Вопрос 1: Основные направления исследований в области искусственного интеллекта

Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems)

Это направление связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем. В последнее время включает в себя модели и методы извлечения и структурирования знаний.

Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing)

Одной из популярных тем исследований в области ИИ является компьютерная лингвистика, и, в частности, машинный перевод (МП). Первые программы естественно-языковых (ЕЯ) интерфейсов оказались неэффективными, т.к. они основывались на пословном переводе. Более эффективным является перевод на основе морфологического анализа. В дальнейшем системы МП стали использовать более сложные модели:

• применение «языка-посредника» или языка смысла;
• ассоциативный поиск фрагментов текста и их переводов в специальных текстовых репозиториях или базах данных;
• структурный подход, включающий последовательность фаз анализа и синтез естественно-языковых сообщений:
  • Морфологический анализ
  • Синтаксический анализ
  • Семантический анализ
  • Прагматический анализ

Интеллектуальные роботы (robotics)

Создание электротехнических устройств, предназначенных для автоматизации человеческого труда.

• I поколение. Роботы с жёсткой схемой управления. Все промышленные программируемые манипуляторы.
• II поколение. Адаптивные роботы с сенсорными устройствами. Уникальные экземпляры, мало используемые в промышленности.
• III поколение. Самоорганизующиеся или интеллектуальные роботы. Конечная цель развития робототехники. Основные нерешённые проблемы – проблема машинного зрения и адекватного хранения и обработки трёхмерной визуальной информации.

Обучение и самообучение (machine learning)

Активно развивающаяся область ИИ. Включает модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний на основе анализа и обобщения данных. Включает обучение примерам (индуктивное), а также традиционные подходы из теории распознавания образов.

Распознавание образов (pattern recognition)

Является традиционной задачей ИИ, появившееся в начале его развития. Её основной подход – описание классов объектов через определённые значения значимых признаков. Каждому объекту ставится в соответствие матрица признаков, по которой происходит его распознавание. Это направление близко к машинному обучению и тесно связано с кибернетикой.

Программное обеспечение систем ИИ (software engineering for AI)

В рамках этого направления разрабатываются специальные языки для решения интеллектуальных задач, в которых традиционно упор делается на преобладание логической и символьной обработки над вычислительными процедурами. Такими языками являются – LISP, PROLOG, SMALLTALK, РЕФЕАЛ и др. Ещё одной деятельностью в этом направлении является разработка пакетов прикладных программ для промышленной разработки интеллектуальных систем, или программных инструментариев ИИ (KEE, ARTS, G2). Так же достаточно популярно создание пустых экспертных систем или «оболочек» - KAPPA, EXSYS, M1, ЭКО и др., базы знаний которых можно наполнять конкретными знаниями, создавая различные прикладные системы.

Новые архитектурны компьютеров (new hardware platforms and architectures)

Современные процессоры основаны на последовательной архитектуре фон Неймана, которая крайне неэффективна для символьной обработки. Поэтому усилия в данной сфере направлены на разработку аппаратных архитектур для обработки символьных и логических данных. Создаются Пролог- и Лисп-машины. Последние разработки посвящены компьютерам баз данных, параллельным и векторным компьютерам.

Машинное творчество

Включает в себя игровые интеллектуальные задачи – шахматы, шашки, го. Также охватывает сочинение компьютером музыки, стихов, сказов и афоризмов. Основным методом является метод пермутаций (перестановок) с использованием некоторых баз данных и результатов исследования по структурам текстов, рифм, сценариев и т.п.