Современные тенденции и перспективы области искусственного интеллекта
/ 0
- Подробности
- Создано 27 Декабрь 2009
- Обновлено 07 Ноябрь 2012
- Автор: Inex
- Просмотров: 11076
1-й семинар
Докладчик: д.т.н. А.С. Потапов
Презентация (152.5 Кбайт) и аудиозапись доклада
Принципиально новых идей в области ИИ не появлялось достаточно давно: секции современных конференций соответствуют весьма традиционным разделам ИИ. Современное состояние области искусственного интеллекта связано, скорее, с разработкой сложных систем. Но при этом используются теории, которые создавались для упрощенных случаев и искусственно изолированных задач. Попытки же создания "общих теорий интеллекта" зачастую сводятся к очерчиванию лишь его общей структуры, мало пригодной для использования на практике. Требуется же нечто иное - теория построения сложных систем. Целью настоящего семинара и предлагается сделать проведение анализа проблемы синтеза сложных интеллектуальных систем, используя как нисходящий метод – от общих схем к конкретике, так и восходящий метод – путем обобщения непосредственного прикладного опыт.
Современные тенденции и перспективы области искусственного интеллекта
Для начала будет сделан краткий доклад на тему «Современные тенденции и перспективы области искусственного интеллекта». Задача первой встречи заключается в том, чтобы очертить общую цель семинара в целом.
Чтобы выполнить эту задачу, нужно ответить на основной вопрос: что значит работать в области искусственного интеллекта? То есть как следует осуществлять исследования в этой области и реализовывать их результаты на практике? Надеюсь, любой специалист в своей области, начиная с какого-то момента, не просто поддерживает сложившийся до него стиль деятельности, но и начинает задаваться подобными вопросами.
Давайте бросим беглый взгляд на современную «карту» области искусственного интеллекта. Скажем, на последней международной объединенной конференции по искусственному интеллекту (проводимой с 1969 года) были следующие секции:
- Agent-based and Multiagent Systems
- Constraints, Satisfiability, and Search
- Knowledge Representation, Reasoning, and Logic
- Machine Learning
- Multidisciplinary Topics and Applications
- Natural-Language Processing
- Planning and Scheduling
- Robotics and Vision
- Uncertainty in AI
- Web and Knowledge-based Information Systems
Проблемы поиска, представления знаний и машинного обучения – это традиционные базовые проблемы искусственного интеллекта. Производные от них проблемы – это проблемы планирования, неопределенности. Немного в стороне, но не менее значимые вопросы – язык и зрение. Немного странно, что отсутствует в качестве топика проблема управления. Видимо, она растворилась в планировании и робототехнике. Но всем этим разделам искусственного интеллекта – несколько десятков лет. Таковой области ИИ уже была, по крайней мере, 30 лет назад. Из относительно нового можно заметить лишь мультиагентные системы и веб, которые являются не столько подходами, сколько областями приложений. Неужели сомнительные мультиагентные системы – это единственный новый раздел за последние три десятка лет, которым может похвастаться область ИИ? А ведь и эти системы не новы. Разве что они раньше так не назывались.
Знакомство с содержанием докладов усугубляет разочарование. Нет, конечно, доклады имеют высокий научный уровень. Но по большей части они посвящены весьма частным вопросам. Неужели за два последних года с момента предыдущей конференции в области ИИ не было предложено ничего более или менее фундаментального? За последнее время мы привыкли к ускоряющемуся техническому прогрессу. Неужели в области ИИ такого ускорения нет?
Вообще складывается впечатление, что все основные идеи были высказаны в 60–70-е годы. В 80–90-е годы эти идеи уточнялись и доводились до конкретных алгоритмов. А в первом десятилетии нового тысячелетия на базе этих алгоритмов строятся сложные прикладные системы. Хотелось бы обсудить, так ли это, и если это так, то насколько это обоснованно.
На примере области машинного обучения… Из более или менее новых методов сейчас большой популярностью пользуется AdaBoost. Идея этого метода крайне проста: берем некоторый метод классификации, решаем с его помощью задачу распознавания образов. Далее берем те образы, которые классифицированы неправильно, и увеличиваем их вес, то есть как бы сосредотачиваем внимание классификатора на сложных примерах. Повторяем классификацию. Никакой серьезной теории за ним не стоит. Неужели этот метод – лучшее, что было предложено в данной области за последнее время? Или же он просто популярен в силу своей простоты? А действительно новые перспективные научные идеи просто еще не были поняты и освоены разработчиками, основная масса которых просто развивает популярные решения, которые может легко перенять?
Значит ли это, что базовые проблемы искусственного интеллекта решены, и основные оставшиеся проблемы в данной области являются проблемами инженерными и технологическими? На мой взгляд, это вовсе не так. Уровень методов поиска, представления знаний, обучения остается очень низким, и без принципиально новых теоретических решений этот уровень не поднять.
В искусственном интеллекте происходит периодическое обращение к бионическому направлению. Такое обычно случается, когда исследователи чувствуют серьезные проблемы текущей парадигмы, решения которых не могут найти в рамках технического подхода. В этой ситуации исследователи пытаются почерпнуть идеи в живой природе. На примере изменения отношения к искусственным нейронным сетям хорошо видны кризисы парадигм в ИИ. Действительно, и сейчас именно в бионическом подходе появляются разнообразные новые концепции, такие как
- нейроглиальные сети,
- искусственные иммунные системы,
- генетические сети,
- роевый интеллект и так далее.
Технический подход не может похвастаться таким обилием новых направлений.
Конечно, сторонники бионического подхода могут надеяться, что именно здесь будет найдено решение имеющихся проблем. Однако имитация биологических систем все же заменяется более эффективными (для искусственных систем) техническими решениями.
Может ли разработка научной теории в данной области дать существенное конкурентное преимущество при разработке прикладных систем? С одной стороны, ответ на этот вопрос кажется очевидным – да. С другой стороны, все не так просто. Необходимо ответить на вопрос, в чем она должна заключаться, в чем ограничения существующих теорий?
Можно рискнуть утверждать, что имеющиеся теории разрабатывались для очень упрощенных постановок задач. Так, задача обучения зачастую сводится к задаче распознавания образов по однородным описаниям объектов (например, векторам признаков) в условиях малого числа классов. Хотя необходимость разработки теории построения «сложных» систем распознавания отмечалась еще в 1970-х гг, однако до сих пор в этой области толком ничего не сделано. Кроме того, основным упрощением при постановке задач построения интеллектуальных систем является жесткое разделение задач на подзадачи. На глобальном уровне это означает, что задачи поиска, обучения и представления знаний рассматриваются независимо. Но и в рамках каждой из этих задач происходит дробление на очень малые подзадачи. К примеру, в области компьютерного зрения есть масса задач типа анализа движения, сегментации изображений и т.д., которые исследуются в большинстве своем независимо при том, что имеются строгие доказательства их значительной связности.
Значит ли это, что нужна какая-то общая теория искусственного интеллекта? Разрабатываются ли подобные теории в настоящее время? Практически никто не занимается ИИ в целом. Большинство исследователей работают в своих предметных областях разной степени узости. И в своей предметной области каждый из специалистов занимается решением лишь небольшого числа задач. Построением общих теорий интеллекта, как правило, занимаются дилетанты определенного сорта, сродни тем, кто пытается построить вечный двигатель или опровергнуть общую теорию относительности. Это, конечно, преувеличение. Подобные теории, хотя и редко, пытаются построить люди, которых сложно заподозрить в неадекватности. В качестве примеров можно привести:
Александр Шамис «Пути моделирования мышления»;
Джефф Хокинс «Об интеллекте».
Существуют даже целые инициативные организации, ориентированные на создание сильного ИИ, например, Singularity Institute for Artificial Intelligence.
Про деятельность последних сложно что-то с уверенностью сказать. За последние несколько лет у них особого прогресса заметно не было.
К сожалению, общие теории искусственного интеллекта обычно очерчивают лишь его весьма отвлеченную структуру, в которую не привносят ничего нового, а также предлагают в качестве основы пару принципов, которые вряд ли могут объяснить интеллект.
Речь же идет о необходимости чего-то совершенно иного – не теории искусственного интеллекта в целом, а теории построения сложных систем. Ведь сейчас на практике как раз и пытаются интуитивно строить сложные системы: при этом начертить общую схему или диаграмму в стиле UML вовсе не достаточно. Они не помогают корректно синтезировать единую систему из блоков, построенных для решения искусственно разделенных задач. Если проблема действительно в этом, то ситуация в области ИИ несколько проясняется: традиционные методы решения изолированных подзадач, поставленных для упрощенных условий, себя исчерпали. Прикладные проекты требуют решения сложных задач в естественных условиях. Теория все еще ориентирована на ясные строгие формулировки ограниченных задач, и происходит существенное недооценивание проблемы «сложности», которая рассматривается как техническая проблема и в которой не замечается научная компонента.
Проблема сложности на практике имеет и другую сторону. Вероятно, многие чувствуют необходимость в объединении усилий при работе над прикладными проектами. Конечно, есть традиционные специализированные задачи, такие как, например, распознавание рукописных текстов. Но зачастую соответствующие ниши давно заданы. Создание нового продукта, как правило, подразумевает участие разработчиков разных профилей.
К примеру, создание небольшого робота требует участия специалистов по мехатронике, электронике, оптике, системам навигации и управления, компьютерному зрению. Спектр возможных проектов, которые могут быть выполнены специалистами каждой из групп в отдельности сильно ограничен. Конечно, специалисты по мехатронике могут в качестве продукта создать управляемого или программируемого робота. Скажем, для игрушек такой подход еще годится. Но когда речь идет о чем-то более функциональном, то вопросы о создании всего продукта должны решаться в комплексе…
Крупные корпорации, возможно, за некоторым исключением, не занимаются собственными научными исследованиями в области искусственного интеллекта. Зачастую они просто скупают результаты работы исследовательских групп. При этом, естественно, покупаются не научные результаты, а только технологии, причем на весьма невыгодных для исследователей условиях. Корпорации часто говорят: у нас предложений от таких исследователей – сотни. Принесите нам что-нибудь работающее, тогда посмотрим. В лучшем случае, корпорации оплачивают некоторые краткосрочные НИРы, сопутствующие или непосредственно переходящие в разработку продукции.
Основная часть продукции, которую можно отнести к передовой, зачастую не содержит в себе никаких научных ноу-хау, а построена на общеизвестных и зачастую весьма эвристических методах. Конечно, создание этой продукции – это сложная инженерная задача, требующая значительных ресурсов. В связи с этим можно надеяться на создание новой продукции при объединении усилий на уровне самих разработчиков.
Таким образом, целью встреч в рамках данного семинара является проведение анализа проблемы синтеза сложных интеллектуальных систем, используя как нисходящий метод – от общих схем к конкретике, так и восходящий метод – путем обобщения непосредственного прикладного опыта.
Для обсуждения в рамках текущей встречи предлагаются следующие вопросы.
- Существует ли в настоящее время ИИ как единая наука?
- Какие проблемы в области ИИ являются наиболее актуальными на данный момент?
- Какие подходы сейчас наиболее активно развиваются?
- В чем прогресс области искусственного интеллекта за последнее время?
- Какие технологии ИИ наиболее широко применяются на практике?
- Какие прикладные системы ИИ в ближайшем будущем окажутся наиболее востребованными?
