Часть IV. СИМВОЛЬНЫЕ ВЫЧИСЛЕНИЯ И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Глава 10. ОПТИКА И СИМВОЛЬНЫЕ ВЫЧИСЛЕНИЯ

Дж. А. Нефф, Отдел электроники, Агентство оборонных исследовательских проектов, Арлингтон, шт. Вирджиния

Б. Дж. Кашнер, Отделение информационных технологий БДМ корпорэйшн, Арлингтон, шт. Вирджиния

10.1. Введение

В настоящее время наблюдается очень быстрое развитие вычислительных систем, обладающих интеллектуальными возможностями. Наряду с этим происходит быстрый рост квалификации разработчиков вычислительной техники и значительной части пользователей компьютерных систем. В целом под ИИ понимают всю совокупность аппаратных средств и человеческих навыков, однако очень трудно дать точное определение тому, что подразумевается под понятием ИИ, поскольку интеллект — это относительное понятие, которое не может быть точно измерено или определено. Некоторые элементы интеллекта присутствовали в компьютерах с самого начала, хотя сам термин ИИ вызывает в воображении образ исключительно совершенной компьютерной техники. Например, наличие памяти обычно связывают с интеллектом, однако даже ранние варианты компьютеров включали в себя некоторые виды памяти. Рабочее определение ИИ может быть кратко описано как наделение компьютеров теми качествами, которые приближают их к процессам мышления человека и при этом заметно отличаются от способа работы традиционных компьютеров.

Важной характеристикой систем ИИ является ввод и использование новых знаний в каждой операции вычислений. Специалисты по компьютерам затратили большие усилия на то, чтобы выяснить, как наилучшим образом следует представлять знания в вычислительных машинах. Были разработаны многочисленные методики создания, накопления и обработки символьных структур данных. Эти структуры, или элементы знания, могут быть использованы для описания объектов, событий, знаний о тех или иных действиях и знаний о том, что уже известно (или метазнания). В целом такой набор символьных структур называют базой знаний системы ИИ.

Почему оптическая обработка информации выглядит привлекательной для выполнения символьных операций или вычислений? Данная глава предназначена дать достаточно

подробный ответ на поставленный вопрос, но рассмотрение ограничено лишь вопросами, связанными с производительностью вычислений и совместимостью разных режимов работы. Требования к производительности вычислений являются следствием сравнения характеристик производительности электронных цифровых компьютеров и машин, использующих язык Лисп, иначе Лисп-машин. Буквально Лисп означает «обработка списков», данный язык символьных вычислений широко распространен в США в научной среде, связанной с проблемами ИИ. На рис. 10.1 представлена производительность вычислений ряда систем ИИ в зависимости от скорости выполнения операций [1, 2]. В качестве единицы измерения интеллекта используется липе, или число логических выводов в секунду, поскольку в настоящее время для систем ИИ не существует функционального эквивалентного -теста. Из данных, представленных на рисунке, видно, что Лисп-машины имеют весьма низкое быстродействие по сравнению с современным поколением «суперкомпьютеров» и мультипроцессоров.

Потребность в резком увеличении скорости обработки данных в системах ИИ, в настоящее время ограниченной

Рис. 10.1, Тенденции в цифровых и аналоговых вычислительных технологиях (по данным ИИЭР).

предельными возможностями современных архитектур монопроцессорных систем, является основным стимулом для исследования схем параллельной обработки, что направлено на повышение быстродействия и расширения круга практических приложений компьютерных систем ИИ. Необходимость использования методов параллельной обработки информации указывает на потенциальный синергизм между символьной и оптической видами обработки.

Представляется интересным тот факт, что цифровые суперкомпьютеры выполняют функции ИИ с большей скоростью, чем специальные машины ИИ. В частности, это обстоятельство можно понимать в том смысле, что именно повышение быстродействия является важным и универсальным средством в преодолении «узких» мест в задачах ИИ. Это также можно интерпретировать и таким образом, что архитектуры, сконструированные для увеличения пропускной способности цифровых систем, будут полезны для символьных систем, и наоборот. Задача описания характерных свойств вычислительных структур, обладающих необходимыми функциональными возможностями, в настоящее время представляет собой глобальную тему для рассмотрения и требует использования практически всех областей компьютерной техники и математики.

Второй фактор, потенциально связывающий оптическую и символьную обработки данных, связан с проблемой совместимости операций, и вытекает из необходимости выполнять операции корреляции, поиска и сравнения для различных символьных данных. При этом многие из этих операций не требуют высокой точности вычислений. А при использовании оптики в символьных вычислениях, по-видимому, удастся избежать традиционной «ахиллесовой пяты» оптических вычислений — трудности достижения точности вычислений более нескольких битов. В дополнение к этому наличие тесной связи между символьными вычислениями и вычислениями корреляционных функций (и изоморфных им) может предоставить великолепную возможность улучшения характеристик символьных вычислительных систем с помощью оптических корреляторов.

В разд. 10.2 описаны основные свойства символьных вычислений и проводится сравнение их с распространенными методиками цифровых вычислений. Изложены наиболее важные понятия символьных вычислений и ИИ. Затем рассматривается круг проблем, которые, по-видимому, будут встречаться в будущем на пути реализации этих возможностей. В этих разделах непосредственно не затрагиваются вопросы оптических символьных вычислений, но содержащаяся там информация, по-видимому, будет важной для читателей с точки зрения разъяснения сути синергизма, существующего между оптическими и

символьными вычислениями. По замыслу авторов указанные разделы гл. 10 должны выполнить роль введения в проблему ИИ; из-за необъятности проблемы обсуждение придется ограничить только основными аспектами. В разд. 10.4 изложены основные представления об оптических символьных вычислениях. Описаны фундаментальные концепции архитектуры; основной упор сделан на то, что они существенно отличаются от более традиционных архитектур компьютеров. Вслед за этим изложены концепции авторов данной главы относительно того, как оптические методы могли бы улучшить характеристики символьных процессоров.

Стараясь охватить весьма широкий круг проблем, авторы сочли целесообразным сделать введение к каждой из основных дисциплин, составляющих область символьных вычислений. Однако во многих случаях, чтобы обеспечить пропорциональное освещение разных вопросов, потребовалось пожертвовать многими деталями конкретных вопросов. В ряде случаев материал просто выходил за рамки данной книги, и за дополнительной информацией, интересующей читателя, следует обратиться, например, к такому литературному источнику, как [3], представляющему собой трехтомный трактат и содержащему прекрасный обзор по методам ИИ.