Посмотрим по ситуации — как эта фраза работает с ИИ

В исследованиях по искусственному интеллекту ситуативный подход помогает создать машины, разработанные для эффективного поведения в своей среде обитания. Это требует создания ИИ по восходящему принципу за счет фокусировки на основных перцепционных и моторных навыках, необходимых для выживания. Ситуативный подход уделяет гораздо меньшее значение абстрактным доводам или навыкам решения проблем.

Изначально подход был предложен в качестве альтернативы традиционным аналогам (то есть тем подходам, что были популярны до 1985 года или около того). Спустя несколько десятилетий классические ИИ-технологии начали сталкиваться с трудноразрешимыми проблемами (к примеру, комбинаторным взрывом) при решении проблем, связанных с моделированием реального мира. Все подходы, связанные с этими вопросами, фокусировались на смоделированном интеллекте, размещенном во внешней среде. Позднее они стали известны под общим названием «Ситуативный подход в ИИ».

Появление концепции

От традиционного к инновационному ИИ

В конце 1980-х годов подход, известный сейчас как «Nouvelle AI» (в переводе с французского – «инновационный ИИ»), был предложен Родни Бруксом из Лаборатории по вопросам искусственного интеллекта при МТИ. В пику классическому или традиционному искусственному интеллекту, инновационный ИИ преднамеренно не ставил перед собой стандартной цели по имитации человеческих возможностей, а больше старался создать системы с уровнем интеллекта насекомых, которые были бы ближе к реальным роботам. Но, в конце концов, по меньшей мере, в рамках МТИ новый ИИ привел к попытке создания человекоподобного ИИ в рамках проекта «Cog».

От инновационного к основанному на поведении и ситуативному ИИ

Смещение концепции, спровоцированное инновационным ИИ, привело к расцвету робототехники и появлению основанного на поведении искусственного интеллекта (ОПИИ) – методологии разработки ИИ, основанной на модульном анализе интеллекта. Известной ее сделал Родни Брукс: его классификационная архитектура стала одной из первых попыток описать механизм разработки ОПИИ. Она была крайне популярна в робототехнике и менее распространена в создании интеллектуальных агентов, так как позволяет успешно создавать динамические системы в реальном времени, способные работать в сложных условиях. К примеру, это лежит в основе интеллекта от «Sony», «Aibo» и многих команд роботов для «Robocup».

После осознания того, что, фактически, все эти подходы нацелены, скорее, на создание не абстрактного интеллекта, а интеллекта, приспособленного к определенной среде, подход получил известность в качестве ситуативного. По факту, этот подход возник от ранних предположений Алана Тьюринга, описывавшего потребность в создании машин, оборудованных органами чувств для непосредственного изучения реального мира вместо фокусировки на абстрактных действиях типа игры в шахматы.

Определения

Обычно программным обеспечением называют условный элемент, способный воздействовать на себя и на свое окружение, и имеющий внутреннее представление о себе и внешнем мире. Объект может поддерживать вязь с другими объектами, а его поведение является следствием его восприятия, представлений и взаимодействий с другими объектами.

ИИ-петля

Моделирование объектов в виртуальной среде требует моделирования всего процесса, который начинается с восприятия среды, или, проще говоря, стимула, и заканчивается воздействием на среду. Этот процесс называется ИИ-петля, а технология, используемая для ее моделирования, может подразделяться на две категории. Чувственно-моторный или низкоуровневый ИИ имеет дело либо с проблемой восприятия (что воспринимается?) или с проблемой жизнедеятельности (как осуществляются действия?). Решающий или высокоуровневый ИИ имеет дело с проблемой выбора действия (какое действие является самым подходящим в ответ на данное восприятие, т. е. какое поведение является самым приемлемым?).

Стандартный или символьный ИИ

Существует два главных подхода к решающему ИИ. Подавляющее большинство доступных на рынке технологий типа алгоритмов автоматического планирования, конечных автоматов или экспертных систем основано на стандартном или символьном ИИ. Его главные характеристики:
• Он — нисходящий: при помощи рекурсивного метода он разделяет задачу на ряд подзадач, которые, предположительно, проще решить.
• Он основан на знаниях: он опирается на символьное описание мира, например, свод правил.
Однако, известны ограничения стандартного ИИ, целью которого является создание систем, имитирующих человеческий интеллект: в конце концов, комбинаторный взрыв числа правил неизбежен из-за сложности среды. Фактически, невозможно предугадать все ситуации, с которыми столкнется самостоятельный организм.

Ситуативный или поведенческий ИИ

Для решения этих вопросов был предложен еще один подход к решающему ИИ – ситуативный или поведенческий ИИ. Он не пытается моделировать системы, занятые процессами дедуктивных размышлений, но чаще создает системы, которые ведут себя реалистично в собственной среде. Вот главные характеристики этого подхода:
• Он – восходящий: он основан на простейших реакциях, которые могут сочетаться для воплощения более сложного поведения
• Он основан на поведении: он опирается больше не на символьное описание среды, а на модель взаимодействия живых существ с окружением.
Целью ситуативного ИИ является моделирование объектов, являющихся самостоятельными в своей среде. Это достигается как за счет присущей управляющей архитектуре устойчивости, так и за счет способностей к адаптации к непредусмотренным ситуациям.

Ситуативные агенты

В науках об искусственном интеллекте и когнитивистике термин «ситуативный» обозначает агента, помещенного в среду. Термин часто используют по отношению к роботам, но некоторые исследователи утверждают, что программные агенты могут также быть ситуативными, если:
• Они существуют в динамической (быстро меняющейся) среде, с которой
• Они могут взаимодействовать или менять ее посредством своих действий, и которую
• Они могут чувствовать или воспринимать
Примерами могут быть агенты, работающие в Сети, которые могут менять данные или запускать процессы (типа покупок) через Интернет, или боты из виртуальной реальности, которые населяют и меняют виртуальные миры, как, например, «Second Life».

Ситуативный агент, как правило, рассматривается как часть воплощенного бытия, но более практичным будет рассматривать каждую перспективу отдельно. Ситуативная перспектива подчеркивает то, что разумное поведение является производным от среды и взаимодействия агента с ней. Природа этих взаимодействий ограничивается воплощением агента.

Принципы разработки

Модульный анализ

Самым важным свойством системы, управляемой ситуативным ИИ, является то, что интеллект управляется набором независимых полуавтономных модулей. В оригинальных системах каждый модуль, фактически, был отдельным устройством, или, как минимум, процессом в собственном потоке обработки. Тем не менее, в большинстве случаев модули являются лишь абстракции. В этом отношении ситуативный ИИ может рассматриваться как подход для программирования и ИИ, хотя возможно некоторое сходство с объектно-ориентированным проектированием.

Ситуативный ИИ часто связан с реактивным планированием, но эти два понятия не являются синонимами. Брукс отстаивает концепцию крайнего когнитивного минимализма, которая изначально требовала, чтобы поведенческие модули являлись конечными автоматами, а значит – не содержали памяти или возможностей обучения в традиционном понимании. Это связано с реактивным ИИ, так как он требует реакции на текущее состояние мира, а не памяти агента или предрассудков об этом мире. Однако обучение является очевидным решением для реалистичного ИОИ, таким образом, это ограничение было преодолено, хоть и не полностью.

Механизм выбора действия

Сообщество, посвященное ситуативному ИИ, представило несколько решений по имитации процессов принятия решений, также известных как механизмы выбора действия. Первая попытка решения этой проблемы берет начало из классификационной архитектуры, которая, фактически, является методом разработки, чем алгоритмом. Однако эта попытка проложила путь нескольким другим, в частности – свободной иерархии и активной схеме. Сравнение структуры и характеристик этих двух механизмов показали преимущество свободной иерархии при решении проблем выбора действия. Однако моторные схемы и языки описания процессов являются еще двумя новыми подходами, успешно применяемыми для автономных роботов.

Поделиться:
Нет комментариев

Добавить комментарий

Ваш e-mail не будет опубликован. Все поля обязательны для заполнения.

×
Рекомендуем посмотреть