Основные современные направления исследований в области ИИ

Среди множества направлений искусственного интеллекта есть несколько ведущих, которые в настоящее время вызывают наибольший интерес у исследователей и практиков. Опишем их чуть подробнее.

1. Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems)

Это основное направление в области разработки систем искусственного интеллекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем. В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний.

2. Программное обеспечение систем ИИ (software engineering for Al)

В рамках этого направления разрабатываются специальные языки для решения интеллектуальных задач, в которых традиционно упор делается на преобладание логической и символьной обработки над вычислительными процедурами.

Эти языки ориентированы на символьную обработку информации - LISP, PROLOG, SMALLTALK, РЕФАЛ и др. Помимо этого создаются пакеты прикладных программ, ориентированные на промышленную разработку интеллектуальных систем, или программные инструментарии искусственного интеллекта, например КЕЕ, ART, G2.

Достаточно популярно также создание так называемых пустых экспертных систем или "оболочек" - KAPPA, EXSYS, Ml, ЭКО и др., базы знаний которых можно наполнять конкретными знаниями, создавая различные прикладные системы.

3. Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing)

Начиная с 50-х годов одной из популярных тем исследований в области ИИ является компьютерная лингвистика, и, в частности, машинный перевод (МП). Идея машинного перевода оказалась совсем не так проста, как казалось первым исследователям и разработчикам.

Уже первая программа в области естественно-языковых (ЕЯ) интерфейсов - переводчик с английского на русский язык - продемонстрировала неэффективность первоначального подхода, основанного на пословном переводе.

Однако еще долго разработчики пытались создать программы на основе морфологического анализа. Неплодотворность такого подхода связана с очевидным фактом: человек может перевести текст только на основе понимания его смысла и в контексте предшествующей информации, или контекста.

В дальнейшем системы МП усложнялись и в настоящее время используется несколько более сложных моделей:

• применение так называемых "языков-посредников" или языков смысла, в результате происходит дополнительная трансляция "исходный язык оригинала - язык смысла - язык перевода";
• ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных текстовых базах данных;
• структурный подход, включающий последовательный анализ и синтез естественно-языковых сообщений. Традиционно такой подход предполагает наличие нескольких фаз анализа:
• Морфологический анализ - анализ слов в тексте.
• Синтаксический анализ - разбор состава предложений и грамматических связей между словами.
• Семантический анализ - анализ смысла составных частей каждого предложения на основе некоторой предметно-ориентированной базы знаний.
• Прагматический анализ - анализ смысла предложений в реальном контексте на основе собственной базы знаний.