Планы. Чтобы понять большинство событий, важно знать мотивы и на-
мерения участвующих людей. Для этого нужно знать виды их характеров.
Цели. Цели - это довольно специализированные планы, в которых пре-
следуется определенный результат или исход. Планы могут включать воп-
росы о причине выбора конкретной цели, о том, с чем она может конфлик-
товать, и о том, при каких обстоятельствах от нее придется отказаться.
Над целями доминируют структуры более высокого порядка, которые на-
зываются темы.
Темы. Умозаключения, основанные на темах, направлены на выяснение
вопросов:
Какие цели вероятнее всего преследует данное действующее
лицо?
Какие темы вероятнее всего сосуществуют с данной?
Существуют ли противоречия в темах?
Сколько из обнаруженных противоречий можно разрешить?
Откуда происходит данная тема?
Взято из: Schank (1981).
Вначале Шенк и его коллеги стремились только к программе, которая
бы читала, понимала и могла отвечать на несколько вопросов о простом
сюжете - в общем, умела бы то, что умеет делать маленький ребенок. Но
то, что начиналось как элементарный поиск, вылилось в огромный слож-
ный лабиринт взаимосвязанных систем, анализ функциональных свойств
языка, теорию памяти, рассмотрение структуры знания и философское
высказывание о природе мысли. В своей статье, посвященной ИИ. мышле-
нию и самопониманию, Шенк заключает:
"Искусственный интеллект является частью общего стремления
понять мышление. Мы считаем, что он вносит важный вклад в
эти усилия и что они и есть цель нашей науки. Программы,
которые мы пишем,- это эксперимент, а не результат. Наш
интерес - это интеллект, а не артефакт. По мере нашего прогресса
полученные результаты откроют путь ав-томатическим
партнерам, которые, возможно, станут необходимой частью
повседневной жизни. Однако это не будет нашим настоящим
Иначе - стереотипы, штампы поведения.- Прим. ред.
Мышление и интеллект - естественный и искусственный
526
результатом. Настоящим результатом будет новое понимание
нас самих, понимание, которое в конечном счете гораздо более
ценно, чем любая, программа" (Schank, 1985, р.155).
Важность этой работы в том, что она способствует созданию специфи-
кации правил языковой структуры так, чтобы их можно было искусствен-
но смоделировать с высокой степенью верности. Если система ИИ терпит
неудачу, значит мы не смогли понять свойства языка.
Решение задач и искусственный интеллект
Литература по решению задач в рамках ИИ возможно более обширна, чем
по любому другому психологическому процессу. Одна из причин, почему
многие специалисты по ИИ интересуются решением задач, состоит в том,
что этот термин, грубо говоря, синонимичен мышлению, которое в его
сложном виде является исключительно человеческим атрибутом. Этот факт,
а также то, что машины с ИИ вообще способны выполнять процедуры
решения задач, привело к широкому развитию методов и теории в этой
области.
Вычисления были одним из первых примеров использования машин
для решения задач. В 1642 году Паскаль (тогда ему было 19) продемонст-
рировал, что при помощи изобретенного им механического вычислители
некоторые математические задачи можно решать точнее и быстрее, чем
люди делают вручную. В контексте современного ИИ решение заоач очн;!-
чает гораздо больше, чем математические вычисления; оно охватывает
широкий диапазон от решения сложных головоломок до доказатгльстия
теорем, заучивания успешных операций и различных игр.
В основе многих работ в сфере ИИ лежит важное различение между
двумя методами решения задач. Один метод называется алгоритмическим,
а другой - эвристическим. Алгоритмы обычно определяются как проце-
дуры, гарантирующие решение задач данного типа; эвристика есть набор
эмпирических правил или стратегий, которые в итоге действуют подобно
правилу большого пальца. Различие между этими методами можно проил-
люстрировать на примере шахматной задачи. Шахматы для компьюте-
ра - это игра, в которой во всякий данный момент существует ограничен-
ное количество ходов для каждого игрока. И на каждый из возможных
ходов противник может ответить также ограниченным набором ходов. Для
практических целей количество этих перестановок конечно - т.е. игра
должна закончиться выигрышем (поражением) или вничью. На Рис. 15.12
показана часть еще более разветвленного дерева ходов, возможных в шах-
матной партии. Конечно, нельзя изобразить возможные ходы для всей
партии, ибо такая диаграмма содержит около 1020 различных путей. Что-
бы представить себе это огромное число возможных ходов в шахматной
игре, вообразите пространство, необходимое для отображения всех этих
перестановок. Если все возможные пути закодировать в виде мельчайших
точек, они бы многократно заполнили все библиотеки мира! Тем не менее,
алгоритмический поиск, при котором исследуются все варианты, неизбеж-
но привел бы к ряду вариантов игры с выигрышем, проигрышем или ничь-
ей. Не только люди, но даже и самые сложные компьютеры из всех, кото-
рые только можно вообразить, неспособны воспользоваться этим мето-
Искусственный интеллект
527
дом. Вместо него и люди, и компьютеры используют эвристические мето-
ды поиска, при которых становится важной стратегия игры - например,
атака на ферзя, контроль за центром доски, блокирование главных фигур
противника, обмен с получением преимущества в позиции или фигурах и
т.д. К обсуждению алгоритмического и эвристического поиска мы вернем-
ся при рассмотрении универсального решателя задач, но сначала пого-
ворим еще о компьютерных шахматах.
Компьютер- Выше мы описывали, как при помощи оптимального сканера, работающе-
ные шахма- г(э с компьютером, можно было бы разобрать смысл простого паттерна
гы методом сравнения матриц (с. 506). Обсуждая анализ паттернов, мы выяс-
нили, что паттерны сложны и что модель распознавания паттернов чело-
веком, основанная только на сопоставлении матриц, не способна имитиро-
вать разнообразие, сложность и экономичность, характерные для челове-
ческой способности к распознаванию паттернов при кратком предъявле-
нии.
Если бы для распознавания каждого из разнообразных паттернов, встре-
чающихся в повседневной жизни, нужно было иметь по отдельной матри-
це. они переполнили бы емкость хранения даже самого большого компью-
тера. Но давайте выберем для сопоставления матриц умеренно простой
паттерн - что-нибудь среднее между опознанием вашей бабушки и счи-
тыванием стоимости фунта масла (код напечатан на упаковке). В шахма-
тах мы имеем как раз такие паттерны: простая сетка 8х8 попеременно
окрашенных клеток; ходы четко определяются (например, ладья может
ходить на любое количество клеток по вертикали или горизонтали при
условии, что на ее пути нет других фигур, пешка может ходить на одно
тле вперед, за исключением... и т.д.); ходы можно выбирать путем грубо-
го поиска, а количество перестановок конечно, хотя и огромно. При усло-
вии очень большого объема хранения и такого же запаса времени можно
для каждого хода определить вероятность, с которой он приближает вы-
Рис.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185