Тем не менее, УМК «Искусственный интеллект» очень даже успешно использовался в вузах при преподавании дисциплин:
• «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».
Кроме того, УМК использовали школьники, изучавшие методы искусственного интеллекта в порядке личной инициативы. Причем, надо отметить, что их молодые умы, не обремененные официальными знаниями, смогли найти новые нестандартные пути приложений и существенно обогатить эту быстро развивающуюся научную отрасль новыми нестандартными подходами и решениями.
С легкостью усвоив небольшой теоретический материал, выполнив лабораторные работы и освоив программу «Нейросимулятор» (Лабораторная работа №8, скачанную с сайта www.LbAi.ru, поняв поистине неограниченные возможности нейронных сетей, они пустились собирать статистический материал и придумывать все новые и новые области применения нейросетевых технологий.
Не могу сказать, что все их проекты были удачными, но некоторые – вызывают восхищение!
Так, студенты и школьники своими проектами, ответили на весьма важный вопрос: «Почему до сих пор не сбылось третье предсказание Саймона?»
Напомню, что нобелевский лауреат Герберт Саймон в 1957 году опубликовал серию прогнозов будущего искусственного интеллекта:
- В ближайшее десятилетие ЭВМ завоюет титул чемпиона мира по шахматам.
- В пределах десяти лет ЭВМ откроет и сумеет доказать новую важную математическую теорему.
- В десятилетний срок большинство теорий в области психологии примет вид программ для вычислительной машины.
С тех пор прошло более полувека, и мы можем констатировать, что два первых предсказания, хотя и с большим опозданием, но сбылись: Компьютерная программа «Deep Blue» однажды выиграла матч у чемпиона мира по шахматам, а программа «Логик-теоретик» сформулировала две новые теоремы алгебры логики. Однако о третьем предсказании Саймона мы ничего подобного пока сказать не можем.
В чем причина?
В настоящее время психологи всего мира, решая задачи психодиагностики выдвигают различные гипотезы, называют в качестве наиболее важных те, или иные факторы, влияющие на способности и предрасположенности человека, публикуют большое количество статей, аргументируя и отстаивая свои, часто не совпадающие между собой точки зрения. С другой стороны, мы знаем, что современный уровень технологии искусственных нейронных сетей позволяет строить нейросетевые модели с учетом всех без исключения факторов, называемых психологами, и, исследуя эти модели, выявлять наиболее важные из них, разрешая споры и сомнения психологов. Однако, таких публикаций почему-то практически нет…
По-видимому, их отсутствие объясняется тем, что отдельные предпринимаемые попытки создания нейросетевых психологических моделей оказались неудачными, т.е. нейронные сети при тестировании показывали неприемлемо большие погрешности.
Почему?
Проекты пермских школьников и студентов проливают свет на затронутую проблему. Так, в статье «Возможности методов искусственного интеллекта для выявления и использования новых знаний на примере задачи управления персоналом»[1] описан опыт создания нейронной сети, предназначенной для выявления способности людей к руководящей деятельности – так называемого «психологического потенциала руководителя» (ППР). В качестве входных параметров школьниками были учтены факторы, традиционно используемые психологами, такие как пол, возраст, количество детей, сфера деятельности, а также некоторые нетрадиционные параметры, имеющие астрологическую природу: знак Зодиака, градус Солнца в Зодиаке, стихия. Нейросеть была обучена на множестве примеров людей, занимающих руководящие должности, а также на примерах рядовых исполнителей ОАО «Лукойл», «Трест №14 (г. Пермь)», «Сбербанк России» и др. Среднеквадратическая ошибка тестирования, выполненного на примерах, не использованных при обучении нейросети, составила 6,6%.
Затем, из числа входных параметров были удалены факторы астрологической природы. Однако в этом случае попытки создания приемлемой нейросетевой модели не дали положительного результата: среднеквадратичная погрешность тестирования составила 69,0%, что в 11,5 раз больше погрешности, зафиксированной при тестировании нейронной сети, построенной с учетом астрологических факторов.
Поскольку полученные результаты точки зрения официальной науки представляются сомнительными, в указанной статье приведены наборы обучающих и тестирующих множеств, чтобы имелась возможность повторить вычисления другими специалистами и получить результаты, приблизительно совпадающие с нашими.
Пытаясь объяснить полученный методом математического моделирования результат, приведем мнение кандидата физико-математических наук, доктора философии К. Мхитаряна, который в своей рецензии[2] заметил, что используемые школьниками астрологические параметры имеют корреляционную зависимость с временем года, в которое родился человек. По современным представлениям психологический портрет индивидуума определяется его фенотипом, который зависит как от генотипа, так и от обстоятельств его жизни, в частности – рождения. Рождение в различные времена года обуславливает совершенно разные климатические условия формирования фенотипа. Кроме того, разными являются весовые вклады фотонов различных энергий в спектральные характеристики солнца, т.е. различными являются гелиобиологические начальные условия.
Объяснения К. Мхитаряна можно было бы признать исчерпывающими, однако, результаты наших последующих попыток применения метода нейросетевого моделирования для решения задач, связанных с исследованиями человека, не укладываются в рамки этого объяснения. На сайте Пермского отделения Научного совета РАН по методологии искусственного интеллекта www.PermAi.ru в разделе «Проекты» в свободном доступе выложены программы, позволяющие:
- выявлять способность людей к руководящей деятельности;
- выявлять способность людей к научной деятельности;
- строить прогнозы успешности будущей карьеры студентов вуза;
- определять предрасположенность человека к анорексии;
- определять предрасположенность человека к суициду;
- определять предрасположенность человека к наркозависимости;
- определять склонность человека к насилию;
- ставить диагнозы заболеваний сердечно-сосудистой системы;
- и др.
В основе всех этих программ лежат нейронные сети, причем создание многих из них стало возможным благодаря тому, что их авторы – студенты и школьники, в своих исследованиях смело вышли за рамки канонов традиционной науки. Они включили в состав входных параметров модели такие факторы, о влиянии которых не догадываются (или не хотят знать) «взрослые» психологи. Это параметры, учитывающие положение Солнца, Урана, Нептуна, Плутона и других планет в момент рождения человека.
Современная наука пока не может дать объяснение выявленным методом математического моделирования закономерностям, однако нейросетевые модели позволяют этими закономерностями успешно пользоваться. Так, выложенные на сайте www.PermAi.ru программы могут быть использованы, например, молодыми людьми при выборе наиболее подходящей сферы деятельности. Они могут быть использованы студентами вузов для оптимизации траектории обучения. Школьники могут узнать о своих потенциальных способностях к научной деятельности, к бизнесу, к лидерству и т.п. Кроме того, с помощью этих программ можно разрабатывать рекомендации по снижению предрасположенности людей к наркозависимости, анорексии, суициду и т.д., т.е. получать индивидуальные рекомендации по снижению отрицательных и усилению положительных предрасположенностей и способностей человека.
Таким образом, могу с уверенностью отметить, что, хотя идея изучения искусственного интеллекта в школе и не нашла поддержку среди учителей и руководителей среднего образования, положительный эффект все-таки достигнут!
Школьниками и студентами получены результаты, имеющие как научное, так и практическое значение.
[1] Ясницкий Л.Н., Михалева Ю.А., Черепанов Ф.М. Возможности методов искусственного интеллекта для выявления и использования новых знаний на примере задачи управления персоналом // International Journal of Unconventional Science. Журнал Формирующихся Направлений Науки. 2014.Вып. 6; URL: http://www.unconv-science.org/n6/yasnitsky/
[2] Мхитарян К. Рецензия на статью Л.Н. Ясницкого, Ю.А. Михалевой, Ф.М. Черепанова «Возможности методов искусственного интеллекта для выявления и использования новых знаний на примере задачи управления персоналом» // International Journal of Unconventional Science. Журнал Формирующихся Направлений Науки. 2014.Вып. 6; URL: http://www.unconv-science.org/pdf/6/mkhitaryan-ru.pdf