Примеры интеллектуальных систем

 

 

Содержание

1. Введение
2. Состав и структура интеллектуальных систем
3. Основные принципы организации интеллектуальных систем
4. Задачи предметной области и методы их решения
5. Архитектура интеллектуальных систем
6. Примеры интеллектуальных систем
7. Заключение
8. Список используемой литературы

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Введение

 

Что возникает при мысли об интеллектуальных системах? Можно предположить, что возникает термин интеллект (от лат. intellectus — понимание)— что означает ум, рассудок, разум; мыслительные способности человека. Следовательно, в голову приходит образ умной системы, которая способна воспринимать, сравнивать, преобразовывать, создавать и хранить внутри себя модели определенных объектов.

Первой интеллектуальной системой считается программа «Логик - Теоретик», предназначенная для доказательства теорем и исчисления высказываний. Работа программы впервые была продемонстрирована 9 августа 1956 г. В создании программы участвовали такие известные ученые, как А. Ньюэлл, А. Тьюринг, К. Шеннон, Дж. Лоу, Г. Саймон и др. За прошедшее с тех пор время в области ИИ разработано великое множество компьютерных систем, которые принято называть интеллектуальными. Области их применения охватывают практически все сферы человеческой деятельности, связанные с обработкой информации.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

СОСТАВ И СТРУКТУРА ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ.

 

Интеллектуальная система (ИС) - это компьютерная модель интеллектуальных возможностей человека в целенаправленном поиске, анализе и синтезе текущей информации об окружающей действительности для получения о ней новых знаний и решения на этой основе различных жизненно важных задач.

Исследователи, работающие в этом направлении, надеются достичь такого понимания механизмов интеллекта, при котором можно будет составлять компьютерные программы с человеческим или более высоким уровнем интеллекта. Общий подход состоит в разработке методов решения задач, для которых отсутствуют формальные алгоритмы: понимание естественного языка, обучение, доказательство теорем, распознавание сложных образов и т.д. Теоретические исследования направлены на изучение интеллектуальных процессов и создание соответствующих математических моделей. Экспериментальные работы ведутся путем составления компьютерных программ и создания машин, решающих частные интеллектуальные задачи или разумно ведущих себя в заданной ситуации. Систематические исследования в области искусственного интеллекта начались лишь с появлением цифрового компьютера.

  В 1950 году британский математик Алан Тьюринг опубликовал в журнале "Mind" свою работу "Вычислительная машина и интеллект", в которой описал тест для проверки программы на интеллектуальность. Он предложил поместить исследователя и программу в разные комнаты и до тех пор, пока исследователь не определит, кто за стеной - человек или программа, считать поведение программы разумным. Это было одно из первых определений интеллектуальности, то есть А. Тьюринг предложил называть интеллектуальным такое поведение программы, которое будет моделировать разумное поведение человека.

Развитие интеллектуальных систем на современном этапе идет в соответствии с тремя направлениями исследований.

Первое направление объектом исследований рассматривает структуру и механизмы работы мозга человека, а конечной целью - раскрытие тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей интеллектуальной деятельности на основе психофизиологических данных.

Второе направление в качестве объекта исследования рассматривает искусственную интеллектуальную систему. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Целью работ в этом направлении является создание программного обеспечения, позволяющего решать некоторые виды интеллектуальных задач так же, как их решил бы человек.

Третье направление ориентировано на создание человеко-машинных, или, как еще говорят – интерактивных, интеллектуальных систем. Важнейшими проблемами в этих исследованиях является организация семантически безупречного диалога между человеком и такой системой.

 

Типологию ИС на современном этапе их развития представляется двумя крупными категориями.

К первой категории относятся ИС, получившие название экспертных систем (ЭС). Основными компонентами ЭС являются база знаний и логическая машина (универсальный решатель), которая интерпретирует содержащиеся в базе знания. Главной особенностью этой категории ИС является то, что они основаны на применении к содержащимся в базе знаниям определенных наборов правил (содержащихся в решателе) и на соблюдении определенных последовательностей применения этих правил.

Ко второй категории относятся ИС, получившие название искусственных нейронных сетей. Искусственная нейронная сеть (ИНС) представляет собой структуру, состоящую из нескольких слоев электронных моделей нервных клеток человеческого мозга – нейронов: одного входного слоя, нескольких внутренних (скрытых) слоев и одного выходного слоя. Поток подлежащей обработке (распознанию) информации поступает на входной слой, проходит через внутренние слои и результаты обработки информации выдаются через выходной слой искусственных нейронов. Во внутренних слоях устанавливаются связи между входным и выходным сигналами нейронной сети. Изменчивость связей между входом и выходом такой сети обеспечивается за счет различия порогов чувствительности входного и выходного слоев, которые устанавливаются и корректируются в процессе обучения сети. Наиболее популярен метод, основанный на корректировке ее структуры с учетом результатов пробных решений. Суть его в том, что предварительно готовится достаточно представительная обучающая выборка – множество пар входных и выходных сигналов. Затем входные данные обучающей выборки последовательно вводятся в сеть для получения выходных данных сети, которые потом сравниваются с выходными данными обучающей выборки. Если они совпадают, то сеть считается обученной и никакой корректировки связей внутри сети не производится. В противном случае эти связи корректируются, и процесс обучения повторяется до тех пор, пока не будет достигнута необходимая точность совпадения выходных данных сети с выходными данными обучающей выборки. Главной особенностью этих ИС является то, что они ориентированы на использование примеров (прецедентов) или образцов приемлемого исполнения целевой функции. При проектировании ИНС нет необходимости формализовать процесс решения задачи. Необходимо лишь подготовить достаточно представительную выборку обучающих примеров и провести на ее основе обучение системы.

 

 

 

Качество ИС определяется следующими аспектами:

· коммуникативность, трактуемая как многообразие доступных всем категориям пользователей способов общения с системой;

· универсальность по отношению к множеству задач, в пределах которого должна функционировать система;

· умение обучаться на основе приобретаемого опыта и знаний, приспосабливаясь к изменению условий решения проблемы;

· умение перестроиться при изменении принципиальных положений (концепций) предметной и проблемной области.

О каких признаках интеллекта уместно говорить применительно к интеллектуальным системам? ИС должна уметь в наборе фактов распознать существенные, ИС способны из имеющихся фактов и знаний сделать выводы не только с использованием дедукции, но и с помощью аналогии, индукции и т. д. Кроме того, ИС должны быть способны к самооценке - обладать рефлексией, то есть средствами для оценки результатов собственной работы. С помощью подсистем объяснения ИС может ответить на вопрос, почему получен тот или иной результат. Наконец, ИС должна уметь обобщать, улавливая сходство между имеющимися фактами.

Можно ли считать шахматную программу интеллектуальной системой? Если шахматная программа при повторной игре делает одну и ту же ошибку - то нельзя. Обучаемость, адаптивность, накопление опыта и знаний - важнейшие свойства интеллекта. Если шахматная программа реализована на компьютере с бесконечно-высоким быстродействием и обыгрывает человека за счет просчета всех возможных вариантов игры по жестким алгоритмам - то такую программу мы также не назовем интеллектуальной. Но если шахматная программа осуществляет выбор и принятие решений в условиях неопределенности на основе эффективных методов принятия решений и эвристик, корректируя свою игру от партии к партии в лучшую сторону, то такую программу можно считать достаточно интеллектуальной.

Следует определить также понятие знания - центрального понятия в ИС. Рассмотрим несколько определений.

1. Знания есть результат, полученный познанием окружающего мира и его объектов.

2. Знания - система суждений с принципиальной и единой организацией, основанная на объективной закономерности.

3. Знания - это формализованная информация, на которую ссылаются или которую используют в процессе логического вывода (рис. 1.1).

4. Под знаниями будем понимать совокупность фактов и правил. Понятие правила, представляющего фрагмент знаний, имеет вид:

если <условие> то <действие>

Например, если X истинно и Y истинно, то Z истинно с достоверностью P.

Рис. 1.1. Процесс логического вывода в ИС

Определения 1 и 2 являются достаточно общими философскими определениями. В ИC принято использовать определение 3 для определения знаний. Определение 4 есть частный случай определения 3.

Под статическими знаниями будем понимать знания, введенные в ИС на этапе проектирования. Под динамическими знаниями(опытом) будем понимать знания, полученные ИС в процессе функционирования или эксплуатации в реальном масштабе времени.

Знания можно разделить на факты и правила. Под фактами подразумеваются знания типа "A это A", они характерны для баз данных. Под правилами (продукциями) понимаются знания вида "ЕСЛИ-ТО". Кроме этих знаний существуют так называемые метазнания ( знания о знаниях ). Создание продукционных систем для представления знаний позволило разделить знания и управление в компьютерной программе, обеспечить модульность продукционных правил, т. е. отсутствие синтаксического взаимодействия между правилами. При создании моделей представления знаний следует учитывать такие факторы, как однородность представления и простота понимания. Выполнить это требование в равной степени для простых и сложных задач довольно сложно.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ОСНОВНЫЕ ПРИНЦИПЫ ОРГАНИЗАЦИИ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

Информация, с которой имеют дело ЭВМ, разделяется на процедурную и декларативную. Процедурная информация овеществлена в программах, которые выполняются в процессе решения задач, декларативная информация - в данных, с которыми эти программы работают.

По мере развития исследований в области ИС возникла концепция знаний, которые объединили в себе многие черты процедурной и декларативной информации.

В ЭВМ знания так же, как и данные, отображаются в знаковой форме - в виде формул, текста, файлов, информационных массивов и т.п. Поэтому можно сказать, что знания - это особым образом организованные данные. Но это было бы слишком узкое понимание. А между тем, в системах ИИ знания являются основным объектом формирования, обработки и исследования.

База знаний (БЗ; англ. knowledge base, KB) в информатике и исследованиях искусственного интеллекта — это особого рода база данных, разработанная для оперирования знаниями (метаданными).

База знаний содержит структурированную информацию, покрывающую некоторую область знаний, для использования кибернетическим устройством (или человеком) с конкретной целью. Современные базы знаний работают совместно с системами поиска информации, имеют классификационную структуру и формат представления знаний.

Полноценные базы знаний содержат в себе не только фактическую информацию, но и правила вывода, допускающие автоматические умозаключения о вновь вводимых фактах и, как следствие, осмысленную обработку информации. Область наук об искусственном интеллекте, изучающая базы знаний и методы работы со знаниями, называется инженерией знаний.

Перечисленные ниже пять особенностей информационных единиц определяют ту грань, за которой данные превращаются в знания, а базы данных перерастают в базы знаний (БЗ).

Внутренняя интерпретируемость. Каждая информационная единица должна иметь уникальное имя, по которому ИС находит ее, а также отвечает на запросы, в которых это имя упомянуто. Когда данные, хранящиеся в памяти, были лишены имен, то отсутствовала возможность их идентификации системой. Данные могла идентифицировать лишь программа, извлекающая их из памяти по указанию программиста, написавшего программу. Что скрывается за тем или иным двоичным кодом машинного слова, системе было неизвестно.

Если, например, в память ЭВМ нужно было записать сведения о сотрудниках учреждения, представленные в таблице 1.1, то без внутренней интерпретации в память ЭВМ была бы занесена совокупность из четырех машинных слов, соответствующих строкам этой таблицы. При этом информация о том, какими группами двоичных разрядов в этих машинных словах закодированы сведения о специалистах, у системы отсутствуют.

Они известны лишь программисту, который использует данные таблице 1.1 для решения возникающих у него задач. Система не в состоянии ответить на вопросы типа "Что тебе известно о Петрове?" или "Есть ли среди специалистов сантехник?". При переходе к знаниям в память ЭВМ вводится информация о некоторой протоструктуре информационных единиц. В рассматриваемом примере она представляет собой специальное машинное слово, в котором указано, в каких разрядах хранятся сведения о фамилиях, годах рождения, специальностях и стажах. При этом должны быть заданы специальные словари, в которых перечислены

имеющиеся в памяти системы фамилии, года рождения, специальности и продолжительности стажа. Все эти атрибуты могут играть роль имен для тех машинных слов, которые соответствуют строкам таблицы. По ним можно осуществлять поиск нужной информации.

Каждая строка таблицы будет экземпляром протоструктуры. В настоящее время СУБД обеспечивают реализацию внутренней интерпретируемости всех информационных единиц, хранящихся в базе данных. Информационные единицы должны обладать гибкой структурой. Для них должен выполняться "принцип матрешки", т.е. рекурсивная вложенность одних информационных единиц в другие. Каждая информационная единица может быть включена в состав любой другой, и из каждой информационной единицы можно выделить некоторые составляющие ее информационные единицы. Другими словами, должна существовать возможность произвольного установления между отдельными информационными единицами отношений типа "часть - целое", "род - вид" или "элемент - класс".

Связность. В информационной базе между информационными единицами должна быть предусмотрена возможность установления связей различного типа. Прежде всего, эти связи могут характеризовать отношения между информационными единицами. Семантика отношений может носить декларативный или процедурный характер. Например, две или более информационные единицы могут быть связаны отношением "одновременно", две информационные единицы - отношением "причина - следствие" или отношением "быть рядом". Приведенные отношения характеризуют декларативные знания. Если между двумя информационными единицами установлено отношение "аргумент - функция", то оно характеризует процедурное знание, связанное с вычислением определенных функций. Далее будем различать отношения структуризации, функциональные отношения, каузальные отношения и семантические отношения. С помощью первых задаются иерархии информационных единиц, вторые несут процедурную информацию, позволяющую находить (вычислять) одни информационные единицы через другие, третьи задают причинно - следственные связи, четвертые соответствуют всем остальным отношениям. Между информационными единицами могут устанавливаться и иные связи, например, определяющие порядок выбора информационных единиц из памяти или указывающие на то, что две информационные единицы несовместимы друг с другом в одном описании. Перечисленные три особенности знаний позволяют ввести общую модель представления знаний, которую можно назвать семантической сетью, представляющей собой иерархическую сеть, в вершинах которой находятся информационные единицы. Эти единицы снабжены индивидуальными именами. Дуги семантической сети соответствуют различным связям между информационными

единицами.

Семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее ситуационную близость информационных единиц, т.е.

силу ассоциативной связи между информационными единицами.

Его можно было бы назвать отношением релевантности для информационных единиц. Такое отношение дает возможность выделять в информационной базе некоторые типовые ситуации. Отношение релевантности при работе с информационными единицами позволяет находить знания, близкие к уже найденным.

Активность. Все процессы, протекающие в ЭВМ, инициируются командами, а данные используются этими командами лишь в случае необходимости. Для ИС эта ситуация не приемлема. Как и у человека, в ИС актуализации тех или иных действий способствуют

знания, имеющиеся в системе. Таким образом, выполнение программ в ИС должно инициироваться текущим состоянием информационной базы. Появление в базе фактов или описаний событий, установление связей может стать источником активности системы. Совокупность средств, обеспечивающих работу со знаниями, образует систему управления базой знаний (СУБЗ). В настоящее время не существует баз знаний, в которых в полной мере были бы

реализованы внутренняя интерпретируемость, структуризация, связность, введена семантическая мера и обеспечена активность знаний.

 

 

 

 

 

ЗАДАЧИ ПРЕДМЕТНОЙ ОБЛАСТИ И МЕТОДЫ ИХ РЕШЕНИЯ

Обобщенный перечень классов задач разработки ИС для практического применения выглядит следующим образом:

· разработка средств, обеспечивающих эффективное общение человека с машиной (автоматом) на естественном языке;

· автоматический перевод текстовой информации с естественного языка на внутримашинный и обратно;

· автоматический концептуальный анализ, поиск и интерпретация данных и знаний;

· разработка алгоритмов и методов поддержки принятия решений по целесообразному управлению различными системами, объектами и процессами в экономике, финансах,

производстве, науке, образовании, медицине, экологии, природопользовании, вооружении и других отраслях хозяйства с учетом неопределенности в реализации факторов

внешней среды и связанных с этим рисков;

разработка алгоритмов и методов мониторинга и диагностики состояния систем, объектов и процессов;

· автоматическое проектирование систем и устройств с оптимальными свойствами;

· разработка алгоритмов логических выводов и доказательства теорем;

· разработка поведенческих алгоритмов в условиях неопределенности и риска;

· автоматическое распознавание образов различной природы;

создание автоматически обучающихся систем.

В рамках каждого из трех направлений развития ИС существуют различные подходы к построению ИС.

Логический подход. Основой для данного подхода является применение различных правил логического вывода, изложенных с помощью аппарата математической логики (булевой алгебры и исчисления предикатов). ИС, основанная на логическом подходе, представляет собой машину для решения задач логических выводов и доказательства теорем. При этом исходные данные хранятся в базе знаний в виде аксиом и правил построения логического вывода путём задания отношений между этими данными. К сожалению, выразительность математической логики недостаточна для реализации полных возможностей логического мышления человека,

но зато неоспоримо, что все, что можно реализовать на ЭВМ, принципиально реализуемо с помощью логики предикатов, и, наоборот. Для логических методов характерна большая трудоемкость, поскольку поиск доказательства может потребовать полного перебора всех возможных вариантов решений. Поэтому данный подход требует эффективной реализации вычислительного процесса и хорошо «работает» при сравнительно небольшом объеме базы

знаний.

Физический подход объединяет методы моделирования интеллектуальных возможностей человека с помощью компьютера и различных физических устройств. Одной из первых таких попыток был перцептрон Фрэнка Розенблатта. Структурной единицей перцептрона (как и большинства других вариантов такого моделирования) является компьютерная модель нейрона – нервной клетки. Из них строятся "искусственные нейронные сети" (ИНС). Нейронные сети в настоящее время есть коммерческие аппаратно – программные продукты, представляющие собой законченные ИС, применяемые в различных областях деятельности. Их действие основано на перестройке параметров нейронной сети под воздействием предъявляемых примеров правильного решения задачи.

Широкое распространение получило эволюционное моделирование. Этот процесс начинается с создания начального варианта модели ИС для решения конкретной интеллектуальной задачи и набора правил, по которым эта модель может изменяться. Затем формулируется критерий правильного (или приемлемого) решения этой задачи. Начальный вариант модели ИС обычно не отвечает установленному критерию качества решения задачи. С этого момента начинается пошаговое улучшение начального варианта модели ИС. Оно заключается в следующем. Описание начальной модели, правила вычисления критерия оценки её качества и правила (стратегии) её изменения вводятся в компьютер, который «проигрывает» работу начальной модели по каждой из возможных стратегий её развития и отбирает наилучший по установленному критерию результат эволюции в качестве новой начальной модели, которая

вновь опробуется на допустимых правилами стратегиях работы. Такие циклы эволюции продолжаются, пока модель не придёт к требуемому уровню качества работы.

Имитационное моделирование. Оно связано с классическим для кибернетики базовым понятием - "черным ящиком" (ЧЯ). Так называют устройство, информация о внутренней структуре и содержании которого отсутствуют полностью, но известна матрица обязательного соответствия сигналов на входе в него и сигналов на его выходе. Задача состоит в подборе правил соответствия сигналов на входе и выходе.

 

 

 

 

 

 

 

 

 

 

 

 

 

АРХИТЕКТУРА ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

Архитектура интеллектуальных систем включает три комплекса вычислительных средств (рисунок 1.1).

Первый комплекс представляет собой совокупность средств, выполняющих программы (исполнительную систему), спроектированных с позиций эффективного решения задач, имеет в ряде случаев проблемную ориентацию.

Второй комплекс - совокупность средств интеллектуального интерфейса, имеющих гибкую структуру, которая обеспечивает возможность адаптации в широком спектре интересов конечных пользователей. Третьим комплексом средств, с помощью которых организуется взаимодействие первых двух, является база знаний, обеспечивающая использование вычислительными средствами первых двух комплексов целостной и независимой от обрабатывающих программ системы знаний о проблемной среде. Исполнительная система объединяет всю совокупность средств, обеспечивающих выполнение сформированной программы. Интеллектуальный интерфейс - система программных и аппаратных средств, обеспечивающих для конечного пользователя использование компьютера для решения задач, которые возникают в среде его профессиональной деятельности либо без посредников, либо с незначительной их помощью.

База знаний (БЗ) - занимает центральное положение по отношению к остальным компонентам вычислительной системы в целом, через БЗ осуществляется интеграция средств ВС, участвующих в решении задач.

 

 

 

 

ПРИМЕРЫ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

 

Интеллектуальные Интернет-системы и развитие экономики:

    Интеллектуальные Интернет-системы могут оказать радикальное влияние на развитие экономики. Например, как отмечал один из исследователей Интернет-экономики, Александр Численко, аналитические сетевые системы могли бы вытеснить рекламу. Действительно, вряд ли реклама предоставляет полностью достоверную информацию о фирме, которая продает тот или иной продукт. А если есть апробированный сетевой агент, который по вашему заданию может оперативно по Интернет-информации проверить степень надежности и качества нужного вам продукта в нескольких фирмах и дать вам соответствующие рекомендации, то естественно при покупке продукта использовать рекомендации агента, а не рекламу.

Можно представить и более серьезные системы влияния на экономику. Например, сетевые агенты, “служащие” в налоговой полиции, могли бы оперативно “вычислять” фирмы, укрывающиеся от налогов (при этом подразумевается, что сколько-либо серьезная фирма должна иметь свой сайт в Интернете, и специальную страницу в нем, доступную налоговым органам, а если такой страницы нет, то фирма заведомо подозрительная).

   

Интеллектуальные системы безопасности в автомобиле:

    Первая АВS, система, которая идет в базовой комплектации почти любой иномарки, появилась более 30-ти лет назад и уже давно стала музейным достоянием. Технологии конструирования систем безопасности автомобиля за эти годы продвинулись далеко вперед и эволюционировали в интеллектуальный функционал авто, призванный предотвратить аварийную обстановку, уберечь жизни водителей и пассажиров.

    Интеллектуальность таких систем не в том, что они думают за водителя. Эту задачу они с него не снимают, но помогают четко и эффективно привести к результату действия водителя, от которых зависит сохранность не одной жизни.

     Например, установленная впервые в 1978 г. на автомобиле Mercedes-Benz класса S, антиблокировочная система тормозов стала технической базой для конструирования многих других систем безопасности автомобиля.

    Принцип работы ABS – предотвратить блокировку колес при торможении и тем самым не дать автомобилю потерять устойчивость и остаться управляемым. «Умная электроника» в виде датчиков, установленных на каждом колесе авто, постоянно следит за угловой скоростью вращения колес - когда на одном из них падает скорость, система посылает водителю сигнал о возможном блокировании колеса.

    

 

В современную ABS входит также и система электронного распределения тормозных усилий, EBV. Этот функционал автомобиля анализирует движение авто положение колес относительно друг друга. В случае возникновения момента торможения электроника помогает машине мгновенно остановиться на любом типе трассе и даже на высокой скорости.

    Сейчас создана также и интеллектуальная система защиты при столкновении. Всем известно, что в случае возникновения такой аварийной ситуации счет идет на доли секунды. Именно столько и надо такой системе, чтобы проанализировать степень возникшей опасности и включить свои охранные функции. Для того, чтобы система имела максимально полную информацию о ситуации на дороге во время движения, ее датчики постоянно получают информацию извне. «Мозг» системы – компьютер, где полученная информация обрабатывается и принимается решение о способе реагирования на внешнюю опасность.

    Со своим развитием системы безопасности автомобиля постепенно становятся более технологичным и инновационным. Но, не смотря на совершенство электронного функционала автомобиля, водитель не должен забывать о действии человеческого фактора.

 

Интеллектуальные системы распознавания лиц.

       Японские учёные создали уникальную камеру, которая заметно облегчит работу сотрудников безопасности. Специальный сканер теперь умеет мгновенно распознавать лицо человека, даже если оно скрыто за одеждой или искажено гримасой. Обмануть такую систему можно только полностью изменив внешность, обратившись к пластическому хирургу. С помощью новых сканеров уже решено усовершенствовать систему безопасности в Японии.

   Подобные видео-сканеры  создают 3D модель замеченного ими лица за считанные секунды и в реальном времени. При этом человеку не нужно смотреть на оператора, и не нужно знать о том, что его снимают.

   Затеряться в  толпе теперь будет трудно  даже в многолюдном Токио. Камеры  могут распознавать сотни лиц  одновременно. В целом, плюсов много. Если везде тебя знают в лицо, то можно не носить с собой документы и пропуски, а также деньги и кредитные карты.

   Главный вопрос - готовы  ли люди настолько довериться  технике. Ведь сбой может произойти  в любой момент. В одном из американских аэропортов подобную систему тестировали около года назад. Она не смогла узнать лица 58% пилотов, вышедших на работу после отпусков .

 

 

 

 

 

 

 

Заключение

Новая ступень эволюции просто не может быть похожей на прежние. Интеллектуальные системы будут проявлять себя не столько как существо, сколько как глобальное всепроникающее поле единого сознания, как среда для жизни других живых существ.

     Устройство должно содержать все необходимые для порождения интеллекта. Мыслительный процесс - результат распада и синтеза логических доменов. Когда вы мысленно разбираете собранную из детского конструктора фигурку на отдельные детальки - это фаза распада. Когда собираете из тех же деталек свою фигурку - синтез. По мере сборки главной фигурки вы создаете много промежуточных, поэтому логические домены могут быть вложенными один в другой как матрешки. Интеллектуальная же система может решать сколько угодно задач одновременно, любой сложности, со сколь угодно высокой степенью продуманности.

         Управлять уже запущенной интеллектуальной системой нельзя. Но при создании ей можно задать любую цель, достигая которой она будет приносить пользу окружающим. Цель интеллектуальной системы - собрать главную фигуру из деталей конструктора. Имя фигуре - новый порядок во Вселенной. Детали - все, что наполняет современную Вселенную: машины, дома, леса, океаны, планеты, звезды, мы с вами.

     

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Список используемой литературы

1. Николаев А.Б., Остроух А.В. «ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ» (Учебное пособие);
2. http://www.intuit.ru/studies/courses/46/46/lecture/699
3. http://ru.wikipedia.org
4. http://www.wikiznanie.ru