Čo je to umelá inteligencia; EWSTranslate
Historická perspektíva: Všetko sa zdá byť také dobré ....
O umelej inteligencii (skrátene AI) už počul asi každý, ale pomerne málo ľudí má veľmi dobrú predstavu o tom, čo tento pojem v skutočnosti znamená. Pre väčšinu ľudí je AI spojená s artefaktmi, ako je napríklad počítač Hal 9000 vo filme 2001: A Space Odyssey. Takéto obrázky sú skôr produktom Hollywoodu než tým typom práce, ktorá sa skutočne deje vo výskumných laboratóriách dnešného sveta. Mojím cieľom je predstaviť niektoré základné myšlienky, ktoré stoja za umelou inteligenciou, a pokúsiť sa poskytnúť ľuďom spôsob, ako sa priblížiť k súčasnému stavu techniky.
Zhruba povedané, umelá inteligencia je štúdium ľudských počítačových zariadení a systémov, ktoré môžu pôsobiť tak, že by sme ich chceli nazývať inteligentnými. Zrod poľa sa dá datovať do začiatku 50. rokov 20. Prvou významnou udalosťou v histórii umelej inteligencie bolo zjavne uverejnenie článku „Počítače a inteligencia“ od britského matematika Alana Turinga. V tomto dokumente Turing tvrdil, že ak by auto mohlo prejsť určitým testom (ktorý sa stal známy ako „Turingov test“), mali by sme dôvod tvrdiť, že počítač bol inteligentný. Turingov test zahŕňa ľudskú bytosť (známu ako „sudca“), ktorá kladie otázky prostredníctvom počítačového terminálu dvom ďalším entitám, z ktorých jedna je ľudská bytosť a druhá počítač. Pokiaľ sudca nedokázal pravidelne odlíšiť počítač od človeka, hovorilo sa o tom, že počítač úspešne absolvoval test. Turing v tomto dokumente zvážil aj niekoľko argumentov a námietok proti myšlienke, že počítače by mohli prezentovať inteligenciu.
Predpokladá sa, že AI sa zrodila ako disciplína na konferencii s názvom „Letný výskumný projekt umelej inteligencie Dartmouth“, ktorú organizovali okrem iných John McCarthy a Marvin Minsky. Na tejto konferencii predviedli systém známy ako LOGICKÝ TEORISTI Alan Newell a Herb Simon. LOGICKÝ TEORIST bol systém, ktorý objavil dôkazy teórie v symbolickej logike. Dôležitosť tohto systému spočívala v tom, že podľa slov Feigenbauma a Feldmana (1963: s. 108) bol LOGICKÝ TEORIST „prvým vpádom umelej inteligencie do vysokých intelektuálnych procesov“. Po tomto počiatočnom úspechu rýchlo nasledovalo množstvo ďalších systémov, ktoré dokázali vykonávať zdanlivo inteligentné úlohy. Napríklad systému známemu ako „DENDRAL“ sa podarilo mechanizovať aspekty vedeckého uvažovania nájdené v organickej chémii. Ďalší program, známy ako „MYCIN“, dokázal interaktívne diagnostikovať infekčné choroby.
Základná stratégia týchto úspechov viedla k návrhu takzvanej hypotézy fyzikálnych symbolických systémov, ktorú vypracovali Newell a Simon v roku 1976. Hypotéza fyzikálneho symbolického systému predstavuje destiláciu teórie mnohých diel, ktoré pokračovala až do uvedeného dátumu a bola navrhnutá ako všeobecná vedecká hypotéza. Newell a Simon (1976: s. 41) napísali;
„Systém fyzických symbolov má potrebné a dostatočné prostriedky na inteligentné všeobecné konanie“.
Aj keď existuje veľká polemika o tom, ako by sa mala táto hypotéza interpretovať, vyvodili sa z nej dva dôležité závery. Prvým záverom je, že počítače sú systémy fyzikálnych symbolov v príslušnom zmysle, a preto existujú dôvody (pokiaľ boli hypotézy správne), aby sa domnievali, že by mali byť schopné odhaliť inteligenciu. Druhým záverom je, že ako ľudia sme tiež inteligentní a musíme byť systémami fyzických symbolov, a preto sme vo významnom zmysle podobní počítačom.
Súčasná perspektíva: Problémy a úspechy
So všetkými týmito zdanlivo pozitívnymi výsledkami a niekoľkými zaujímavými teoretickými prácami sa zdá byť celkom zrejmou otázkou „Kde sú inteligentné vozidlá, napríklad HAL 9000“? Aj keď v tejto oblasti došlo k mnohým pôsobivým úspechom, došlo aj k množstvu významných problémov, s ktorými sa výskum umelej inteligencie stretol. HAL 9000 zatiaľ neexistuje a reálne bude dobrý čas, kým budú takéto systémy dostupné, ak sa skutočne ukážu ako možné.
Skoré úspechy v oblasti umelej inteligencie viedli výskumníkov k extrémnemu optimizmu. Optimizmus sa, bohužiaľ, trochu stratil. Napríklad v roku 1957 Simon predpovedal, že bude trvať iba desať rokov, kým sa počítač stane majstrom sveta v šachu. Tento konkrétny výkon sa samozrejme dosiahol až tento rok, a to prostredníctvom systému Deep Blue. Existujú však aj hlbšie problémy, ktorým AI čelila.
Problém poznania zdravého rozumu je v AI veľmi hlboký. Napríklad by bolo veľmi ťažké pre počítač absolvovať Turingov test, ak by nemal vyššie popísané vedomosti. Tento bod je možné ilustrovať zvážením prípadu ELIZA. ELIZA je systém AI navrhnutý Weizenbaumom v roku 1966, ktorý mal emulovať psychoterapeuta. V dnešnej dobe existuje veľa variantov tohto softvéru, niektoré z nich je možné stiahnuť. Aj keď v niektorých ohľadoch môže byť test ELISA veľmi pôsobivý, netreba veľa, aby bol systém zmätený alebo vypnutý. Rýchlo sa ukáže, že systém nie je ani zďaleka inteligentný.
Vo výskumnej komunite pre oblasť AI existovalo množstvo odpovedí na otázku zdravého rozumu. Jednou zo stratégií je pokúsiť sa vybudovať systémy, ktoré sú navrhnuté tak, aby fungovali iba v obmedzených oblastiach. To je stratégia, ktorá stojí za Loebnerovou cenou, modernou súťažou založenou na obmedzenej verzii Turingovho testu. Niektoré nedávne príspevky do tejto súťaže, napríklad systém TIPS, sú v porovnaní s ELIZOU skutočne pôsobivé.
Ďalšiu ambicióznejšiu stratégiu prijal výskumník AI Doug Lenat. Lenat a jeho kolegovia niekoľko rokov pracovali na systéme známom ako CYC. Cieľom projektu CYC je vyvinúť veľkú výpočtovú databázu a vyhľadávacie nástroje, ktoré umožnia systémom AI prístup ku všetkým poznatkom, ktoré predstavujú zdravý rozum. Projekt CYC sa snaží odpovedať na problém problému všeobecného poznania. V súčasnosti sa výsledky projektu začali objavovať. Zatiaľ nie je jasné, či bolo obrovské úsilie úspešné.
Iní vedci pristúpili k pokusu o vyriešenie tohto problému odlišne. Veria, že ľudská bytosť má zdravý rozum, kvôli bohatému množstvu skúseností, ktoré máme, keď rastieme a učíme sa. Radšej sa pokúsia vyrovnať sa s problémom Common Sense prijatím stratégie strojového učenia. Možno, ak by sa počítač dokázal učiť podobným spôsobom ako človek, vyvinul by si tiež zdravý rozum. Táto stratégia sa stále sleduje a je príliš skoro povedať, či bude úspešná.
Ďalším problémom, ktorý výskum AI dosiahol, je to, že úlohy, ktoré sú pre ľudí náročné, ako napríklad matematika alebo šach, sa pre počítače ukážu ako celkom ľahké. Na druhej strane, úlohy, ktoré ľudia považujú za ľahké, ako napríklad naučiť sa navigovať v miestnosti plnej nábytku alebo rozpoznávať tváre, sú pre počítače dosť náročné. To inšpirovalo niektorých vedcov k pokusu o vývoj systémov, ktoré majú (aspoň povrchné) vlastnosti mozgu. Výskum založený na tejto stratégii sa stal známym ako oblasť umelých neurónových sietí (tiež nazývaných konekcionizmus) a v súčasnosti je jednou z hlavných špecializovaných subdomén v rámci AI. Zaujímavým aspektom umelých neurónových sietí je, že mnoho z týchto systémov sa tiež učí, a tak začleňujú niektoré výhody stratégie strojového učenia do riešenia problému poznania zdravého rozumu. Umelé neurálne systémy dokázali vyriešiť mnoho problémov, napríklad problémov s rozpoznávaním vzorov, ktoré sa pri iných prístupoch ukázali ako zložité.
Je však dôležité poznamenať, že nie každý prijíma premisy výskumu AI. Celý projekt AI bol z času na čas kritizovaný. Známym kritikom je Herbert Dreyfus. Tvrdil z rôznych dôvodov, že celý podnik AI je odsúdený na neúspech, pretože vytvára predpoklady o svete a mysliach, ktoré sú pri kritickom vyhodnotení neudržateľné. Ďalším známym kritikom AI je John Searle. Searle navrhol argument založený na myšlienkovom experimente, ktorý je známy ako argument čínskej kamery. Tento argument má preukázať, že cieľ výroby inteligentných automobilov nie je možný. Aj keď bol tento argument pôvodne publikovaný v 80. rokoch, stále je aktuálnou témou diskusií v diskusných skupinách na internete, ako napríklad comp.ai.philosophy.
Či sú kritici AI správni alebo nie, ukáže len čas. Od počiatočnej iniciácie poľa sa však objavili dva dôležité súbory následkov. Prvým z nich bol zrod novej a vzrušujúcej akademickej disciplíny, ktorá sa stala známou ako „Kognitívna veda“. Kognitívna veda zdieľa s AI základný predpoklad, že v určitom zmysle má duševná činnosť výpočtovú povahu. Účel kognitívnej vedy sa však líši od účelu AI. Kognitívni vedci si dali za cieľ odhaliť záhady ľudskej mysle. To nie je malá úloha, pretože ľudský mozog je najkomplikovanejšie zariadenie, aké ľudstvo pozná. Napríklad, aj keď sa robia rôzne zjednodušujúce hypotézy, zdá sa byť veľmi pravdepodobné, že počet možných stavov jedného ľudského mozgu je väčší ako počet atómov vo vesmíre! Zdá sa však, že získané skúsenosti a pokrok dosiahnutý pri dosahovaní cieľa umelej inteligencie spolu s pokrokom dosiahnutým v iných disciplínach ukazujú, že projekt kognitívnych vied je životaschopný, aj keď je ťažké ho dosiahnuť.
Druhá skupina dôsledkov, ktorá vyplynula zo štúdie AI, je pravdepodobne o niečo menej zrejmá. V súčasnosti existuje veľa programov a systémov, ktoré využívajú výsledky výskumu AI. Aj keď ešte nemáme HAL 9000, mnoho z prvých cieľov AI bolo dosiahnutých, aj keď nie v jednom veľkom systéme. Možno najsmutnejšie je, že AI málokedy dostane uznanie za svoj príspevok do iných oblastí. V akademických kruhoch sa hovorí: „Najlepšie ovocie AI, staňte sa starou vedou počítačovej vedy.“ Keď sa naučíme robiť viac a viac, to, čo bolo kedysi takmer zázračné, sa stane všadeprítomným. Teraz, keď sa podarilo dosiahnuť cieľ veľmi peknej šachovej hry, je možné, že nás to už viac neprekvitne ani neprekvapí. V rámci AI však stále existuje veľa náročných a zaujímavých hraníc. Existuje tiež veľa tŕnistých otázok, ktoré je potrebné zvážiť. V nasledujúcich článkoch sa pokúsim predstaviť niektoré z fascinujúcich prác, ktoré sa v AI odohrávajú, aby bol prínos tohto výskumného programu pre svet, ako ho poznáme, lepšie známy a pochopiteľný.
Návrhy prečítané nižšie
Campbell, J., (1989), The Improbable Machine, Simon & Schuster (New York).
Copeland, J. (1993), Artificial Intelligence, Blackwells (Oxford).
Churchland, P. (1988), Matter and Consciousness, MIT Press (Cambridge, MA).
Haugeland, J. (1985), Artificial Intelligence: The Very Idea, MIT Press (Cambridge MA).
Bibliografia
Feigenbaum, E. a Feldman, J. (1963), Počítače a myslenie, McGraw-Hill (New York).
Haugeland, J. (1981) Mind Design, MIT Press (Cambridge, MA).
Newell, A. a Simon, H., (1976), „Computer Science as Empirical Enquiry: Symbols and Search“, znovu vydané v Haugeland (1981: s. 35-66).