Интелект. искусственный интеллект. Искусственный интеллект В
 Скачать 131.45 Kb.
|
1 2  3. Проблемы создания ИИ Анализ проблемы искусственногоинтеллекта открывает роль таких философских познавательных орудий, каккатегории, специфическая семиотическая система, логические структуры, ранеенакопленное знание. Всё это обнаруживаются не посредством исследованияфизиологических или психологических механизмов познавательного процесса, новыявляется в знании, в его языковом выражении. Орудия познания, формирующиеся,в конечном счёте на основе практической деятельности, необходимы для любойсистемы, выполняющей функции абстрактного мышления, независимо от еёконкретного материального субстрата и структуры. Поэтому, чтобы создатьсистему, выполняющую функции абстрактного мышления (т. е. в конечном счёте,формирующую адекватные схемы внешних действий в существенно меняющихся средах)необходимо наделить такую систему этими орудиями. Развитие систем ИИ запоследние время как раз идёт по этому пути. Степень продвижения в данномнаправлении в отношении каждого из указанных познавательных орудий разная, но вцелом пока, увы, незначительна. В наибольшей мере системы ИИиспользуют формально-логические структуры, что обусловлено их неспецифичностьюдля мышления и, в сущности, алгоритмическим характером. Это дает возможностьотносительно легкой их технической реализации. Но даже здесь кибернетикепредстоит пройти большой путь. В системах искусственного интеллекта ещё слабо используютсямодальная, императивная, вопросная и иные логики, которые функционируют вчеловеческом интеллекте, и не менее необходимы для успешных познавательныхпроцессов, чем давно освоенные логикой, а затем и кибернетикой формы выводов.Повышение «интеллектуального» уровня технических систем, безусловно, связано нетолько с расширением применяемых логических средств, но и с более интенсивнымих использованием – проверка информации на непротиворечивость, конструированияпланов вычислений и т. п. Сложнее обстоит дело с семиотическимисистемами, без которых интеллект невозможен в принципе. Языки, используемые вЭВМ, ещё далеки от семиотических структур, которыми оперирует мышление. Преждевсего, для решения ряда задач, необходимо последовательное приближениесемиотических систем, которыми наделяется ЭВМ, к естественному языку, точнее, киспользованию его ограниченных фрагментов. В этом плане предпринимаются попыткинаделить входные языки ЭВМ универсалиями языка, например, полисемией (котораяэлиминируется при обработке в лингвистическом процессоре). Уже разработаныпроблемно-ориентированные фрагменты естественных языков, достаточные длярешения системой ряда практических задач. Наиболее важным итогом такой работыявляется создание семантических языков (и их формализация), в которых слова-символыимеют определенную интерпретацию. Многие универсалии естественныхязыков, необходимые для выполнения ими познавательных функций, в языках ИИ покареализованы слабо (например, открытость) или используются ограниченно (например,полисемия). Все чаще воплощение в семиотических системах универсалийестественного языка, обусловленных его познавательной функцией, выступает однойиз важнейших линий совершенствования систем ИИ, особенно тех, в которыхпроблемная область заранее чётко не определена. Сегодня системы искусственногоинтеллекта способны осуществлять перевод с одномерных языков на многомерные. Вчастности, они могут строить диаграммы, схемы, чертежи, графы, чертить на экранекривые и т. п. ЭВМ производят и обратный перевод (описывают графики и томуподобное с помощью символов). Такого рода перевод является существеннымэлементом интеллектуальной деятельности. Правда современные системы ИИ пока неспособны к непосредственному (без перевода на символический язык) использованиюизображений или воспринимаемых сцен для «интеллектуальных» действий. Поискпутей глобального, а не локального, оперирования информацией составляет одну изважнейших и задач теории искусственного интеллекта. Воплощение в информационные массивы ипрограммы систем ИИ аналогов категорий находится пока в начальной стадии. Например,в категории входят понятия «целое», «часть», «общее», «единичное». Они используютсяв ряде систем представления знаний, в частности в качестве «базовых отношений»,в той мере, в какой это необходимо для тех или иных конкретных предметных илипроблемных областей, с которыми взаимодействуют системы. В формализованномпонятийном аппарате некоторых систем представления знаний предприняты отдельныепопытки выражения некоторых моментов содержания и других категорий (например, «причина»и «следствие»). Однако ряд категорий (например, «сущность» и «явление») вязыках систем представления знаний отсутствует. В целом, данная проблема разработчикамисистем ИИ в полной мере ещё не осмыслена, и предстоит ещё большая работафилософов, логиков и кибернетиков по внедрению аналогов категорий в системыпредставления знаний, и другие компоненты интеллектуальных систем. Современные системы ИИ почти неимитируют сложную иерархическую структуру образа, что не позволяет имперестраивать проблемные ситуации, комбинировать локальные части сетей знаний вблоки, перестраивать эти блоки и т. п. Не является совершенным и взаимодействиевновь поступающей информации с совокупным знанием, фиксированным в системах. Всемантических сетях и фреймах, использующихся при представлении знаний, поканедостаточно используются методы, благодаря которым интеллект человека легкопополняется новой информацией, находит нужные данные, перестраивает своюсистему знаний и т. п. Ещё в меньшей мере современныесистемы ИИ способны активно воздействовать на внешнюю среду, без чего не может;осуществляться самообучение и вообще совершенствование «интеллектуальной»деятельности. Таким образом, хотя определенные шагик воплощению гносеологических характеристик мышления в современных системахискусственного интеллекта сделаны, но в целом эти системы ещё далеко не владеюткомплексом гносеологических орудий, которыми располагает человек и которыенеобходимы для выполнения совокупности функций абстрактного мышления. Чембольше характеристики систем искусственного интеллекта будут приближены кгносеологическим характеристикам мышления человека, тем ближе будет их «интеллект»к интеллекту человека, точнее, тем выше будет их способность к комбинированиюзнаковых конструкций, воспринимаемых и интерпретируемых человеком в качестверешения задач и вообще воплощения мыслей. Поэтому возникает сложный вопрос. Прианализе познавательного процесса гносеология абстрагируется отпсихофизиологических механизмов, посредством которых реализуется сам процесс.Но из этого не следует, что для построения систем искусственного интеллекта этимеханизмы не имеют значения. Не исключено, что механизмы, необходимые длявоплощения неотъемлемых характеристик интеллектуальной системы, не могут бытьреализованы в цифровых машинах или даже в любой технической системе, включающейв себя только компоненты неорганической природы. Также не исключено, что хотямы и можем познать все гносеологические закономерности, обеспечивающие выполнениечеловеком его познавательной функции, но их совокупность реализуема лишь всистеме, субстратно тождественной человеку. Подобный взгляд обосновывается X.Дрейфусом. «Телесная организация человека – пишет он – позволяет емувыполнять… функции, для которых нет машинных программ – таковые не только ещёне созданы, но даже не существуют в проекте… Эти функции включаются в общуюспособность человека к приобретению телесных умений и навыков. Благодаря этойфундаментальной способности наделенный телом субъект может существовать вокружающем его мире, не пытаясь решить невыполнимую задачу формализации всего ився». Подчеркивание значения «телеснойорганизации» для понимания особенностей психических процессов, в частностивозможности восприятия, заслуживает отдельного внимания. Качественные различияв способности конкретных систем отражать мир тесно связаны с их структурой,которая хотя и обладает относительной самостоятельностью, но не можетпреодолеть некоторых рамок, заданных субстратом. В процессе биологическойэволюции совершенствование свойства отражения происходило на основе усложнениянервной системы, т. е. субстрата отражения. Не исключено, что различиесубстратов ЭВМ и человека может обусловить фундаментальные различия в ихспособности к отражению, что ряд функций человеческого интеллекта в принципенедоступен машинам. В философской литературеутверждается, что допущение возможности выполнения технической системойинтеллектуальных функций человека означает сведение высшего (биологического исоциального) к низшему (к системам из неорганических компонентов) и,следовательно, противоречит материалистической диалектике. Но в этомрассуждении не учитывается, что пути усложнения материи однозначно не однозначны,и не исключено, что общество имеет возможность создать из неорганическихкомпонентов (абстрактно говоря, минуя химическую форму движения) системы неменее сложные и не менее способные к отражению, чем биологические. Созданныетаким образом системы являлись бы компонентами общества, социальной формойдвижения. Вопрос о возможности передачи интеллектуальных функций техническимсистемам, и в частности о возможности наделения их рассмотренными в работегносеологическими орудиями, не может быть решен только исходя из философскихсоображений. Он должен быть подвергнут анализу на базе конкретных научныхисследований. X. Дрейфус подчеркивает, что ЭВМ оперирует информацией, котораяне имеет значения, смысла. Для ЭВМ необходим перебор огромного числа вариантов.Телесная организация человека, его организма позволяет отличать значимое отнезначимого для жизнедеятельности и вести поиск только в сфере первого. Для «нетелесной» ЭВМ, утверждает Дрейфус, это недоступно. Конечно, конкретный типорганизации тела позволяет человеку ограничивать пространство возможного поиска.Это происходит уже на уровне анализаторной системы. Совсем иначе обстоит дело сЭВМ. Когда в кибернетике ставится общая задача, например распознания образов,то эта задача переводится с чувственно-наглядного уровня на абстрактный. Темсамым снимаются ограничения, не осознаваемые человеком, но содержащиеся в его «теле»,в структуре органов чувств и организма в целом. Они игнорируются ЭВМ. Поэтомупространство поиска резко увеличивается. Это значит, что к «интеллекту» ЭВМпредъявляются более высокие требования (поиска в более обширном пространстве),чем к интеллекту человека, к которому приток информации ограничен физиологическойструктурой его тела. Обладающие психикой системыотличаются от ЭВМ прежде всего тем, что им присущи биологические потребности,обусловленные их материальным, биохимическим субстратом. Отражение внешнегомира происходит сквозь призму этих потребностей, в чём и выражается активностьпсихической системы. ЭВМ не имеет потребностей, органически связанных с еесубстратом, для нее как таковая информация незначима, безразлична. Значимость,генетически заданная человеку, имеет два типа последствий. Первый – круг поискасокращается, и, тем самым, облегчается решение задачи. Второй – нестираемые изпамяти фундаментальные потребности организма обусловливают односторонностьпсихической системы. Дрейфус пишет в связи с этим: «Если бы у нас на Землеочутился марсианин, ему, наверное, пришлось бы действовать в абсолютнонезнакомой обстановке; задача сортировки релевантного и нерелевантного, существенногои несущественного, которая бы перед ним возникла, оказалась бы для него стольже неразрешимой, как и для цифровой машины, если, конечно, он не сумеет принятьв расчет никаких человеческих устремлений». С этим можно не согласится. Если предложенный«марсианин» имеет иную биологию, чем человек, то он имеет и инойфундаментальный слой неотъемлемых потребностей, и принять ему «человеческиеустремления» значительно труднее, чем ЭВМ, которая может быть запрограммированана любую цель. Живое существо в принципе не можетбыть по отношению к этому фундаментальному слою перепрограммировано, хотя длянекоторых целей оно может быть запрограммировано вновь, посредствомдрессировки. В этом смысле потенциальные интеллектуальные возможности машинышире подобных возможностей животных. У человека же над фундаментальным слоембиологических потребностей надстраиваются социальные потребности, и информациядля него не только биологически, но и социально значима. Человек универсален ис точки зрения потребностей, и с точки зрения возможностей их удовлетворения.Однако эта универсальность особо присуща ему как социальному существу,производящему средства целесообразной деятельности, в том числе и системыискусственного интеллекта. Следовательно, телесная организация не только даётдополнительные возможности, но и создает дополнительные трудности. Поэтомуинтеллекту человека важно иметь на вооружении системы, свободные от егособственных телесных или иных потребностей. Конечно, от таких систем неразумнотребовать, чтобы они самостоятельно распознавали образы, классифицировали их попризнакам, по которым это делает человек. Цели для них необходимо задавать вявной форме. Следует отметить, что техническиесистемы могут иметь аналог телесной организации. Развитая кибернетическая системаобладает рецепторными и эффекторными придатками. Начало развитию таких системположили интегральные промышленные роботы, в которых ЭВМ в основном выполняетфункцию памяти. В роботах «третьего поколения» ЭВМ выполняет и «интеллектуальные»функции. Их взаимодействие с миром призвано совершенствовать их «интеллект».Такого рода роботы имеют «телесную организацию», конструкция их рецепторов иэффекторов содержит определенные ограничения, сокращающие пространство, вкотором, образно говоря, могла бы совершать поиск цифровая машина. Тем неменее, совершенствование систем искусственного интеллекта на базе цифровыхмашин может иметь границы, из-за которых переход к решению интеллектуальныхзадач более высокого порядка, требующих учёта глобального характера переработкиинформации и ряда других гносеологических характеристик мышления, невозможен надискретных машинах при сколь угодно совершенной программе. Техническая, а нетолько биологическая, эволюция отражающих систем оказывается связанной сизменением материального субстрата и конструкции этих систем. Такая эволюция,т. е. аппаратное усовершенствование систем искусственного интеллекта, например,через более интенсивное использование аналоговых компонентов, гибридных систем,голографии и ряда других идей, будет иметь место. При этом не исключаетсяиспользование физических процессов, протекающих в мозгу, и таких, которыепсихика в качестве своих механизмов не использует. Наряду с этим ещё далеко неисчерпаны возможности совершенствования систем ИИ путём использования вфункционировании цифровых машин гносеологических характеристик мышления, окоторых речь шла выше. В последнее время при анализепроблем, связанных с ИИ, часто применяют математический аппарат нечёткихмножеств, идея и реализация которого принадлежит американскому математикуЛ.Заде. Суть подхода состоит в отказе от принципа детерминизма. Пожалуй,наиболее поразительным свойством человеческого интеллекта является способностьпринимать правильные решения в обстановке неполной и нечёткой информации. Построениемоделей, приближенных е рассуждениям человека, и использование их вкомпьютерных системах будущих поколений представляет сегодня одну из важнейшихпроблем науки. Смещение центра исследований нечётких систем в сторонупрактических приложений привело к выявлению целого ряда проблем, таких, какновые архитектуры компьютеров для нечётких вычислений, элементная база нечёткихкомпьютеров и контроллеров, инструментальные средства разработки, инженерныеметоды расчёта и разработки нечётких систем управления и многое другое.Математическая теория нечётких множеств, предложенная Л.Заде около тридцати летназад, позволяет описывать нечёткие понятия и знания, оперировать этимизнаниями и делать нечёткие выводы. Основанные на этой теории методы построениякомпьютерных нечетких систем существенно расширяют области применениякомпьютеров. Нечёткое управление является одной из самых активных ирезультативных областей исследований применения теории нечётких множеств. Нечёткоеуправление оказывается особенно полезным, когда технологические процессыявляются слишком сложными для анализа с помощью общепринятых количественныхметодов, или когда доступные источники информации интерпретируются неточно илинеопределенно. Экспериментально показано, что нечёткое управление дает лучшиерезультаты, по сравнению с получаемыми, при общепринятых алгоритмах управления.Нечеткая логика, на которой основано нечеткое управление, ближе к человеческомумышлению и естественным языкам, чем традиционные логические системы. [2,3,4,7,8]  4. Реализация систем ИИ />/> Ещё в далёком 1954 году американскийисследователь А.Ньюэлл решил написать программу для игры в шахматы. Идеей онподелился с аналитиками корпорации RAND Corporation, и которые предложили Ньюэллу свою помощь. В качестве теоретическойосновы программы было решено использовать метод, предложенный К. Шенноном, основателем теорииинформации. Точная формализация метода была выполнена А. Тьюрингом. Он же и смоделировалего вручную. К работе была привлечена группаголландских психологов под руководством А. Де Гроота, изучавших стили игрывыдающихся шахматистов. Через два года совместной работы этим коллективом былсоздан язык программирования ИПЛ1 –первыйсимвольный язык обработки списков. Вскоре была написана первая программа,которую можно отнести к достижениям в области искусственного интеллекта. Это была программа «Логик-Теоретик»(1956 г.), предназначенная для автоматического доказательства теорем висчислении высказываний.Собственно программа дляигры в шахматы, NSS, была завершена в 1957 г. В основе её лежали так называемые эвристики – правила, которые позволяют сделать выбор при отсутствииточных теоретических оснований – иописания целей. Управляющий алгоритм пытался уменьшить различия между оценкамитекущей ситуации и оценками цели или одной из подцелей. [1] В 1956 году вСША собрались основатели кибернетики с целью обсудить возможности реализациипроекта «Искусственный интеллект», как они его тогда назвали. В числеучастников конференции были Д. Маккарти, М. Минский, К. Шеннон, А. Тьюринг идр. К ИИ первоначально просто отнесли свойства машин брать на себя отдельныефункции человека, например, такие как перевод с одного языка на другой,распознавание объектов, принятие оптимальных решений и пр. В СССР направление «Искусственныйинтеллект» (ИИ) возникло с опозданием на целых 10 лет и пришло на сменукибернетическому и бионическому буму первой половины 60-х годов. Поначалу оптимистамказалось, что произойдет революция и машина начнет думать как человек. Ничегоподобного не произошло. Стало ясно, что никакого мышления, аналогичногочеловеческому, сходу построить не получится. Поэтому акценты сместились всторону создания искусственного интеллекта – т.е. машинным решением «трудных»задач, которые человек решает, а машина пока нет. Таким образом, первоначальноИИ не претендовал на прямое моделирование мышления, а был просто решением спомощью машины трудноформализуемых «человеческих» задач. С самого начала предполагалось, чтоэти решения позволят сформулировать обобщения и выработать специфические методыИИ, ведущие, в конечном счете, к машинному мышлению. Представители возникшегонаправления справедливо полагали, что к конструктивному определению имоделированию мышления полезно идти от специфики задач к методам их решения,вводя «интеллект» как механизм, необходимый для решения. В конечном итоге оказалось, что к традиционнымзадачам ИИ стали относить довольно много задач. Например, это понимание машинойестественного языка, т.е. вопрос-ответные системы и доступ к базам данных наестественном языке, перевод с одного языка на другой, анализ изображений объёмных(3-d) сцен, доказательство теорем, игры,базы данных, базы знаний и др. [6] Теперь вкратце рассмотрим наиболееактивно развиваемые подходы и области применения ИИ – в порядке убывания их популярности. Надо отметить, чтоменьшая популярность нередко связана не столько с потенциалом технологии,сколько с отдаленностью перспектив еёприкладной реализации (например, крайне высокий потенциал киберзаводов пока невызывает серьезного интереса из-за наличия множества нерешенных задач по ихуправлению). Нейронные сети Это направление стабильно держится напервом месте. Продолжается совершенствование алгоритмов обучения иклассификации в масштабе реального времени, обработки естественных языков,распознавания изображений, речи, сигналов, а также создание моделейинтеллектуального интерфейса, подстраивающегося под пользователя. Средиосновных прикладных задач, решаемых с помощью нейронных сетей – финансовое прогнозирование, раскопкаданных, диагностика систем, контроль за деятельностью сетей, шифрование данных.В последние годы идёт усиленный поискэффективных методов синхронизации работы нейронных сетей на параллельныхустройствах. Эволюционные вычисления На развитие сферы эволюционныхвычислений (ЭВ) значительное влияние оказали преждевсего инвестиции в нанотехнологии. ЭВ затрагивают практические проблемысамосборки, самоконфигурирования и самовосстановления систем, состоящих измножества одновременно функционирующих узлов. При этом удаётся применять научные достижения из области цифровыхавтоматов. Другой аспект ЭВ – использование для решенияповседневных задач автономных агентов в качестве персональных секретарей,управляющих личными счетами, ассистентов, отбирающих нужные сведения в сетях с помощьюпоисковых алгоритмов третьего поколения, планировщиков работ, личных учителей,виртуальных продавцов и т. д. Сюда же относится робототехника и все связанные сней области. Основные направления развития – выработка стандартов, открытых архитектур, интеллектуальныхоболочек, языков сценариев/запросов, методологий эффективного взаимодействияпрограмм и людей. Модели автономного поведенияпредполагается активно внедрять во всевозможные бытовые устройства, способныеубирать помещения, заказывать и готовить пищу, водить автомобили и т. п. Отдельно стоит отметить социальные аспекты – неизвестно какобщество будет на практике относиться к таким сообществам интеллектуальныхпрограмм. Нечеткая логика Системы нечеткой логики активнеевсего будут применяться преимущественно в гибридных управляющих системах. Обработка изображений Продолжится разработка способовпредставления и анализа изображений (сжатие, кодирование при передаче сиспользованием различных протоколов, обработка биометрических образов, снимковсо спутников), независимых от устройств воспроизведения, оптимизации цветовогопредставления на экране и при выводе на печать, распределенных методовполучения изображений. Дальнейшие развитие получат средства поиска,индексирования и анализа смысла изображений, согласования содержимогосправочных каталогов при автоматической каталогизации, организации защиты откопирования, а также машинное зрение, алгоритмы распознавания и классификацииобразов. Экспертные системы Спрос на экспертные системы (ЭС) остаётсяна достаточно высоком уровне. Наибольшее внимание сегодня уделяется системампринятия решений в масштабе времени, близком к реальному, средствам хранения,извлечения, анализа и моделирования знаний, системам динамическогопланирования. Интеллектуальные приложения Рост числа интеллектуальныхприложений, способных быстро находить оптимальные решения комбинаторных проблем(возникающих, например, в транспортных задачах), связан с производственным ипромышленным ростом в развитых странах. Распределенные вычисления Распространение компьютерных сетей исоздание высокопроизводительных кластеров вызвали интерес к вопросамраспределенных вычислений – балансировке ресурсов, оптимальной загрузкепроцессоров, самоконфигурированию устройств на максимальную эффективность, отслеживаниюэлементов, требующих обновления, выявлению несоответствий между объектами сети,диагностированию корректной работы программ, моделированию подобных систем. Операционные системы реальноговремени Появление автономныхробототехнических устройств повышает требования к операционным системамреального времени (ОС РВ) – организации процессов самонастройки, планированияобслуживающих операций, использования средств ИИ для принятия решений вусловиях дефицита времени. Интеллектуальная инженерия Особую заинтересованность в ИИпроявляют в последние годы компании, занимающиеся организацией процессовразработки крупных программных систем (программной инженерией). Методы ИИ всечаще используются для анализа исходных текстов и понимания их смысла,управления требованиями, выработкой спецификаций, проектирования,кодогенерации, верификации, тестирования, оценки качества, выявлениявозможности повторного использования, решения задач на параллельных системах. Программнаяинженерия постепенно превращается в так называемую интеллектуальную инженерию,рассматривающую более общие проблемы представления и обработки знаний (покаосновные усилия в интеллектуальной инженерии сосредоточены на способахпревращения информации в знания). Самоорганизующиеся СУБД Самоорганизующиеся СУБД будутспособны гибко подстраиваться под профиль конкретной задачи и не потребуютадминистрирования. Автоматический анализ естественныхязыков Автоматический анализ естественныхязыков (лексический, морфологический, терминологический, выявление незнакомыхслов, распознавание национальных языков, перевод, коррекция ошибок, эффективноеиспользование словарей). Высокопроизводительный OLAP-анализ Высокопроизводительный OLAP-анализ ираскопка данных, способы визуального задания запросов. Интеллектуальные медицинские системы Медицинские системы, консультирующиеврачей в экстренных ситуациях, роботы-манипуляторы для выполнения точныхдействий в ходе хирургических операций. Киберзаводы Создание полностью автоматизированныхкиберзаводов, гибкие экономные производства, быстрое прототипирование,планирование работ, синхронизация цепочек снабжения, авторизации финансовыхтранзакций путем анализа профилей пользователей. Прикладные методы Небольшое число конференций посвященовыработке прикладных методов, направленных на решение конкретных задачпромышленности в области финансов, медицины и математики. Игры Традиционно высок интерес к ИИ всреде разработчиков игр и развлекательных программ (это отдельная тема). Срединовых направлений их исследований – моделирование социального поведения,общения, человеческих эмоций, творчества. [9] Заключение Однозначного ответа, что же такое «искусственныйинтеллект» на данный момент не существует. Каждый автор имеет своё мнение наэтот счёт. Некоторые считают, что ИИ может быть создан на основе одной изметодик перечисленных выше, другие считают, что создание ИИ невозможно именнона текущем этапе развития человечества, третьи – вообще в принципе отрицаютвозможность создания ИИ. Особенность ИИ в том, что это несложная и дорогая технология, вроде атомной энергии. Это программный продукт,который легко тиражировать (копировать). Если учить ИИ тому, что человечество считаемполезным, то затем, теоретически, ИИ сможет развиваться по экспоненте, потомучто для каждого нового поколения ИИ не требуется тратить время на изучениетого, что уже знают предыдущие поколения (старые версии ИИ). Но, если позволить «разумной» машинепринимать самостоятельные решения, то невозможно знать заранее, что это будутза решения, и нет уверенности, что эти решения устроят человека. Поэтому машина,снова таки теоретически, сможет осуществить свою волю в соответствии со «своими»суждениями, даже если вы этого не желаете. [6] Ну а что будет на самом деле –покажет будущее. Список использованных источников 1. М. Тим Джонс. «Программирование искусственного интеллектав приложениях» – М.: ДМК Пресс, 2004 – 312 с.: ил. 2. Лекторский В.А. «Теория познания (гносеология,эпистемология)» – «Вопросы философии», 1999, №8 3. Лефевр В.А. «От психофизики к моделированию души.» – «Вопросыфилософии», 1990, №7, с. 25-31. 1 2 |