"Дмитрий Поспелов. Десять "горячих точек" в исследованиях по искусственному интеллекту" - читать интересную книгу автора

достаточно богатые и практически значимые интеллектуальные системы.
Искусственный интеллект явно вырос из "логических штанишек". Принципы,
опирающиеся на классическое понимание формальной системы дедуктивного
вывода, стали слишком узкими для решения задач ИИ. Возникло нечто вроде
кризиса в физике, ярко проявившегося в начале XX-го века. В чем же состояла
основная проблема?
Логический подход в его классической форме требовал для каждой
предметной области, для которой применялись методы ИИ, наличия полного
перечня исходных положений, которые можно было бы считать аксиомами этой
предметной области. Их существование (сюда естественно включаются и априорно
задаваемые правила вывода) обеспечивало замкнутость используемых моделей,
позволяло ставить и решать круг проблем, связанных с полнотой,
результативностью и непротиворечивостью используемых моделей и процедур.
Однако различные приложения, к которым стремился искусственный
интеллект, оправдывая свою практическую значимость, в подавляющем
большинстве случаев не давали возможностей построения аксиоматических
систем. Знания о предметных областях, как правило, были неполными, неточными
и лишь правдоподобными, что приводило к эффектам немонотонности процессов
получения результатов, возникновению фальсификаторов ранее полученных
утверждений, быстрому снижению достоверности утверждений, получаемых в
результате последовательного (даже при так называемых параллельных
модификациях) процесса логического вывода.
Так возникла проблема замены формальной системы с присущими ей
процедурами дедуктивного вывода иной, столь же мощной моделью, где
отражались бы основные особенности поиска решения в плохо определенных
предметных областях, которые описываются как открытые системы с обновляемыми
знаниями об их строении и функционировании.
С конца 70-х годов XX-го века старая парадигма, опирающаяся на идею
строгого логического вывода, начинает постепенно сменяться новой парадигмой,
провозглашающей, что основной операцией при поиске решения должна быть
правдоподобная аргументация. Работа с аргументами "за" и "против",
снабженных соответствующими весами, приводит к аддитивным процедурам с этими
весами (в противовес мультипликативным процедурам вычисления обобщенных
весов при правдоподобном выводе). Это обстоятельство оказалось решающим для
перехода к аргументации в интеллектуальных системах.
Однако, в отличие от завершенной структуры логического вывода, до сих
пор не существует столь же стройной, научно разработанной теории
правдоподобной аргументации. Эффекты, связанные с появлением парадоксов при
немонотонных рассуждениях, показывают, что переход к более богатой по
сравнению с моделью логического вывода модели правдоподобной аргументации
неизбежно приводит к большому количеству новых проблем, связанных с
обоснованием подобной модели и изучением ее особенностей. Предполагается,
что в ближайшие десятилетия усилия многих специалистов сосредоточатся именно
в этой области исследований.

2. Проблема оправдания

При заполнении памяти интеллектуальных систем знаниями, полученными от
экспертов, хорошо знающих данную предметную область и способы решения
возникающих в ней задач, инженеры по знаниям столкнулись с одной весьма