могу. Наприклад, за повідомленнями в друку, комп'ютер фірми IBM, переміг Каспарова, мав 256 процесорів, кожний з яких мав 4 Гб дискової пам'яті і 128 Мб оперативної. Весь цей комплекс міг прораховувати більш 100'000'000 ходів у секунду. До недавнього часу рідкістю був комп'ютер, що може робити таку кількість цілочисельних операцій в секунду, а тут ми говоримо про ходах, які повинні бути згенеровані і для яких прораховані оціночні функції. Хоча з іншого боку, цей приклад говорить про могутність і універсальності переборних алгоритмів.
В даний час існують і успішно застосовуються програми, що дозволяють машинам грати в ділові або військові ігри, що мають велике прикладне значення. Тут також надзвичайно важливо надати програмами властиві людині здатність до навчання і адаптації. Однією з найбільш цікавих інтелектуальних завдань, що також має величезне прикладне значення, є задача навчання розпізнавання образів і ситуацій. Рішенням її займалися і продовжують займатися представники різних наук - фізіологи, психологи, математики, інженери. Такий інтерес до завданню стимулювався фантастичними перспективами широкого практичного використання результатів теоретичних досліджень: читають автомати, системи штучного інтелекту, що ставлять медичні діагнози, які проводять криміналістичну експертизу і т. п., а також роботи, здатні розпізнавати і аналізувати складні сенсорні ситуації.
У 1957 р. американський фізіолог Ф. Розенблатт запропонував модель зорового сприйняття і розпізнавання - перцептрон. Поява машини, здатної навчатися поняттям і розпізнавати запропоновані об'єкти, виявилося надзвичайно цікавим не тільки фізіологам, але і представникам інших областей знання і породило великий потік теоретичних і експериментальних досліджень.
Перцептрон або будь-яка програма, що імітує процес розпізнавання, працюють у двох режимах: у режимі навчання і в режимі розпізнавання. У режимі навчання хтось (людина, машина, робот або природа), що грає роль учителя, пред'являє машині об'єкти і про кожному них їх повідомляє, до якого поняття (класу) він належить. За цим даними будується вирішальне правило, що є, по суті, формальним описом понять. У режимі розпізнавання машині пред'являються нові об'єкти (взагалі кажучи, відмінні від раніше пред'явлених), і вона повинна їх класифікувати, по можливості, правильно.
Проблема навчання розпізнаванню тісно пов'язана з іншою інтелектуальної завданням - проблемою перекладу з однієї мови на іншу, а також навчання машини мові. При досить формальної обробці та класифікації основних граматичних правил і прийомів користування словником можна створити цілком задовільний алгоритм для перекладу, скажімо наукового або ділового тексту. Для деяких мов такі системи були створені ще наприкінці 60-р. Однак для того, щоб зв'язно перевести досить великий розмовний текст, необхідно розуміти його зміст. Роботи над такими програмами ведуться вже давно, але до повного успіху ще далеко. Є також програми, що забезпечують діалог між людиною і машиною на урізаному природній мові.
Що ж стосується моделювання логічного мислення, то хорошої модельної завданням тут може служити завдання автоматизації доведення теорем. Починаючи з 1960 р., був розроблений ряд програм, здатних знаходити докази теорем в обчисленні предикатів першого порядку. Ці програми володіють, за словами американського фахівця в галузі штучного інтелекту Дж. Маккатті, "здоровим глуздом ", тобто здатністю робити дедуктивні висновки.
У програмі К. Гріна і ін, що реалізує питально-відповідну систему, знання записуються мовою логіки предикатів у вигляді набору аксіом, а питання, що задаються машині, формулюються як підлягають доведенню теореми. Великий інтерес представляє "Інтелектуальна" програма американського математика Хао Ванга. Ця програма за 3 хвилини роботи IBM-704 вивела 220 щодо простих лем і теорем з фундаментальної математичної монографії, а потім за 8.5 хв видала докази ще 130 більш складних теорем, частина їх яких ще не була виведена математиками. Правда, до цих пір жодна програма не вивела і не довела жодної теореми, яка б, що називається "конче" була б потрібна математикам і була б принципово новою.
Дуже великим напрямком систем штучного інтелекту є роботехника. У чому основна відмінність інтелекту робота від інтелекту універсальних обчислювальних машин?
Для відповіді на це питання доречно згадати що належить великому російському фізіологові І. М. Сеченову вислів: "... все нескінченна різноманітність зовнішніх проявів мозкової діяльності зводиться остаточно лише до одного явища - м'язового руху ". Іншими словами, вся інтелектуальна діяльність людини спрямована в кінцевому рахунку на активну взаємодію із зовнішнім світом за допомогою рухів. Точно так само елементи інтелекту робота служать насамперед для організації його цілеспрямованих рухів. У той же час основне призначення чисто комп'ютерних си...