Штучний інтелект

 Перші застосування штучного інтелекту мисляться i вважаються найбільш необхідними для впровадження саме у сфері правоохоронній, що відрізняється чотирма моментами:

• законом, що становить певний набір правил (актів, інструкцій, кодексів i т.д.), i механізм їхнього застосування (алгоритм дії);
• підвищеним ризиком стосовно представників Закону;
• можливостями здійснення помилок та їхніх наслідків;

Усі ці ознаки, звичайно, є i в митній службі, від продуктивності i злагодженої роботи якої значною мірою залежить економічне здоров’я держави. I хоча різні кібернетичні пристрої i прилади в роботі митниці посідали вже солідне місце, головне рішення залишається за людиною – суб’єктом волі, а це, як відомо, обтяжено спокусами, що їх далеко не завжди людина здатна витримати.

Спробуймо уявити собі на хвильку таку картину: контрольно-пропускні пункти обладнані комп’ютерами (роботами), що здатні мислити, самостійно навчатися i наділені функцією приймати рішення. Перевага подібних стражів очевидна: вони глухі до проблем влади, слави i грошей, отже, їх не можна “купити”; вони чіткі у виконанні i застрахованi вiд випадкових або навмисних помилок; більш швидкі в аналiзi ситуацiї i виборi дiй; максимально об’єктивнi, скромнi, непiдкупнi, розумнi, здатнi навчатися, безстороннi, логiчнi, довговiчнi, безстрашнi, надiйнi, до них не потрiбнi мiри покарання за порушення закону, що є основою їхнiх програм, i т.д

Напрями досліджень

Як наукова дисципліна ШІ має кілька основних напрямів^[1]:

• машинне мислення (англ. machine reasoning, охоплює процеси планування, представлення знань і міркування, пошук та оптимізацію)^[1];
• машинне навчання (умовно поділяється на глибоке навчання (англ. deep learning) і навчання з підкріпленням (англ. reinforcement learning))^[1],
• робототехніка (включає в себе управління, ситуаційне сприйняття, датчики і приводи, а також інтеграцію усіх інших методів в кібер-фізичні системи)^[1].

Якщо проаналізувати історію ШІ, можна виділити такий обширний напрям як моделювання міркувань (англ. Model-based reasoning). Багато років розвиток науки ШІ просувався саме таким шляхом, і зараз це одна з найрозвиненіших областей в сучасному ШІ. Моделювання міркувань має на увазі створення символьних систем, на вході яких поставлена деяка задача, а на виході очікується її розв'язок. Як правило, запропонована задача уже формалізована, тобто переведена на математичну форму, але або не має алгоритму розв'язання, або цей алгоритм занадто складний, трудомісткий тощо. В цей напрям входять: доведення теорем, прийняття рішень і теорія ігор, планування і диспетчеризація, прогнозування.

Таким чином, на перший план виходить інженерія знань, яка об'єднує завдання отримання знань з простої інформації, їх систематизацію і використання. Досягнення в цій області зачіпають майже всі інші напрями дослідження ШІ. Тут також необхідно відзначити дві важливі підобласті. Перша з них — машинне навчання — стосується процесу самостійного отримання знань інтелектуальною системою під час її роботи. Другу пов'язано зі створенням експертних систем — програм, які використовують спеціалізовані бази знань для отримання достовірних висновків щодо довільної проблеми.

Робот-скрипаль від Toyota Motor

Великі і цікаві досягнення є в області моделювання біологічних систем. Сюди можна віднести кілька незалежних напрямків. Нейронні мережі використовуються для розв'язання нечітких і складних проблем, таких як розпізнавання геометричних фігур чи кластеризація об'єктів. Генетичний підхід заснований на ідеї, що деякий алгоритм може стати ефективнішим, якщо відбере найкращі характеристики у інших алгоритмів («батьків»). Відносно новий підхід, де ставиться задача створення автономної програми — агента, котрий співпрацює з довкіллям, називається агентний підхід. А якщо належним чином примусити велику кількість «не дуже інтелектуальних» агентів співпрацювати разом, то можна отримати «мурашиний» інтелект.

Задачі розпізнавання об'єктів вже частково розв'язуються в рамках інших напрямків. Сюди відносяться розпізнавання символів, рукописного тексту, мови, аналіз текстів. Особливо слід згадати комп'ютерне бачення, яке пов'язане з машинним навчанням та робототехнікою.

Робототехніка і штучний інтелект часто поєднуються одне з одним. Об'єднання цих двох наук, створення інтелектуальних роботів, можна вважати ще одним напрямом ШІ.

Окремо тримається машинна творчість^[en], через те, що природа людської творчості ще менше вивчена, ніж природа інтелекту. Тим не менше, ця область існує, і тут стоять проблеми написання комп'ютером музики, літературних творів (часто — віршів та казок), образотворче мистецтво.

Нарешті, існує безліч програм штучного інтелекту, кожна з яких утворює майже самостійний напрямок. Як приклади, можна навести програмування інтелекту в комп'ютерних іграх, нелінійному керуванні, інтелектуальні системи безпеки. Наприклад, у 2018 році дослідники з Корнуельського університету зробили те, що зможе кардинально змінити процес розробки нових відеоігор. Вони створили пару нейронних мереж, що змагаються (генеративних змагальних мереж), і навчили їх на прикладі найпершої гри-шутера, Doom-а. В процесі навчання нейронні мережі визначили основні принципи побудови рівнів цієї гри і після цього вони стали здатні генерувати нові рівні без найменшої допомоги з боку людей^[4].

Не важко бачити, що більшість областей дослідження перетинаються. Це властиво для будь-якої науки. Але в штучному інтелекті взаємозв'язок між, задавалося б, різними напрямами, виражено дуже сильно, і це пов'язано з філософською суперечкою про сильний і слабкий ШІ.