Это соображение лежит в основе второй особенности машинных систем доказательства теорем, важной для искусственного интеллекта. С учетом семантики решаемой задачи на дереве поиска вывода возможно указать некоторые эвристические правила, сокращающие перебор путей, ведущих от исходных формул к доказываемой (при прямом методе доказательства) или от доказываемой к исходным (при обратном методе доказательства). Именно при доказательстве теорем, по-видимому, впервые возникла идея эвристических правил, как путей сокращения большого перебора. Эта идея в дальнейшем развилась в целую ветвь – эвристическое программирование, сыгравшую большую роль на начальном этапе работ по интеллектуальным системам. Особенно интересными были эвристические правила, отражавшие особенности доказательства теорем человека в геометрии. Начальный этап исследований в области машинного доказательства теорем отражен в сборнике [7], вышедшем в США в 1963 г., а дальнейшее развитие работ – в [8-10].
4. Распознавание образов. Это еще одно направление, родившееся в 50-е годы, как следствие начала использования ЭВМ для решения невычислительных задач. Традиционная постановка задач в этой области близка к задаче классификации: необходимо найти совокупность классифицирующих признаков, с помощью которых было бы возможным построить решающие правила, относящие те или иные единичные объекты к заранее выделенным или формируемым по отношению близости по признакам классам. Распознавание образов – активно и бурно развивающаяся наука, имеющая ярко выраженное прикладное значение, выработавшая свои приемы и методы решения задач. Часть из них (например, статистические методы распознавания или распознавание с помощью метода потенциальных функций) по своим идеям весьма далеки от идей и методов искусственного интеллекта. Поэтому они не оказали заметного влияния на его развитие. Другая же часть методов теории распознавания (особенно та, методы которой опираются на идею построения классифицирующей системы признаков в процессе обучения), наоборот, весьма близка к искусственному интеллекту, связана с ним и продолжает оказывать значительное влияние на работы в области интеллектуальных систем.
Наиболее значительны для работ по интеллектуальным системам идеи теории распознавания, связанные с обучением нахождению решающего правила на множестве положительных и отрицательных примеров. Пожалуй, впервые подобный подход со всей его полнотой был реализован в СССР в начале 60-х годов М.М.Бонгардом и его учениками [11]. Созданные им методы узнавания надолго определили соответствующие исследования в области распознавания образов и систем классификации, применяемых в интеллектуальных системах. В 70-е годы Ю.И.Журавлевым и его учениками были заложены основы теории, позволяющей конструировать новые процедуры распознавания образов и проводить сравнения различных методов.
Не менее интересными для искусственного интеллекта являлись логико-лингвистические методы распознавания, опирающиеся на описание объектов классификации с помощью специальных языковых средств и на логический вывод в качестве решающего правила классификации.
5. Игровые программы. Использование ЭВМ для моделирования на них процесса игры также имеет давнюю историю. Программы для простых игр типа "крестики-нолики" или "ханойская башня" появились в самом конце 40-х годов. Потом число таких программ стало быстро увеличиваться. На ЭВМ стали воспроизводить процесс игры в различные карточные игры, калах, домино, шашки, шахматы, и многие другие. Практически, сейчас нет ни одной игры, которая была бы достаточно популярна и не использовалась бы для воспроизведения на вычислительной машине. При создании таких программ исследователи столкнулись с проблемой поиска и перебора. И эти процедуры надолго привлекли внимание специалистов. Нахождение эффективных стратегий поиска по дереву игры было задачей, во многом похожей на задачу поиска эффективных путей доказательства теорем. Классификация ситуаций, складывающихся на игровом поле, во многом сближала возникающие здесь задачи с традиционными задачами распознавания образов. Это делало игровые программы хорошим полигоном для отработки различных приемов и методов поиска решений в условиях богатого множества альтернатив [12].
Впервые проблема алгоритмизации шахматной игры была рассмотрена в 1949 г. К.Шенноном (США), который предложил использовать при организации шахматных программ следующие три принципа, остающиеся до настоящего времени основными для большинства программ такого рода: 1) перебор возможных продолжений шахматной партии на определенное число ходов вперед; 2) оценка возникающих позиций с помощью некоторой оценочной функции, учитывающей материал и позицию; 3) использование эвристических приемов для сокращения перебора при просмотре ходов вперед за счет учета специфики шахматной игры [13].
Последний принцип особенно важен, т.к. рост перебора вариантов при увеличении глубины просмотра продолжения шахматной партии происходит весьма быстро, имея экспоненциальный характер, что предъявляет повышенные требования к быстродействию ЭВМ. Поэтому именно в шахматных программах зародились идеи методов сокращения перебора на древовидных структурах. В СССР первый такой метод (метод граней и оценок) был предложен А.С.Брудно. В США методами подобного типа много занимался Н.Нильсон. Примером удачного применения эвристических приемов к шахматным программам может служить программа "Каисса", созданная в СССР В.Л.Арлазаровым, Г.М.Адельсоном-Вельским и М.Б.Донским,
В последнее время в связи с развитием методов искусственного интеллекта стали появляться новые идеи и в шахматных программах. Их функционирование стало опираться не на простой перебор вариантов, а на попытку смоделировать на ЭВМ особенности мышления человека-шахматиста. В СССР эти новые идеи нашли свое отражение в проекте программы "Пионер", разработанной под руководством М.М.Ботвинника [14]. За рубежом принципы построения программ такого типа обоснованы Д.Мичи. Эвристики и приемы сокращения перебора при большом количестве вариантов, разработанные в области создания игровых программ (особенно шахматных), находят сейчас широкое применение в различных интеллектуальных системах.
6. Сочинение музыки и текстов. В середине 50-х годов в США (Л.Хиллер и Л.Айзексон), а несколько позже в СССР (Р.Х.Зарипов) были сделаны первые попытки сочинения музыкальных произведений с помощью программ, реализуемых на ЭВМ. В основе этих программ лежала идея об использовании генераторов случайных чисел, интерпретируемых как нотные знаки со всеми присущими им параметрами, для порождения музыкального произведения за счет отбора из генерируемого потока нот лишь тех, которые удовлетворяли бы определенным правилам. Эти правила заимствовались из музыковедческой литературы и отражали специфику восприятия музыки человеком [15,16]. Таким образом, в этих программах, как и в некоторых программах автоматизированного реферирования или доказательства теорем, использовался случайный процесс, детерминируемый системой ограничивающих модельных правил. Этот прием оказался в дальнейшем полезным и для ряда программ искусственного интеллекта. А сама возможность имитации творческого процесса человека в такой области, которая всегда считалась вершиной его интеллектуальной деятельности, имела немаловажное значение для понимания возможностей ЭВМ в этой сфере.
В середине же 50-х годов делаются первые попытки использования ЭВМ для генерации связных текстов, как поэтических, так и прозаических [17]. Однако до развития работ в области искусственного интеллекта эти исследования не получили достаточного распространения и не оказали существенного влияния на другие направления, связанные с моделированием творческих процессов. Столь же незначительно повлияло на работы в области искусственного интеллекта появление первых программ, связанных с машинной графикой. Лишь несколько позже, когда появились хорошие черно-белые и цветные дисплеи, а программы машинной графики стали намного интереснее, специалисты в области искусственного интеллекта обратили внимание на эти работы. Сейчас же машинная графика стала вполне самостоятельным направлением и подобно распознаванию образов развивается вне рамок искусственного интеллекта, хотя и испытывает его влияние на свои методы и представления. Достаточно полное представление о современном состоянии дел в той части машинной графики, которая наиболее тесно связана с моделированием творческой деятельности, может дать монография [18]. Из-за отсутствия хороших дисплеев уровень исследований в этой области в странах Восточной Европы и СССР несколько отстает от уровня их развития в США, Японии и странах Западной Европы.
Все перечисленные сферы применения ЭВМ для решения нечисловых задач сыграли роль катализирующих ферментов, способствуя консолидации усилий отдельных специалистов вокруг вопросов, связанных с решением задач, относящихся к сфере интеллектуальной деятельности человека. Эта консолидация привела к появлению первых моделей и систем, которые знаменовали собой переход к созданию новой науки – искусственного интеллекта.