Искусственный интеллект

     Введение 

     С конца 40-х годов XX века ученые все большего  числа  университетских  и промышленных  исследовательских лабораторий устремились к дерзкой цели: построение компьютеров,  действующих таким образом, что по результатам работы их невозможно было бы отличить от человеческого разума.

     Термин "искусственный интеллект" (ИИ) был введен Дж. Маккарти в 1956 г. Сам термин "искусственный интеллект" имеет два основных значения: во-первых, под искусственным интеллектом понимается теория создания программных и аппаратных средств, способных осуществлять интеллектуальную деятельность, сопоставимую с интеллектуальной деятельностью человека; во-вторых, сами такие программные аппаратные средства, а также выполняемая с их помощью деятельность.

     Терпеливо продвигаясь вперед в своем нелегком труде, исследователи,  работающие в области искусственного интеллекта, обнаружили, что вступили в схватку с весьма запутанными проблемами, далеко выходящими за пределы традиционной информатики. Оказалось, что прежде всего необходимо  понять механизмы процесса обучения,  природу языка и чувственного восприятия.  Выяснилось,  что для создания машин, имитирующих работу человеческого мозга, требуется разобраться в том, как действуют миллиарды его взаимосвязанных нейронов.  И тогда многие  исследователи пришли  к  выводу,  что пожалуй самая трудная проблема,  стоящая перед современной наукой – познание процессов функционирования человеческого разума,  а не просто имитация его работы. Что непосредственно затрагивало фундаментальные теоретические проблемы психологической  науки.  В самом  деле,  ученым  трудно даже прийти к единой точке зрения относительно самого предмета их исследований – интеллекта.  Здесь,  как  в притче о слепцах,  пытавшихся описывать слона, пытается придерживаться своего заветного определения.

     Некоторые считают, что интеллект – умение решать сложные задачи; другие рассматривают его как способность к обучению,  обобщению и аналогиям;  третьи – как возможность взаимодействия с внешним миром путем общения, восприятия и осознания воспринятого. Тем не менее многие исследователи ИИ склонны принять тест машинного интеллекта,  предложенный в начале 50-х годов выдающимся английским математиком  и  специалистом по  вычислительной  технике Аланом Тьюрингом. Компьютер можно считать разумным, - утверждал Тьюринг, – если он способен  заставить  нас  поверить, что мы имеем дело не с машиной, а с человеком [19, с. 146].

     В настоящее время, время всеобщей компьютеризации, во всем мире неуклонно происходит увеличение доли людей, работающих в информационной сфере в сравнении с производственной. Так например, в США сто лет назад в информационной сфере было занято 5% работающих и в производственной – 95%, а на сегодняшний день это соотношение приближается к 50 на 50, причем подобное перераспределение людей продолжается. Автоматизация и компьютеризация информационной сферы, в общем отстает от автоматизации производственной сферы. Теперь для человека уже недостаточно того, что ЭВМ быстро и точно решает самые сложные расчетные задачи, сегодня человеку становится необходимой помощь ЭВМ для быстрой интерпретации, семантического анализа огромного объема информации. Эти задачи мог бы решить так называемый "искусственный интеллект". Вопрос о создании искусственного интеллекта возник почти одновременно с началом компьютерной революции. Но на пути его создания встает много вопросов: принципиальная возможность создания искусственного интеллекта на основе компьютерных систем; будет ли искусственный интеллект электронных  вычислительных машин (ЭВМ), если его удастся создать, подобен человеческому по форме восприятия и осмысления реального мира или это будет интеллект совершенно иного качества; возможность представления знаний в компьютерных системах и много других. Многие проблемы не решены, и среди этих проблем не последнее место принадлежит проблемам, которые могла бы помочь разрешить философия. Некоторые из них мы рассмотрим в этой работе.

     Объектом  курсовой работы является искусственный  интеллект.

     Предметом – интеллектуальные компьютерные системы.

     Цель  курсовой работы – изучение и анализ искусственного интеллекта и интеллектуальных компьютерных систем.

     Задачи  курсовой работы:

     – охарактеризовать понятие искусственного интеллекта, рассмотреть вопросы его создания;

     – проследить развитие работ в области искусственного интеллекта;

     – сравнить искусственный и естественный интеллект;

     – рассмотреть подходы к построению систем искусственного интеллекта;

     – изучить знания и модели их представления.

     В процессе работы использовались следующие методы исследования: исторический, аналитический, структурный анализ.

     Основой для написания курсовой работы по созданию и развитию искусственного интеллекта, интеллектуальных компьютерных систем послужили следующие источники: Алексеевой И.Ю. [1-4], Бойко Д.Н. [22],                     Ботвинник М.М. [6], Девяткова В. В. [9], Древаль А.В. [10],Осипова Г. [12], Петрунина Ю.Ю. [14], Поспелова Д.А [15], Шалютина С.М. [21],                Шрейдера Ю.А. [22], Эндрю А. [24] и др.

     В структуру курсовой работы входят введение, две главы, заключение, список использованных источников, в которых подробно рассмотрен комплекс вопросов, посвященных созданию и развитию искусственного интеллекта, а также рассмотрены системы искусственного интеллекта. 
 
 
 
 
 
 
 

     1 Создание и развитие искусственного интеллекта 

     1. 1 Искусственный интеллект. Вопросы создания. 

     Основная трудность искусственного интеллекта заключается в том, что до сих пор не существует однозначного и общепринятого определения и понимания интеллекта естественного. Поэтому большинство исследователей искусственного интеллекта вынуждены пользоваться паллиативом. На практике под искусственным интеллектом подразумевается набор программных и аппаратных средств, использование которых должно было бы приводить к тем же результатам, к которым при решении данного класса задач приходит интеллектуальная деятельность человека. Это по существу итоговая концепция искусственного интеллекта [17, с. 112].

     Другой распространенный паллиатив определяет искусственный интеллект как полную или приближенную имитацию интеллектуальной деятельности человека, поскольку же человеческий интеллект до сих пор остается величайшей философской загадкой. Поэтому при решении практических задач чаще пользуются заданием их списка и принимают утверждение, что данная система является системой искусственного интеллекта, если она в состоянии решать данные задачи [15, с. 89].

     По существу, центральная проблема искусственного интеллекта заключается в следующем. Если мы обладаем четкими, знаниями о решении определенного класса задач, то на основе таких знаний могут быть получены четкие алгоритмы или эвристические правила.

     Используя их, можно сконструировать программы, реализация которых современными аппаратными средствами способна дать решение данных задач. Однако человек довольно часто решает задачи, не зная того, как именно он сам это делает, иными словами, люди фактически не обладают полным и исчерпывающим самопознанием. Это касается не только чисто интеллектуальной сферы абстрактного, логического мышления, но и сферы эмоциональной физиологической. Мы видим, пользуемся зрительными образами, слышим, оперируем звуковыми образами и т.д., не зная, как именно возникают образы и каковы в точности закономерности их функционирования в нашем сознании. Мы часто ставим задачи, высказываем догадки, принимаем неожиданные, в том числе принципиально новые, творческие, решения, не зная, как мы это делаем, не умея в точности представить алгоритм такой деятельности. Из этого следует, что мы не всегда можем регулятивизировать процессы, процедуры и операции, лежащие в ее основе, а следовательно, не можем поручить компьютеру выполнение соответствующих имитирующих или дублирующих действий. Здесь как будто бы берет реванш знаменитый "тезис Лавлейс", согласно которому машина никогда не сможет делать того, что ей не поручает человек, чего он сам не умеет делать. В действительности же сам человек умеет делать гораздо больше, чем знает, как делать. Эти рассуждения служат основанием для компьютерного агностицизма. Его подкрепляют также определенные философские соображения, основывающиеся на ограниченной познаваемости мира вообще и субъективно-духовного мира человека в особенности [18, с. 35].

     В то же время уже сейчас существуют гигантские базы знаний и мощные, например, экспертные системы, содержащие тысячи правил и способные решить некоторые задачи лучше, чем писавшие для них программы программисты или специалисты соответствующего профиля. На сегодняшний день имеются интеллектуальные компьютерные системы, читающие газетные тексты любым голосом, и притом в режиме реального времени, и выполняющие переводы по крайней мере технической литературы. Эти и другие факты лежат в основе компьютерной эйфории, утверждающей, что трудности на пути создания искусственного интеллекта, превосходящего по мощи и творческим возможностям человеческий интеллект, носят временный характер и связаны лишь с техническими проблемами, принципиально устранимыми в обозримом будущем. И компьютерный агностицизм, и компьютерная эйфория имеют философские корни. И поэтому речь должна идти о выяснении принципиальной, а не технической стороне дела. С философской же точки зрения она заключается в исследовании того, является ли мышление исключительной прерогативой человека, точнее, человеческого мозга, или же такая деятельность не связана с ним однозначно и навеки и может осуществляться нечеловеческими, в том числе техническими, аппаратными системами. Если принять первую альтернативу, то следует далее ответить на вопрос, обладает ли человеческий мозг какими-то специфическими механизмами, уникальными, невоспроизводимыми с помощью других систем и в дополнение ко всему непознаваемыми, вследствие чего относительно сугубо гуманоидной природы мышления не могут быть получены адекватные знания, а стало быть, невозможна и их регуляризация, если на этот вопрос может быть получен доказательный отрицательный ответ, то это еще тоже не означает признания прямой практической возможности создания искусственного интеллекта, так как может, например оказаться, что его создание упирается в техническую неосуществимость тех или иных интеллектуальных процедур. Но все же такой ответ дал бы принципиальное основание если не для эйфории, то по крайней мере для ограниченного компьютерного оптимизма [15, с. 35].

     Спор между компьютерными пессимистами и оптимистами подразумевает две противоположные философские гипотезы, первая исходит из абсолютной уникальности "человеческой телесности", неповторимости человеческой индивидуальности. Поэтому создание искусственного интеллекта, подобного интеллекту человека, объявляется невозможным. Вторая гипотеза, напротив, принимает тезис о принципиальной идентичности элементарных операций человеческого и машинного мышления, познавательные процессы, чувственные образы, установки и ценности могут быть более или менее адекватно реализованы и смоделированы на дискретных электронных вычислительных системах. Основу второй гипотезы составляет хорошо разработанная теория вычислительных функций, ориентированная на конструктивно-аппаратную реализуемость. Интересную мысль, по поводу отношения к искусственному интеллекту, высказал А. Эндрю: "Нельзя уйти от того факта, что вычислительная машина действительно является послушным исполнителем программы. Но когда ЭВМ и программа становятся достаточно сложными, поведение машины может оказаться практически непредсказуемым (хотя оно и предсказуемо в принципе). Поэтому не лишено смысла рассматривать машину, как устройство, принципиально способное к "новаторству'' [24, с. 201]. 

     1. 2 Развитие работ в области искусственного интеллекта 

     Исторически сложились три основных направления в моделировании искусственного интеллекта.

     В рамках первого подхода объектом исследований являются структура и механизмы работы мозга человека, а конечная цель заключается в раскрытии тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование моделей и т. д.

     Второй подход в качестве объекта исследования рассматривает искусственный интеллект. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Целью работ в этом направлении является создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека.

     Наконец, третий подход ориентирован на создание смешанных человеко-машинных, или, как еще говорят, интерактивных интеллектуальных систем, на симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях является оптимальное распределение функций между естественным и искусственным интеллектом и организация диалога между человеком и машиной. Самыми первыми интеллектуальными задачами, которые стали решаться при помощи ЭВМ были логические игры (шашки, шахматы), доказательство теорем. Хотя, правда здесь надо отметить еще кибернетические игрушки типа "электронной мыши" Клода Шеннона, которая управлялась сложной релейной схемой. Эта мышка могла "исследовать" лабиринт, и находить выход из него. А кроме того, помещенная в уже известный ей лабиринт, она не искала выход, а сразу же, не заглядывая в тупиковые ходы, выходила из лабиринта [12, с. 20].

     Американский кибернетик А. Самуэль составил для вычислительной машины программу, которая позволяет ей играть в шашки, причем в ходе игры машина обучается или, по крайней мере, создает впечатление, что обучается, улучшая свою игру на основе накопленного опыта. В 1962 г. эта программа сразилась с Р. Нили, сильнейшим шашистом в США и победила.

     Каким образом машине удалось достичь столь высокого класса игры? Естественно, что в машину были программно заложены правила игры так, что выбор очередного хода был подчинен этим правилам. На каждой стадии игры машина выбирала очередной ход из множества возможных ходов согласно некоторому критерию качества игры. В шашках (как и в шахматах) обычно невыгодно терять свои фигуры, и, напротив, выгодно брать фигуры противника. Игрок (будь он человек или машина), который сохраняет подвижность своих фигур и право выбора ходов и в то же время держит под боем большое число полей на доске, обычно играет лучше своего противника, не придающего значения этим элементам игры. Описанные критерии хорошей игры сохраняют свою силу на протяжении всей игры, но есть и другие критерии, которые относятся к отдельным ее стадиям – дебюту, миттэндшпилю, эндшпилю. Разумно сочетая такие критерии (например, в виде линейной комбинации с экспериментально подбираемыми коэффициентами или более сложным образом), можно для оценки очередного хода машины получить некоторый числовой показатель эффективности – оценочную функцию. Тогда машина, сравнив между собой показатели эффективности очередных ходов, выберет ход, соответствующий наибольшему показателю. Подобная автоматизация выбора очередного хода не обязательно обеспечивает оптимальный выбор, но все же это какой-то выбор, и на его основе машина может продолжать игру, совершенствуя свою стратегию (образ действия) в процессе обучения на прошлом опыте. Формально обучение состоит в подстройке параметров (коэффициентов) оценочной функции на основе анализа проведенных ходов и игр с учетом их исхода.

     По мнению А. Самуэля, машина, использующая этот вид обучения, может научиться играть лучше, чем средний игрок, за относительно короткий период времени. Можно сказать, что все эти элементы интеллекта, продемонстрированные машиной в процессе игры в шашки, сообщены ей автором программы. Отчасти это так. Но не следует забывать, что программа эта не является "жесткой", заранее продуманной во всех деталях. Она совершенствует свою стратегию игры в процессе самообучения. И хотя процесс "мышления" у машины существенно отличен оттого, что происходит в мозгу играющего в шашки человека, она способна у него выиграть.

     Ярким примером сложной интеллектуальной игры до недавнего времени являлись шахматы. В 1974 г. состоялся международный шахматный турнир машин, снабженных соответствующими программами. Как известно, победу на этом турнире одержала советская машина с шахматной программой "Каисса" [8, с. 23].

     Почему здесь употреблено "до недавнего времени"? Дело в том, что недавние события показали, что, несмотря на довольно большую сложность шахмат, и невозможность, в связи с этим произвести полный перебор ходов, возможность перебора их на большую глубину, чем обычно, очень увеличивает шансы на победу. К примеру, по сообщениям в печати, компьютер фирмы IBM, победивший Каспарова, имел 256 процессоров, каждый из которых имел 4 Гб дисковой памяти и 128 Мб оперативной. Весь этот комплекс мог просчитывать более 100'000'000 ходов в секунду. До недавнего времени редкостью был компьютер, могущий делать такое количество целочисленных операций в секунду, а здесь мы говорим о ходах, которые должны быть сгенерированы и для которых просчитаны оценочные функции. Хотя с другой стороны, этот пример говорит о могуществе и универсальности переборных алгоритмов.

     В настоящее время существуют и успешно применяются программы, позволяющие машинам играть в деловые или военные игры, имеющие большое прикладное значение. Здесь также чрезвычайно важно придать программам присущие человеку способность к обучению и адаптации. Одной из наиболее интересных интеллектуальных задач, также имеющей огромное прикладное значение, является задача обучения распознавания образов и ситуаций. Решением ее занимались и продолжают заниматься представители различных наук – физиологи, психологи, математики, инженеры. Такой интерес к задаче стимулировался фантастическими перспективами широкого практического использования результатов теоретических исследований: читающие автоматы, системы искусственного интеллекта, ставящие медицинские диагнозы, проводящие криминалистическую экспертизу и т. п., а также роботы, способные распознавать и анализировать сложные сенсорные ситуации [1, с. 42].

     В 1957 г. американский физиолог Ф. Розенблатт предложил модель зрительного восприятия и распознавания – перцептрон. Появление машины, способной обучаться понятиям и распознавать предъявляемые объекты, оказалось чрезвычайно интересным не только физиологам, но и представителям других областей знания и породило большой поток теоретических и экспериментальных исследований.

     Перцептрон или любая программа, имитирующая процесс распознавания, работают в двух режимах: в режиме обучения и в режиме распознавания. В режиме обучения некто (человек, машина, робот или природа), играющий роль учителя, предъявляет машине объекты и о каждом их них сообщает, к какому понятию (классу) он принадлежит. По этим данным строится решающее правило, являющееся, по существу, формальным описанием понятий. В режиме распознавания машине предъявляются новые объекты (вообще говоря, отличные от ранее предъявленных), и она должна их классифицировать, по возможности, правильно.

     Проблема обучения распознаванию тесно связана с другой интеллектуальной задачей – проблемой перевода с одного языка на другой, а также обучения машины языку. При достаточно формальной обработке и классификации основных грамматических правил и приемов пользования словарем можно создать вполне удовлетворительный алгоритм для перевода, скажем научного или делового текста. Для некоторых языков такие системы были созданы еще в конце 60-г. Однако для того, чтобы связно перевести достаточно большой разговорный текст, необходимо понимать его смысл. Работы над такими программами ведутся уже давно, но до полного успеха еще далеко. Имеются также программы, обеспечивающие диалог между человеком и машиной на урезанном естественном языке.

     Что же касается моделирования логического мышления, то хорошей модельной задачей здесь может служить задача автоматизации доказательства теорем. Начиная с 1960 г., был разработан ряд программ, способных находить доказательства теорем в исчислении предикатов первого порядка. Эти программы обладают, по словам американского специалиста в области искусственного интеллекта Дж. Маккатти, "здравым смыслом", т. е. способностью делать дедуктивные заключения [19, с. 56].

     В программе К. Грина и др., реализующей вопросно-ответную систему, знания записываются на языке логики предикатов в виде набора аксиом, а вопросы, задаваемые машине, формулируются как подлежащие доказательству теоремы. Большой интерес представляет "интеллектуальная" программа американского математика Хао Ванга. Эта программа за 3 минуты работы IBM-704 вывела 220 относительно простых лемм и теорем из фундаментальной математической монографии, а затем за 8.5 мин выдала доказательства еще 130 более сложных теорем, часть их которых еще не была выведена математиками. Правда, до сих пор ни одна программа не вывела и не доказала ни одной теоремы, которая бы, что называется "позарез" была бы нужна математикам и была бы принципиально новой.

     Очень большим направлением систем искусственного интеллекта является роботехника. В чем основное отличие интеллекта робота от интеллекта универсальных вычислительных машин?

     Для ответа на этот вопрос уместно вспомнить принадлежащее великому русскому физиологу И. М. Сеченову высказывание: "... все бесконечное разнообразие внешних проявлений мозговой деятельности сводится окончательно лишь к одному явлению – мышечному движению". Другими словами, вся интеллектуальная деятельность человека направлена в конечном счете на активное взаимодействие с внешним миром посредством движений. Точно так же элементы интеллекта робота служат прежде всего для организации его целенаправленных движений. В то же время основное назначение чисто компьютерных систем искусственного интеллекта состоит в решении интеллектуальных задач, носящих абстрактный или вспомогательный характер, которые обычно не связаны ни с восприятием окружающей среды с помощью искусственных органов чувств, ни с организацией движений исполнительных механизмов.

     Первых роботов трудно назвать интеллектуальными. Только в 60-х годах появились очуствленные роботы, которые управлялись универсальными компьютерами. К примеру в 1969 г. в Электротехнической лаборатории (Япония) началась разработка проекта "промышленный интеллектуальный робот". Цель этой разработки – создание очуствленного манипуляционного робота с элементами искусственного интеллекта для выполнения сборочно-монтажных работ с визуальным контролем. Манипулятор робота имеет шесть степеней свободы и управляется мини-ЭВМ NEAC-3100 (объем оперативной памяти 32000 слов, объем внешней памяти на магнитных дисках 273000 слов), формирующей требуемое программное движение, которое отрабатывается следящей электрогидравлической системой. Схват манипулятора оснащен тактильными датчиками.

     В качестве системы зрительного восприятия используются две телевизионные камеры, снабженные красно-зелено-синими фильтрами для распознавания цвета предметов. Поле зрения телевизионной камеры разбито на 64*64 ячеек. В результате обработки полученной информации грубо определяется область, занимаемая интересующим робота предметом. Далее, с целью детального изучения этого предмета выявленная область вновь делится на 4096 ячеек. В том случае, когда предмет не помещается в выбранное "окошко", оно автоматически перемещается, подобно тому, как человек скользит взглядом по предмету. Робот Электротехнической лаборатории был способен распознавать простые предметы, ограниченные плоскостями и цилиндрическими поверхностями при специальном освещении. Стоимость данного экспериментального образца составляла примерно 400000 долларов.

     Постепенно характеристики роботов монотонно улучшались, Но до сих пор они еще далеки по понятливости от человека, хотя некоторые операции уже выполняют на уровне лучших жонглеров. К примеру удерживают на лезвии ножа шарик от настольного тенниса.

     Еще пожалуй здесь можно выделить работы киевского Института кибернетики, где под руководством Н. М. Амосова и В. М. Глушкова (ныне покойного) ведется комплекс исследований, направленных на разработку элементов интеллекта роботов. Особое внимание в этих исследованиях уделяется проблемам распознавания изображений и речи, логического вывода (автоматического доказательства теорем) и управления с помощью нейроподобных сетей.

     К примеру, можно рассмотреть созданный еще в 70-х годах макет транспортного автономного интегрального робота (ТАИР). Конструктивно ТАИР представляет собой трехколесное шасси, на котором смонтирована сенсорная система и блок управления. Сенсорная система включает в себя следующие средства очуствления: оптический дальномер, навигационная система с двумя радиомаяками и компасом, контактные датчики, датчики углов наклона тележки, таймер и др. И особенность, которая отличает ТАИР от многих других систем, созданных у нас и за рубежом, это то, что в его составе нет компьютера в том виде, к которому мы привыкли. Основу системы управления составляет бортовая нейроподобная сеть, на которой реализуются различные алгоритмы обработки сенсорной информации, планирования поведения и управления движением робота.

     В конце параграфа рассмотрим примеры крупномасштабных экспертных систем.

     MICIN – экспертная система для медицинской диагностики. Разработана группой по инфекционным заболеваниям Стенфордского университета. Ставит соответствующий диагноз, исходя из представленных ей симптомов, и рекомендует курс медикаментозного лечения любой из диагностированных инфекций. База данных состоит из 450 правил.

     PUFF – анализ нарушения дыхания. Данная система представляет собой MICIN, из которой удалили данные по инфекциям и вставили данные о легочных заболеваниях.

     DENDRAL – распознавание химических структур. Данная система старейшая, из имеющих звание экспертных. Первые версии данной системы появились еще в 1965 году во все том же Стенфордском университете. Пользователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та в свою очередь выдает диагноз в виде соответствующей химической структуры.

     PROSPECTOR – экспертная система, созданная для содействия поиску коммерчески оправданных месторождений полезных ископаемых. 

     1. 3 Сравнение искусственного и естественного интеллекта 

     С момента появления вопроса о создании искусственного интеллекта значительное число усилий ученых посвящается сравнению интеллектуальной системы и человеческого разума. Сравнение это проводится по различным линиям, некоторые из них упоминались выше: сравниваются механизмы и результаты работы компьютерной системы и человеческого мышления, их эффективность в решении тех или иных типов задач. Вопрос о сходстве и различии между искусственной интеллектуальной системой и человеческим разумом нередко связывается с вопросом о перспективах искусственного интеллекта как научного направления. При этом одни исследователи считают, что стратегической линией должно быть все большее приближение возможностей компьютерной системы к возможностям человеческого разума, другие, напротив отстаивают точку зрения, согласно которой целью искусственного интеллекта не моделирование человеческого мышления, а изобретение способов обработки информации, принципиально отличных от человеческих и применяемых там, где человеческое мышление не эффективно или где его использование нецелесообразно.

     Время от времени высказываются мнения о принципиальной нецелесообразности сравнения интеллектуальной компьютерной системы и человеческого интеллекта. Тем не менее, как отмечает И.Ю.Алексеева, сравнение систем искусственного интеллекта с естественным интеллектом не только является реализацией неустранимой потребности человека в соотнесении "я" с тем, что в каком-то отношении подобно мне, принадлежа к области "не – я", но и играет важную роль в создании новых типов интеллектуальных систем, в формировании подходов и парадигм искусственного интеллекта [4, с. 23].

     Интересен подход М. М. Ботвиника к сравнению искусственного и естественного (человеческого) интеллекта: "Условимся, что будем оценивать интеллект с кибернетической точки зрения. А как тогда его можно оценить? Это способность принимать решение – хорошее решение в сложной ситуации при экономном расходовании ресурсов. Если пойдем с этой точки зрения, то не усмотрим различий между естественным и искусственным интеллектом " [6, с. 44]. Дж.Хогеландом сформулирован "парадокс механического разума. "Рассуждение (в его вычисленческой модели) есть манипуляция обозначающими символами в соответствии с некоторыми рациональными правилами (в интегрированной системе), для осуществления этих манипуляций должен иметься определенный вид манипуляторов. При этом манипулятор или обращает внимание на то, что обозначают символы и правила, или не обращает. Но если он обращает внимание на значение (смысл), то он не может быть полностью механическим, потому, что значения (смыслы) не испытывают физических воздействий. С другой стороны, если манипулятор не принимает во внимание значение (смысл), то манипуляции не могут считаться примерами рассуждения, так как не может считаться разумным то, что не зависит решающим образом от значения (смысла) символов. То есть, если процесс или система механические, то они не могут считаться разумом, если же это разум, то он не может быть механическим". Разрешение этого парадокса, считает автор, могло бы служить философским основанием подъема искусственного интеллекта [4, с. 12].