Иску́сственный интелле́кт (ИИ; англ. Artificial Intelligence, AI), раздел информатики, в котором разрабатываются методы и средства компьютерного решения интеллектуальных задач, традиционно решаемых человеком. К прикладным направлениям ИИ относят создание технических устройств, способных к логическим выводам и рациональному поведению, к приобретению новых знаний и диалогу с человеком-пользователем. В теории ИИ используются математические методы, методы структурной лингвистики и когнитивной науки.

История развития ИИ

Термин введён Дж. Маккарти в 1956 г. на организованной им в Дартмутском колледже первой конференции (многодневном семинаре) по ИИ. Им же в конце 1950-х – начале 1960-х гг. создан язык программирования LISP, до сих пор широко применяющийся в задачах ИИ.

В 1956 г. американские учёные А. Ньюэлл, Г. Саймон и К. Шоу представили первую компьютерную программу в области ИИ «Логик-теоретик» (англ. Logic Theorist), использовавшую эвристики, т. е. правила выбора при отсутствии точных теоретических оснований.

В 1957 г. Ф. Розенблатт предложил математическую модель процесса восприятия – перцептрона, а затем построил на её основе электротехническую модель зрительного анализатора.

В 1965 г. американский учёный Дж. А. Робинсон разработал метод автоматического поиска доказательств теорем в исчислении предикатов 1-го порядка. Этот метод послужил отправной точкой для создания языка программирования Prolog со встроенной процедурой логического вывода.

Большую роль в развитии ИИ сыграли работы отечественных учёных, в том числе А. И. Берга, Г. С. Поспелова, Ю. И. Журавлёва, О. И. Ларичева.

Советскому учёному Д. А. Поспелову принадлежит метод ситуационного управления для поиска решений по управлению сложными системами, ряд работ в области представления знаний, моделирования поведения.

В. Н. Вапником и А. Я. Червоненкисом в 1960-х гг. получены результаты, позволившие обосновать сходимость методов машинного обучения, основанных на минимизации эмпирического риска, и получить оценки скорости сходимости.

В 1963 г. группой математиков под руководством А. С. Кронрода (Г. М. Адельсон-Вельский, В. Л. Арлазаров, А. В. Усков и др.) были начаты работы над первой советской шахматной компьютерной программой. В 1967 г. эта программа в матче из четырёх партий, сыгранном по телеграфу, победила программу, созданную под руководством Дж. Маккарти, с общим счётом 3:1. Дальнейшее развитие советской программы, «Каисса», было успешным – она стала в 1974 г. победителем Чемпионата мира по шахматам среди компьютерных программ. В процессе разработки исследовались многие общие методы работы с информацией, такие как рекурсивный перебор, отсечение вариантов на основе формальных и неформальных соображений, организация справочных (поисковые деревья, хеш-таблицы и т. п.).

Советский математик С. Ю. Маслов (1964) предложил метод доказательства выводимости в исчислении предикатов 1-го порядка. Учёный и философ В. К. Финн в начале 1980-х гг. предложил метод индуктивного порождения и обоснования гипотез.

Развитие прикладных интеллектуальных систем первоначально шло по пути усложнения алгоритмов и уточнения эвристических подходов, что положило начало т. н. эвристическому программированию. Дальнейшее развитие этого направления привело к появлению в середине 1970-х гг. экспертных систем. Среди них – системы, предназначенные для порождения формул химических соединений на основе спектрального анализа, для диагностики и лечения заболеваний, для прогнозирования залежей полезных ископаемых. В СССР одной из первых была разработана система анализа текстовой информации (Попов. 1987), создана экспертная система, на основе которой предложена система оценки качества воды, позволяющая определять причины превышения предельно допустимых концентраций загрязняющих веществ в реках и водоёмах (Осипов. 1997).

С появлением инструментальных средств и технологий разработки экспертных систем это направление выделилось в самостоятельную область – инженерию знаний. Работы в области систем, основанных на знаниях, вызвали рост исследований методов представления знаний – структур данных общего характера. Потребность в технологиях разработки экспертных систем привела к созданию методов, технологий и программных средств переноса знаний в базу знаний системы.

К задачам приобретения знаний примыкают методы интеллектуального анализа данных. В арсенал средств интеллектуального анализа данных входят нейронные сети, рассуждения на основе прецедентов, эволюционное программирование и др. Особенностью ряда средств является возможность их применения к очень большим массивам данных, характеризующимся разнородностью данных и отсутствием их модели.

Классификация систем ИИ

В зависимости от реализуемых возможностей, функциональных особенностей и используемых подходов системы ИИ могут быть разделены на несколько категорий (Рассел. 2020):

1. В зависимости от реализуемых возможностей:

а) ограниченный (слабый) ИИ: системы ИИ, спроектированные и обученные для решения конкретной задачи. Указанные системы действуют в ограниченном заранее определённом контексте и не могут выполнять задачи, выходящие за рамки их запрограммированной области (приложения для распознавания изображений, виртуальные помощники, а также системы рекомендаций);

б) общий (сильный) ИИ: гипотетический ИИ, обладающий интеллектом, подобным человеческому, и способный понимать, учиться и применять знания таким образом, чтобы он был неотличим от человеческого интеллекта. Общий ИИ может справиться с любой интеллектуальной задачей, которую способен выполнить человек. К общему ИИ также относится искусственный суперинтеллект, который может превосходить не только уровень отдельного человека, но и уровень всего человечества.

2. По функциональным особенностям:

а) реактивные машины: системы ИИ, действующие на основе заранее определённых правил и не способные обучаться на новой информации или опыте. Данные системы реагируют на решение задач, представленных конкретными входными данными, заранее определённым установленным образом;

б) машины с ограниченной памятью: системы ИИ, которые могут обучаться посредством полученного опыта или информации. Такие системы ИИ позволяют принимать решения на основе имеющегося опыта и полученных данных, но характеризуются наличием ограничений по объёму данных, которые они могут обрабатывать;

в) теория разума (гипотетический ИИ): системы ИИ, понимающие человеческие эмоции, убеждения, намерения и другие психологические состояния. Гипотетический ИИ, реализующий указанный функционал, будет способен сопереживать и понимать человеческие эмоции и психические состояния;

г) самосознание (гипотетический ИИ): тип ИИ, относящийся к машинам и обладающий сознанием и самосознанием. Такие машины способны понять бытность своего существования, эмоций и мыслей подобно человеческому самосознанию. Ныне указанный тип ИИ является концепцией и направлением развития технологии ИИ.

3. В зависимости от используемых подходов:

а) символический ИИ (ИИ, основанный на правилах): реализует подходы, основанные на правилах и предполагающие использование заранее определённых символов и правил для представления знаний и выполнения рассуждений. К данной категории могут относиться экспертные системы, использующие базу знаний правил;

б) машинное обучение: осуществляет разработку алгоритмов и статистических моделей, позволяющих обнаруживать закономерности и принимать решения, основываясь на обучении или прогнозировании анализируемой информации. К существующим методам машинного обучения относятся обучение с учителем, без учителя и с подкреплением;

в) эволюционные алгоритмы: алгоритмы, основанные на процессе естественного отбора. Эволюционные алгоритмы используют такие механизмы естественного отбора, как репродукция (воспроизводство), рекомбинация, мутация и отбор. Алгоритмы данной категории применяются в задачах оптимизации и поиска.

4. В зависимости от решаемых задач:

а) обработка естественного языка: системы ИИ, ориентированные на понимание, интерпретацию и создание человеческого языка. Приложения включают чат-боты, языковой перевод и анализ настроений;

б) компьютерное зрение: системы ИИ, предназначенные для интерпретации и понимания визуальной информации из окружающего мира и используемые для распознавания лиц, обнаружения объектов и анализа изображений;

в) робототехника: ИИ, интегрированный в роботов и позволяющий им выполнять задачи автономно или полуавтономно. Широкое использование указанные технологии нашли в процессах промышленной автоматизации, разработки дронов и автономных транспортных средств.

Принципы классификации систем ИИ в Российской Федерации определены в национальном стандарте (ГОСТ Р 59277–2020).

Области применения ИИ

Основное применение технологии ИИ нашли в областях, связанных с анализом данных, выявлением закономерностей и принятием решений. Среди них:

• здравоохранение (диагностика и прогнозирование заболеваний, создание и совершенствование различных лекарств и разработка методов персонализированной медицины);

• финансовая сфера (алгоритмическая торговля, обнаружение мошеннических действий и организация поддержки пользователей);

• транспорт (создание автономных транспортных средств и беспилотных автомобилей, управление дорожным движением);

• образование (персонализированное образование, системы автоматизированного выставления оценок);

• торговля и электронная коммерция (рекомендательные системы, автоматизированные процессы инвентаризации и управления складскими запасами);

• обработка естественного языка (чат-боты и виртуальные помощники, а также системы анализа настроений);

• игровая индустрия (создание игр и игровых элементов);

• кибербезопасность (обнаружение уязвимостей и угроз, фильтрация спама и фишинговых вложений, обнаружение вирусов, разработка безопасного программного обеспечения, тестирование на проникновение, разработка систем защиты информации).

ИИ в когнитивной науке

Как часть исследований когнитивных процессов, работы в области ИИ непосредственно смыкаются с междисциплинарным анализом мышления, сознания, речи, понимания, восприятия и их мозговых механизмов. Центральной проблемой в этих исследованиях является определение критериев соответствия ИИ человеческому мышлению. Если в начале развития ИИ на первый план выдвигались критерии сходства результата (тест Тьюринга – если наблюдатель не может отличить диалог с человеком от диалога с искусственной системой, то она разумна), ныне существенным представляется сходство самих процессов решения задач машиной и человеком.

Философская критика возможности ИИ связана со ссылками на теорему К. Гёделя о неполноте, а также на неспособность ИИ к осмыслению осуществляемых преобразований символов. Так, согласно аргументации Дж. Сёрла, работа систем ИИ аналогична деятельности человека, который переводит текст с одного незнакомого ему языка на другой, механически заменяя символы с помощью словаря. Результат такой деятельности может быть осмысленным для внешнего наблюдателя, но остаётся совершенно непонятным для самого «переводчика».