Искусственный интеллект как напарник естественного

Введение

Искусственный интеллект (ИИ) сегодня используется во многих приложениях. Практически все они могут быть не такими быстрыми, как хотелось бы, но развиваются стабильно и непрерывно. В последние годы современные ИТ-технологии сделали огромный шаг вперед, в основном благодаря увеличению производительности массовых процессоров и быстрой девальвации памяти (как операционной, так и «жесткой»). Это привело к появлению приложений, которые воплощают серьезные теоретические разработки в области ИИ.
Актуальность темы исследования, обусловлено в применении искусственного интеллекта для оптимизации функционирования предприятий массового обслуживания. В настоящее время автоматизации подвергается все больше аспектов жизни окружающей нас. 
Объектом исследования является искусственный интеллект и можно ли сравнить его с естественным интеллектом.
Предметом исследование является  искусственный интеллект как напарник естественного.
Целью реферата –­ на основе искусственного интеллекта выявить создание технических систем, способных решать задачи невычислительного характера и выполнять действия, требующие переработки содержательной информации и считающиеся прерогативой человеческого мозга.
Для достижения заданной цели потребовалось решить следующие задачи:
– рассмотреть исторический обзор развития искусственного интеллекта;
– рассмотреть системы искусственного интеллекта;
– проанализировать искусственный интеллект как напарник естественного.
1. Исторический обзор развития искусственного интеллекта

Исторически сложилось три основных направления в моделировании искусственного интеллекта.
Первый подход исследует структуру и механизмы человеческого мозга, а конечная цель - раскрыть секреты мысли. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, разработка новых гипотез о механизмах интеллектуальной деятельности, совершенствование моделей и т. д.
Второй подход рассматривает искусственный интеллект как объект исследования. Мы говорим о моделировании интеллектуальной деятельности с помощью компьютеров. Целью работы в этом направлении является создание алгоритмов и программного обеспечения компьютеров, которые позволяют решать как интеллектуальные проблемы, так и человека.
Наконец, третий подход фокусируется на создании смешанных человеко-машинных систем или, как говорится, интерактивных интеллектуальных систем, симбиоза естественного и искусственного интеллекта. Наиболее важной проблемой в этих исследованиях является оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной [2, с. 115].
Первыми интеллектуальными задачами, которые решались с помощью ЭВМ, были логические игры (шашки, шахматы). Хотя, правда здесь надо отметить еще кибернетические игрушки типа «электронной мыши» Клода Шеннона, которая управлялась сложной релейной схемой. Эта мышь может «исследовать» лабиринт и найти выход. И, кроме того, в уже известном лабиринте она не искала выхода, но сразу же, не заглядывая в тупики, покинула лабиринт.
Американский кибернетик А. Самуэль составил программу для компьютера, с помощью которой она может играть в шашки. Во время игры машина обучается или, по крайней мере, создает впечатление, что она научилась, улучшая свою игру на основе полученного опыта. В 1962 году эта программа боролась против Р. Нили, самого сильного шашиста в США, и победила.
По словам А. Самуэля, машина, использующая этот тип обучения, может научиться играть лучше за относительно короткое время, чем средний игрок [2, с. 68].
Можно сказать, что все эти элементы интеллекта, демонстрируемые машиной во время игры в шашки, переданы автором программы. Это отчасти так. Однако не стоит забывать, что эта программа не «сложная» и продумана до мелочей. Она разрабатывает свою стратегию для игры в процессе самообучения. И хотя процесс «мышления» в машине существенно отличается от того, что происходит в мозгу, играющего в шашки человека, она способна у него выиграть.
Американский физиолог Ф. Розенблатт предложил в 1957 году модель зрительного восприятия и распознавания - персептрон. Появление машины, способной изучать понятия и распознавать объекты, оказалось чрезвычайно интересным как для физиологов, так и для других специалистов в области знаний, и породило множество теоретических и экспериментальных исследований.
Перцептрон или любая программа, которая имитирует процесс распознавания, работает в двух режимах: режим обучения и режим распознавания

. В режиме обучения кто-то (человек, машина, робот или природа), который играет роль учителя, представляет машине объекты и сообщает каждому из них, к какому термину (классу) он принадлежит. На основе этих данных строится решающее правило, которое по сути является формальным описанием терминов. В режиме распознавания новые объекты отображаются на машине (как правило, отличаются от ранее представленных) и, если возможно, должны быть должным образом классифицированы, по возможности, правильно.
2. Системы искусственного интеллекта

Термин интеллект (intelligence) происходит от латинского intellectus - означает ум, рассудок, разум; умственные способности человека [3, с. 10].
Соответственно, искусственный интеллект (ИИ) обычно интерпретируется, как свойство автоматизированных систем брать на себя отдельные функции человеческого интеллекта, например, выбирать оптимальные решения на основе прошлого опыта и рационального анализа внешних воздействий [7, с. 47]. Словари содержат следующие ИИ. Искусственный интеллект - это способность процесса приложения распознавать свойства, связанные с рациональным поведением человека.
Искусственный интеллект - это отрасль информатики, которая занимается имитацией мышления человека с помощью компьютера.
Этот класс пакетов включает в себя: информационные системы, которые поддерживают диалог на естественном языке (интерфейс на естественном языке); экспертные системы, позволяющие давать рекомендации пользователю в разных ситуациях; интеллектуальные пакеты прикладных программ, позволяющие решать прикладные задачи без программирования.
С момента своего появления интерфейс на естественном языке стал наиболее привлекательным для общения с ЭВМ. Это исключило бы необходимость для конечного пользователя изучать язык команд или другие методы формулирования своих задач для решения на компьютере, поскольку естественный язык является наиболее подходящим средством общения для людей. Поэтому работа по созданию такого рода интерфейса началась в середине 20-го века. Однако, несмотря на весь энтузиазм исследователей и дизайнеров, эта задача до сих пор не решена из-за огромных трудностей, связанных с пониманием предложений естественного языка и связанного текста в целом. Некоторые программные продукты, выпущенные на рынок, были более экспериментальными, имели много ограничений и не решали проблему радикально. Однако, несмотря на очевидную стагнацию в этой области, эта проблема по-прежнему актуальна сегодня и стала частью проблемы, связанной с компьютерным проектом пятого поколения [6, с. 257].
Экспертные системы появились первыми в области медицины. Идея заключалась в том, чтобы объединить знания медицинских экспертов или их отдельных отделов в электронную форму, которая позволила бы неопытному врачу иметь своего рода электронный советник при принятии решения по конкретному медицинскому случаю. Выбор области медицины слишком велик из-за ошибок, связанных с жизнью и здоровьем людей. Из области медицины эта технология постепенно распространилась на другие области человеческой деятельности, такие как производство.
Технология использования экспертных систем требует первоначального «обучения» системы, т.е. заполните его конкретными знаниями из конкретной проблемной области, а затем использовать заполненную знаниями экспертную систему для решения прикладных задач. Эта идеология проявилась в компьютерном проекте пятого поколения с точки зрения вовлечения конечных пользователей в решение их проблем и связана с проблемой автоматической нормализации знаний. Интеллектуальные пакеты прикладных программ, аналогичные экспертным системам, позволяют предварительно создать базу знаний, включая знания из определенной области человеческой деятельности, а затем решить практические проблемы, влияющие на эти знания.
Разница между этими типами пакетов заключается в том, что экспертные системы, в отличие от интеллектуальных запросов предложений, позволяют интегрировать знания из так называемых слабо формализованных предметных областей, где сложно определить входные и выходные параметры проблемы, а также невозможно сформировать четкий алгоритм их решения. Кроме того, экспертные системы не предоставляют алгоритм для решения проблемы, как в интеллектуальном ППП, а просто дают пользователю «советы» на основе его запроса [8, с