umjetna inteligencija-pred
Post on 21-Apr-2015
690 Views
Preview:
TRANSCRIPT
UMJETNA INTELIGENCIJA
Umjetna inteligencija (engl. Artificial intelligence) je disciplina koja se bavi oblikovanjem inteligentnih sustava koji
implementiraju ona svojstva ljudskog ponašanja koja se smatraju inteligentnim. Umjetna inteligencija ( AI ) kombinira
znanost i inženjerstvo kako bi izgradila strojeve sposobne za inteligentno ponašanje. Spaja radove iz područja filozofije,
psihologije i računalne znanosti, te im pridonosi istraživanjem aktivnosti mozga i lingvistike.
UMJETNA INTELIGENCIJA KAO INŽENJERSTVO
Sustavi umjetne inteligencije se često smatraju znanstvenom fantastikom, no zapravo oni su svuda oko nas. Tehnike AI se
koriste, na primjer, od strane kompanija kreditnih kartica za detekciju ukradenih kartica, te promjenu kupovnih navika.
Također se koristi u računalnim šahovskim igrama, inteligentnim agentima za pretraživanje informacija na Internetu, za
određivanje načina snimanja Hubble-ovog svemirskog teleskopa, te za pomoć pri dijagnozi bolesti. Možda ne tako poznata
činjenica je da su roboti bili korišteni za čišćenje područja nakon Černobilske katastrofe.
Za izgradnju svih inteligentnih strojeva AI koristi mnoge tehnike.
Ekspertni sustavi koriste specijalizirano znanje koje ljudi poput liječnika i odvjetnika imaju kako bi mogli davati razne
oblike savjeta. Također oni imaju veliku primjenu u poslovnom odlučivanju kako bi se ostvarili što bolji rezultati.
Strojno učenje je nauka koja istražuje kako roboti mogu učiti iz svog iskustva. Neuronske mreže su računala koja rade na
način sličan radu mozga.
UMJETNA INTELIGENCIJA KAO ZNANOST
Iznenađujuće, zadaci koje mi smatramo teškima i zahtjevnima, računala smatraju laganima i obrnuto. Iako možemo
napisati programe za igranje šaha koji se natječu protiv svjetskih prvaka, teško je izgraditi robota koji može nesmetano
hodati ili igrati se s loptom. Računala mogu izvršavati teška računanja, no ne mogu učiti uspješno poput dvogodišnjeg
djeteta. Pokušaji razumijevanja zašto je to tako, te kako to omogućiti i unaprijediti je znanstvena strana umjetne
inteligencije – to je pokušaj razumijevanja naše vlastite inteligencije.
Možemo koristiti inteligentne strojeve kao pomoć za otkrivanje odgovora što je to inteligencija, te kako ona funkcionira.
Kada mislimo da razumijemo kako radi ljudski ili životinjski um, možemo izgraditi računalni model i provjeriti da li je naša
teorija ispravna. Ponekada ispada da je jednostavnije testirati teorije o inteligenciji, izgradnjom inteligentnih strojeva, nego
analizirati ljude i životinje. Na ovaj način AI surađuje sa drugim granama znanosti koje pokušavaju shvatiti što to znači biti
čovjek, te kakav je uistinu naš način razmišljanja.
„CAN MACHINES THINK?“
Razmatrati ćemo tisuće godina staro pitanje: “Kako mi mislimo?“
Kada su nastala računala nastalo je i uvjerenje da ćemo inteligenciju reproducirati računalom. No, prvo se moramo zapitati:
„Što je to uopće inteligencija? Što podrazumijevamo pod pojmom umjetna inteligencija?“
Prije definiranja pojma umjetne inteligencije potrebno je razjasniti što se uopće smatra pod pojmom inteligencije
Dakle, što je inteligencija? Sama riječ potječe iz latinskog jezika, a znači razabirati, shvaćati, razumijevati. Inteligencija je
deskriptivan pojam –opisuje neka svojstva jedinke ili grupe jedinki.
Neke definicije:
Inteligencija–svojstvo uspješnog snalaženja jedinke u novim situacijama (R. Pintner).
Inteligencija-sposobnost učenja prilagodbe na okolinu (Colvin)
Inteligencija–opća sposobnost apstraktnog zaključivanja pri rješavanju problema (Terman)
Inteligencija–svrsishodno i prilagodljivo ponašanje u danim okolnostima (Psihologija, grupa autora, ŠK, Zagreb,
1992.)
Inteligencija se manifestira u odnosu na neki posebni društveni i kulturni kontekst (J. Weizenbaum, 1975.)
Na osnovu navedenog može se reći da je inteligentno ponašanje određeno učenjem iz iskustva, nalaženjem smisla iz proturječnih, dvosmislenih i nerazumnih poruka, brzim i uspješnim nalaženjem odgovora na novonastale situacije uz potrebnu fleksibilnost, upotrebom znanja za manipulaciju okolinom, te prepoznavanjem relativne važnosti pojedinih elemenata u nekoj situaciji.
Što je umjetna inteligencija? –taksonomija znanosti (tehničke znanosti=>računarstvo=>umjetna inteligencija)
Uzimajući u obzir navedena svojstva inteligencije i inteligentnog ponašanja, može se reći da je umjetna inteligencija znanstvena disciplina koja se bavi izučavanjem principa i metoda razvoja strojeva sposobnih za inteligentno ponašanje, odnosno za izvršavanje zadataka, koji kada ih obavljaju ljudi zahtijevaju inteligenciju. Stroj koji može učiti, zaključivati, objašnjavati svoje ponašanje i ispravljati vlastite pogreške može se smatrati inteligentnim strojem. Treba odmah naglasiti da ni nakon pola stoljeća razvoja umjetne inteligencije potpuno inteligentan stroj još nije ostvariv.
NAZIV ’’umjetna inteligencija’’
Konferencija u Dartmouth College, Hanover, New Hampshire 1956. 10 znanstvenika s vodećih institucija: CMU, Stanford, MIT, IBM; je 2 mjeseca raspravljalo o nazivu. Konferencija u Dartmouthu nije donijela spektakularne rezultate, ali je ustanovila novo područje –AI , različito od operacijskih istraživanja ili teorije upravljanja.
J. McCarthy (1956. g.) : Umjetna inteligencija je naziv za znanstvenu disciplinu koja se bavi izgradnjom računalnih sustava čije se ponašanje može tumačiti kao inteligentno.
Definicije umjetne inteligencije:
“Proučavanje postupaka koji čine mogućim percipiranje, umovanje i reagiranje” - Patrick H. Winston (MIT); autor poznatog udžbenika "Artificial Intelligence" "The science of making machines do things that would require intelligence if done by men"- Marvin Minsky (MIT) “Umjetna inteligencija bavi se izučavanjem kako računalo učiniti sposobnim da obavlja poslove koje u ovom času ljudi obavljaju bolje.”-Elain Rich, autorica poznatog udžbenika "Artificial Intelligence" "Proučavanje mentalnih svojstava kroz uporabu računalnih modela"- Eugene Charniak (Brown University)
Nema opće prihvaćene definicije što je to “umjetna inteligencija”, stoga slijedi pokušaj sistematizacije definicija:
Razmišljati ljudski
“Uzbudljivi novi pokušaj da se omogući razmišljanje računalima... strojevi s umovima, u punom i doslovnom smislu” (Haugeland, 1985)
“ Automatizacija aktivnosti koje asociramo s ljudskim razmišljanjem, aktivnosti poput donošenja odluka,
Razmišljati racionalno
“Proučavanje mentalnih svojstava kroz uporabu računalnih modela” (Charniaki McDermott, 1985)
“Proučavanje postupaka koji čine mogućim percipiranje, umovanje i reagiranje” (Winston, 1992)
rješavanja problema, učenja...” (Bellman, 1978)
Ponašati se ljudski
“Proces stvaranja strojeva koji obavljaju funkcije koje zahtijevaju inteligenciju koju imaju ljudi” (Kurzwil, 1990)
“Proučavanje kako učiniti da računala rade stvari u kojima su, trenutno, ljudi bolji” (Rich iKnight, 1991)
Ponašati se racionalno
”Polje rada koje želi objasniti i emulirati inteligentno ponašanje u smislu računalnih procesa” (Schalkoff, 1990)
“Grana računarnih znanosti koja se bavi automatizacijom inteligentnog ponašanja” (Luger iStubblefield, 1993)
“Umjetna inteligencija je grana računarske znanosti koja se bavi proučavanjem i oblikovanjem računarskih sustava koji pokazuju neki oblik inteligencije. Takvi sustavi mogu učiti, mogu donositi zaključke o svijetu koji ih okružuje, oni razumiju prirodni jezik te mogu spoznati i tumačiti složene vizualne scene te obavljati druge vrste vještina za koje se zahtijeva čovjekov tip inteligencije.”
(D.W.Paterson, 1990.)
Umjetna inteligencija je termin koji opisuju mnoge definicije, ali se može reći da se većina stručnjaka slaže da uključuje dva osnovna područja izučavanja, a to su:
°Proučavanje misaonih procesa u ljudskom mozgu.
°Preslikavanje ljudskih misaonih procesa u računalne sustave.
Umjetna inteligencija je stoga primarno grana računalne znanosti koja se bavi načinima predstavljanja znanja korištenjem simbola radije nego brojeva, korištenja heurističkih metoda naspram algoritama za obradu informacije, te se koristi dostignućima mnogih drugih znanstvenih grana kao što su matematika, ekonomija, biologija, filozofija, psihologija, lingvistika, logika te druge.
Iako računalo ne može doživjeti iskustvo ono može učiti, bilo da mu potrebna znanja prenose ljudi, bilo da samo uči. Ta znanja sastoje se od činjenica, koncepata, teorija, heurističkih metoda, procedura i njihovih međusobnih veza.
Znanje su informacije koje su proanalizirane i organizirane za lakše razumijevanje i rješavanje određenih problema te donošenje odluka. Znanja povezana za neko problemsko područje, organizirana za korištenje od strane inteligentnog sustava, tvore njegovu bazu znanja.
Mogućnosti umjetne inteligencije mogu se najbolje razumjeti ako se usporedi s prirodnom, odnosno ljudskom inteligencijom. Neke od prednosti umjetne inteligencije su:
§ Trajnija je od ljudske inteligencije, gotovo da je vječna.
§ Može se jednostavno umnožiti i biti lako dostupna svima.
§ Konzistentnija je od ljudske inteligencije.
§ Lako se dokumentira.
Osnovni nedostaci umjetne inteligencije u odnosu na prirodnu inteligenciju su:
§ Prirodna inteligencija je kreativnija.
§ Prirodna inteligencija neposredno koristi opažajno iskustvo.
§ Prirodna inteligencija koristi sva iskustava i sva znanja u svakoj situaciji.
Dosadašnji razvoj umjetne inteligencije je ubrzano umanjivao razlike u odnosu na prirodnu inteligenciju, te i ove nedostatke treba poimati relativno. Implementacija umjetne inteligencije se provodi odgovarajućim softverskim sustavima na standardnim računalima. Uobičajeni računalni programi su bazirani na algoritmima, odnosno matematičkim formulama ili sekvencijalnim postupcima koji jednoznačno vode rješenju problema. Algoritam se prevodi u računalni program koji računalu izdaje instrukcije koje treba izvršiti, da bi koristeći podatke kao što su brojevi ili riječi riješio problem. Programi
sustava umjetne inteligencije se temelje na simbolima i njihovoj manipulaciji. Ti simboli se odnose na različite objekte, procese i veze među njima. Korištenjem simbola stvara se baza znanja koja uz različite procese manipulacije tim simbolima omogućava rješavanje problema.
Područja umjetne inteligencije
AI pripada području računalnih znanosti koje ima za cilj proučavanje i razumijevanje inteligencije, te što bolje iskorištavanje računala.
Područja umjetne inteligencije:
Opće područje (kognitivno modeliranje, filozofske osnove)
Ekspertni sustavi i primjene
Dedukcija i dokazivanje teorema
Formalizmi i metode prikaza znanja
Strojno učenje
Razumijevanje i obrada prirodnih i umjetnih jezika
Rješavanje problema, metode upravljanja i metode pretraživanja prostora stanja
Robotika
Računalni vid, raspoznavanje uzoraka i analiza scena
Porazdijeljena umjetna inteligencija
Jedno od područja umjetne inteligencije koje je našlo širu primjenu u praksi jesu tzv. ekspertni sustavi (računalni sustavi koji trebaju zamijeniti čovjeka stručnjaka u relativno ograničenom stručnom području).
Umjetna inteligencija je obuhvatila mnoga područja istraživanja i primjene tako da se unutar nje razlikuje nekoliko osnovnih područja, a to su:
q Ekspertni sustavi.
q Umjetne neuronske mreže.
q Robotika.
q Razumijevanje prirodnog jezika i govora.
q Fuzzy logika.
Ekspertni sustavi i umjetne neuronske mreže su najpoznatiji i najpopularniji proizvodi temeljeni na tehnologijama umjetne inteligencije. S obzirom na to, o njima će biti više riječi nešto kasnije.
Robotika je područje umjetne inteligencije koje se bavi razvojem senzorskih sustava, kao na primjer umjetni sustavi vida, dodira, te sustavi za obradu signala, koja u kombinaciji s drugim tehnologijama umjetne inteligencije čini vrlo široko područje praktične primjene robota u različitim područjima ljudske djelatnosti. Robot je elektromehanički stroj koji može biti programiran za samostalno izvođenje određenih radnih operacija koje imaju više stupnjeva slobode. Koristeći razne cenzorske sustave i ugrađeno znanje u obliku računalnog programa, roboti izvode mehaničke pokrete i tako obavljaju raznovrsne zadatke, posebno u situacijama kada to obavljaju brže i bolje od čovjeka ili u uvjetima koji nisu primjereni čovjeku.
Razumijevanje prirodnog jezika i govora omogućava da računalo i njegov korisnik komuniciraju na prirodnom jeziku, bilo pisano bilo govorno. Kao takva, ova tehnologija se ne koristi samostalno već za izradu korisničkih sučelja drugih proizvoda umjetne inteligencije i općenito drugih računalnih sustava. Ona omogućava konverzacijski tip komunikacije korisnika s računalom umjesto korištenja nekog komandnog ili nekog drugog umjetnog jezika. Dva su osnovna aspekta ovog problema:
§ Razumijevanje prirodnog jezika, što danas uključuje i razumijevanje govora, istražuje metode koje omogućavaju računalu da razumije instrukcije na nekom prirodnom jeziku.
§ Generiranje prirodnog jezika te glasovna sinteza, koje osposobljava računalo da komunicira na nekom prirodnom ljudskom jeziku. Iako se radi o izuzetno složenoj problematici, ova tehnologija je dosegla toliku zrelost da je započela njena šira komercijalna primjena.
Fuzzy logika se bavi utvrđivanjem znanja kada se radi o nesigurnim, nepreciznim i nepotpunim informacijama. Zasniva se na određenim matematičkim i logičkim konceptima koji omogućavaju uvođenje intuicije u sustave umjetne inteligencije. Ova tehnologija oponaša proces ljudskog promišljanja problema dopuštajući računalu da se ponaša manje precizno i logično nego što se to obično očekuje od računala. Ideja za ovakav pristup tumačenju znanja je u činjenici da će i različiti stručnjaci na temelju nepotpunih informacija često donositi različite zaključke, što je uvjetovano njihovim različitim iskustvom i intuicijom. Neodređenost pojedinih činjenica se može kvantificirati jednostavnim uvođenjem njihove vjerojatnosti u rasponu od 0 do 1.
Krajnje vrijednosti označavaju sigurne događaje, ali je vjerojatnost većine događaja unutar toga intervala, te zaključivanje ne može biti isključivo već postoje i nejasna područja za koja se kaže možda.
6.4.2. Ekspertni sustavi
Ekspertni sustavi prve generacije intenzivno su se razvijali osamdesetih godina 20. stoljeća. Zasnivali su se isključivo na prikupljanju znanja od stručnjaka, odnosno eksperata, u nekom uskom problemskom području. To prikupljanje znanja i njegovo prenošenje u bazu znanja ekspertnih sustava obavljali su inženjeri znanja, uz velike poteškoće u pronalaženju stručnjaka koji su bili voljni prenositi svoja znanja i bili dovoljno vješti u prezentaciji tog znanja, posebice u opisivanju postupaka zaključivanja. To je bio naporan i skup posao, budući je i za jednostavnije sustave trebalo utrošiti nekoliko godina stručnog rada, a konačni rezultat često nije bio potpuno zadovoljavajući. Stoga je njihova primjena bila ograničena na pojedina stručna i ekonomski isplativa područja, koja su mogla podnijeti tako velike troškove, kao što je istraživanje nafte, održavanje nuklearnih elektrana, konfiguriranje složenih računalnih sustava i slično. Otprilike u isto vrijeme počinju se intenzivno razvijati metode strojnog učenja, te je ono brzo prihvaćeno kao osnovna metoda pri razvoju ekspertnih sustava. To je označilo pojavu ekspertnih sustava druge generacije, odnosno ekspertnih sustava s automatskim učenjem. Time je izrada ekspertnih sustava postala mnogo jednostavnija, brža i jeftinija, što je bitno doprinijelo njihovoj daljnjoj
popularizaciji. Ekspertni sustavi druge generacije počinju se intenzivnije razvijati devedesetih godina 20. stoljeća i danas uz umjetne neuronske mreže predstavljaju najuspješnije praktične implementacije umjetne inteligencije. Automatsko učenje koristi poznate i dobro definirane slučajeve da bi se njihovom analizom izlučilo željena znanja. Mehanizam koji se pri tome koristi je kreiranje stabla klasifikacije znanja ili odlučivanja. Klasifikacija znanja je postupak u kome se najprije uzimaju u obzir svi poznati slučajevi nekog problema i svi njihovi atributi za koje se računa entropija kao kvantitativna mjera utjecaja pojedinog atributa i njegove vrijednosti na neodređenost, odnosno s druge strane na rješenje problema. Onaj atribut koji ima najnižu entropiju, koji najbolje određuje problem, služi kao osnova klasifikacije, odnosno definiranja razreda ili klasa rješenja. O problemima klasifikacije te apstrakcije, generalizacije i specijalizacije više riječi će biti u poglavlju o modeliranju. Postupak klasifikacije i određivanje entropije je prirodan ljudski misaoni proces i način promišljanja okoline, odnosno učenja, ali je dugotrajan i nije eksplicitan. Čovjek koji razmišlja o rješenju nekog problema ne mora biti svjestan načina određivanja entropije pojedinih atributa razmatranog problema, ali njegov misaoni proces to ipak čini na sebi svojstven način. S druge strane, računalo vrijednosti entropije računa vrlo brzo, a konačne rezultate može prikazati jasno i pregledno, bilo grafički bilo numerički, te se mogu analizirati i na njima čovjek može i sam učiti. S druge strane čovjek može u sustav ugrađivati i svoje postojeće znanje te ga uspoređivati sa znanjem ekspertnog sustava.
6.4.3. Umjetne neuronske mreže
U svojim počecima alati umjetne inteligencije su bili uglavnom ograničeni na sekvencijalnu obradu. Drugačiji pristup uključuje konstruiranje računala s arhitekturom i mogućnostima obrade koje oponašaju ljudski mozak, a to je prije svega masovna paralelna obrada. Tehnologija koja ostvaruje te principe naziva se umjetne neuronske mreže.Umjetna neuronska mreža je računalni model koji oponaša biološku mrežu neurona, uz korištenje ograničenog skupa koncepata iz biološkog sustava.
Njihova osnovna arhitektura se sastoji od velikog broja umjetnih neurona koji su raspoređeni u tri sloja kako je prikazano na slici 6.10, a to su:
§ Ulazni sloj, koji je povezan sa senzorima za primanje signala iz okoline.
§ Skriveni sloj, koji čini glavnu mrežnu strukturu paralelne obrade.
§ Izlazni sloj, koji iskazuje rezultat, odnosno zaključak.
Slika 6.10. Osnovna arhitektura umjetnih neuronskih mreža
Umjetni neuroni primaju impulse od drugih neurona različitim intenzitetom koji je određen čvrstoćom njihove međusobne veze, obrađuju ih, te šalju izlazni impuls prema drugim neuronima, sve do izlaznog sloja koji iskazuje rezultat. Čvrstoća spomenutih veza je promjenjiva i ključ je procesa samoučenja.
Moguća su dva pristupa realizaciji umjetnih neuronskih mreža:
§ Hardverski, kada je svaki neuron realiziran posebnim procesorom.
§ Softverski, kada se programski simulira neuronska mreža
POČECI
I prije nastanka računala postojali su pokušaji da napravimo svoju kopiju...
Koncept inteligentnih strojeva može se u tragovima pronaći već u grčkoj mitologiji.U srednjemu vijeku pojavljuju se primitivni strojevi koji oponašaju ljudski govor. Njihovi idejni začetnici bili su filozofi Roger Bacon i Albert Magnus.
U 18. stoljeću pojavljuju se strojevi za igranje šaha pod nazivom Turk . 1770. god. Wolfgang von Kempelen konstruirao je automat koji igra šah i izvodi konjićev obilazak. Izlagan i demostriran 80 godina po Europi i Americi. No, to je bila samo vješto konstruirana mehanička iluzionistička naprav, ispostavilo se da se u unutrašnjosti takvog stroja skrivao mali čovjek te da se cijeli koncept zapravo zasnivao na mehaničkoj iluziji. U 19. stoljeću Charles Babbage i Ada Byron kreiraju analitički stroj koji se smatra pretečom današnjih računala. U istome je stoljeću (1818.) objavljena priča „Frankenstein ili moderni Prometej“ autorice Mary Shelley, koja opisuje pokušaj znanstvenika Victora Frankensteina da stvori umjetni život. Godine 1921. češki pisac Karel Čapek
napisao je dramu R.U.R. (Rossum's Universal Robots). Riječ ROBOT: češki „robota“ znači rad, odnosno prisilni rad.
Isaac Asimov, autor djela znanstvene fantastike, napisao je Tri Zakona Robotike u prošlome stoljeću (1942.) koji bi trebali biti ugrađeni u robote radi zaštite ljudi od revolucije robota s jedne strane, a od prevencije iskorištavanja robota u neetičke svrhe s druge strane:
1. Robot ne smije ozlijediti niti jedno ljudsko biće, kroz interakciju, niti smije dozvoliti da se nekim njegovim akcijama čovjek ozlijedi
2. Robot mora poslušati naredbe koje mu ljudi daju, osim ako se one kose s prvim zakonom
3. Robot mora štititi svoje postojanje sve dok se takva zaštita ne dolazi u konflikt s prvim ili drugim zakonom
I, Robot; 2004.
POVIJESNI RAZVOJ AI:
U prvoj polovici 20.stoljeća dolazi do većih pomaka. Tijekom tog razdoblja razlikujemo različite periode u razvoju.
Razdoblje od 1943. -1952. se smatra početkom AI. Tijekom navedenoga razdoblja, odnosno 1943. J. McCulloch i W. Pitts razvijaju model umjetnog neurona ; dok D. Hebb, 1949., formulira pravilo za modificiranje veze između dva neurona. Minsky i Edmons (Princeton) su 1951. izgradili prvu neuronsku mrežu od 40 neurona (vakumske cijevi). No, osobito je bitan doprinos. A. Turing , u vidu Turingova test, strojnog učenja, genetičkih algoritama, te podržanog učenja (1950.)
Matematičar i kriptoanalitičar Alan Mathison Turing obilježio je prvu polovicu 20. stoljeća i doprinio razvoju područja umjetne inteligencije postavljenjem teorije poznate kao Turingov test. Turingov test koncipiran je kao igra u kojoj se provjerava teza mogu li računala misliti. U igru su uključena tri sudionika: ispitanik A (čovjek), ispitanik B (računalo) te ispitivač (čovjek). Uloga je ispitivača, koji se nalazi u odvojenoj prostoriji od ispitanika, da na temelju primljenih odgovora na pitanja koja je postavio procijeni je li ispitanik čovjek ili računalo. Ako računalo uspije zavarati ispitivača, može se tvrditi da je stroj inteligentan. Do danas ni jedan stroj nije prošao Turingov test.
.
Sljedeći period razvoja (1952.-1969.) je obilježeno ranim entuizajzmom i velikim očekivanjima. Za navedeni period vežemo doprinos A. Samuel-a (IBM) kroz njegovu igru dame, te program koji uči.
1956. godine američki je znanstvenik John McCarthy prvi put upotrijebio naziv "umjetna inteligencija" na konferenciji u Dartmouthu, koja je ujedno bila i prva konferencija posvećena ovomu području. John McCarthy (Boston, 4. rujna 1927.) je istaknuti računalni znanstvenik, dobitnik Turingove nagrade 1971. za značajne doprinose na polju umjetne inteligencije. John McCarthy koji se smatra ocem AI-a, godine 1956. definirao je umjetnu inteligenciju kao znanstvenu disciplinu koja se bavi izgradnjom računalnih sustava čije se ponašanje može tumačiti kao inteligentno.
Dvije godine nakon toga (1958.) kreirao je prvi programski jezik LISP, namijenjen u prvome redu izradbi inteligentnih sustava. LISP programski jezik, koji je postao osnovnim jezikom programiranja umjetne inteligencije, pojavljuje se 1958. godine zaslugom McCarthy-a.
Prvim se AI programom smatra Logic Theorist, kompjuterski program sa sposobnošću otkrivanja dokaza geometrijskih teorema, a razvili su ga 1956. godine Allen Newell, Herbert Simon i J. C. Shaw.
Allen Newell, J. C. Shaw i Herbert Simon 1956. godine kreirali su prvi računalni program Logic Theorist (LT) koji ima svojstva inteligentih sustava. Glavni zadatak toga programa bilo je dokazivanje teorema postavljenih u radu Principia Mathematica. Program je uspio dokazati 38 teorema. Godinu dana nakon toga kreirali su program GPS (engl. General Problem Solver), koji predstavlja prvi program koji replicira ljudski način razmišljanja.
1960-te su obilježene razvojem dijaloških sustava.
Joseph Weizenbaum autor je prvog dijaloškog sustava (engl. dialogue system) poznatog pod nazivom ELIZA, koji nastaje 1967. godine. ELIZA predstavlja simulaciju Rogerovog psihoterapeuta koji postavlja pitanja i pokazuje empatiju s pomoću kratkih iskaza, a zapravo ne daje savjete. Interakcija između dijaloškog sustava i čovjeka odvija se na sljedeći način: 1.) čovjek upisuje pitanje upućeno dijaloškom sustavu, 2.) dijaloški sustav odgovara na pitanje uporabom metode prepoznavanja uzoraka i odabira fraze spremeljene u njegovu bazu znanja.
Rogerian psychotherapy –ELIZA
Men are all alike
In what ways?
They are always bugging us about something or other
Can you think of specific example?
Well, may boyfriend made me come here
Your boyfriend made you come here?
He says I am depresed much of the time
I am sorry that you are depressed.
Its true, I am unhappy
Do you think comming here will help you not to be unhappy?
I need some help that much seems certain
What would it mean to you if you got some help?
Perhaps I could learn to get along with my mother
Tell me more about your familiy
U sljedećem periodu (1966.-1973.) dolazi do otrježnjenja.
Rezultati ranih sustava pokazali su se slabi na širem rasponu problema ili na težim zadacima. Rani programi sadržavali su malo ili ništa znanja, a uspjeh se temeljio na jednostavnim sintaktičkim manipulacijama.
Primjer: strojno prevođenje (financirano zbog ubrzavanja prevođenja ruskih radova, 1957. Sputnik) –temeljilo se na sintaktičkim transformacijama i zamjenama riječi na temelju engleske i ruske gramatike.
Rezultat “The sprit is willing but the flesh is weak”->“The votka is good but the flesh is rotten”
Drugi veliki problem -neatraktabilnost mnogih problema koje je AI pokušavala riješiti. Početni uspjeh zbog malog broja (koraka) kombinacija u mikrosvjetovima. Prije razvoja teorija izračunljivosti mislilo se da će se “skaliranje” na veće probleme riješiti povećanjem računalne snage!
1969. Minsky i Papert, Perceptrons
1970-te i 1980-te karakteriziraju ekspertni sustavi te komercijalizacija.
1970-ih godina kao područja umjetne inteligencije razvijaju se stručni ili ekspertni sustavi (engl. expert system). Glavne osobine tih sustava su da rješavaju jednostavne probleme jednako dobro kao i ljudi koji su stručnjaci u određenome području. Ekspertni sustavi sastoje se od baze znanja (činjenica i pravila), mehanizma za zaključivanje te korisničkog sučelja koje služi za komunikaciju između čovjeka i stroja. Svoju primjenu pronašli su u matematici, pravu, vojnim i medicinskim znanostima te bankarstvu. Prvi
ekspertni sustav bio je MYCIN (1976.), a primjena mu je bila vezana uz područje medicinske dijagnostike i terapeutike. Sedamdesetih godina prošlog stoljeća napravljeni su i prvi ekspertni sustavi, koji su po zadanim parametrima nudili rješenje problema. Pojavljuje se MYCIN, sustav koji je dijagnosticirao bakterijske krvne infekcije i
preporučivao tretman. Imao je sposobnost dijagnosticirati pojedinu bolest bolje od liječnika, no znanje mu je bilo preusko. Pojava paralelnih procesora unaprijeđuje ekspertne sustave i time oni postaju učinkovitiji Nastaje DENDRAL, razvijen od strane Fiegenbaum i Buchanan-a (Stanford), sustav temeljen na znanju zaključuje o molekularnim strukturama organskih spojeva na temelju spektroskopije masa –450 pravila. Zatim, MYCIN, Shortliffe (Stanford), 550 pravila, različit od DENDRALA: nema teorijskog modela kao podlogu, uvođenje faktora izvjesnosti. Napredak u obradi prirodnog jezika. PROLOG –popularan u Europi.
1980-ih započinje razdoblje globalizacije, industrijalizacije i komercijalizacije područja umjetne inteligencije, posebice na polju ekspertnih sustava..
1980 –UI je industrija! (od nekoliko miliona dolara u 1980. do milijardu dolara u 1988.)
1982 McDermott –DEC R1 ekspertni sustav
1986. –danas Povratak neuronskih mreža (Werbos –backpropagation algorithm)
AI je znanost!
Inteligentni agenti
Agent –percepcija okoline kroz senzore i djelovanje na sredinu kroz akcije.
DANAS: GDJE SMO?
U današnje vrijeme nastaje, razvija se i proučava velik broj sustava koji pokazuju određene značajke ljudske inteligencije, kao što su razumijevanje i obradba prirodnog jezika, automatsko zaključivanje, učenje pa čak i izražavanje osjećaja. Oni su i danas predmet istraživanja velikog broja područja kao što su računalna znanost, neurolingvistika, lingvistika, psihologija, filozofija i informacijske znanosti. Iako je zabilježen velik napredak u razvoju inteligetnih sustava od samih početaka do danas, ni jedan stroj još uvijek nije u mogućnosti replicirati sva svojstva ljudske inteligencije. Pitanje je hoće li to ikada biti moguće.
NASTANAK RAČUNALA
1945. je nastao ENIAC–prvo elektroničko računalo.
U početku razvoja računala smatralo se da su računala identična elektroničkom mozgu.
Naime, kada su se rodila računala rodila se i želja da reproduciramo inteligenciju
računalom. I zaista, računala danas upravljaju vrlo složenim procesima, računalom
simuliramo rješavanje složenih problema, donošenje odluka, zaključivanja, prirodni
jezik... No, postavlja se pitanje: „Mogu li se strojevi ponašati inteligentno (kao ljudi) i
imaju li onda umove?“
LJUDI I I STROJEVI
1997. računalo Deep Blue (IBM) pobijedilo je svjetskog šahovskog prvaka Garryja
Kasparova. Logično nam se nameće pitanje da li je Deep Blue inteligentan?
Naime, da bi se igrao šah na majstorskoj razini, potrebno je pretraživati 8 koraka
unaprijed, oko 35 ili 2x10¹² čvorova treba biti ispitano. No, ipak trebamo uzeti u obzir ⁸
da pretraživanje velikog broja mogućih kombinacija ne zahtijeva inteligenciju!
Rješavanje takvih teških problema zahtijeva pretraživanje prostora stanja.
Dakle, šah je jednostavan za razliku od, na primjer, obrade prirodnog jezika, odnosno
strojnog prevođenja, budući da prevođenje i komunikacija prirodnim jezikom
podrazumijeva opće znanje i razumijevanje konteksta pomoću kojih se razrješavaju
višeznačnosti, dakle radnje koje ljudi rade s lakoćom, poput obrade prirodnog jezika,
zdravorazumskog zaključivanja ili kretanja su izuzetno teška za računalo.
16.2.2011.: Superračunalo IBM Watson pobijedilo je najbolje ljudske natjecatelja u kvizu
Jeopardy i osvojilo $35.734.
StarCraft AI Competition (2010). Agent mora biti sposoban riješiti niz teških problema
(planiranje, optimizacija, višeagentsko upravljanje) u ograničenom vremenu i s
ograničenim resursima.
USPOREDBA LJUDSKOG MOZGA I RAČUNALA
Arhitektura i organizacija mozga gotovo je potpuno različita od arhitekture
konvencionalnih računala koja su danas u širokoj uporabi (von Neumannova računala):
ATRIBUT MOZAK RAČUNALO
Gradbeni element Neuron (>100 vrsta) Logička vrata
Brzina prijenosa 2 ms ciklus ns ciklus
Broj procesora Oko 10¹¹ <=32*
Broj veza 10³-10⁴ <=32*
Način rada Serijski, paralelno Serijski
Signali Analogni Digitalni
Informacije Ispravne/neispravne Ispravne
•Danas najbrže računalo: Tianhe-1A(11/2010)
(Intel EM64T Xeon X56xx (Westmere-EP) 2930 MHz (11.72 GFlops); 186 368 jezgri; 2
331 000 GFlopsa= 2,6 1015 Flopsa; LinuxOS)⋅
(http://www.top500.org )
TESTIRANJE INTELIGENCIJE
Alan Turing u časopisu Mind u članku “Computing Machinery and Intelligence” (1950)
je predložio pitanje: “Can machine think? ”zamijeniti pitanjem može li stroj proći
ponašajni test inteligencije -“igra imitacije”. Navedeni eksperiment uspoređuje
performanse pretpostavljenog inteligentnog stroja i čovjeka na temelju nekog skupa
upita.
Riječ je o igri oponašanja. Postavljanjem jednostavnih upita ispitivač pokušava odrediti
identitet dvaju ispitanika. Ispitivač razgovara (preko tipkovnice) sa dva sustava, jedan je
čovjek, a drugi računalo. Jedan ispitanik mu pomaže, a drugi odmaže oponašajući
prvoga. Ukoliko ispitivač ne može sa sigurnošću odrediti identitet ispitanika, stroj je
prošao test.
Očekivane sposobnosti i svojstva (inteligentnog) stroja koji prolazi TT su obrada
prirodnog jezika, prikaz (predstavljanje) znanja, te automatsko zaključivanje i učenje.
Turing je predviđao da će do 2000. računala imati 30% šanse zavarati ljude. No, bitno
ograničenja Turingovog testa jest „ Ponašati se ljudski“.
U smjeru Turingovog testa 1990. ustanovljena je Loebnerova nagrada: Grand Prize
$100,000 i zlatna medalja za prvo računalo čiji se odgovori ne razlikuju od čovjekovih.
Neki od dobitnika su: 2004. R. Wallace (A.L.I.C.E., 2004.); Rollo Carpenter George
(2005.); Rollo Carpenter Joan (2006.); Robert Medeksza Ultra Hal (2007.); Fred Roberts
Elbot (2008.); David Levy Do-Much-More (2009.); Bruce WilcoxSuzette (2010.).
(CAPTCHA: Telling Humans and Computers Apart Automatically
http://www.captcha.net/Completely Automated Public Turing Test to Tell Computers
and Humans Apart)
JAKA vs. SLABA UMJETNA INTELIGENCIJA
Pitanje: "Mogu li strojevi misliti?", moguće je interpretirati na dva temeljna načina koja
su označila dva temeljna smjera AI:
1. SLABA UI: "Mogu li se strojevi napraviti tako da izgledada se ponašaju
inteligentno?"
2. JAKA UI: "Imaju li strojevi koji se ponašaju inteligentno svjesne umove?"
Zagovornici slabe umjetne inteligencije razvijaju takve inteligentne sustave kojima se
dodaju samo određena svojstva ljudskog ponašanja, dok zagovornici jake umjetne
inteligenicije smatraju da je moguće stvoriti sustav koji će u potpunosti moći replicirati
sva svojstva ljudskog ponašanja koja se smatraju inteligentnim.
Slaba UI pretpostavlja da računala samo simuliraju razmišljanje, te njihovo naizgled
razumijevanje učinjenoga nije stvarno. Ovaj ponašajni pristup inteligenciji najbolje je
prikazan u programu za šah "DeepBlue". "Razmišljanje o šahu kod DeepBluea slično je
razmišljanju jediničnih stanica o sintezi proteina; oboje nisu svjesni ničega, te oboje
slijede program koji je ugrađen u njih.".
S takvim razmišljanjem ne slaže se DrewMcDermott, profesor računarske znanosti na
Yaleu: "Reći da "DeepBlue" zapravo ne misli o šahu, isto je kao i reći da zrakoplov ne leti
zato što ne maše krilima."
Jaka umjetna inteligencija zagovara da neki oblik umjetne inteligencije može zaključivati
i rješavati probleme, razviti sposobnost prosudbe, postati samosvjesno, no, ne treba
nužno i predstavljati proces razmišljanja sličan ljudima.
J. Searle smatra sljedeće: "Računalo nije samo alat u proučavanju uma; točnije, pravilno
programirano računalo jest um, u smislu da se za računala kojima su dani
odgovarajući programi može doslovno reći da razumiju i imaju druga kognitivna stanja“
John Searle je osmislio i misaoni eksperiment kao argument protiv jake AI i
funkcionalizma. Ideja da se stanja uma mogu ostvariti bez obzira na medij (biološki
neuroni), bitni su samo procesi. Ne može se suditi o inteligenciji sustava, a dokaz je
eksperiment nazvan Kineska soba.
("Minds, Brains, and Programs" by John R. Searle, from The Behavioral and Brain
Sciences, vol. 3. 1980.)
Osoba koja ne razumije kineski zatvorena je u sobi. Toj se osobi prosljeđuju poruke na
kineskom jeziku. Ona raspolaže s uputama za prevođenje. Nakon što prevede poruku,
šalje ju izvan sobe. Kinez koji bi se nalazio izvan sobe, uspoređujući ulazne i izlazne
poruke, mogao bi zaključiti da se u sobi nalazi netko tko razumije kineski jezik – osoba
unutar sobe prošla bi Turingov test, iako ne bi ništa razumjela. Strojevi mogu vrlo
uspješno baratati besmislenim nizovima znakova, ali će im uvijek nedostajati ono što bi
nama nedostajalo u kineskoj sobi – razumijevanje tih znakova.
Eksperiment Kineske sobe zapravo kritizira Turingov test.
Naizgled inteligentno ponašanje sustava (računala i programa koji je omogućio takvo
ponašanje), ali računalo nema um, jer simboli koje ono obrađuje njemu nemaju
značenje! Nema pravih intencionalnih stanja.
Searlov argument protiv tvrdnje :“program je sve što je potrebno za inteligenciju i
spoznajna stanja”.
Smatra da je za razumijevanje jezika potrebno: znanje o objektima koji postoje u svijetu,
poznavanje riječi jezika, znanje da bi se riječi mogle povezati s objektima (semantika),
poznavanje gramatičkih pravila da bi se formirale smislene rečenice (sintaksa)
Računala mogu ostvariti 2. i 4. Kriterij.
Došlo se do sljedećih zaključaka: 1. Nijedan računalni program sam po sebi nije dovoljan
za uzrokovanje uma. Programi nisu umovi; 2. Išta drugo što uzrokuje umove moralo bi
imati kauzalnu moć barem ekvivalentnu onoj od mozga; 3. Sve što bi uzrokovalo umove,
svaki umjetni mozak, morao bi imati mogućnost dupliciranja određenih kauzalnih moći
mozga, što se ne bi moglo učiniti samo pokretanjem formalnog programa; 4. Način na
koji mozak funkcionira uzrokuje um i ne može biti samo djelovanje izvođenja
računalnog programa.
Odgovori na argument kineske sobe su sljedeći: 1. čovjek ne razumije kineski, ali postoji
sustav koji razumije; 2. ne postoji razumijevanje, ali ono bi se moglo postići preinakama
sustava; 3. postoji ljudska intuicija te čovjek unutar sobe ipak razumije kineski na neki
način; 4. nije moguće dokazati razumijevanje kod drugih ljudi.
PRAVCI RAZVOJA UMJETNE INTELIGENCIJE
Od prvih dana razvoja umjetne inteligencije (rane ’50) postoje dva pristupa razvoju
inteligentnih sustava:
1. Simbolički pristup-GOFAI ("Good Old-Fashioned Artificial Intelligence“),
tradicionalna, klasična, “top-down” pristup.
Inteligentno ponašanje može se oblikovati pomoću sustava koji zaključuje logički na
temelju skupa pravila i činjenica. Znanje iz neke domene nastoji se obuhvatiti
skupom atomičkih semantičkih objekata (simbola) i zatim činiti manipulacija tih
simbola pomoću algoritamskih pravila.
1. Konektivistički pristup -“Subsimbolic” AI, “bottom-up” pristup, PDP
Temelji se na izgradnji sustava arhitekture slične arhitekturi mozga koji, umjesto
da ga se programira, uči samostalno na temelju iskustva
Inteligentno ponašanje postiže se povezivanjem jednostavnih procesnih elemenata koji
rade paralelno (UNM). Klasičan pristup dao je značajne rezultate no ipak nije mogao
riješiti neke probleme... Mozak ne funkcionira serijski kao računalo već paralelno, može
učiti, stjecati znanje kroz iskustvo, neosjetljiv je na pogreške.... Umjetne neuronske
mreže najznačajniji su predstavnik konektivističkog pristupa.
Traži se drugačiji koncept obrade podataka koji bi bio sličniji funkcioniranju biološkog
mozga.
A.I. -sustav koji uspješno oponaša rad mozga bio bi inteligentan.
Istraživanja u neurofiziologiji i kognitivnoj znanosti upućuju: mozak se sastoji od velikog
broja neurona koji rade paralelno. Najsličniji model: računalni sustav u kojem brojni
procesni elementi podatke obrađuju paralelno.
Paradigma: umjetna neuronska mreža -UNM[artificialneuralnetwork–ANN] je područje
koje se bavi tim aspektom obrade
Neuro-računarstvo je grana računarstva iz skupine tzv. ‘mekog računarstva’(engl.
softcomputing).
Različita područja zahtijevaju različite pristupe.
Simbolički pristup je dobar u mnogim područjima (osobito isplativ postao je razvojem
ekspertnih sustava), ali nije ispunio rana ekstravagantna obećanja. Neuspjeh leži u
pogrešnoj pretpostavci da je svako znanje moguće formalizirati i da je mozak stroj koji
podatke obrađuje formalnim pravilima.
KONEKTIVISTIČKI PRISTUP:
Mnogi su svakodnevni zadaci previše složeni za simboličko predočavanje, npr.
raspoznavanje uzoraka…
Umjetne neuronske mreže vs. Von Neumann
VonNeumannova računala odlična su za simbolički pristup jer se problemi rješavaju
algoritamski na sekvencijalnom stroju. Umjetne neuronske mreže su distribuirani i
paralelni sustavi.
•Bitne karakteristične razlike dviju paradigmi/arhitektura:
Von Neumann ANN
Unaprijed detaljno opisujemo algoritam
kroz korake
Uči samostalno ili s učiteljem
Samo se precizni podaci adekvatno
obrađuju
Podaci mogu biti nejasni (šum) ili
neizraziti
Funkcionalnost ovisi o svakom elementu Obrada i rezultat ne ovisi mnogo o jednom
elementu
Eksplicitna veza: semantički objekt-
sklopivi računala
Implicitno znanje (teška interpretacija)
Umjetna neuronska mreža -definicija
U širem smislu: umjetna replika ljudskog mozga kojom se nastoji simulirati postupak
učenja i obrade podataka.
Zapravo dosta klimava analogija.
Neuronska mreža je kup međusobno povezanih jednostavnih procesnih elemenata
(jedinica, čvorova) čija se funkcionalnost temelji na biološkom neuronu i koji služe
distribuiranoj paralelnoj obradi podataka.
Primjena umjetnih neuronskih mreža: odlično rješavaju probleme klasifikacije i
predviđanja–sve probleme kod kojih postoji složena (nelinearna) veza ulaza i izlaza.
Neke osobitosti: dobre u procjeni nelinearnosti, mogu raditi s nejasnim ili manjkavim
podacima (sensordata), robusne na pogreške u podacima, rade s velikim brojem
varijabli i parametara, prilagodljive okolini, sposobne učiti....
Najčešći zadaci: raspoznavanje uzoraka, obrada slike i govora, problemi optimizacije,
nelinearno upravljanje, obrada nepreciznih i nepotpunih podataka, simulacije, prognoza
vremenskih serija...
Postoje dvije faze rada s ANN: faza učenja (treniranja) i faza obrade podataka
(iskorištavanja, eksploatacije).
Učenje je iterativan postupak predočavanja ulaznih primjera (uzoraka, iskustva) i
eventualno očekivana izlaza pri čemu dolazi do postupnog prilagođavanja težina veza
neurona. Jedno predočavanje svih uzoraka naziva se epohom
Razlikujemo: pojedinačno učenje(on-line); za svaki primjer podešavamo faktore; grupno
učenje (batch); cijela epoha u jednoj iteraciji.
Znanje o izlazu kao funkciji ulaza pohranjeno je implicitno u težinama veza neurona.
Dva načina učenja: učenje s učiteljem (supervisedlearning)–postoje primjeri oblika
(ulaz, izlaz) i učenje bez učitelja (unsupervisedlearning)–izlaz je a priori nepoznat
Skup primjera za učenje često dijelimo na: skup za učenje–služi za iterativno
podešavanje težina; skup za testiranje–provjeravamo rad mreže, skup za provjeru –
konačna provjera.
Učenje se provodi dok mreža ne daje odgovarajuću točnost obrade podataka (uvodi se
mjera pogreške). Pretreniranost znači da ANN gubi poželjno svojstvo generalizacije i
postaje stručnjak za podatke iz skupa za učenje (štreber).
BUDUĆNOST UMJETNE INTELIGENCIJE
Neki ljudi su zabrinuti zbog mogućeg uspjeha u istraživanju umjetne inteligencije,
davanja prevelike moći računalima, prevelikoj ovisnosti o njima. Puno je složenih etičkih
pitanja vezanih uz AI. Na primjer, ako liječnik upita AI program za pomoć pri dijagnozi
bolesti, a on mu da krivi odgovor, ali tko snosi odgovornost zbog toga? Za većinu opreme
koju liječnik koristi odgovoran je da ispravno funkcionira, ali za AI sustav koji tvrdi da
ima sve znanje raznih eksperta? Da li su odgovorni upravo oni ili možda sam programer?
U budućnosti unutar umjetne inteligencije će se morati razviti područja etike i pravila
društvenih odnosa.
Za sada, AI proizvodi se primaju sa oduševljenjem i odobravanjem u naše društvo.
Trenutna istraživanja bi nam uskoro trebala donijeti programe koji će omogućiti
prirodnije prihvaćanje sve moći računala. Biti ćemo u mogućnosti pričati s njima, ili će
nam oni pomagati gledanjem onoga što pokušavamo napraviti, te nam dati određene
savijete i pomoć, ili nam samo olakšati svakodnevni život. Nadam se da će nam AI
jednoga dana pomoći riješiti neke probleme koje danas ne možemo riješiti uporabom
tradicionalnih pristupa znanosti i inženjerstvu.
Ovdje ćete moći saznati nešto više o trenutačno razvijenim robotima, njihovim
karakteristikama i svrsi u svakodnevnom životu. Izabrani su Cog, Kismet, Leonardo,
Stanley kao najspecifičniji predstavnici današnjeg razvoja umjetne inteligencije, te još
neki manje poznati inteligentni roboti.
ZAKLJUČAK
Debate od društvenom utjecaju koje ima stvaranje inteligentnih strojeva
okupirale su mnoge organizacije i individualne osobe tokom prošlih desetljeća. Kako su
se mnoga od ranih znanstveno fantastičnih predviđanja već obistinila nemamo razloga
za nevjerovanje u moć i sposobnost inteligentnih strojeva. Već živimo u eri budućnosti,
uživamo u zlatnom dobu tehnologije, bez kraja, limita u vidokrugu.
Moralne i etičke granice su očite i postoje tri strane za raspravu o njima. Jedni
smatraju da je već sada previše ljudi siromašno i bez posla, te da nema potrebe za
mehaničkom radnom snagom koja može samostalno misliti i još nam se suprotstavljati
ako bi njih pitali za mišljenje. Drugi smatraju da se društvo ne može razvijati i
maksimalno iskorištavati resurse bez pomoći strojeva koji barem u nekoj maloj razini
mogu samostalno razmišljati. Treći pak jednostavno ne mare za ta pitanja, kao što je i
tipično za ljudsko društvo.
Na detaljnijem nivou, mišljenja se također razlikuju o razini u kojoj bi roboti
trebali biti inteligentni i kako bi oni trebali izgledati. Da li govorimo o autonomnim
spravama kao što su istraživači svemira ili robotima koji oponašaju ljudski oblik, način
razmišljanja i ponašanje? Kako će sve veći dio društva postati automatiziran, hoćemo li
prepustiti brigu za našu djecu, njihovu edukaciju, poslove i vlade robotima koji su
inteligentni?
Ovdje ne postoje jasni odgovori. Istraživanja su široko rasprostranjena i različita,
pokrivaju sve aspekte umjetne inteligencije. Čak se ne možemo složiti ni u definiranju
točnih granica prave inteligencije, a već stvaramo umjetnu. Pa tko onda može reći što je
pravilno, etički i moralno, a što nije? Ako izgradimo androidne strojeve, sa dizajniranom
inteligencijom koji se ponašaju i razmišljaju kao ljudi, ne bi li oni onda trebali u
potpunosti služiti nama?
Isaac Asimov, autor djela znanstvene fantastike, napisao je Tri Zakona Robotike u
prošlome stoljeću koji bi trebali biti ugrađeni u robote radi zaštite ljudi od revolucije
robota s jedne strane, a od prevencije iskorištavanja robota u neetičke svrhe s druge
strane:
Robot ne smije ozlijediti niti jedno ljudsko biće, kroz interakciju, niti smije
dozvoliti da se nekim njegovim akcijama čovjek ozlijedi
Robot mora poslušati naredbe koje mu ljudi daju, osim ako se one kose s
prvim zakonom
Robot mora štititi svoje postojanje sve dok se takva zaštita ne dolazi u
konflikt s prvim ili drugim zakonom
Gornja tri principa su dobar primjer teškoća programiranja umjetnog mozga. Ljudski
mozak je evoluirao kroz milijune godina preživljavanja i učenja društvenog ponašanja, a
njegova evolucija traje i danas. Imitiranje rada mozga je ogroman izazov i sudeći prema
razvoju, snazi i kompleksnosti današnjih procesora, trebat će barem još nekoliko
desetljeća da se dosegnu i najrudimentarnije razine našeg mozga.
Jednom kada odlučimo da želimo androidne robote i ostale strojeve sa svom umjetno
stvorenom inteligencijom, toliko sofisticiranom da se može boriti s našom, pitanje koje
etičke i moralne vrijednosti im moramo ugraditi još uvijek će ostati otvoreno. Gledajući
ljudsku civilizaciju sa svim svojim kulturnim, vjerskim, etičkim i moralnim razlikama
nameće se pitanje što to zapravo pokušavamo stvoriti, kome i s kojom svrhom? Trebamo
li robote koji su religiozni? Da li je ono što čovječanstvu treba idealan katolički,
muslimanski ili budistički mozak? Ili želimo da on bude nemilosrdan i proračunat
kapitalist ili stručnjak? Policajac možda?
Samo definiranje ovih vrijednosti bi se već dokazalo nemogućim jer su svi u jednu ruku
slični, a u drugu toliko različiti. Umjesto toga napravit ćemo savršen asketski mozak i što
onda? To sigurno neće razveseliti mnoge. Što je s praktičnim aplikacijama ovih
vrijednosti? Ako jedan set etičkih ili religijskih vrijednosti diktira da ne možemo
pomagati u eutanaziji na primjer, a drugi da je to baš ono što trebamo napraviti, ne
dupliciramo li trenutna pitanja bez nekih pravih odgovora? U čemu je svrha? Možda će
umjetna inteligencija pokazati istu raznolikost kao kod ljudi, a što onda pokušavamo?
Napraviti idealnog čovjeka?
Ne zaboravite da ovo nije rasprava o tehničkoj korisnosti inteligentnih robota, jer svi
dobro znamo da je ta strana veliki plus i da se zbog nje toliko i trudimo napraviti
inteligentno biće. Ovo je samo razmišljanje o moralnim i etičkim problemima cijelog
razvoja, koje zapravo možemo sažeti u ovaj, posljednji odlomak.
Problem etičkih, moralnih i kulturalnih vrijednosti koje trebamo ugraditi našem
inteligentnom robotu se i dalje nastavlja. Ako čak ne možemo ni odgovoriti na
jednostavno pitanje » Zašto? «, onda bi možda morali osigurati da roboti koje napravimo
nisu inteligentni. Da nisu sposobni stvoriti odluku izvan one mehaničke, programiranog
kretanja, a pogotovo da nisu sposobni za deduktivno razmišljanje i utjecaj i kontrolu nad
ljudima ili ljudskim društvom.
Preporuka za nastavak ugodnog druženja uz istoimenu temu je Umjetna inteligencija
(engl. Artificial Intelligence: A.I.), film Stevena Spielberga iz 2001. godine
top related