banjalukaforum.com

Veštačka inteligencija, kao deo kompjuterske nauke, usmerena je ka stvaranju računara koji se ponašaju kao ljudska bića. Ovaj termin prvi put je 1956. godine upotrebio Džon Makarti na MIT-u (Massachusetts Institute of Technology).

Veštačka inteligencija obuhvata igre - računarske programe koji mogu da igraju igre kao što je šah, ekspertske sisteme - računarske programe koji omogućavaju donošenje odluka u realnim situacijama (neki ekspertski sistemi, na primer, pomažu lekarima u dijagostifikovanju bolesti na bazi određenih simptoma kod pacijenta), prirodne jezike - računarske programe koji razumeju prirodne ljudske jezike, neuralne mreže - sisteme koji simuliraju inteligenciju nastojeći da oponašaju tipove fizičkih veza koje postoje u mozgu i robotiku - računarske programe koji "vide", "čuju" i reaguju na druge stimulacije senzora


Još uvek smo daleko od potpunog osvajanja onoga što veštačka inteligencija podrazumeva, dakle, od sistema koji su sposobni da u potpunosti simuliraju ljudsko ponašanje. Najveći napredak postignut je u oblasti igara. Najbolji računarski programi za igranje šaha danas pobeđuju ljude. Maja 1997.godine, IBM-ov super-računar, nazvan "Deep Blue", bez sentimenta pobedio je tadašnjeg šampiona sveta u šahu, Garija Kasparova.

Procesiranje prirodnih jezika nudi velike potencijale jer bi omogućilo jednostavnu interakciju korisnika i računara bez potrebe za posebnim znanjem i obukom u korišćenju računarskih sistema. Nažalost, pokazalo se da je stvaranje programa za razumevanje prirodnih jezika mnogo teže nego što se mislilo. Postoje rudimentarni programi za prevođenje sa jednog jezika na drugi, ali njihovi prevodi nisu ni približno tako dobri kao oni koje načine sasvim prosečni prevodioci. Postoje i sistemi za prepoznavanje glasa (voice recognition systems) koji izgovorene reči pretvaraju u pisani tekst, ali oni ne razumeju šta zapravo pišu.

Ranih osamdesetih godina prošlog veka verovalo se da ekspertski sistemi predstavljaju budućnost veštačke inteligencije i računara uopšte. Do danas, nisu dostigli ono što se od njih očekivalo. Mnogi ekspertski sistemi pomažu stručnjacima u oblastima kao što je medicina ili inženjering, ali njihovo stvaranje je izuzetno skupo i od pomoći u vrlo specifičnim oblastima.

Sistemi koji najviše obećavaju bazirani su na neuralnim mrežama, koje su se pokazale uspešnim u brojnim oblastima kao što su prepoznavanje glasa i procesiranje prirodnih jezika.

Roboti su našli vrlo široku primenu na montažnim trakama u industrijskim pogonima i na opasnim mestima za čoveka kao što su to, na primer, nuklearne elektrane. Međutim, njihova sposobnost ograničena je na vrlo mali broj operacija i pokazuju velike teškoće u identifikovanju objekata.

Između mašte i realnosti

Roboti i drugi računarski sistemi, koji poseduju inteligenciju, odavno su predmet naučne fantastike i horor priča i filmova. Filmska industrija eksploatisala ih je kao veoma zahvalne junake svojih filmskih hitova - od Zabranjene planete, preko čuvenog Hala iz Kjubrikove Odiseje 2001, Lukasove trilogije Ratova zvezda, do Terminatora, Spilbergove Veštačke inteligencije i Matrix trilogije. U svim ovim filmskim domaštavanjima onoga što realnost ni približno ne nudi, autori, scenaristi, dizajneri i reditelji svojski su se trudili da nas uvedu u svet neorganskog ali i najčešće superinteligentnog i često superiornijeg "rođaka" daleke budućnosti. Ali, ostaje pitanje, da li ćemo ikada moći da stvorimo ono što tako lako uspeva filmskoj industriji

Jedna od prepreka za dostizanje superiorne i sveobuhvatne svesti leži u Gedelovoj teoremi nekompletnosti da jedan formalni sistem ne može da dokaže svoju sopstvenu konzistentnost. Jedan sistem veštačke inteligencije može imati enormno veliku brzinu procesiranja informacija, ali jednostavno ne poseduje kompletnu svest o sopstvenom postojanju.

Dakle, ostaje suštinsko pitanje - kako možemo da kreiramo nešto što ne razumemo? DžordžDajson u delu Darvin među mašinama zapaža da "sve dok ne budemo razumeli svoju sopstvenu svest, ne postoji način da se saglasimo šta je to, ukoliko tako nešto postoji, što konstituiše svest kod mašina". U isto vreme, Dajson dodaje još jednu poentu "da je cilj života i inteligencije, ukoliko on uopšte postoji, veoma teško definisati".

Možda Dajsonu nije palo napamet nešto što je na umu imao Džek Gud, asistent Alana Tjuringa zadužen za statistiku tokom Drugog svetskog rata, koji je okarakterisao super-inteligentnu mašinu kao onu "koja veruje da ljudi ne mogu da misle". Kakva je uopšte priroda mišljenja ili mišljenja nekog višeg reda. Po definiciji, ovo ne možemo sami da definišemo, ali možda će superinteligentne mašine biti u stanju da razumeju našu svest, ali ne i svoju sopstvenu.

Ali, ako je to zaista tako, da li ćemo ikada dočekati te superiorne kreacije?

Zašto se razvoj veštačke inteligencije pokazao tako komplikovanim i kako treba da pristupimo rešavanju probema? Postoje dva razloga za neuspeh. Prvi i najvažniji jeste činjenica da je to vrlo težak zadatak. Možda bi trebalo da nas teši saznanje da smo zaista toliko složeni i da je vrlo teško reprodukovati ljudsku inteligenciju. Današnje mašine ne mogu da oponašaju većinu nama jedostavnih radnji kao što su vid, govor ili hod. S druge strane, računarima je mnogo lakše da savladaju vrlo kompleksne radnje kao što je šah, iako ni to nije lako. Usklađivanje svih tih radnji, pa čak i samo jedan njihov deo, verovatno je i najteži zadatak veštačke inteligencije. Drugi razlog neuspeha jeste taj da nismo krenuli pravim putem. Kratkoročni projekti većine istraživača, okrenuti neposrednoj primeni u industriji, poboljšavaju produktivnost ali ne rešavaju pitanje stvaranja veštačke inteligencije. Treba znati da tu mnogo ne pomaže razvijanje specijalizovanih sistema koji rešavaju samo jedan određeni zadatak. Postoje brojni načini da se razvije veštačka inteligencija. Uređaj koji bi, na primer, rešio Tjuringov problem predstavlja jednu mogućnost. Međutim, zadatak je toliko složen da do sada nismo bili u stanju da ga rešimo, uprkos ogromnim naporima koji su uloženi u ovu oblast.

Sadašnji pravci u istraživanju veštačke inteligencije

Veliki deo istraživanja u oblasti veštačke inteligencije svodi se danas na razvoj praktičnih aplikacija. Računarski sistemi sve su uspešniji u pretraživanju podataka, obradi teksta i vida. Veliki uspeh tih i sličnih sistema doveo nas je do tačke gde se veštačka inteligencija može primeniti na probleme u realnom životu. Nažalost, ovaj napredak postiže se u vrlo uskom pravcu istraživanja. Današnji sistemi ne mogu da reše opšte probleme. Umesto toga, moćne metodologije primenjuju se na rešavanje ograničenog broja zadataka. Sve su one vrlo uspešne u rešavanju pojedinačnih malih problema, ali teško mogu dovesti do stvaranja veštačke inteligencije, upravo zbog te svoje bazične limitiranosti. Da bi jedan sistem bio zaista inteligentan, mora da bude u stanju da razmotri širok opseg informacija na složen i nedeterministički način.

Test uspešnosti jednog takvog opšteg sistema je poznati Tjuringov problem. Ukratko, jedan čovek razgovara istovremeno sa računarom i sa drugim čovekom. Ako prvi čovek ne može sa sigurnošću da ih razlikuje, tada je računar inteligentan. Nijedan do sada napravljeni računar nije se približio ovom rešenju. Svake godine organizuje se takmičenje pod nazivom Lebnerova nagrada. Reč je o velikoj nagradi za prvi sistem koji bude rešio Tjuringov problem. Ako se istraživanja nastave u sadašnjem pravcu, proći će još mnogo vremena pre nego što se pojavi prvi laureat. Teškoća je u tome što tema razgovora nije unapred određena. Može se razgovarati o košarci, kuvanju, ili kućnim ljubimcima. Čovek ne mora mnogo da zna o ovim temama, ali će se razgovor ubrzo voditi u oblasti koju oba sagovornika poznaju. Sadašnji sistemi veštačke inteligencije ograničeni su na uske oblasti.

Neuspeh simboličnih oblika veštačke inteligencije

Do početka devedesetih godina prošlog veka, dominantni oblik veštačke inteligencije bio je simbolički. Sistemi, kao što je logika, na primer, zasnivali su se na simbolima kao primitivnim funkcijama (odnosno baznim oblicima). Mašine su sve zaključke izvodile na osnovu tih simbola: sistem zna da je simbol pas vrsta sisara i da pas obično ima rep, ali nema osećaj šta je zapravo pas. Verovalo se da ćemo nekako uspeti da definišemo sve potrebne odnose. Tako bi pas bio definisan svim parametrima koji se na njega odnose.

Dobru analogiju predstavlja "problem kineske sobe". Pretpostavlja se da imate dokument na jednom jeziku koji ne razumete, recimo kantonskom, i želite da ga prevedete na neki drugi jezik koji opet ne znate, recimo mandarinski. Na raspolaganju vam je rečnik koji vam omogućava da prevedete reč po reč sa jednog jezika na drugi. Marljivo radeći, vi prevedete dokument sa kantonskog na mandarinski. Međutim, da li sada razumete šta u dokumentu piše? Jasno je da ne. Na sličan način, program suštinski ne razume dokument koji prevodi. Ne postoji računarski program koji uspešno prevodi sa jednog jezika na drugi. Već 60-tih godina pokazalo se da je prevođenje pomoću mašina mnogo složenije nego što se mislilo. Iako programi relativno uspešno pomažu ekspertima pri prevođenju, automatski programi za prevođenje nikako ne mogu da dostignu nivo ni osrednjih prevodilaca. Zaključak nije moguće odmah izvući, ali je verovatno potrebno prvo razumeti dokument da bi se on dobro preveo.

Jedan od osnivača veštačke inteligencije, Alan Njuvel, izneo je hipotezu da su ljudska bića sistemi simbola. Drugim rečima, čovek funkcioniše tako što manipuliše simbolima i, opšte uzev, svaki inteligentni sistem mora da koristi simbole. Međutim, to ne znači da ljudi funkcionišu isključivo putem simboličkog rasuđivanja. Mnogi procesi u mozgu odvijaju se na nivou nižem od simboličkog. Funkcije, kao što su vid, kretanje, pa čak i kategorizacija, obave se pre nego što se donese odluka o simbolu koji će se koristiti. Simbolička veštačka inteligencija je značajna, ali nije sveobuhvatna.

Konačno, simbolička veštačka inteligencija pati od problema serijske obrade. Modele veštačke inteligencije uglavnom razvijamo na serijskim mašinama. Ovo se čini logičnim, jer su serijske mašine sve brže i sve jeftinije. Međutim, paralelizam je osnovna karakteristika veštačke inteligencije. Različiti sistemi simultano koriste podatke na vrlo složen način. Danas se radi na razvoju paralelnih modela, ali još ne znamo dovoljno o distribuiranim bazama podataka, o paralelnom procesiranju, a još manje o tome kako da povežemo paralelno procesiranje i distribuirane baze.

Neuralni modeli, kognitivna arhitektura i psihologija

Ove tri istraživačke oblasti vezane su za model veštačke inteligencije zanovan na principu rada ljudskog mozga. Postoji obilje radova o ponašanju neurona. Relativno se lako proučavaju jer ih je moguće izolovati. Postoje razne vrste neurona i daleko smo od toga da ih sve u potpunosti razumemo, ali imamo dosta jasnu ideju o tome kako neuroni funkcionišu. Međutim, neuralni modeli ne rešavaju probleme života u praksi. Neki od njih obrađuju pitanja u vezi sa kratkoročnom memorijom i trajnim vezivanjem. Međutim, još se ne koriste za rešavanje praktičnih problema. Prema tome, kao i kognitivna arhitektura, ovakvi modeli rešavaju specijalizovane probleme i izbegavaju da se uhvate u koštac sa pojavama iz stvarnosti.

Neki naučnici ulažu napor da stvore simboličke modele ljudskog saznanja. Ove kognitivne arhitekture koriste se da opišu kako ljudi razmišaljaju. Kada bi ovi modeli bili u potpunosti uspešni, oni bi predstavljali veštačku inteligenciju. Međutim, to su simbolički sistemi i pate od već opisanih problema. Relativno ih je lako izgraditi tako da funkcionišu u određenom domenu, ali pokušaji da se izgrade opšti sistemi nisu do sada bili uspešni.

Psiohologija je relativno razvijena oblast. Tokom godina, objasnila je široki spektar ljudskog ponašanja, od kratkoročne memorije do slepih mrlja. Koristi repetitivne zadatke i registruje reakcije na ljudskom mozgu. Proučava strukturu kategorija i faze razvoja. Psihologija je izuzetno široka oblast i dala je brojne teorije o ljudskoj kognitivnoj aktivnosti, ali je još daleko od konačnog rešenja problema.

Jasno je da je ovo znanje korisno za razvoj računarskog modela mozga. Zna se kako neuroni okidaju, ali moraju se ispitati i rezultati njihove aktivnosti. Psihologija proučava upravo te pojave, neprestano procenjujući verodostojnost modela i poredeći rezultate sa psihološkim podacima.

Od realnih modela mozga ka veštačkoj inteligenciji

Postoji nekoliko različitih modela mozga. Jedan primer takvog modela je Njuvelov sistem simbola. Drugi model bazira se na kognitivnoj arhitekturi, a primer treće vrste je konekciona mreža za vezu između pojedinih delova mozga. Sve su to zadovoljavajući modeli, ali posmatraju mozak iz različitih uglova. Daleko smo od toga da rešimo Tjuringov problem, ali znamo da postoji mehanizam koji taj zadatak rešava - to je čovek.

Po svemu sudeći, najbolji način da se razvije zaista inteligentni sistem jeste da se koriste osobine jedinog inteligentnog sistema u prirodi - ljudskih bića. Mnogo toga znamo o funkcionisanju neurona, relativno dobro poznajemo topologiju mozga i imamo široko razumevanje osobina ovog sistema. Trudimo se da razvijemo jednostavne neuralne modele koji će moći da dostignu nivo kognitivne arhitekture. Kada se to postigne, posvetićemo se specijalizovanim modulima pojedinih oblasti u mozgu. Razvojem računarskih neuralnih modela, koji simultano rešavaju veći broj zadataka iz prakse, prevazišli bi se problemi i ograničenost domena od kojih pate današnji sistemi i načinio značajan skok ka stvaranju veštačke inteligencije. Tek tada će i roboti s početka priče možda postati čovekolika stvorenja u pravom smislu te reči.

smorio sam se dok sam ovo procitao...


ma nema od robota nista .... ljudi su zakon

***

Nema ga na kioscima. Nekad ga ima onaj lik kod SDK, što prodaje novine.

_________________
"I'd take the awe of understanding over the awe of ignorance any day."
- Douglas Adams

Svaka cast !!!
Sto kaze jedan kolega, skoro idealno, konzekventno !!!

ALi sposobnost rasudjivanja koja je zaustavila u tom polju napredak masina ili procesorskih mreza je matematickog tipa...
U Rusiji su naucnici na Dubna istitutu za hemiju i sa jos par instituta zakljucili da je eventualno problem rjesiv jednostavno ali treba dosta vremena...
Naime rjesiv je sistemom skupova i 3D geometrije iliti stereometrije...

Pokusao sam da ovdje stavim shematski prikaz ali forum na dozvoljava.

Eee sad taj princip Tree-ja uvrstiti u stereometrijske skupove ili 3D tree, onda dobijamo nacin donosenja zakljucaka i rasudjivanje po principu vrednovanja. S time sto racunarski procesori jos nisu dosli ni blizu tog nivoa da takav princip rada obrade !!!

_________________
ATS BoardMaster !!!