От автора. Решил написать вот такую статейку о искусственном интелекте,что это такое, откуда пошло и тп,а то многие говорят(в основном исключительно из игр) про него,да немногие понимают,что за этим стоит. Немного теории. Термин интеллект (intelligence) происходит от латинского intellectus — что означает ум, рассудок, разум; мыслительные способности человека. Соответственно искусственный интеллект (artificial intelligence) — ИИ (AI) обычно толкуется как свойство автоматических систем брать на себя отдельные функции интеллекта человека. Искусственный интеллект, лежащий в основе искусственных самоосознающих систем, был назван "сильным ИИ" (Strong AI). Многие современные специалисты считают создание сильного ИИ поиском "философского камня". Первые существенные успехи ИИ, хорошо показавшиеся себя на практике, связаны со "слабым ИИ" (Weak AI) - созданием систем, заменяющих человека или помогающих ему в определенных чаще всего узких предметных областях. Истоки (с чего все начиналось). Впервые термин "искусственный интеллект" был введен в научную практику летом 1956 года, когда в г. Дартмусе (США) по инициативе известного американского специалиста по теории и практике ЭВМ Джона Маккартни собрались многие "крестные отцы" кибернетики – К. Шеннон, М. Минский, Г. Саймон, А. Ньюэлл и другие – с целью обсудить возможность реализации проекта создания искусственного интеллекта. Участники дартмусской конференции 1956 года не могли обойти вниманием одну более раннюю работу, прямо относящуюся к проблематике искусственного интеллекта (хотя этот термин в ней не использовался) – статью видного английского математика Алана Тьюринга "Computing machinary and intelligence". Октябрь 1950 года – это вторая (а исторически первая) дата возникновения исследований по искусственному интеллекту. В этой статье А. Тьюринг сформулировал свой знаменитый тест, согласно которому компьютер демонстрирует интеллектуальное поведение в том случае, если он способен действовать так, что наблюдатель не в состоянии решить, имеет ли он дело с компьютером или с человеком. Философские аспекты искусственного интеллекта. Основная философская проблема в области искусственного интеллекта – возможность или не возможность моделирования мышления человека. Направления исследований. В зависимости от того, какие процессы мышления моделируются, выделяют несколько принципиально разных подходов к ИИ. С одной стороны, можно назвать мозг человека совокупностью множества клеток-нейронов и моделировать поведение этой массы с помощью программы или какого-нибудь аппаратного устройства. Такой подход лег в основу нейрокибернетического направления в ИИ, в рамках которого успешно решаются многие задачи распознавания (распознавание образов, OCR и др.) и классификации (фильтрация СПАМа, определение тематики текстов и др.), для которых не существует известного алгоритма решения. Нейросетевые модули сначала обучаются на значительном количестве примеров, после чего начинают сами решать задачи подобного класса. Нейрокибернетическому подходу противоположен символьный или семиотический подход: моделируются высокоуровневые процессы и принципы мышления человека. Основы такого подхода создал Аристотель, который утверждал, что в основе рассуждений всех людей лежат некоторые общие принципы. Позже эти принципы были выделены и изучены в рамках логики.На базе символьного подхода построены многие экспертные системы, основанные на знаниях экспертов, представленных в явном формализованном виде. Кроме двух основных направлений, есть другие подходы к построению интеллектуальных систем. Среди них важен эволюционный, основанный на принципе естественного отбора и эволюции. Построенные в соответствии с этим принципом алгоритмы называются генетическими алгоритмами: берется некоторое количество решений, удовлетворяющих условию задачи, и определенным образом проводится "скрещивание" или мутация, после чего для дальнейшего рассмотрения выбираются только те решения, которые оптимальны в плане некоторого критерия. Также существует так называемый эмерджентный подход к ИИ, который основан на возникновении феномена интеллектуальности в результате взаимодействия большого количества неинтеллектуальных подсистем. Применение ИИ. В первую очередь с помощью искусственного интеллекта надеются решить многие наболевшие человеческие проблемы, одна из которых - постоянно растущие объемы информации, которые нужно эффективно накапливать и обрабатывать. Другой круг вопросов, связанных с ИИ - робототехника, достижения которой уже давно используются на предприятиях, а недавно начали проникать и в повседневную жизнь. Разработчики компьютерных игр вынуждены применять ИИ той или иной степени проработанности. Стандартными задачами ИИ в играх являются нахождение пути в двухмерном или трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной экономической стратегии и так далее. Методы распознавания образов, (включая, как более сложные и специализированные, так и нейронные сети) широко используют при оптическом и акустическом распознавании (в том числе текста и речи), медицинской диагностике, спам-фильтрах, в системах ПВО (определение целей), а также для обеспечения ряда других задач национальной безопасности. И многое,многое другое... Эпилог. Наверное,это все.Конечно,я о многом не рассказал,но обо всем в нашем мире можно говорить до бесконечности.Хочу еще раз подчеркнуть,что я просто рассказывал о основах в этой области,которые, думаю, должны знать все и что это статья направлена на ознакомление. Ресурсы для ознакомления. http://www.raai.org/-Российская ассоциация искусственного интеллекта. http://prof9.narod.ru/-статьи. http://www.rriai.org.ru/-статьи. http://ai.obrazec.ru/-статьи. В написании статьи пользовался: http://ru.wikipedia.org/ http://ai.obrazec.ru/
статья написана как введение,поэтому ознакомляйтесь,кто не знает,но интересуется надеюсь,что многим она будет интересна и понравится на мой взгляд,я разобрал все основные моменты,единственное,возможно,стоило затронуть тему роботов
Хорошая подборка материала, для примерного представления о том что это такое. ИИ, нейросети и нечёткая логика очень интересная штука, но довольна таки сложная, без математического склада ума и логического мышления заниматься этим не стоит. Сам увлекаюсь этой темой, но пока только в теории (на практике только связывался с программированием простых моделей экспертных ситсем в fuzzyclips и создания моделей нейросетей в NNW) Сейчас залью очень хорошие книги по этой теме, которые я сам читал(некоторых в интернете нет, ну или очень сложно найти=) )
Вот, как и обещал, залил очень хорошие книги по теме. Алтунин - Модели и алгоритмы принятия решений в нечётких условиях Формат: chm Барский - Нейронные сети - распознавание, управление, принятие решений Формат: pdf Батыршин - Основные операции нечёткой логики и их обобщения Формат: pdf Гаврилова - Базы знаний интеллектуальных систем Формат: djvu Гайдышев И. - Анализ и обработка данных. Специальный справочник Формат: djvu Головко - Нейронные сети - обучение, организация и применение Формат: djvu Гриняев С.Нечёткая логика в системах управления Формат: pdf Заенцев - Нейронные сети - основные модели Формат: pdf Закревский - Логика распознования Формат: djvu Ярушкина - Нечеткие гибридные системы Формат:djvu Общий размер архива: 21.9 Мб Скачать
Тоже интересна эта тема. Есть гига 3-4 книжек в том числе и на английском про ИИ, нечёткую логику и нейронные сети. Постараюсь на днях выложить наиболее интересные. За статью +
Книга Искусственный интеллект. Современный подход. Автор: Стюарт Рассел, Питер Норвиг Год: 2006 Страниц: 1408 Формат: DjVu Размер: 17.3 mb (rar + 3%) Качество: отличное Язык: русский В книге представлены все современные достижения и изложены идеи, которые были сформулированы в исследованиях, проводившихся в течение последних пятидесяти лет, а также собраны на протяжении двух тысячелетий в областях знаний, ставших стимулом к развитию искусственного интеллекта как науки проектирования рациональных агентов. Теоретическое описание иллюстрируется многочисленными алгоритмами, реализации которых в виде готовых программ на нескольких языках программирования находятся на сопровождающем книгу Web-узле. Книга предназначена для использования в базовом университетском курсе или в последовательности курсов по специальности. Применима в качестве основного справочника для аспирантов, специализирующихся в области искусственного интеллекта, а также будет небезынтересна профессионалам, желающим выйти за пределы избранной ими специальности. Благодаря кристальной ясности и наглядности изложения вполне может быть отнесена к лучшим образцам научно-популярной литературы. Скачать
Лекции Интеллектуальные робототехнические системы Курс посвящен основам теории и методологии создания интеллектуальных систем и робототехнических комплексов. Даются примеры создания интеллектуальных систем и решения робототехнических задач. Рекомендовано для студентов высших учебных заведений, обучающихся по специальностям в области информационных технологий. В курсе излагаются основы теории интеллектуальных систем: представление знаний, методы поиска решений. Даются методология и примеры создания экспертных систем. Рассматриваются основы теории распознавания изображений и системы распознавания изображений, общение с ЭВМ на естественном языке и системы речевого общения. Излагаются основы теории решения робототехнических задач, включая элементы искусственного интеллекта при выполнении технологических операций. Распознавание качества обрабатываемой поверхности, определение геометрических параметров при распознавании сложных поверхностей. Построение систем управления специальных роботов-станков с элементами искусственного интеллекта при выполнении обработки сложных поверхностей. Тыкать ЗЫ раз роботов не затронул,пусть хоть так будет
Нейронные сети (НС) От автора. В виду того,что эта статья,написанная о ИИ, перешла в обсуждение нейронных сетей(оно и понятно:Нейронные сети-это одна из успешных и более развитых частей ИИ,да и сама она больше всего удовлетворяет тематике форума),я решил написать еще вводный курс и о них. Немного теории. Нейронные сети (НС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге при мышлении, и при попытке смоделировать эти процессы. О биологическом нейроне. Нервная система человека состоит из нейронов . Нейроны связаны между собой нервными волокнами, которые передают электрические импульсы. Все "мыслительные" процессы в человеческом организме реализованы как передача электрических импульсов между нейронами. Как устроен нейрон? У каждого нейрона есть отростки - дендриты и аксон. Дендриты и аксон - это и есть те самые нервные волокна. По дендритам передаются "входящие" импульсы, которые нейрон получает от других нейронов, по аксону - "исходящие" импульсы, которые нейрон отправляет другим нейронам. Сила импульса зависит от синапсов: через них аксон связывается с дендритами других нейронов. Синапс - это переходник, соединяющий дендриты нейрона с аксонами других нейронов. Вторая функция "переходника" - это усиление сигнала. Синапс не просто передает импульс, он усиливает его, при прохождении через синапс сила импульса увеличивается в несколько раз. Множитель увеличения силы импульса принято называть весом синапса. Что происходит, когда в нейрон поступают импульсы? Когда они одновременно поступают в нейрон по нескольким дендритам, их импульсы от каждого дендрита суммируются. Если суммарный импульс превышает какое-то значение (так называемый "порог"), то нейрон возбуждается и посылает собственный импульс, который передается по аксону. Вес синапса - непостоянная величина, она может изменяться, и в зависимости от этого изменяется и характер нашего нейрона. Математическая модель. Как представить человеческий нейрон в виде математической модели? Это будет функция, которой передается N параметров - это дендриты. Wn - это вес синапсов каждого дендрита. Для простоты будем считать, что дендритов имеется три. К синапсам поступают импульсы силы X1, X2, X3. После прохождения синапсов к нейрону поступают импульсы силы W1*X1, W2*X2, W3*X3. Суммарный полученный импульс равен S = W1*X1+ W2*X2+ W3*X3. Сила исходящего импульса задается некоторой функцией F(S) = F(W1*X1+ W2*X2+ W3*X3). Обучение сети. Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что, в случае успешного обучения, сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке. Рассмотрим пример обучения сети на примере изучения алфавита(капча ): Обучение нейронной сети похоже на обучение ребенка - мы показываем ему букву "А" и спрашиваем, что это за буква. Ребенок ответил неправильно - нужно сказать, что ему показали букву "А". Так будем повторять, пока ребенок не запомнит все буквы алфавита, и точно так же происходит процесс обучения нейронной сети. Обучение сети заключается в том, чтобы подобрать значения весов так, чтобы сеть выдавала правильные ответы. Например, чтобы не получилось так, что на входе изображение буквы "L", а сеть сообщает, что ей передали значение "G". Обучение нейросети - это очень сложный процесс, потому что на практике количество весов может составлять 10-20 тысяч. Практически для каждой архитектуры нейронной сети разработаны специальные алгоритмы обучения, которые позволяют относительно быстро подобрать веса сети. Например, для обучения сети перцептрона используется метод Error Back Propagation (EBP) - метод обтачного распространения ошибки. Примерно так выглядит искусственный нейрон: Вернемся к примеру обучения сети английскому алфавиту. Пусть имеется база данных, содержащая картинки - наборы изображений букв. На вход нейронной сети передаем изображение буквы "D", а в ответ получаем какой-нибудь символ. Сначала ответ будет неправильным - это нормально, так как сеть еще ничего "не знает". Мы-то знаем правильный ответ, а сеть - нет, поэтому нужно сообщить ей, какую букву мы ей показали. Для этого на внешнем выходе, который ассоциируется с буквой "D", устанавливаем максимальный уровень сигнала - (0,0,0,1,0,0…). Буква "D" - четвертая в алфавите, поэтому четвертая компонента вектора будет равна 1, все остальные - 0. Можно так повторить все 26 раз, а можно использовать алгоритм EBP. Сначала вычисляем разницу между полученным ответом и правильным ответом (получим вектор ошибки), а затем, согласно алгоритму EBP, вводим необходимые поправки в веса сети. Одну и ту же букву можно повторять несколько раз, пока сеть не будет ее узнавать с вероятностью 100% - вот так тренируется сеть. После многократного повторения система весов сети стабилизируется и сеть начинает давать правильные ответы почти на все вопросы. При работе с нейронными сетями нужно помнить, что сеть может ошибаться - это нормальное явление, и человеку точно так же свойственно ошибаться. В процессе обучения суммарное количество ошибок постепенно уменьшается. Когда количество ошибок равно 0 (или очень близко к этому значению в процентном соотношении), сеть считается обученной - ее можно использовать. "Умственные" способности сети, как и человека, зависят от образования - того набора данных, которые получила сеть в процессе обучения. Наша сеть может отлично знать английский алфавит, но если вы передадите ей на вход изображение буквы "Б", сеть или ничего не ответит, или ответ будет неправильным. Изображения буквы "Б" не было в той базе данных, которая использовалась для обучения сети. Обучение сети - это очень сложный процесс, который во многом зависит от той самой базы данных: чем больше примеров в базе, тем лучше будет работать сеть. Сразу после обучения сеть находится в полной готовности к использованию. И на данном этапе нужно понимать, что сеть - это не простая база данных, содержащая информацию из некоторой предметной области. Нейронная сеть, как и человеческий мозг, может "думать", то есть правильно реагировать на те ситуации, в которых она не была в процессе обучения. И чем, полнее база данных примеров, тем больше вероятность правильных действий сети. Если нашей сети передать изображение буквы "D", написанное другим шрифтом, сеть сама "додумается", что мы передали ей изображение именно этой буквы, а не какой-нибудь другой. Система весов сети хранит довольно много информации о написании букв (и об отклонениях от нормы), поэтому сеть может дать правильный ответ. Использование и применение сети. На практике нейронные сети используются для решения трех типов задач: классификации, поиска зависимостей и прогнозирования. Пример задачи классификации - это та же задача распознавания текста. Распознавание текста - это самая тривиальна задача, которую может решить нейронная сеть. Более серьезное ее применение - это экспертные системы. Экспертная система выступает в роли эксперта, с которым мы советуемся. В некоторых странах врач не может назначить лечение, отличное от того, которое было предложено экспертной системой: доктор подает на вход системы симптомы болезни и результаты анализов больного, получает диагноз и указания о необходимом лечении. Кстати, медицинские диагностические системы - это тоже пример нейронной сети. Сеть учитывает множество входящий параметров, в том числе кардиограмму, энцефалограмму и т.д. Следующий пример нейронной сети, которая занимается прогнозированием - это программы определения перспективности предприятий, которые используются в основном в банках для определения степени риска при предоставлении предприятию кредита. Задачи поиска зависимости - это тоже прерогатива нейронных сетей. Сеть поиска зависимостей может за пару секунд выучить таблицу умножения или выяснить финансовые возможности, скрытые от зорких глаз методов статистики. Правда, для второй задачи понадобится намного больше времени, чем для обучения таблице умножения. З.Ы. Наверное,это все,мой маленький экскурс закончен,вроде рассказал о всех основах и понятно,даже для тех,кто слышит об этом впервые. Рекомендую посетить и почитать: http://ai.obrazec.ru/-статьи http://www.gotai.net/documents/doc-nn-007.aspx-статьи http://www.intuit.ru/department/ds/neuronnets/-лекции http://www.orc.ru/~stasson/neurox.html-статьи,книги В создании статьи пользовался: http://ru.wikipedia.org/ http://www.gotai.net/documents/doc-nn-007.aspx
Книги Введение в искусственный интеллект Смолин Д.В. Скачать -------------------------------------------------------------------------------------------- Моделирование рассуждений. Опыт анализа мыслительных актов. Поспелов Д.А. Скачать --------------------------------------------------------------------------------------------
Кста вот ещё вспомнил про Breve http://www.spiderland.org/ Вообщем типо симулятор искусственного интеллекта.
ТЕСТ ТЬЮРИНГА. ПРИЗ ЛЕБНЕРА. ТЕСТ ТЬЮРИНГА. Начало эры искусственного интеллекта приходится на середину прошлого века, когда Алан Тьюринг в своей работе "Может ли машина мыслить?" (оригинальное название - Computing Machinery and Intelligence) сформулировал критерий интеллектуальности, который до сих пор остается основным определением этого понятия. На самом деле любая попытка сформулировать четкое определение понятия "интеллект" обречена, потому что нам не известна природа интеллектуальности. Если задаться простым вопросом о том, является ли кошка интеллектуальным существом, то и здесь ответы будут неоднозначными. Единственное действительно интеллектуальное существо, в котором нельзя сомневаться - это человек. Поэтому Тьюринг предложил для определения интеллектуальности компьютерной системы проводить сравнение этой системы с заведомо интеллектуальным существом - человеком. Однако всем ясно, что нельзя строить сравнение интеллектуальности человека и ЭВМ на основе какого-то стандартного набора тестов наподобие IQ, так как не составит проблем написать компьютерную программу, которая знала бы ответы и принципы решения конечного числа известных задач. Поэтому сравнить способности ЭВМ со способностями человека сможет только другое заведомо интеллектуальное существо - человек-наблюдатель. Тест Тьюринга проводится в виде эксперимента следующим образом: в разные комнаты помещаются компьютерная система, претендующая на интеллектуальность и подлежащая тестированию, и человек-испытуемый. В третьей комнате находится человек-наблюдатель, который может общаться с двумя испытуемыми с помощью текстовых сообщений (с помощью IRC или ICQ). Задача наблюдателя состоит в том, чтобы в ходе беседы обнаружить, в какой комнате находится человек, а в какой - компьютерная система. Система признается интеллектуальной, если в результате серии экспериментов наблюдателю (или нескольким наблюдателям) удается однозначно отличить компьютерную систему от человека. ПРИЗ ЛЕБНЕРА. В 1990 году был учрежден приз Лебнера: проводятся ежегодные соревнования на прохождение теста Тьюринга, выдается приз размером в $2 тыс. за самую удачную (по мнению жюри) программу и $25 тыс. за программу, которая ввела бы жюри в заблуждение. Дополнительный приз в $100 тыс. обещан программе, которая пройдет полный аудиовизуальный тест Тьюринга, но эксперты скептично относятся к вероятности того, что в ближайшее время этот приз кто-то получит. До сих пор вручались лишь бронзовые медали, они же поощрительные призы, программам, которые продемонстрировали лучшие результаты в беседе с членам жюри.
Если кому интересна эта тема и кому есть что сказать-просьба тоже выкладывать интересный материал или ссылки на книги и тп
Роботы. Роботы. Другой круг вопросов, связанных с ИИ - робототехника, достижения которой уже давно используются на предприятиях, а недавно начали проникать и в повседневную жизнь. Робот (от чешск. robota) — Автоматическое устройство с антропоморфным действием, которое частично или полностью заменяет человека при выполнении работ в опасных для жизни условиях или при относительной недоступности объекта. История возникновения слова. Слово «робот» было придумано чешским писателем Карелом Чапеком и его братом Йозефом и впервые использовано в пьесе Чапека «Р.У.Р.» («Россумские универсальные роботы», 1921). До появления промышленных роботов считалось, что роботы должны выглядеть подобно людям. Надо сказать, что роботы Чапека были не механическими, а биологическими существами. Просто у них отсутствовали некоторые человеческие функции, в частности -- способность влюбляться, а значит -- и желание продолжать свой род. В произведении фантаста роботы преодолели этот недостаток и стали неотличимы от людей. Интересные факты. В 1981 году Кензи Урада, рабочий завода Kawasaki стал первой официальной жертвой, погибшей от руки робота. С этого времени число жертв роботов растет, несмотря на внедрение усовершенствованных механизмов безопасности. 18 марта 2008 года 81-летний австралиец стал первым человеком, который покончил жизнь самоубийством при помощи робота, которого сам собрал согласно схемам, взятым из сети Интернет. Повсеместные роботы. Роботы-пылесосы - это только один пример использования робототехнических средств в быту. На самом деле понятие "робототехника" уже давно потеряло свой романтический ореол: на производстве повсеместно используются роботы, которые автоматизируют процесс изготовления и сборки продукта. И еще больше впечатляет то, что создание многих современных изделий просто невозможно без роботизированных конвейеров сборки. Например, электронные компоненты и платы могут быть настолько компактными и хрупкими, что доверить их сборку человеку чревато непоправимыми последствиями. Промышленные роботы часто внешне имеют мало общего с человеком. Помимо промышленных роботов, за последние годы в мире народились домашние роботы, по облику похожие на человека или домашних животных. Лидером в этой области является компания Sony, выпустившая в 1999 году робота-собаку AIBO (англ. Artificial Intelligence Bоt). Сейчас в линейку AIBO входит робот-кошка AIBO ERS-7 - весьма мощный компьютер со специализированным программным обеспечением, поставляемым на картах памяти Memory Stick. Владелец "собачки" может выбрать режим воспитания питомца, и тогда его (робота) возможности будут расти по мере жизни и в зависимости от окружения будет формироваться определенный характер. А можно поселить у себя дома уже готовое "воспитанное" существо, которое умеет реагировать на команды и выполнять полезные действия, к примеру сообщать владельцу о пришедшей электронной почте, фотографировать и сохранять в памяти или посылать по электронной почте фотографии, заменять будильник и т.д. Следующим логическим шагом по применению ИИ должно стать создание бытовых человекоподобных роботов. Многие компании уже работают над этим и даже создали экспериментальные прототипы. Например, SONY Qrio умеет танцевать (в том числе в коллективе с такими же роботами), дирижировать оркестром, бегать на двух конечностях, вставать на ноги после падения и т.д.
Шесть правил идеального робота Технологический прогресс за последние десятилетия привел к появлению целого ряда «умных» машин, которые с течение времени только повышают свои «интеллектуальные» способности. Одновременно с этим происходит и расширение профессиональных навыков роботов – они учатся управлять автомобилем, помогать в уходе за пожилыми и больными, и даже осваивают целый ряд военных специальностей: разведчики, саперы, пехотинцы и пр. В связи с этим крайне необходимо интегрировать все более умелых роботов в человеческое общество, и для этого необходимо, по мнению Вендела Уолока, специалиста по этике Йельского Университета, и Колина Алена, историка и философа Университета Индианы, реализовать шесть правил, которые снизят опасность, исходящую от умнеющих роботов. Правило первое: не доверять роботам задач, которые связаны со значительным риском для общества. Другими словами, действия роботов должны быть предсказуемыми, а возможность катастроф сведена к минимуму. Однако уже сейчас поведение вычислительных систем не всегда возможно прогнозировать, а в будущем, по мере усложнения интеллектуальных способностей роботов и компьютеров, их «самостоятельность» будет только повышаться. Правило второе: ни при каких условиях не доверять роботам оружие, и/или не предоставлять им управление вооружением. К сожалению, предотвратить появление боевых роботов невозможно – уже разработаны и поставлены на вооружение полуавтономные роботизированные установки, в небо подняты беспилотные летательные аппараты, а несколько единиц боевых роботов были посланы в Ирак, пусть и для ознакомления с их возможностями. Правило третье: соблюдение трех законов робототехники Азимова. Знаменитые законы Айзека Азимова должны обеспечить безопасное сосуществование роботов в человеческом обществе, избежать несчастных случаев и злоупотребления роботами своими возможностями. Однако подводным камнем является тот факт, что Азимов специализировался на научной фантастике и не имел опыта в роботостроении, а значит, его законы лишены научной базы. Более того, сам автор в своих произведениях описывает ситуации, когда сформулированные им правила перестают работать в нужном направлении. Правило четвертое: программирование роботов с учетом целого ряда условий и принципов. Одним из таких принципов должен являться принцип максимально полезных действий – то есть, выбирать из целого ряда возможных поступков лишь те, которые принесут пользу как можно большему количеству людей. С другой стороны, следуя этому принципу робот может принести в жертву жизнь одного человека, чтобы спасти жизнь пятерых. Сегодня же ни один врач не способен за счет убийства одного человека спасти жизнь и здоровье других пациентов, реализация столь высоких моральных качеств – одна из главных проблем, которая встанет перед робототехниками в будущем. Правило пятое: постоянное обучение роботов. Это позволит «умным» машинам гибко изменять свое поведение с течением времени, анализировать собственные действия, выбирая из них правильные и ошибочные. Впрочем, достижение указанной цели невозможно без целого ряда технологических прорывов, ведь уровень развития современной науки не позволяет создавать действительно мыслящих и анализирующих роботов. Правило шестое: наделение роботов основным набором эмоций. Подобная «функциональность» крайне необходима для интеграции роботов в человеческое общество – машины должны с легкостью распознавать эмоции человека, на основании чего выбирать собственную стратегию поведения. Ведь не секрет, что значительная часть информации, необходимой для успешного общения человека с себе подобными, передается за счет выражения лица, языка жестов – все это должны с легкостью воспринимать и роботы. И хотя эта задача очень сложна в реализации, уже сейчас наблюдаются подвижки в создании роботов, способных распознавать эмоции. То есть, задача не является невыполнимой. http://www.3dnews.ru/news/shest_pravil_idealnogo_robota/
Выложите пожалуста книгу Головко - Нейронные сети - обучение, организация и применение Формат: djvu или по возможности полный архив
долгое время обдумывал статью на этот вопрос, точнее ее сочинял. потом забил, а потом обнаружил похожую здесь...
HTML: http://forum.antichat.ru/thread90137.html я думаю, и эта статья тебя заинтересует из той же серии
Тест Тьюринга исследует только внешнее выражение человекоподобной разумности машины. За подробностями: http://ru.wikipedia.org/wiki/Китайская_комната http://www.membrana.ru/themes/robots_and_ai/ http://www.eternalmind.ru/index.php?option=com_content&task=category§ionid=1&id=136&Itemid=2
