Ak má táto sci-fi umelá inteligencia city, tak bojuje s nepochopením od ľudskej rasy. Ak ich nemá, tak prerastie v technologickú singularitu [1] a chce zničiť ľudstvo.

Problematická definícia

A teraz sa vráťme do reality. Umelá inteligencia je reálna a je tu už niekoľko desiatok rokov. Problém nastáva, ak sa ju pokúsime definovať, pretože neexistuje všeobecne uznávaná definícia. Napríklad M. Arbin ju definuje: „UI možno charakterizovať ako snahu programovať počítače tak, aby sa chovali spôsobom, ktorý by sme nazvali inteligentným, keby šlo o človeka (keby sme nevedeli, že to dokáže aj počítač).“ No naopak to neplatí. Keď sa počítač správa pre ľudí inteligentným spôsobom, neznamená to, že je skutočne inteligentný a už vôbec nie, že rozmýšľa (umelá inteligencia, ktorá sa vyrovná v spôsobe myslenia človeku sa nazýva aj silná umelá inteligencia), hovorí o tom myšlienkový experiment zvaný argument čínskej izby (John Searle).

Muž, ktorý nevie po čínsky, je zavretý v izbe plnej kníh, v ktorých je napísaný návod ako na akúkoľvek postupnosť čínskych znakov zareagovať pomocou inej postupnosti čínskych znakov. Povedzme, že v akejkoľvek chvíli dostane muž v čínskej izbe papierik s čínskymi znakmi, na ktoré pomocou návodu v knihách odpovie. Ďalej si predstavme konverzáciu Číňana s čínskou izbou aj keď na veľmi úzky okruh tém.

Číňan stojaci pred izbou dôjde k záveru, že v izbe je niekto (inteligentný), kto rozumie po čínsky. No ani muž v nej, ani knihy, a ani steny miestnosti po čínsky nerozumejú, nie je tu ani stopa po pochopení, uvažovaní (muž v miestnosti len mechanicky vykonáva to, čo má v knihách) ani vedomie, no čínska izba spĺňa Arbinovu definíciu aj Turingov test [2].



Laicky povedané, informatici chápu pod umelou inteligenciou akýkoľvek program (alebo jeho časť), ktorý dokáže vyriešiť problém, bez toho, aby sme riešenie tohto problému dopredu do programu vložili. Spôsob, akým problém riešiť si program nájde sám od seba.

Spočiatku znamenal vývoj umelej inteligencie snahu vytvoriť „umelého človeka“ alebo inteligenciu lepšiu, ako je tá ľudská (silná UI). Dnes hľadáme skôr nové druhy inteligencie. Aj v súčasnosti sa snažíme o simuláciu procesov v ľudskom mozgu. Je to však preto, aby sme pochopili, ako pracuje. V drvivej väčšine výskumov sa snažíme vyvinúť umelú inteligenciu, ktorá sa špecializuje a rieši špecifické druhy problémov, najmä nedeterministické. Robíme tak aj preto, lebo je to výpočtovo efektívnejšie a bezpečnejšie.

Teraz si predstavíme niektoré druhy UI:

Evolučné algoritmy

Sú inšpirované Darwinovou evolučnou teóriou. Dajú sa použiť na akýkoľvek problém, ktorého riešenia sa dajú medzi sebou porovnať. Ide o napodobenie evolúcie v počítači, kde sa namiesto DNA používa vhodná dátová štruktúra. Na začiatku sa vytvorí populácia náhodných riešení problému, z ktorej pomocou náhodných mutácií a kríženia medzi riešeniami získame novú populáciu. Nasleduje obdoba prirodzeného výberu, kde selekciu prežijú tie najlepšie riešenia. Potom proces „rozmnožovania“ a selekcie opakujeme niekoľkokrát a vyberieme najlepšie riešenie.

Evolučné algoritmy sa používajú najmä na optimalizačné problémy, klasickým príkladom je problém obchodného cestujúceho alebo plánovanie rozvozu tovaru zásielkovou službou. Výpočet riešení týchto problémov klasickými algoritmami, pri veľkom počte miest, môže trvať dlhšie ako predpokladaná životnosť Slnka (5 miliárd rokov), pomocou evolučných algoritmov sa vieme priblížiť optimálnemu riešeniu do niekoľkých minút. Používajú sa aj na problémy, kde vieme opísať požadované vlastnosti riešenia, ale nevieme ako sa k riešeniu dostať, napríklad návrh plošných spojov. Veľmi známy prípad použitia bol návrh tvaru krídel a motorov Boeingu 737 (áno časti lietadla boli navrhnuté počítam).

Neurónové siete

Sú modelom biologických štruktúr tvorených nervovými bunkami v živých organizmoch. Jednoducho povedané, zoberieme matematický model neurónov a pospájame ich do zložitejších štruktúr. V umelej inteligencii sa na neurónových sieťach cenia najmä schopnosť učiť sa z príkladov a doučovať na nových vzorkách. Naučené znalosti neurónovej siete sú rozptýlené v medzineurónových spojeniach.

Neurónová sieť, ktorá má niekoľko desiatok neurónov (náš mozog ich má 80 - 90 miliárd), dokáže rozpoznávať ľudské tváre, písmená a iné objekty. Takéto siete sa používajú na modelovanie vývoja finančných trhov, určovanie veľkosti splátky pri pôžičke, klasifikáciu zlúčenín, filtrovanie a spracovanie signálov z analytických prístrojov a v mnohých iných aplikáciách.

Strojové učenie

Ako vyplýva z názvu, je to skupina algoritmov, ktoré sa dokážu učiť. Laicky by ich bolo možné prirovnať k umelej intuícii. Napríklad chceme strojové učenie naučiť rozpoznávať kladivo, tak mu budeme ukazovať množstvo obrázkov kladív a povieme, toto je kladivo. Potom mu ukážeme množstvo obrázkov iných predmetov a povieme toto nie je kladivo. Po naučení ukážeme nášmu strojovému učeniu obrázok a on určí, či sa na ňom nachádza kladivo. Podobne sa dá pristupovať aj k iným druhom dát, nielen obrázkom, ale aj hudbe (je možné vytvoriť program, ktorý naučíte rozpoznávať hudbu, ktorá sa vám páči a tým šetriť vlastné uši), textu a hociakým iným druhom dát. Strojové učenie sa dá použiť pri predpovedaní správania, klasifikácii a zhlukovaní.



Zo strojovým učením sa stretneme aj pri vybavovaní pôžičky - banka má o každom klientovi, ktorý si vybavil pôžičku, rôzne údaje (príjem, výdavky, povolanie, ...) a vie aj to, či pôžičku riadne splácal. Týmito údajmi natrénuje nejaký vhodný algoritmus strojového učenia, aby rozpoznával potenciálne problémových klientov, ten neskôr pôžičku novému žiadateľovi schváli alebo zamietne. Iné druhy strojového učenia dokážu triediť textové dokumenty podľa témy, riadiť sondu na Marse, predpovedať vlastnosti proteínov a pomáhať v rozhodovaní.

Expertné systémy

Snažia sa simulovať logické myslenie experta v nejakej oblasti. Skladajú sa tzv. bázy znalostí, čo sú expertom zadefinované znalosti, často vo forme logických pravidiel, a bázy faktov – tá obsahuje potrebné fakty na to, aby systém mohol pracovať, pričom počas práce sa pomocou odvodzovania cez bázu znalostí vytvárajú nové fakty. Expertný systém sa dokáže spýtať používateľa na fakty, ktoré mu chýbajú. Expertné systémy pomáhajú ľuďom interpretovať a zaradiť informácie, poskytujú expertné znalosti, pomáhajú pri rozhodovaní.

-

Zdroje
[1] http://sk.wikipedia.org/wiki/Technologick%C3%A1_singularita
[2] http://sk.wikipedia.org/wiki/Turingov_test
[3] http://vtm.e15.cz/simulace-casti-mozku-pomoci-milionu-procesoru-arm
[4] http://enu.kz/repository/2011/AIAA-2011-5881.pdf
[5] http://www.kiwiki.info/index.php/Umel%C3%A1_inteligencia-
_v%C3%ADzia_bud%C3%BAcnosti%3F
[6] http://www.kiwiki.info/index.php/Umel%C3%A1_inteligencia_a_jej_v%C3%BDvoj
[7] http://cyber.felk.cvut.cz/gerstner/teaching/zui/kui-phil.htm

-
Autor: Jozef Gajdoš

Obrázky: public domain, Stephen Bowler, užívatelia wikimédie Carballo a http://www.emeraldinsight.com/

Páčia sa Vám naše články? Podporte nás

Zdieľajte článok

Tweet