Подходы к построению систем ИИ. Существуют различные подходы к построению систем ИИ – логический подход, структурный, эволюционный и имитационный

Существуют различные подходы к построению систем ИИ – логический подход, структурный, эволюционный и имитационный. Все они всегда существуют одновременно и параллельно развиваются. Поскольку по-настоящему полноценных систем искусственного интеллекта в настоящее время нет, то нельзя и утверждать, что какой-то подход является правильным, а какой-то – нет, чёткого разделения между подходами нет, и при составлении систем ИИ смешивают подходы.

Логический подход. Хоть человек занимается отнюдь не только логическими измышлениями, развитие этой области даст колоссальный шаг развитию ИИ в целом, ведь именно способность к логическому мышлению очень сильно отличает человека от животных.

Практически каждая система ИИ, построенная на логическом принципе, представляет собой машину доказательства теорем. При этом исходные данные хранятся в базе данных в виде аксиом. Каждая такая машина имеет блок генерации цели, и система вывода пытается доказать данную цель как теорему. Если цель доказана, то выполнение примененных правил позволяет получить цепочку действий, необходимых для реализации поставленной цели. Мощность такой системы определяется возможностями генератора целей и машины доказательства теорем. Можно утверждать, что выражений алгебры не хватит для полноценной реализации ИИ. Здесь хорошо помогает система нечёткой логики, о которой будет написано далее.

Структурный подход. Под ним подразумеваются попытки построения ИИ путём моделирования структуры человеческого мозга. Такие модели известны под общим названием «нейронные сети» (НС). Для таких моделей НС, характерна не слишком большая выразительность. Данные сети наиболее успешно применяются в задачах распознавания образов, в том числе сильно нечётких, т.е. как и человек, они поставленный вопрос могут отвечать не только «да» и «нет», но и «не знаю точно, но скорее нет», «не знаю точно, но скорее да».

Эволюционный подход. При построении систем ИИ по такому подходу, основное внимание уделяется построению начальной модели и правилам, по которым она может изменяться и расти. Модель может быть составлена по самым различным методам, это могут быть и НС, и набор логических правил и любая другая модель. После запуска ИИ, он, на основании проверки моделей, отбирает самые лучшие из них, из этих лучших генерируются новые модели, опять выбираются самые лучшие и т. д.

Эволюционных моделей, как таковых, не существует, есть только эволюционные алгоритмы обучения, но модели, полученные при эволюционном подходе, имеют некоторые характерные особенности, что позволяет выделить их в отдельный класс. Такими особенностями являются перенесение основного внимания разработчика с построения модели на алгоритм её модификации и то, что полученные модели практически не сопутствуют извлечению новых знаний о среде.

Имитационный подход. Данный подход классически используется в одном из базовых понятий кибернетики – «чёрном ящике». Чёрный ящик – это устройство, программный модуль, набор данных.

Объект, поведение которого имитируется, как раз и представляет собой такой «черный ящик». Не важно, что у него внутри и как он функционирует, главное, чтобы модель с чёрным ящиком в аналогичных ситуациях вела себя так же. Так моделируется другое свойство человека – способность копировать то, что делают другие, не вдаваясь в точные подробности. Зачастую эта способность экономит человеку массу времени, особенно в начале его жизни.