Интеграция систем искусственного интеллекта

Часть серии статей о
Искусственный интеллект
Главные цели Искусственный интеллект Интеллектуальный агент Рекурсивное самосовершенствование Планирование Компьютерное зрение Общая игра Знание рассуждения Обработка естественного языка Робототехника Безопасность ИИ
Подходы Машинное обучение Символический Глубокое обучение Байесовские сети Эволюционные алгоритмы Гибридные интеллектуальные системы Системная интеграция
Приложения Биоинформатика Дипфейк Науки о Земле Финансы Генеративный ИИ Искусство Аудио Музыка Правительство Здравоохранение Промышленность Психическое здоровье Машинный перевод Военный Физика Проекты
Философия Искусственное сознание Китайская комната Дружественный ИИ Проблема контроля / захват Этика Экзистенциальный риск тест Тьюринга Регулирование
История Хронология Прогресс ИИ зима Бум ИИ
Глоссарий Глоссарий
в т е

Основная идея интеграции систем искусственного интеллекта заключается в том, чтобы сделать отдельные программные компоненты , такие как синтезаторы речи , совместимыми с другими компонентами, такими как базы знаний здравого смысла , чтобы создавать более крупные, широкие и более способные системы ИИ. Основными методами, которые были предложены для интеграции, являются маршрутизация сообщений или протоколы связи, которые программные компоненты используют для связи друг с другом, часто через систему промежуточного программного обеспечения blackboard .

Большинство систем искусственного интеллекта включают в себя некие интегрированные технологии, например, интеграцию технологий синтеза речи с технологиями распознавания речи . Однако в последние годы все чаще обсуждается важность системной интеграции как самостоятельной области. Сторонниками этого подхода являются такие исследователи, как Марвин Мински , Аарон Сломан , Деб Рой , Кристинн Р. Ториссон и Майкл А. Арбиб . Причина недавнего внимания, которое привлекает интеграция ИИ, заключается в том, что уже создано несколько (относительно) простых систем ИИ для определенных проблемных областей (таких как компьютерное зрение , синтез речи и т. д.), и что интеграция того, что уже доступно, является более логичным подходом к более широкому ИИ, чем создание монолитных систем с нуля.

Фокус на интеграции систем, особенно в отношении модульных подходов, вытекает из того факта, что большинство интеллектов значительных масштабов состоят из множества процессов и/или используют многомодальный ввод и вывод. Например, интеллект гуманоидного типа предпочтительно должен был бы уметь говорить, используя синтез речи, слышать, используя распознавание речи, понимать, используя логический (или какой-либо другой неопределенный) механизм и т. д. Для того, чтобы создать искусственно интеллектуальное программное обеспечение более широкого интеллекта, необходима интеграция этих модальностей.

Сотрудничество является неотъемлемой частью разработки программного обеспечения , о чем свидетельствуют размеры компаний-разработчиков программного обеспечения и размеры их отделов программного обеспечения. Среди инструментов, облегчающих совместную работу над программным обеспечением, есть различные процедуры и стандарты, которым разработчики могут следовать, чтобы гарантировать качество, надежность и совместимость своего программного обеспечения с программным обеспечением, созданным другими (например, стандарты W3C для разработки веб-страниц). Однако сотрудничество в области ИИ отсутствует, по большей части не наблюдается за пределами уважаемых школ, отделов или научно-исследовательских институтов (а иногда и внутри них). Это представляет для практиков интеграции систем ИИ существенную проблему и часто заставляет исследователей ИИ «изобретать велосипед» каждый раз, когда они хотят, чтобы определенная функциональность работала с их программным обеспечением. Еще более разрушительным является синдром «не изобретено здесь», который проявляется в сильном нежелании исследователей ИИ основываться на работе других.

Результатом этого в ИИ является большой набор «островов решений»: исследования ИИ создали многочисленные изолированные программные компоненты и механизмы, которые работают с различными частями интеллекта по отдельности. Вот несколько примеров:

• Синтез речи
  • FreeTTS от CMU
• Распознавание речи
  • Сфинкс из CMU
• Логическое рассуждение
  • Открытый цикл от Cycorp
  • Open Mind Common Sense Net от Массачусетского технологического института

С ростом популярности движения свободного программного обеспечения , многие создаваемые программные средства, включая системы ИИ, доступны для публичного использования. Следующим естественным шагом является объединение этих отдельных программных компонентов в согласованные интеллектуальные системы более широкого характера. Поскольку множество компонентов (которые часто служат одной и той же цели) уже созданы сообществом, наиболее доступным способом интеграции является предоставление каждому из этих компонентов простого способа общения друг с другом. При этом каждый компонент сам по себе становится модулем, который затем можно опробовать в различных настройках и конфигурациях более крупных архитектур. Некоторые сложности и ограничения использования программного обеспечения ИИ — это неконтролируемые фатальные ошибки. Например, серьезные и фатальные ошибки были обнаружены в очень точных областях, таких как онкология человека, как в статье, опубликованной в журнале Oral Oncology Reports под названием «Когда ИИ идет не так: фатальные ошибки в онкологических исследованиях, рассматривающих помощь». ^[1] В статье указывалось на серьезную ошибку в искусственном интеллекте на основе GBT в области биофизики.

Существует множество онлайн-сообществ для разработчиков ИИ, где руководства, примеры и форумы направлены на помощь как новичкам, так и экспертам в создании интеллектуальных систем. Однако немногим сообществам удалось сделать определенный стандарт или кодекс поведения популярным, чтобы позволить интегрировать большую коллекцию разнообразных систем с какой-либо легкостью.

Методология конструкционистского проектирования (CDM, или «конструкционистский ИИ») — формальная методология, предложенная в 2004 году для использования при разработке когнитивной робототехники, коммуникативных гуманоидов и широких систем ИИ. Создание таких систем требует интеграции большого количества функций, которые должны быть тщательно скоординированы для достижения согласованного поведения системы. CDM основана на итеративных этапах проектирования, которые приводят к созданию сети именованных взаимодействующих модулей, взаимодействующих посредством явно типизированных потоков и дискретных сообщений. Протокол сообщений OpenAIR (см. ниже) был вдохновлен CDM и часто использовался для помощи в разработке интеллектуальных систем с использованием CDM.

• ASIMO , гуманоидный робот компании Honda, и QRIO , версия гуманоидного робота компании Sony.
• Cog , проект гуманоидного робота Массачусетского технологического института под руководством Родни Брукса .
• AIBO , робот-собака от Sony, сочетает в себе зрение, слух и моторику.
• TOPIO , гуманоидный робот TOSY, может играть в пинг-понг с человеком

• Гибридная интеллектуальная система , системы, объединяющие методы традиционного символического ИИ и вычислительного интеллекта .
• Нейросимволический ИИ
• Человекоподобные роботы активно используют системную интеграцию.
• Методология конструктивистского проектирования
• Когнитивные архитектуры

• Методология конструктивистского проектирования, опубликованная в журнале AI
• MissionEngine: Мультисистемная интеграция с использованием Python в проекте Tactical Language

• COG, гуманоидный робот в Массачусетском технологическом институте
• Библиотека Инициативы Открытых Знаний