Создание первого биологического механизма — долговременной потенциации.
1969 г.	М. Мински, С. Пейперт	В соавторстве написали работу «Персепторны», ставшую фундаментальной для последующих разработок нейронных сетей, но эта работа также стала причиной потери научного интереса к искусственным нейронным сетям в 1970х гг., т.к. в работе был доказан ряд теорем об ограниченных возможностях распознавания с использованием персептрона.
сер. 1970-х гг.	«Первая зима ИИ»	Многие проекты ИИ не оправдали возложенных на них ожиданий: ИИ не находил практического применения в связи с плохой оптимизацией и производительностью систем; методы обработки и использование данных были неудовлетворительными; использовались нечеткие и произвольные символические записи; существовала нехватка вычислительных мощностей.
1968-1970 гг.	Р. Куиллан, А. Коллинз	Создали теоретические положения об устройстве человеческой памяти и организации логического вывода − семантическую сеть. Построили правила автоматического дифференцирования по графу вычислений, в том числе и обратное распространение.
1970 г.	С. Линненмаа	Построил правила автоматического дифференцирования по графу вычислений, в том числе и обратное распространение.
нач. 1980х гг.	К. Фукусима	Создал первую глубокую нейронную сеть – Neocognitron.
1974 г.	М. Мински	Основал теорию фреймов, которая используется в объектно-ориентированном программировании. и теории объектных баз данных

Продолжение таблицы 1

Дата	Представители	Влияние
кон. 1980-х гг.	«вторая зима ИИ»	Причиной стал мировой провал проектов в области ИИ: от небольших систем толку мало, а более мощные оказались слишком нерентабельными и дорогостоящими, а усовершенствование традиционных методов не давало результата; с этого периода популяризуется узкоспектральный ИИ, который не заменяет человека, а дополняет его.
1984 г.	Д. Хопфилд	Разработаны сети Хопфилда, являющиеся самообучающимися нейронными сетями.
1990-е гг.	«второй ренессанс ИИ»	Причиной стала научно-техническая революция, связанная с появлением новых методов, опиравшихся на естественный интеллект (генетические алгоритмы), и увеличением мощностей вычислительных устройств.
1986 г.	Д.  Румельхарт, Д.   Хинтон и Р. Вильямс	Открытие метода обратного распространения ошибки, который впервые был описан А. Галушкиным еще в 1974 г. Данный метод позволил обучать многослойные нейронные сети, что позволило строить нейронные сети, достаточно успешно решающие практические задачи во многих областях применения.
1989 г.	Я. Лекун	Объединил ранние идеи сверточных нейронных сетей и обратного распространения ошибки, и применил их для решения задачи распознавания рукописных цифр.
1995 г.	В. Вапник, К.Кортес	Метод опорных векторов, популяризация ядерных методов.
1997 г.	Й. Шмидхубер, С. Хочрейтер	Разработан ряд конструкций современных рекуррентных нейронных сетей, включая LSTM, которая является основной моделью современных систем ИИ.
2000 г.	А. Катлер, Л. Брэйман	Создание алгоритма random forest, который до сих пор применяется системами ИИ.
нач.2000-х гг	Й. Фройнд, Р. Шапире	Создание метода градиентного бустинга, алгоритм AdaBoost, который до сих пор широко применяется в системах ИИ. Идея данного метода была предложена в конце 1990-х Д. Фридманом и Л. Брэйманом.
2000-2005 гг.	«третья зима ИИ»	«Третья зима искусственного интеллекта», вызванная проблемами с обучением глубоких нейросетей; проблемы в моделировании компьютерами моделей восприятия – зрения и слуха.
2005-2006 гг.	Й. Бенджи, Д. Хинтон	Разработана методика обучения «обучение без учителя с подкреплением», благодаря которой была решена проблема обучения глубоких нейронных сетей.
2006 г.	Д. Кайесан, А. Крижевски, исследовательская лаборатория CUDA	Исследователями разработана серия быстрых процессоров с массовым параллелизмом (графических процессоров, GPU), разработан программный интерфейс CUDA для NVIDIA GPU. допускающих возможность массового распараллеливания вычислений.
2005 – по наст. время	«третий ренессанс ИИ»	«Третий ренессанс ИИ» вызван ростом вычислительных мощностей, разработкой новых алгоритмов обучения глубоких нейросетей и их повсеместным внедрением.

Вывод

Понимание природы интеллекта во многом способствовало становлению ИИ. Хотя до начала XX в. формализация научных знаний и математики создала предпосылки для изучения ИИ, он не стал самостоятельной наукой до появления первых ЭВМ. Поэтому можно прийти к выводу, что периоды застоя ИИ были связаны с отсутствием физического устройства для апробации алгоритмов, и связанной с этим осложнением формализации систем и моделей ИИ, что является проблемной областью ИИ по сей день. Можно сделать умозаключение, что вся история исследований ИИ, с периода Античности до сегодняшнего дня, является скачкообразной: со скептицизмом критиков в периоды стагнаций и с научно-техническим прогрессом и экономическим ростом в периоды взлётов. Основные периоды подъема ИИ связаны с открытием новых, более оптимальных алгоритмов и увеличением вычислительных мощностей. Основными причинами предыдущих и последующих «зим» были и будут проблемы, которые связаны с самыми простыми вещами − это абсолютно неосознанные активности, но именно они являются важнейшим компонентом для того, чтобы перейти к моделированию более сложного. Мы не осознаем этих механизмов, но машинам необходимо «объяснить» их характер − воссоздать эти механизмы в компьютеризированной системе. Таким образом, обращение к методам и алгоритмам минувших лет, при текущем уровне научно-технического развития, может помочь в развитии ИИ, т.к. зачастую просто не имелось возможностей доказать их осуществимость на практике. Не стоит забывать и о том, что уровень знаний об ИИ недостаточен; это связано с тем, что общество нацелено в первую очередь на практическое применение, из-за чего многие ведущие исследователи в области ИИ прекращают свои фундаментальные работы. Но без изучения фундаментальных основ создание ИИ не только является практически невыполнимым делом, но и несет в себе опасность о неизведанности поведения ИИ, управлением им.

Автор считает, что синергия философских и кибернетических подходов к решению проблемы ИИ даст возможность посредством некого эксперимента исследовать как вычислительную составляющую, так и механизмы интеллекта. Таким образом, процесс создания ИИ посредством его алгоритмического описания и машинной реализации окажет огромное влияние на науку и технику. То есть эти исследования заслуживают внимания, т.к. за свою короткую историю ИИ добился существенного прогресса, но по сей день высказывание А. Тьюринга продолжает оставаться неоспоримым: «Мы способны заглянуть вперед лишь на очень короткое расстояние, но все равно можем увидеть, как много еще предстоит сделать». Поэтому даже если создать ИИ невозможно, заниматься этим все равно стоит − высоко поставленная планка по пути к этой цели принесет невероятное число открытий.

Мы продолжаем исследовать возможности, которые таит в себе ИИ. Мы начали применять его к широкому кругу проблем, выходя за рамки машинного восприятия и понимания естественного языка, таких как формальные рассуждения. И хотя за последние годы удалось добиться заметных успехов, однако ожидания на будущее десятилетие обычно намного превышают вероятные достижения. Даже при том, что многие значительные применения, такие как автопилоты для автомобилей, находятся практически на заключительной стадии реализации, многие другие, например, полноценные диалоговые системы, перевод между произвольными языками на уровне человека и понимание естественного языка на уровне человека, скорее всего, еще долгое время будут оставаться недостижимыми. Даже при том, что наши ожидания на ближайшую перспективу могут быть нереалистичными, долгосрочная картина выглядит весьма ярко. Человечество только начинает применять ИИ для решения многих важных задач: от медицинских диагнозов до цифровых помощников. В последние годы исследования в области ИИ продвигались стремительно, во многом благодаря высокому уровню финансирования, никогда прежде не наблюдавшемуся в короткой истории ИИ, но пока слишком малому, чтобы этот прогресс воплотить в продукты и процессы, формирующие наш мир. Стоит отметить, что большинство результатов исследований пока не нашли практического применения, по крайней мере, применения к решению полного спектра задач. Поэтому не стоит всерьез воспринимать разговоры об интеллекте на уровне человека. Из-за невозможности реализаций новых технологий, инвестиции в исследования будут падать и прогресс замедлится на долгое время. Из табл.1 видно, что это уже происходило раньше: ИИ пережил три «ренессанса», за которыми следовал спад, сопровождаемый разочарованиями и скептицизмом и, как результат, снижением финансирования. Поэтому в настоящее время мы подходим к «четвёртой зиме ИИ», но пока мы еще находимся в фазе завышенного оптимизма: после научно-технической революции прогресс обычно развивается по сигмоиде с быстрым ростом, который постепенно стабилизируется, когда исследователи сталкиваются с труднопреодолимыми ограничениями, и затем дальнейшие усовершенствования замедляются. ИИ находится на первой половине этой сигмоиды, а это значит, что в следующие несколько лет можно ожидать еще большего прогресса. Поэтому сейчас лучше всего умерить наши ожидания на ближайшую перспективу и постараться донести до людей, мало знакомых с технической стороной этой области, что именно может дать глубокое обучение и на что технологии ИИ все еще не способны.

Список литературы

1.      Интеллект [Электронный ресурс]. Википедия – свободная энциклопедия. – Режим доступа : URL: http://ru.wikipedia.org/wiki/Интеллект (дата обращения 31.03.2017).

2.        Потапов,  А.  С. Искусственный интеллект и универсальное мышление [Текст] / А.С. Потапов. – СПб. : Политехника, 2012. – 711 с. : ил.

3.        The Cambridge Declaration on Consciousness. 7 July 2012. Written by Philip  Low and edited by Jaak  Panksepp, Diana  Reiss, David  Edelman, Bruno  Van Swinderen, Philip  Low and Christof  Koch. University of Cambridge. [Электронный ресурс]. – Режим доступа : URL: http://fcmconference.org/img/CambridgeDeclarationOnConsciousness.pdf (дата обращения: 31.03.2017).

4.        Полани,  М. Личностное знание. На пути к посткритической философии [Текст] / Под ред. В.А. Лекторского, В.А.  Аршинова ; пер. с англ. М.Б. Гнедовского, Н.М. Смирновой, Б.А. Старостина. – М., 1995. – 345 c.

5.         Зоопсихология. Элементарное мышление животных : учебное пособие [Текст] / 3.А. Зорина, И.И. Полетаева. – М. : Аспект Пресс, 2002. – 320 с.

6.        Выготский, Л.С. Психология развития человека [Текст] / Л.С. Выготский // История развития высших психических функций. – М. : Изд-во Смысл; Изд-во Эксмо, 2005. – 1136 с, ил. – (Библиотека всемирной психологии) [Электронный ресурс]. – Режим доступа : URL: http://yanko.lib.ru/books/psycho/vugotskiy-psc_razv_chel-4-istoriya_razvitiya_vysshyh_psih_funkciy.pdf (дата обращения: 01.04.2017).

7.        Непрерывное профессиональное образование: теория и практика : сборник статей по материалам V Международной научнопрактической конференции студентов, магистрантов, аспирантов и преподавателей / под общ. редакцией д-ра пед. наук, проф. Э .Г.  Скибицкого. – Новосибирск : САФБД, 2014. – 423 с.

8.        Смолин,  Д.  В. Введение в искусственный интеллект: конспект лекций [Текст]. – М. : ФИЗМАТЛИТ, 2004. – 208 с.

9.        Бостром, Ник. Искусственный интеллект. Этапы. Угрозы. Стратегии [Текст] / Ник  Бостром ; пер.с англ. С.  Филина. – М .: Манн, Иванов и Фербер, 2016. – 496 с.

10.    Шолле, Франсуа. Глубокое обучение на Python [Текст] / Франсуа Шолпе. — СПб. : Питер, 2018. — 400 с. : ил. — (Серия «Библиотека программиста»).

Краткое описание документа:

В работе дается определение понятиям «интеллект» и «искусственный интеллект». Выделяются основные признаки интеллекта. Описывается классификация искусственного интеллекта. Выделяются преимущества искусственного интеллекта и цели, преследующие его создание. Дается анализ историко-философских концепций становления искусственного интеллекта. В заключении выделяются закономерности в исследовании искусственного интеллекта, и исходя из вышеуказанных действий, даются рекомендации применительно к данной проблематике.