Смекни!
smekni.com

Информатика и вычислительная техника второй половины XXI века. Ваш прогноз (стр. 2 из 4)

Подойдем к другому важнейшему направлению развития технологий — к системам искусственного интеллекта. Число примеров таких систем в фантастике неисчерпаемо. Однако ничего подобного фантастическим образам искусственного интеллекта на практике реализовать пока не удается. Философы продолжают дискуссию о том, что такое разум и интеллект и может ли в принципе устройство, созданное руками человека, быть их носителем. А тем временем инженеры продолжают у создавать системы со все более сложным поведением (www.lii.newmail.ru, www.mindpixel.com).

К примеру, экономически весьма привлекательной (и, главное, востребованной!) сейчас является деятельность, направленная на преодоление последствий "информационного взрыва", явления, связанного с лавинообразным увеличением потока информации, который уже попросту не поддается отслеживанию. Между тем, разбиение данных на категории и сортировка информации по темам — классические задачи, относящиеся к области искусственного интеллекта. А это может означать, что компании, специализирующиеся на проведении исследований в области разработки и создания интеллектуальных систем, вновь могут завоевать "симпатии" инвесторов. Тем более что количество научных коллективов, специализирующихся на создании "машинного разума", ощутимо сократилось по сравнению с началом 1980-х годов.

Инженеры компании IBM в настоящее время трудятся над проектированием и построением самодиагностируемых и самонастраивающихся систем, которые, как ожидается, будут более устойчивы к повреждениям по сравнению с нынешними компьютерами и смогут функционировать, практически, без человеческого присмотра.

Уже довольно давно как раз в задачах, связанных с искусственным интеллектом, применяются так называемые нейронные сети. Нейронная сеть — это архитектура компьютера, построенная по аналогии с устройством человеческого мозга. Ее элементами являются элементарные ячейки — нейроны, которые квазислучайно связаны друг с другом. В результате внешнего воздействия (например, получения на вход изображения) некоторые нейроны возбуждаются, по нейронной сети передаются сигналы, и, в конечном счете, сеть переходит в новое состояние, которое можно узнать на ее выходе. Например, она может сообщить, что опознала изображение или голос, а может, наоборот, заключить, что образец ей незнаком.

И тут начинается процесс обучения нейронной сети. Если ответ правильный, сеть получает поощрение, которое укрепляет те связи между нейронами, которые обеспечили правильный ответ. В противном случае эти связи будут ослаблены. Оказывается, что правильно сконструированные сети можно довольно быстро научить, например, распознавать весьма сложные события, для которых крайне трудно найти формальные критерии отбора при алгоритмическом программировании (www.neuropower.de/ris, www.orc.ru/~stasson/menu.html).

Решения на основе нейронных сетей становятся все более совершенными. Уже сегодня имеется немало впечатляющих разработок. База приложений нейронных сетей просто огромна: выявление фальшивых кредитных карточек, прогнозирование изменений на фондовой бирже, составление кредитных планов, оптическое распознавание символов, профилактика и диагностика заболеваний человека, наблюдение за техническим состоянием машин и механизмов, автоматическое управление движением автомобиля, принятие решений при посадке поврежденного летательного аппарата и т.д. [14]. Дальнейшие успехи в разработке искусственных нейронных сетей будут зависеть от дальнейшего понимания принципов работы человеческого мозга, но здесь имеется и обратная связь: искусственные нейронные сети являются одним из средств, с помощью которых совершенствуется наше представление о процессах, происходящих в нервной системе человека, выступая в качестве моделей соответствующих процессов.

Нейросетевые технологии предоставляют сегодня широкие возможности для решения задач прогнозирования, обработки сигналов и распознавания образов. Учитывая высокие темпы роста объемов накопленной в современных хранилищах данных информации, роль нейронных сетей трудно переоценить.

По мнению специалистов, интеллектуальный анализ данных войдет в десятку важнейших информационных технологий. В последние годы началось активное внедрение нейросетевой технологии. Ее активно используют такие крупные корпорации как American Express, Lockheed и многие другие. Естественно, в ответ на этот интерес на рынке программных средств стали появляться соответствующие инструментальные средства.

И вот еще одна такая фантастическая технология, как нейро-имплантанты. Сама идея нейроимплантанта предельно проста: известно, что нервные импульсы представляют собой электрические сигналы. Надлежащим образом присоединив электроды, их можно регистрировать, а можно и порождать. Проблема лишь в том, чтобы понимать смысл нервных импульсов — биотоков. К сожалению, в этом деле прогресс идет далеко не фантастическими темпами. В мозгу известно множество зон, отвечающих за различные процессы жизнедеятельности и связанных с определенными видами мыслительной активности. Но практически ничего больше пока узнать не удается. Это и понятно. В нейронной сети — грубой модели мозга — тоже нельзя придать какой-то конкретный смысл состоянию отдельного нейрона и отдельным сигналам, передаваемым между нейронами.

В результате все фантазии о создании контроллера прямого доступа в человеческую память, о переносе свойств человеческой личности на машинный носитель и о других подобных технических забавах так и остаются фантазиями. И все же некоторые возможности на пути сопряжения человека с машиной есть. С определенными оговорками «подсоединиться» удается к периферийным зонам нервной системы человека. В этом направлении идут работы по созданию так называемых активных протезов, которые реагируют на импульсы, поступающие по нервным волокнам (www.kv. minsk.by/index2000433901.htm).

Есть и другой путь, в чем-то, пожалуй, более перспективный. Он состоит в добавлении человеку новых инструментов воздействия на внешний мир. На голове пациента закрепляются электроды энцефалографа, регистрирующего состояние определенной зоны мозга. В зависимости от ее активности на экране, куда смотрит испытуемый, например, перемещается курсор. После определенного времени тренировки (20-60 часов) испытуемый оказывается в состоянии сознательно перемещать курсор (forum. rust.ru/cgi-bin/forum.pl.cgi?lukian&r1756).

В прессе уже неоднократно сообщалась о подобных экспериментах с участием безнадежно парализованных людей, но со временем эти методики можно будет распространить и на здоровых людей, давая им новые возможности взаимодействия с внешним миром, в том числе и с компьютерами (www.zdnet.ru/news.asp?ID=1077).

Последнее время в информатике особое внимание уделяется кругу проблем, которые в последнее время часто называют общим термином “мягкие вычисления”. Сам этот термин принимают далеко не все специалисты по искусственному интеллекту, но если говорить не о словах, а о том, что за ними стоит, то можно утверждать, что проблематика “мягких вычислений” является одной из центральных в проблеме искусственного интеллекта. В жестких рассуждениях, связанных с количественными расчетами, длинными последовательностями строгих логических умозаключений, человек сильно уступает компьютеру. В тех областях, где такие рассуждения – необходимая часть профессии (точные науки, счетная работа, шахматы), соответствующие навыки вырабатываются годами и требуют постоянной тренировки. Основные же интеллектуальные процессы человека, как правило, — “мягкие”. В них вместо четкости присутствует размытость, вместо количественных оценок — качественные, вместо точности — приблизительность, вместо тождества — сходство, вместо истинности — правдоподобность, вместо доказательства — аргументация.

Рассуждения человека, как правило, неточны – они всего лишь правдоподобны, часто логически некорректны, не сохраняют истинность. Строгое логическое рассуждение — слишком медленное даже для компьютера, оно содержит очень много шагов; кроме того, оно требует полноты информации. В бытовых ситуациях, когда надо принимать быстрые решения, у человека нет ни времени, ни всей нужной информации. Но именно в этих – сильно недоопределенных, слабоструктурированных ситуациях человек действует эффективнее компьютера, хотя часто он даже не может хорошо сформулировать ни правила, по которым он действует, ни даже понятия, в терминах которых он описывает возникшую проблему.

Возрастающий в искусственном интеллекте интерес к мягким вычислениям связан со стремлением понять эффективность механизмов мозга, успешно использующих эту “мягкость”, попытаться построить адекватные модели этих механизмов, чтобы, в конечном счете, использовать их для создания новых информационных технологий.

Итак, вчерне рассмотрев, где находится электронно-вычислительная эволюция, попробуем определить, в каком направлении станет развиваться информатика и вычислительная техника ко второй половине XXI века.

2. Куда нацелена стрела времени?

Прежде всего отметим, что один из показателей развития человеческой цивилизации – скорость, с которой увеличиваются знания людей об окружающем мире или, иначе говоря, суммарный объем данных, известный человечеству. Так вот, период, за который происходит удвоение объема доступной людям информации, позволяет косвенно судить о темпах развития человеческого общества. И темпы эти, надо признать, поразительны.

Учеными установлено, что до наступления нашей эры, то есть до Рождества Христова для удвоения человеческих знаний требовалось целых 2000 лет. Ясное дело, что неспешные рассуждения древнегреческих философов “о сути вещей” как раз и отвечали этим темпам. Сейчас же, вероятно, древние мыслители не то, что пофилософствовать, просто мысль вслух высказать не успели бы. До изобретения Гуттенбергом книгопечатания для удвоения всей известной человечеству информации требовалось 1000 лет. К концу XIX века срок этот сократился до 100 лет, а начиная с 1920 года – до 40 лет. Дальше все замелькало как в ускоренном кино: период, за который знания человечества удваивались, начиная с 1950 года, составил 30 лет; с 1980 года – 15 лет; а с 2000 года период удвоения знаний сократился до 4-5 лет! Иными словами, если в начале XX века специалист, получив высшее образование, чувствовал себя уверенно в течение 20-30 лет, то в начале ХХI “период полураспада знаний” сократился до 5 лет…