Интеллектуальные системы

Рекомендовано УМО
по классическому университетскому образованию
в качестве учебника для студентов высших учебных заведений, 
обучающихся по направлению ВПО 010300 «Фундаментальная
информатика и информационные технологии»

2-е издание, электронное

Л. Н. Ясницкий

ИНТЕЛЛЕКТУАЛЬНЫЕ
СИСТЕМЫ

У Ч Е Б Н И К  Д Л Я  В Ы С Ш Е Й  Ш К О Л Ы
У Ч Е Б Н И К  Д Л Я  В Ы С Ш Е Й  Ш К О Л Ы

Москва
Лаборатория знаний
2020

УДК 004.8
ББК 32.813я73
Я82

С е р и я о с н о в а н а в 2009 г.

Р е ц е н з е н т ы: зав. кафедрой информационных технологий
Пермского государственного национального исследовательского университета,
д-р физ.-мат. наук, проф. Е. К. Хеннер;
зав. кафедрой прикладной математики и информатики
Пермского государственного национального исследовательского университета,
д-р физ.-мат. наук, проф. С. В. Русаков;
профессор кафедры математического моделирования систем и процессов
Пермского национального исследовательского политехнического университета,
д-р техн. наук, проф. В. Ю. Столбов.
Ясницкий Л. Н.
Я82
Интеллектуальные системы : учебник / Л. Н. Ясницкий. — 2-е
изд., электрон. — М. : Лаборатория знаний, 2020. — 224 с. — (Учебник для высшей школы). — Систем. требования: Adobe Reader XI ;
экран 10". — Загл. с титул. экрана. — Текст : электронный.
ISBN 978-5-00101-897-1
В учебнике приведена история становления научной области «искусственный интеллект». Освещены основные направления ее развития
и сферы применения; выполнено сопоставление трех основных стратегических подходов к созданию интеллектуальных систем: технологии
экспертных систем, технологии нейронных сетей и технологии эволюционного моделирования. Изложены теоретические основы и даны примеры
разработки интеллектуальных систем, а также примеры их применения для
интеллектуального анализа данных в промышленности, экономике, бизнесе,
психологии, социологии и других областях.
Книга является исчерпывающим руководством по освоению технологий
создания интеллектуальных нейросетевых систем и их применению для
решения широкого круга проблем, встречающихся во многих областях
деятельности современного человека.
Для студентов высших учебных заведений технического профиля.
УДК 004.8
ББК 32.813я73

Деривативное издание на основе печатного аналога: Интеллектуальные
системы : учебник / Л. Н. Ясницкий. — М. : Лаборатория знаний, 2016. —
221 с. : ил. — (Учебник для высшей школы). — ISBN 978-5-906828-73-6.

В оформлении обложки использован фрагмент иллюстрации Герда Альтмана с сайта pixabay.com

В соответствии со ст. 1299 и 1301 ГК РФ при устранении ограничений, установленных техническими
средствами защиты авторских прав, правообладатель вправе требовать от нарушителя возмещения
убытков или выплаты компенсации

ISBN 978-5-00101-897-1
c○ Лаборатория знаний, 2016

2

ОГЛАВЛЕНИЕ

Предисловие. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6

Благодарности . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9

Глава 1. Прошлое и настоящее искусственного интеллекта и интеллектуальных систем . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11

1.1. Исторический очерк . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11

1.2. Основные стратегии . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17

1.3. Лидирующая научная отрасль . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19

1.4. Основные сферы применения . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21

Контрольные вопросы и задания. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25

Глава 2. Модели представления знаний . . . . . . . . . . . . . . . . . . . . . . . . . .
26

2.1. Данные и знания . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26

2.2. Продукционная модель . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27

2.3. Фреймовая модель . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30

2.4. Сетевая модель . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31

2.5. Логическая модель . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31

2.6. Синаптическая модель . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32

Контрольные вопросы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32

Глава 3. Экспертные системы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33

3.1. Предметные области . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33

3.2. Структура и режимы работы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33

3.3. Этапы и технология разработки . . . . . . . . . . . . . . . . . . . . . . . . . . .
35

3.4. Программный инструментарий . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38

3.5. Инженерия знаний . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40

Контрольные вопросы и задания. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41

Глава 4. Понятие о классической нейронной сети . . . . . . . . . . . . . . .
42

4.1. Мозг и компьютер. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42

4.2. Математический нейрон Мак-Каллока—Питтса . . . . . . . . . . . .
44

Контрольные вопросы и задания к § 4.2 . . . . . . . . . . . . . . . . . .
48

4.3. Персептрон Розенблатта и его обучение. . . . . . . . . . . . . . . . . . .
48

Контрольные вопросы и задания к § 4.3 . . . . . . . . . . . . . . . . . .
53

4.4. Распознавание букв . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54

Контрольные вопросы и задания к § 4.4 . . . . . . . . . . . . . . . . . .
56

4.5. Сигмоидная активационная функция и обобщенное дельтаправило . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
56

Контрольные вопросы и задания к § 4.5 . . . . . . . . . . . . . . . . . .
62

4.6. Ограниченность однослойного персептрона . . . . . . . . . . . . . . . .
63

Контрольные вопросы и задания к § 4.6 . . . . . . . . . . . . . . . . . .
66

4.7. Персептрон со скрытым слоем нейронов . . . . . . . . . . . . . . . . . .
67

Контрольные вопросы и задания к § 4.7 . . . . . . . . . . . . . . . . . .
69

4.8. Многослойный персептрон и алгоритм его обучения . . . . . .
69

Контрольные вопросы и задания к § 4.8 . . . . . . . . . . . . . . . . . .
75

Оглавление

Глава 5. Возможности и сферы применения нейронных сетей . . .
76

5.1. Возможности интеллектуального анализа данных . . . . . . . . . .
76

5.2. Диагностика заболеваний человека . . . . . . . . . . . . . . . . . . . . . . . .
78

Контрольные вопросы и задания к § 5.2 . . . . . . . . . . . . . . . . . .
83

5.3. Диагностика технических устройств . . . . . . . . . . . . . . . . . . . . . . .
83

Контрольные вопросы и задания к § 5.3 . . . . . . . . . . . . . . . . . .
87

5.4. Диагностика экономического состояния предприятий . . . . . .
88

5.5. Управление кибернетическим объектом. . . . . . . . . . . . . . . . . . . .
90

5.6. Прогнозирование политических событий . . . . . . . . . . . . . . . . . .
91

Контрольные вопросы и задания к § 5.6 . . . . . . . . . . . . . . . . . .
97

5.7. Выявление способности человека к бизнесу . . . . . . . . . . . . . . .
98

5.8. Выявление способности человека к научной деятельности .
101

5.9. Свойства нейронных сетей, унаследованные от мозга . . . . . .
106

Контрольные вопросы и задания к § 5.9 . . . . . . . . . . . . . . . . . .
109

5.10. Круг задач, решаемых при помощи нейронных сетей. . . . . .
110

Контрольные вопросы и задания к § 5.10 . . . . . . . . . . . . . . . . .
111

Глава 6. Оптимальное
проектирование
и
обучение
нейронных
сетей . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
112

6.1. Теоремы существования. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
112

6.2. Методы проектирования нейронных сетей. . . . . . . . . . . . . . . . .
115

Контрольные вопросы и задания к § 6.2 . . . . . . . . . . . . . . . . . .
119

6.3. Методы обучения нейронных сетей . . . . . . . . . . . . . . . . . . . . . . .
119

6.4. Генетические алгоритмы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
122

6.5. Дополнительные рекомендации по проектированию и обучению персептронов . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
130

6.6. Алгоритм интеллектуального анализа данных методом нейросетевого математического моделирования. . . . . . . . . . . . . . . .
141

Этап 1. Постановка задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
142

Этап 2. Формирование примеров . . . . . . . . . . . . . . . . . . . . . . . . . .
142

Этап 3. Первоначальное проектирование сети. . . . . . . . . . . . . .
143

Этап 4. Обучение сети . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
143

Этап 5. Проверка и оптимизация сети. . . . . . . . . . . . . . . . . . . . .
145

Этап 6. Исследование предметной области — интеллектуальный анализ данных . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
147

Контрольные вопросы и задания к § 6.6 . . . . . . . . . . . . . . . . . .
149

Глава 7. Неклассические нейронные сети . . . . . . . . . . . . . . . . . . . . . . . .
150

7.1. Сеть каскадной корреляции Фальмана—Либьера . . . . . . . . . . .
150

7.2. Радиально-базисные сети. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
154

7.3. Рекуррентные сети на базе персептрона . . . . . . . . . . . . . . . . . . .
159

7.4. Рекуррентная сеть Хопфилда . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
161

7.5. Самообучающиеся и гибридные сети . . . . . . . . . . . . . . . . . . . . . .
164

7.6. Интеллектуальный нейрон Вальцева . . . . . . . . . . . . . . . . . . . . . . .
169

Контрольные вопросы и задания . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
173

Глава 8. Компьютерное творчество . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
174

8.1. Философские аспекты творчества . . . . . . . . . . . . . . . . . . . . . . . . .
174

8.2. Творчество в музыкальной сфере. . . . . . . . . . . . . . . . . . . . . . . . . .
177

8.3. Творчество в поэзии . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
181

8.4. Творчество в науке . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
183

Контрольные вопросы и задания . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
188

Оглавление
5

Глава 9. Настоящее и будущее искусственного интеллекта и интеллектуальных систем . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
190

9.1. Искусственный интеллект и интеллектуальные системы. . . .
190

9.2. Нейронные сети и экспертные системы . . . . . . . . . . . . . . . . . . .
191

9.3. Нейросетевые технологии и методы регрессионного анализа
194

9.4. Нейросетевые технологии и метод математического моделирования . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
197

9.5. Философские проблемы искусственного интеллекта. . . . . . . .
200

9.6. Прогнозы на будущее. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
202

Контрольные вопросы и задания . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
207

Список литературы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
209

Приложение. Отзывы рецензентов . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
217

Рецензия 1 на книгу Л. Н. Ясницкого «Интеллектуальные системы»
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
217

Рецензия 2 на книгу Л. Н. Ясницкого «Интеллектуальные системы»
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
220

ПРЕДИСЛОВИЕ

В последнее время руководители системы высшего профессионального
образования уделяют внимание изучению методов создания интеллектуальных систем, включая в учебные программы вузов дисциплины
под названиями:
• «Интеллектуальные информационные системы»;
• «Системы искусственного интеллекта»;
• «Нейронные сети»;
• «Интеллектуальные системы»;
• «Интеллектуальные системы и технологии»;
• «Интеллектуальные технологии»;
• «Основы искусственного интеллекта»;
• «Прикладные методы искусственного интеллекта»;
• «Интеллектуальный анализ данных».
В чрезвычайно высокой востребованности указанных дисциплин
автор этой книги многократно убеждался, сотрудничая со многими
фирмами — разработчиками и пользователями IT-продукции, а также
читая эти дисциплины во многих университетах. Как показывает
опыт, изучение методов создания интеллектуальных систем обычно
не ограничивается сдачей зачетов и экзаменов. Освоив теоретическую
базу
и
технологии
создания
интеллектуальных
систем,
студенты
продолжают их применять при выполнении курсовых, дипломных,
магистерских, кандидатских и докторских работ. Уже после окончания
вуза выпускники делают себе карьеру, создают свои собственные
инновационные предприятия, разрабатывая и внедряя интеллектуальные информационные системы в экономике, в промышленности,
в бизнесе, в политологии и социологии, в медицине и криминалистике,
педагогике
и
психологии
и т. д.
Причем
сфера
их
деятельности
и внедрений постоянно расширяется, а успехи умножаются.
Как заметил известный польский специалист в области нейросетевых технологий Рышард Тадеусевич в своей последней книге1), «мода
на применение [методов искусственного интеллекта] продолжается

1)Элементарное
введение
в
технологию
нейронных
сетей
с
примерами
программ / Пер. с польск. И. Д. Рудинского. — М.: Горячая линия — Телеком,
2011. — 408 с.

Предисловие
7

и даже расширяется... В некоторых кругах незнание нейронных сетей
начинает трактоваться как светская бестактность! ... Восхищение нейронными сетями имеет вполне конкретные и важные причины. Главная
предпосылка их огромной популярности — действительно прекрасные
результаты, получаемые с помощью этого нового инструментария при
решении многих задач, издавна считавшихся особо сложными».
Назовем несколько таких «прекрасных результатов», полученных
студентами и аспирантами вузов и сотрудниками предприятий под
руководством и при участии автора этой книги.
1. Разработана
система
диагностики
авиационных
двигателей,
по
точности
и
спектру
обнаруживаемых
дефектов
превосходящая
существующие инженерные методики1).
2. В 2006 г. была спрогнозирована победа Д. А. Медведева на президентских выборах 2008 г. Прогноз2) был опубликован в 2007 г. —
за полтора года до выборов, когда личность Д. А. Медведева как
политика еще была мало известна и его победа на выборах мало
кем ожидалась, однако прогноз нейронной сети оказался верным.
3. В 2008 и 2010 гг., когда президент Д. А. Медведев находился на
вершине
своей
популярности,
были
опубликованы
работы3) 4),
в которых искусственный интеллект прогнозировал ему снижение рейтинга, тогда как другому политику — В. В. Жириновскому,
прогнозные кривые предсказали постепенный рост популярности,
что и наблюдалось в последующие годы.
4. В 2013 г. выполнен и опубликован5) подтвердившийся впоследствии6) прогноз места в неофициальном командном зачете российских спортсменов на Зимней Олимпиаде-2014. Кроме того,
были разработаны рекомендации по улучшению результативности

1)Конев С. В., Сичинава З. И., Ясницкий Л. Н. Применение нейросетевых
технологий для диагностики неисправностей авиационных двигателей. Вестник
Пермского университета. Серия: Математика. Механика. Информатика. 2005.
№ 2. С. 43–47 с.
2)Ясницкий Л. Н. Интеллектуальные информационные технологии и системы.
Пермь: Пермский университет, 2007. 271 с.
3)Ясницкий Л. Н. О возможностях применения методов искусственного интеллекта в политологии // Вестник Пермского университета. Серия: Политология.
2008. № 2. С. 147–155.
4)Ясницкий Л. Н., Черепанов Ф. М. О возможностях применения нейросетевых
технологий в политологии // Нейрокомпьютеры: разработка, применение. 2010.
№ 8. С. 47–53.
5)Ясницкий Л. Н., Павлов И. В., Черепанов Ф. М. Прогнозирование результатов Олимпийских игр 2014 г. в неофициальном командном зачете методами
искусственного интеллекта // Современные проблемы науки и образования. —
2013. — № 6;
URL:
http://www.science-education.ru/113\nobreakdash-11206

(дата обращения: 25.12.2013).
6)http://www.psu.ru/news/prognoz-uchenykh-pgniu-okazalsya-vernym.

Предисловие

отдельных спортсменов1). Некоторые из этих рекомендаций были
учтены тренерами и дали результат на Олимпиаде-20142).
5. В ходе разработки и исследований нейросетевой системы диагностики заболеваний сердечно-сосудистой системы методами искусственного интеллекта выявлены новые медицинские знания, в результате
чего,
после
обсуждений
с
авторитетными
врачами-экспертами,
сделан вывод3)
о необходимости корректировки существующей
практики профилактики и лечения кардиологических заболеваний.
6. На сайте Пермского отделения Научного совета РАН по методологии искусственного интеллекта www.PermAI.ru в разделе «Проекты»
в свободном доступе выложены программы, позволяющие: прогнозировать вероятность банкротства российских банков; выявлять
способности людей к научной деятельности и к руководящей
деятельности; прогнозировать успешность карьеры студентов после
окончания вуза; прогнозировать прочность семьи; выявлять предрасположенность людей к наркозависимости, к суициду, к насилию,
к анорексии; ставить диагнозы заболеваний сердечно-сосудистой
системы и выполнять прогнозирование их развития на ближайшие
годы. Воспользовавшись указанными программами, читатели этой
книги могут выбрать для себя сферу деятельности, занимаясь которой они добьются наибольших успехов; определять оптимальную
для себя траекторию обучения в вузе; определять оптимальные
для себя меры по снижению их предрасположенности к таким
заболеваниям, как наркомания, суицид, анорексия; поставить себе
диагнозы заболеваний сердечно-сосудистой системы и определить
оптимальные
для
себя
меры
по
излечению
этих
заболеваний;
проверять
насколько
надежен
банк,
выбранный
для
хранения
сбережений.
Являясь председателем Пермского отделения Научного совета по
методологии искусственного интеллекта Российской академии наук,
сотрудником нескольких IT-фирм, профессором пяти университетов,

1)Ясницкий Л. Н., Внукова О. В., Черепанов Ф. М. Прогноз результатов Олимпиады-2014 в мужском одиночном фигурном катании методами искусственного
интеллекта // Современные проблемы науки и образования. — 2014. — № 1; URL:
http://www.science-education.ru/115-11339 (дата обращения: 25.12.2013).
2)В указанной работе фигуристу Е. В. Плющенко прогнозировалось 2-е место
на Олимпиаде-2014. Однако в этой же работе ему было рекомендовано сбавить
вес, с чем и согласился его тренер А. Н. Мишин (см. http://www.poisknews.
ru/theme/infosphere/8916/).
В
результате
в
командных
соревнованиях
на
Олимпиаде-2014 Е. В. Плющенко показал блестящий результат, благодаря чему
команда получила золотую медаль.
3)Yasnitsky L. N.,
Bogdanov K. V.,
Cherepanov F. M.,
Makurina T. V.,
Dumler A. A.,
Chugaynov S. V.,
Poleschuk A. N.
Diagnosis
and
Prognosis
of
Cardiovascular Diseases on the Basis of Neural Networks // Biomedical Engineering.
2013. T. 47. № 3. C. 160–163.

Благодарности
9

автор книги может долго перечислять достижения своих бывших
студентов и аспирантов, ныне успешных бизнесменов, инженеров,
научных работников, педагогов. Своей же главной заслугой он считает
популяризацию
этой
достаточно
сложной
научной
дисциплины —
создание простой и эффективной методики ее преподавания, частью
которой является данная книга.
Книга имеет хорошо зарекомендовавший себя прототип — учебное
пособие Л. Н. Ясницкого «Введение в искусственный интеллект», первоначально выпущенное Пермским государственным университетом
в 2001 г., а затем переизданное в Москве в 2005, 2008 и 2010 гг.
В настоящее время эти книги используются в учебном процессе многих
вузов и об их высокой востребованности свидетельствует большое
количество
цитирований,
зафиксированных
eLIBRARY,
Академия
GOOGLE и др.

БЛАГОДАРНОСТИ

Автор
использовал
рукописные
материалы
из
библиотеки
первого
заведующего
кафедрой
прикладной
математики
Пермского
государственного
университета
(ныне
Пермский
государственный
национальный исследовательский университет) Юрия Владимировича
Девингталя,
подаренной
университету
Валентиной
Васильевной
Девингталь. Кроме того, в книге приводится информация, любезно
предоставленная
автору
специалистами
в
области
искусственного
интеллекта:
Р. П. Абусевым,
И. А. Грибановым,
В. А. Игошиным,
В. А. Краснобаевым,
М. А. Марценюком,
С. И. Чуприной.
Компьютерная реализация идеи социально-генетического алгоритма и его
апробация
выполнены
совместно
с
Д. И. Мурашовым.
Принципы
построения нейросетевой системы диагностики авиационных двигателей разработаны совместно с начальником отдела диагностики
АО «Авиадвигатель» В. Ф. Халиуллиным, а ее программную реализацию
выполнили З. И. Сичинава и С. В. Конев. Принципиальные основы
создания
системы
кардиодиагностики
разрабатывались
совместно
с
врачом — консультантом
Пермского
кардиологического
центра
Ю. К. Филоненко
и
доцентом
Пермского
государственного
медицинского университета им. академика Е. А. Вагнера А. А. Думлером,
а ее программная реализация и компьютерные эксперименты выполнены
М. А. Таначевой
и
А. Н. Дворяниновой,
Ф. М. Черепановым
К. В. Богдановым,
Т. В. Макуриной,
А. С. Плюсниным.
Опытнопромышленные испытания, окончательная доработка и внедрение
кардиодиагностической системы осуществлялись под руководством
директора ЗАО «Информационно-вычислительные сети» А. Н. Полещука при финансовой поддержке правительства Пермского края.

Предисловие

В разработке интеллектуальных информационных систем в областях
экономики, бизнеса, политологии, социологии, педагогики, медицины
и
других
принимали
участие
студенты,
магистранты,
аспиранты
и сотрудники практически всех пермских вузов.
Многие нейросетевые модели выполнены с использованием специально созданного для этих целей программного инструментария —
«Нейросимулятора 5.0», явившегося результатом многолетнего сотрудничества автора с Ф. М. Черепановым. Совместно с ним же создан
лабораторный практикум по искусственному интеллекту и интеллектуальному анализу данных, размещенный на сайте www.LbAi.ru.
Автор выражает свою признательность руководителям Научного
Совета РАН по методологии искусственного интеллекта академику
В. Л. Макарову и профессору Д. И. Дубровскому за внимание и поддержку своего пермского филиала.
Автор чрезвычайно благодарен своим наставникам и коллегам
по редакционной коллегии журнала «Нейрокомпьютеры: разработка, применение» А. И. Галушкину, А. В. Чечкину, Л. С. Куравскому,
В. В. Борисову, А. В. Савельеву.
Особую благодарность автор выражает Российскому фонду фундаментальных исследований (РФФИ) за выделение гранта РФФИ
№ 16-01-00164 для подготовки рукописи книги.
Всем, кто предоставил информацию, принял участие в разработке
интеллектуальных систем и в подготовке материалов книги, всем
прямым и косвенным участникам Пермской научной школы искусственного интеллекта автор выражает искреннюю благодарность.

Глава 1
ПРОШЛОЕ И НАСТОЯЩЕЕ
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
И ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

1.1.
ИСТОРИЧЕСКИЙ ОЧЕРК

Человек — это самый сложный из доступных для нашего восприятия
объект, а способность мышления — его главное свойство — атрибут.
Искусственный
интеллект — это
наука,
целью
которой
является
изучение и моделирование атрибута человека — мышления.
Какова природа мышления? Какие процессы происходят в нашем
организме, когда мы думаем, чувствуем, видим, понимаем? Возможно
ли в принципе понять, как работает наш мозг, и заставить мыслить
неживую материю? На протяжении тысячелетий человек задавался
этими вопросами, но до сих пор мы не можем ответить на них
с полной определенностью.
Попытки понять и формализовать механизм мышления человека
имеют давнюю историю. Еще Платон (IV в. до н. э.), Аристотель (IV в.
до н. э.), Рене Декарт (1596–1650), Бенедикт Спиноза (1632–1677),
Готфрид Вильгельм Лейбниц (1646–1716), Джордж Буль (1815–1864)
и многие другие исследователи на уровне современных им знаний
стремились описать мышление как совокупность некоторых элементарных операций, правил и процедур. В полном объеме формальная
аксиоматизация логических рассуждений представлена в работах таких
великих философов, как Фридрих Людвиг Готлоб Фреге (1848–1925),
Бертран Артур Уильям Рассел (1872–1970), Курт Гёдель (1906–1978).
Первую, зафиксированную в истории попытку создания машины,
моделирующей человеческий разум, связывают с именем средневекового испанского рыцаря, поэта, философа, богослова, алхимика,
изобретателя Раймунда Луллия (1235–1315). Представляет огромный
интерес сама личность этого человека (рис. 1.1). Любимец короля,
дуэлянт и повеса, как о нем пишут историки, рыцарь Раймунд
Луллий в возрасте 24 лет вдруг неожиданно отказывается от светских
развлечений и идет в монастырь, чтобы стать мудрецом. Согласно легенде, его решение продиктовано весьма благородной целью — постичь
науки и с их помощью излечить от тяжелой болезни свою даму сердца.
К сожалению, истории неизвестно, удалось ли Луллию достичь
своей благородной цели. Известно только, что в возрасте 80 лет во
время жаркого спора его насмерть забили камнями оппоненты — те,
кто были не согласны с учением Луллия...

Глава 1. Прошлое и настоящее искусственного интеллекта

Рис. 1.1. Статуя Раймунда Луллия в Барселонском университете

Во времена Луллия, а это был XIII в., ученые занимались поиском
неких универсальных понятий и истин, которые, будучи связанными между собой, давали бы общую картину мироздания, а значит,
и ответы на все интересующие человечество вопросы. Это был век
философов-мудрецов, астрологов
и
алхимиков,
занятых
поисками
философского камня.
Развивая традиции ученых своего времени, Луллий сконструировал механическое устройство, состоящее из системы кругов (рис. 1.2),
имеющих возможность вращаться. Каждый круг был поделен на секторы, окрашенные в разные цвета и помеченные латинскими буквами.
Круги соединялись друг с другом и приводились во вращение. В результате получались различные сочетания символов и цветов — так
называемая «формула истины».
Машины Луллия могли работать в различных предметных областях и давать ответы на всевозможные вопросы, составлять гороскопы,

1.1. Исторический очерк
13

Рис. 1.2. Один из кругов логической машины Луллия

ставить диагнозы болезней, делать прогнозы на урожай. В наиболее
позднем варианте машина Луллия состояла из 14 кругов, размеченных
буквами и раскрашенных в различные цвета, которые символизировали различные понятия, элементы, стихии, субъекты и объекты знания.
Круги приводились в движение системой рычагов. Поворачиваясь, они
могли образовать около 18 квадриллионов (18 · 1015) разнообразных сочетаний буквенных и цветовых «истин». Запросы в машину вводились
с помощью поворота внутреннего круга, на котором было начертано
девять вариантов вопросов: «Что?», «Почему?», «Из чего?», «Сколько?»,
«Каким образом?», «Где?», «Когда?», «Какое?», «Которое из двух?».
По существу, машина Луллия представляла собой механическую
экспертную систему, наделенную базой знаний, устройствами ввода
и вывода, естественным языком общения. Свести к логическим операциям если не все знания о мире, то хотя бы часть из них, а затем
поручить не человеческому мозгу, а механическому устройству процедуру вывода «формул знания», следующих из накопленной базы
знаний, — эта идея искусственного интеллекта. Впервые она была высказана и реализована средневековым рыцарем Раймундом Луллием,
прожила семь веков и достигла в наши дни своего расцвета и триумфа.
В 40-х гг. ХХ в. с появлением электронно-вычислительных машин
искусственный интеллект обрел второе дыхание. Произошло выделение
искусственного интеллекта в самостоятельное научное направление.