Преподаватель который помогает студентам и школьникам в учёбе.

Реферат на тему: Проблемы создания искусственного интеллекта

Содержание:

Введение

Термин интеллект означает разум, разум, способность мыслить и рациональное знание. Обычно это означает способность приобретать, запоминать, применять и трансформировать знания для решения некоторых проблем. Благодаря этим качествам человеческий мозг способен решать самые разные задачи. В том числе те, для которых нет ранее известных способов решения.

Термин искусственный интеллект появился относительно недавно, но сейчас практически невозможно представить мир без него. Чаще всего люди не замечают его присутствия, но если вдруг его не станет, то это кардинально повлияет на нашу жизнь. Сферы, в которых используются технологии искусственного интеллекта, постоянно пополняются: раньше это были программы для игры в шахматы, потом роботы - пылесосы, теперь алгоритмы могут сами вести торговлю на биржах.

Это направление сформировалось на основе утверждения о том, что человеческий интеллект можно подробно описать и впоследствии успешно воспроизвести с помощью машины. Искусственный интеллект был источником большого оптимизма, но вскоре продемонстрировал огромную сложность реализации.

Основные направления развития искусственного интеллекта включают рассуждение, знания, планирование, обучение, языковое общение, восприятие и способность перемещать и манипулировать объектами. Общий искусственный интеллект (или сильный ИИ) все еще в будущем. Популярные в настоящее время подходы включают статистические методы, вычислительный интеллект и традиционный символический ИИ. Существует огромное количество инструментов, использующих искусственный интеллект: разные версии алгоритмов поиска, алгоритмы математической оптимизации, логические, вероятностные методы и многие другие.

В этом эссе я постарался собрать самые важные, с моей точки зрения, события, повлиявшие на развитие технологий и теории искусственного интеллекта, основные достижения и предпосылки.

Самые первые идеи

Идея о том, что нечеловек может выполнять тяжелую работу за человека, возникла в каменном веке, когда люди приручили собаку. Собака идеально подходила на роль сторожа и выполняла эту задачу намного лучше человека. Конечно, этот пример нельзя рассматривать как демонстрацию использования искусственного интеллекта, потому что собака - это живое существо: она уже наделена способностью распознавать закономерности, ориентироваться в пространстве, а также предрасположена к некоторым базовым тренировкам в чтобы распознать друга / врага. Однако он показывает направление мысли человека.

Другой пример - миф о Талосе. Талос, согласно легенде, был огромным бронзовым рыцарем, которого Зевс подарил Европе для защиты острова Крит. Его задачей было не допустить посторонних на остров. Если они приближались, Талос бросал в них камни, если им удавалось приземлиться, Талос грелся в огне и сжигал врагов в своих руках.

Чем примечателен Талос? Изготовлен из самого прочного на то время материала, способного определить, кто посторонний, практически неуязвим, без необходимости отдыха. Так представляли себе создание богов древние греки. Самым ценным в этом творении было то, что мы теперь называем искусственным интеллектом.

Еще один интересный пример можно взять из еврейских традиций - легенды о големах. Голем - глиняное создание человеческого вида. Они, согласно легенде, могли быть созданы раввинами для защиты еврейского народа. В Праге возникла еврейская народная легенда о големе, который был создан главным раввином Праги для выполнения различных черных работ или просто сложных заданий. Известны и другие големы, созданные по народным легендам различными авторитетными раввинами - новаторами религиозной мысли.

В этой легенде популярное фэнтези оправдывает сопротивление социальному злу насилием, совершаемым големом. Для него легализована идея усиленной борьбы со злом, которая выходит за рамки религиозного закона; Неудивительно, что голем, согласно легенде, может превосходить свои силы, заявляя о своей воле вопреки воле своего создателя: голем способен делать то, что для человека юридически преступно.

И, наконец, роман Франкенштейн или Современный Прометей, написанный Мэри Шелли. Его можно назвать родоначальником научно-фантастической литературы. В нем описывается жизнь и деятельность доктора Виктора Франкенштейна, который воскресил существо, созданное из частей тел умерших людей. Однако, увидев, что оно оказалось уродливым и чудовищным, доктор отказывается от своего творения и уезжает из города, в котором он жил. Безымянное существо, которое люди ненавидят за его внешний вид, вскоре начинает преследовать своего создателя.

И здесь снова возникает вопрос об ответственности, которую несет человек за свои создания. В начале 19 века роман поднял несколько вопросов о паре создатель-творение. Насколько этически правильным было создание такого творения? Кто несет ответственность за его действия? Вопросы, тесно связанные с идеями об искусственном интеллекте.

Есть много подобных примеров, так или иначе связанных с созданием искусственного интеллекта. Людям это кажется святым Граалем, способным решить многие их проблемы и избавить от любых проявлений неблагополучия и неравенства.

Три закона робототехники

Со времен Франкенштейна искусственный интеллект появлялся в литературе все время. Идея этого стала благодатной почвой для размышлений писателей и философов. Один из них, Айзек Азимов, навсегда останется в нашей памяти. В 1942 году в своем романе Хоровод он описал три закона, которым должны следовать роботы:

Робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинен вред.
Робот должен подчиняться всем приказам, отданным человеком, кроме случаев, когда эти приказы противоречат Первому закону.
Робот должен заботиться о своей безопасности в той мере, в какой это не противоречит Первому и Второму законам.

До Исаака рассказы об искусственном интеллекте и роботах несли дух романа Мэри Шелли о Франкенштейне. Как сказал сам Исаак, эта проблема стала одной из самых популярных в мире научной фантастики в 1920-е и 1930-е годы, когда было написано много рассказов, темой которых были роботы, восставшие и уничтожавшие людей.

Но, конечно, не все писатели-фантасты следовали этому образцу. Например, в 1938 году Лестер дель Рей написал рассказ Хелен О'Лой - рассказ о женщине-роботе, которая влюбилась в своего создателя и стала для него идеальной женой. Что, кстати, очень напоминает историю Пигмалиона. Пигмалион вырезал из слоновой кости статую девушки настолько красивой, что сам влюбился в нее. Тронутая такой любовью Афродита возродила статую, ставшую женой Пигмалиона.

Фактически, появление Трех Законов происходило постепенно. В самых первых двух рассказах о роботах, Робби (1940) и Логика (1941), не было явного описания законов. Но они уже подразумевали, что у роботов должны быть некоторые внутренние ограничения. В следующем рассказе Лжец (1941) впервые прозвучал Первый Закон. И все три закона в полном объеме появились только в Хороводе (1942).

Несмотря на то, что сегодня робототехника развивается больше, чем когда-либо, исследователи в области искусственного интеллекта не придают столь большого значения законам робототехники. Ведь законы, по сути, совпадают с основными принципами человечества. Однако чем сложнее становятся роботы, тем очевиднее становится необходимость в некоторых основных принципах и мерах безопасности для них.

Есть даже заявления о том, что законы вряд ли будут полностью реализованы во всех роботах, потому что всегда найдутся те, кто хочет использовать роботов для разрушения и убийства. Ученый-фантаст Роберт Сойер объединил эти утверждения в одно.

Разработка ИИ - это бизнес, а бизнес, как известно, не заинтересован в разработке фундаментальных мер безопасности - особенно философских. Вот несколько примеров: табачная промышленность, автомобильная промышленность, атомная промышленность. Никому из них изначально не сказали, что необходимы серьезные меры безопасности, и все они препятствовали наложенным извне ограничениям, и ни один из них не принял абсолютный указ против причинения вреда людям.

Первые научные шаги

История развития искусственного интеллекта как науки восходит к ранним философским работам, таким как: Рассуждение о методе (Рене Декарт, 1637), Человеческая природа (Томас Гоббс, 1640). Если посмотреть на разработку с технической точки зрения, то можно упомянуть первую механическую цифровую вычислительную машину, которая появилась еще раньше: в 1623 году, благодаря усилиям Вильгельма Шикарда. Однако я хотел бы обратить внимание на 1950 год, когда Алан Тьюринг в своей статье Вычислительные машины и разум поставил перед собой задачу определить, способна ли машина мыслить.

Человек общается с другим человеком и с компьютерной программой. Человек может задавать вопросы через терминал, его задача - определить, где программа, а где человек. Цель программы - заставить человека сделать неверный выбор. Согласно условиям, переписка должна была вестись через фиксированные промежутки времени, потому что тогда компьютеры были еще медленными, и это позволяло сразу определять, где находится программа. Это правило необходимо, потому что компьютер может отвечать намного быстрее, чем человек.

На самом деле существует несколько вариантов формулировки. В одном из них, например, компьютер должен был убедить комиссию из нескольких человек в том, что они общаются с другим человеком. И в одном из самых первых вариантов Тьюринг предлагает участнику эксперимента сыграть в шахматы с человеком и компьютером, а затем определить, кто из них есть кто. Фактически, на момент написания этой статьи Алан Тьюринг занимался искусственным интеллектом около 10 лет.

В последующей истории теста Тьюринга можно выделить несколько ключевых событий. Но главное случилось в 1966 году, Йозеф Вайценбаум создал программу Элиза, которая могла пародировать разговор с психотерапевтом. Это позволяло ей в условиях неопределенности отвечать на вопрос вопросом.

Благодаря взрывному скачку скорости компьютеров исследователи начали полагать, что создать искусственный интеллект с помощью компьютеров будет легко. Дело в том, что тогда было два направления исследований: нейрокибернетика и, чуть позже, кибернетика черного ящика.

Нейрокибернетика основана на том принципе, что единственный объект, способный мыслить, - это человек, а это значит, что мыслящее устройство должно моделировать его структуру. Ученые пытались создать элементы, которые работали бы как нейроны мозга. Благодаря этому в конце 50-х годов появились первые нейронные сети. Их создали два американских ученых: Розен-Блатт и П. МакКаллох. Они пытались создать систему, которая могла бы имитировать работу человеческого глаза. Они назвали свое устройство перцептроном. Он мог распознавать рукописные буквы. Теперь основная область применения нейронных сетей - распознавание образов.

Кибернетика черного ящика строилась на том принципе, что неважно, как мыслящая машина устроена внутри, главное, чтобы она на определенный набор входных данных реагировала так же, как человек. Исследователи, работающие в этой области, начали создавать свои собственные модели. Оказалось, что ни одна из существующих наук: психология, философия, нейрофизиология, лингвистика не могла пролить свет на алгоритм работы мозга.

Развитие кибернетики черного ящика началось в 1956 году, когда был проведен Дартмутский семинар, одним из главных организаторов которого был Джон Маккарти. К тому времени стало ясно, что для реализации принципов нейрокибернетики не хватает как теоретических знаний, так и технической базы. Но исследователи информатики полагали, что совместные усилия приведут к новому подходу к искусственному интеллекту. Усилиями некоторых из самых выдающихся ученых в области информатики был организован семинар под названием Летний проект исследования искусственного интеллекта в Дартмуте. В нем приняли участие 10 человек, многие из которых в будущем были удостоены Премии Тьюринга - самой почетной награды в области информатики. Ниже приводится вступительное заявление.

Летом 1956 года мы предлагаем двухмесячное обучение искусственному интеллекту с участием 10 человек в Дартмутском колледже, Ганновер, Нью-Гэмпшир.

Исследование основано на предположении, что любой аспект обучения или любое другое свойство интеллекта, в принципе, может быть описано настолько точно, что машина может его смоделировать. Мы попытаемся выяснить, как обучать машины использовать естественные языки, формировать абстракции и концепции, решать проблемы, которые теперь доступны только людям, и улучшать самих себя.

Мы считаем, что значительный прогресс по одному или нескольким из этих вопросов вполне возможен, если над этим летом проработает специально подобранная группа ученых.

Это была, пожалуй, самая масштабная заявка на грант из когда-либо подававшихся. Именно на этой конференции была официально основана новая область науки - Искусственный интеллект. И, возможно, ничего конкретного не было открыто или разработано, но благодаря этому событию некоторые из самых выдающихся исследователей узнали друг друга и начали двигаться в том же направлении.

В те времена казалось, что решение уже очень близко и, несмотря на все трудности, человечество вскоре сможет создать полноценный искусственный интеллект, способный приносить реальную пользу. Были программы, способные создать что-то умное. Классическим примером является программа для теоретиков логики.

В 1913 году Уайтхед и Бертран Рассел опубликовали Основы математики. Их цель состояла в том, чтобы показать, что с помощью минимального набора логических инструментов, таких как аксиомы и правила вывода, можно воссоздать все математические истины. Эта работа считается самой влиятельной книгой, когда-либо написанной после Органона Аристотеля.

Теоретику логики удалось воссоздать большую часть самого Principia Mathematica. Более того, местами он даже элегантнее, чем это сделали авторы.

Теоретик логики представил несколько идей, которые стали центральными при изучении искусственного интеллекта:

Рассуждение как способ поиска. Фактически, программа прошла по дереву поиска. Корнем дерева были исходные утверждения. Возникновение каждой ветви основывалось на правилах логики. На самом верху дерева был результат, который программа могла доказать. Путь от корневого к целевому утверждению был назван доказательством.
Эвристика. Авторы программы поняли, что дерево будет расти в геометрической прогрессии и их нужно как-то срезать, на глаз. Они назвали правила, согласно которым они избавляются от ненужных ветвей, эвристическими, используя термин, введенный Дьердь Помя в его книге Как решить проблему. Эвристика стала важной частью исследований искусственного интеллекта. Это остается важным методом решения сложных комбинаторных задач, так называемых комбинаторных взрывов (например, задачи коммивояжера, шахмат грубой силы).
Обработка структуры Список. Для реализации программы на компьютере был создан язык программирования IPL (Information Processing Language), в котором использовалась та же форма списков, которую Джон Маккарти использовал в будущем для создания языка Lisp (за что он получил премию Тьюринга), который до сих пор используется исследователями искусственного интеллекта.

Системы, основанные на знаниях, - это компьютерные программы, которые используют базы знаний для решения сложных проблем. Сами системы подразделяются еще на несколько классов. Их объединяет то, что все они пытаются представить знания с помощью таких средств, как онтологии и правила, а не только программным кодом. Они всегда состоят как минимум из одной подсистемы, а чаще сразу из двух: базы знаний и механизма вывода. База знаний содержит факты о мире. Механизм вывода содержит логические правила, которые обычно представлены как правила IF-THEN. Системы, основанные на знаниях, были впервые созданы исследователями искусственного интеллекта.

Первой действующей системой, основанной на знаниях, была программа Mycin. Эта программа создана для диагностики опасных бактерий и выбора наиболее подходящего лечения для пациента. Программа работала по 600 правилам, задавала врачу много вопросов да / нет и составляла список возможных бактерий, отсортированных по вероятности, а также обеспечивала доверительный интервал и могла рекомендовать курс лечения.

Исследования в Стэнфорде показали, что Mycin обеспечивает приемлемый курс лечения в 69% случаев, что лучше, чем у сверстников, которые оценивались по тем же критериям. Это исследование часто цитируется, чтобы продемонстрировать разногласия между медицинскими экспертами и системой, когда нет стандарта для правильного лечения.

К сожалению, Mycin еще не испытан на практике. Были подняты этические и юридические вопросы, связанные с использованием таких программ. Было неясно, кто должен нести ответственность, если рекомендация программы окажется неверной. Другой проблемой были технологические ограничения. В те времена не было персональных компьютеров, один сеанс занимал больше получаса, что было недопустимо для занятого врача.

Основным достижением программы было то, что мир увидел мощь систем, основанных на знаниях, и мощь искусственного интеллекта в целом. Позже, в 1980-х, начали появляться другие программы, использующие тот же подход. Чтобы упростить их создание, была создана оболочка E-Mycin, которая позволяла создавать новые экспертные системы с меньшими усилиями. Непредвиденной трудностью, с которой столкнулись разработчики, стало извлечение знаний из опыта экспертов по понятным причинам.

Важно отметить, что именно в это время советский ученый Дмитрий Александрович Поспелов начал свою работу в области искусственного интеллекта.

Шахматная борьба

Отдельно можно рассмотреть историю противостояния человека и искусственного интеллекта на шахматной доске. Эта история началась очень давно: когда в 1769 году в Вене Вольфганг фон Кемпеленг создал шахматную машину. Это был большой деревянный ящик, на крыше которого была шахматная доска, а за ним стоял восковой турок в соответствующем наряде (из-за этого машину иногда кратко называют турком). Перед началом спектакля двери ложи были открыты, и зрители могли видеть многие детали определенного механизма. Затем закрывались двери и запускалась машина специальным ключом, похожим на часы. После этого подходили все, кто хотел сыграть, и ходили.

Этот автомат имел огромный успех и сумел объехать всю Европу, проиграв лишь несколько партий сильным шахматистам. Фактически внутри ящика находился человек, который с помощью системы зеркал и механизмов мог наблюдать за состоянием партии и с помощью системы рычагов управлять рукой турка. И это была не последняя машина, внутри которой прятался, собственно, живой шахматист. Такие машины пользовались успехом до начала ХХ века.

С появлением компьютеров возможность создать искусственного шахматиста стала ощутимой. Алан Тьюринг разработал первую программу для игры в шахматы, но из-за технических ограничений на один ход у него уходило около получаса. Есть даже запись игры с Аликом Глени, коллегой Тьюринга, которую программа потеряла.

Идея создания таких программ на базе компьютеров вызвала резонанс в научном мире. Было задано много вопросов. Прекрасным примером является статья Цифровые компьютеры в играх. Возникает 6 вопросов:

Можно ли создать машину, которая будет следовать правилам шахмат, может делать случайный правильный ход или проверять правильность хода?
Можно ли создать машину, способную решать шахматные задачи? Например, расскажите, как поставить мат в три хода.
Сможете ли вы создать машину, которая хорошо играет? Которая, например, при некоем обычном расстановке фигур могла дать хороший правильный ход после двух-трех минут вычислений.
Можно ли создать машину, которая играет в шахматы и учится и совершенствует свою игру снова и снова? В связи с этим возникает еще два вопроса, которые, скорее всего, уже крутятся на языке читателя:
Можно ли создать машину, способную ответить на поставленный вопрос таким образом, чтобы ее ответ было невозможно отличить от ответа человека.
Сможете ли вы создать автомобиль, который был бы похож на вас или меня?

В статье основной упор был сделан на вопрос № 3. Ответ на вопросы 1 и 2 строго положительный. Ответ на вопрос 3 предполагает использование более сложных алгоритмов. Относительно вопросов 4 и 5 автор говорит, что не видит убедительных аргументов, опровергающих такую возможность. И на вопрос 6: Я никогда даже не узнаю, чувствуете ли вы то же самое, что и я.

Хотя сами по себе такие исследования, возможно, не представляли большого практического интереса, они были очень интересны теоретически, и была надежда, что решение этих проблем станет толчком для решения других проблем аналогичного характера и большей важности.

Умение играть в шахматы издавна относили к стандартным тестовым задачам, демонстрирующим способность искусственного интеллекта справляться с задачей не с точки зрения грубой силы, которая в данном контексте понимается как использование тотального перечисления возможных ходов, но с помощью... чего-то такого, как однажды выразился Михаил Ботвинник, один из пионеров в разработке шахматных программ. В свое время ему удалось прорвать официальное финансирование работ над проектом искусственного шахматного мастера - программным комплексом ПИОНЕР, который был создан под его руководством во Всесоюзном научно-исследовательском институте электроэнергетики. Промышленность. Ботвинник неоднократно сообщались Президиум СССР Академии наук о возможностях применения основных принципов PIONEER для решения задач оптимизации управления в народном хозяйстве.

Он сам сформулировал основную идею, на которой экс-чемпион мира основал свое развитие в одном из своих интервью в 1975 году: Более десяти лет я работал над проблемой распознавания мышления шахматного мастера: как он находит двигаться без перебора? И теперь можно утверждать, что этот метод в основном раскрыт... Три основных этапа создания программы: машина должна уметь находить траекторию движения фигуры, затем она должна научиться формировать игровую зону, локальная зона боя на шахматной доске и уметь формировать комбинацию этих зон. Первая часть работы была сделана давно. На этом подпрограмма формирования зоны завершена. Отладка начнется в ближайшие дни. В случае успеха будет полная уверенность в том, что третий этап пройдет успешно и автомат начнет играть.

Проект PIONEER остался незавершенным. Ботвинник работал над ней с 1958 по 1995 год - и за это время ему удалось построить алгоритмическую модель шахматной игры, основанную на поиске дерева вариантов и последовательном достижении неточных целей, которые заключались в выигрыше материала.

В 1974 г. советская компьютерная программа Kaiss выиграла Первый чемпионат мира по компьютерным шахматам, обойдя другие шахматные машины во всех четырех партиях, играя, по мнению шахматистов, на уровне третьей категории. Советские ученые ввели много новшеств для шахматных машин: использование дебютной книги, позволяющей избежать расчета ходов в самом начале игры, а также особая структура данных: растровое изображение, которое до сих пор используется в шахматных машинах.

Встал вопрос, может ли программа победить человека. В 1968 году шахматист Дэвид Леви сделал ставку на 1250 фунтов стерлингов, что никакая машина не сможет победить его в течение следующих 10 лет. В 1977 году он сыграл с Каиссой и выиграл, после чего турнир не продолжился. В 1978 году он выиграл партию против Chess4.7, лучшей шахматной программы того времени, после чего признал, что осталось не так много времени, прежде чем программы смогли обыграть титулованных шахматистов.

Отдельно стоит отметить стороны между человеком и компьютером. Самой первой была упомянутая ранее игра Алика Глени и программа Тьюринга. Следующим шагом было создание программы Лос-Аламоса в 1952 году. Она играла на доске 6x6 (без слонов). Испытание проводилось в два этапа. Первый этап - это игра с сильным шахматистом, в результате которой после 10 часов игры человек выиграл. Второй этап - игра с девушкой, которую незадолго до экзамена научили играть в шахматы. Результатом стала победа программы на 23-м ходу, что на тот момент было несомненным достижением.

Только в 1989 году Deep Thought удалось победить международного гроссмейстера Бента Ларсена. В том же году состоялся матч той же программы с Гарри Каспаровым, который Каспаров легко выиграл. После этого матча он заявил.

Если компьютер может превзойти лучших из лучших в шахматах, это будет означать, что компьютер может сочинять лучшую музыку, писать лучшие книги. Я не могу в это поверить. Если будет создан компьютер с рейтингом 2800, то есть равным моему, я сам считаю своим долгом бросить ему вызов на матч, чтобы защитить человечество.

В 1996 году компьютер Deep Blue проиграл турнир Каспарову, но впервые в истории выиграл партию у чемпиона мира. И только в 1997 году компьютер впервые в истории выиграл турнир у чемпиона мира со счетом 3,5: 2,5.

После матчей Каспарова многие лидеры ФИДЕ неоднократно высказывали свое мнение о том, что проводить смешанные встречи (человек против компьютерной программы) нецелесообразно по многим причинам. Поддерживая эту позицию, Гарри Каспаров пояснил: Да, компьютер не знает, что такое выигрыш или проигрыш. Как это для меня? Как я буду относиться к игре после бессонной ночи, после серьезных ошибок в игре? Это все эмоции. Они ложатся огромным бременем на игрока-человека, и самое неприятное, что вы понимаете, что ваш противник не подвержен усталости или каким-либо другим эмоциям.

И если сейчас в шахматной борьбе преимущество на стороне компьютеров, то в таких соревнованиях, как игра го, компьютер подходит только для игры с новичками или с игроками среднего уровня. Причина в том, что в го сложно оценить состояние доски: одним ходом можно сделать выигрышную позицию из однозначно проигрышной позиции. В дополнение к этому, исчерпывающий перебор практически невозможен, поскольку без использования эвристического подхода для исчерпывающего перебора первых четырех ходов (двух с одной стороны и двух с другой) может потребоваться оценка почти 17 миллиардов возможных вариантов совмещения..

Не менее интересна игра в покер. Сложность в том, что состояние не совсем наблюдаемо, в отличие от го и шахмат, где оба игрока видят доску целиком. В покере противник может сбросить карты и не показывать свои карты, что может усложнить процесс анализа.

В любом случае интеллектуальные игры так же важны для разработчиков искусственного интеллекта, как плодовые мушки для генетиков. Это удобное поле для тестирования, поле для исследований, как теоретических, так и практических. Это также показатель развития науки об искусственном интеллекте.

Использование искусственного интеллекта в коммерческих целях

В 1980-х годах, вдохновленные достижениями в области искусственного интеллекта, многие компании решили попробовать новые технологии. Однако такие экспериментальные шаги могли позволить себе только крупнейшие компании.

Одной из первых компаний, адаптировавших технологии искусственного интеллекта, была DEC (Digital Equipment Corp). Ей удалось внедрить экспертную систему XSEL, которая помогла настроить оборудование и выбрать альтернативы для клиентов. В результате трехчасовая задача была сокращена до 15 минут, а количество ошибок уменьшилось с 30% до 1%. По словам представителей компании, система XSEL позволила заработать 70 миллионов долларов.

American Express использовала экспертную систему, чтобы решить, выдавать ли кредит клиенту или нет. Эта система предлагала ссуды на треть чаще, чем эксперты. Говорят, что она зарабатывала 27 миллионов долларов в год.

Выгоды от интеллектуальных систем часто были огромными. Это было похоже на переход от прогулки к поездке на машине или от движения на машине к полету на самолете.

Однако с интеграцией искусственного интеллекта все было не так просто. Во-первых, не каждую задачу можно формализовать до того уровня, на котором с ней справится искусственный интеллект. Во-вторых, сама разработка была очень дорогой. В-третьих, системы были новыми, люди не привыкли пользоваться компьютерами. Некоторые были настроены скептически, а некоторые даже враждебно.

Интересным примером является компания DuPont, которая смогла потратить 10 000 долларов и один месяц на создание небольшой системы поддержки. Она могла работать на персональном компьютере и позволяла получать дополнительный доход в размере 100 000 долларов.

Не все компании успешно внедрили технологии искусственного интеллекта. Это показало, что использование таких технологий требует большой теоретической базы и большого количества ресурсов: интеллектуальных, временных и материальных. Но в случае успеха затраты окупаются с лихвой.

Заключение

Развитие искусственного интеллекта как науки и техники для создания машин началось чуть более века назад. И достижения, которые были достигнуты до сих пор, ошеломляют. Они окружают человека практически везде. У технологий искусственного интеллекта есть особенность: человек считает их чем-то интеллектуальным только в первый раз, потом он к этому привыкает и они кажутся ему естественными.

Важно помнить, что наука об искусственном интеллекте тесно связана с математикой, комбинаторикой, статистикой и другими науками. Но не только они влияют на него, но и развитие искусственного интеллекта позволяет по-другому взглянуть на то, что уже создано, как это было с программой Logic Theorist.

Развитие компьютеров играет важную роль в развитии технологий искусственного интеллекта. Трудно представить себе серьезную программу интеллектуального анализа данных, которой хватило бы на 100 килобайт оперативной памяти. Компьютеры позволили технологиям широко развиваться, а теоретические исследования послужили предпосылкой для интенсивного развития. Можно сказать, что развитие науки об искусственном интеллекте было следствием развития компьютеров.

История развития искусственного интеллекта не закончена, она пишется прямо сейчас. Технологии постоянно совершенствуются, создаются новые алгоритмы, открываются новые области применения. Время постоянно открывает перед исследователями новые возможности и новые вопросы.

В данном аннотации нет акцента на странах, в которых проводились те или иные исследования. Весь мир частично внес в область, которую мы теперь называем наукой об искусственном интеллекте.

Список литературы

Мифы народов мира. М., 1995.
Идель, Моше. Голем: еврейские магические и мистические традиции искусственного антропоида. Олбани, Нью-Йорк: Государственный университет Нью-Йорка. 2011.
Азимов, Исаак. Очерк № 6. Законы робототехники // Мечта робота в России. - М.: Эксмо, 2005.
Алан Тьюринг, Цифровые компьютеры в играх вклад AMT в книгу Быстрее мысли, изд. Б.В. Боуден, Лондон, 1954 г. Издано издательством Pitman Publishing. TS с поправками MS. RS 1953b
Каисса - чемпионка мира. Журнал Наука и жизнь, январь 1976.