Pojednejte klíčové okamžiky historie výzkumu umělé inteligence (počátky, směry a paradigmata)

Stránka ve výstavbě
Inkwell icon - Noun Project 2512.svg Na této stránce se právě pracuje. Prosím needitujte tuto stránku, dokud na ní zůstává tato šablona. Předejdete tak editačnímu konfliktu. Jestliže uběhla od poslední editace doba alespoň dvou dnů, neváhejte tuto šablonu odstranit. Inkwell icon - Noun Project 2512.svg

Umělá inteligence

Definic umělé inteligence (angl. Artificial Intelligece - AI) existuje mnoho. Už jen TDKIV poskytuje dvě možnosti. Dle první definice je umělá inteligence mezioborová vědní disciplína na pomezí kognitivních věd, kybernetiky a počítačové vědy, která zkoumá a modeluje inteligenci s cílem vyvinout software a hardware, který bude při řešení úloh používat postupy považované za projev lidské inteligence. Základními oblastmi zkoumání jsou obecné řešení problémů, plánování, rozpoznávání, reprezentace znalostí, adaptace a strojové učení. V současné době jsou rozvinuty četné aplikační oblasti: expertní systémy, zpracování přirozeného jazyka, počítačové vidění, robotika, neuronové sítě atd. Další definici od TDKIV je, že umělá inteligence je vlastnost uměle vytvořených systémů, vykazující analogické rysy jako lidská inteligence. [1]


Počátky umělé inteligence

  • 1943 - model neuronu: vytvořili jej Warren McCulloch a Walter Pitts jakožto jednoduchý matematický model neuronu, který představoval teoretický model části nervové soustavy - biologického neuronu. Model se stal předmětem zkoumání a rozvoje řady dalších badatelů. [2]
  • 1950 - Turingův test (viz níže)
  • 1956 - Dartmouthská konference: za zrození umělé inteligence ve smyslu, jak ji chápeme dnes je považován rok 1956, kdy se konala Dartmouthská konference. Umělá inteligence tu dostala svoje jméno, cíl, první úspěchy a hlavní osobnosti. [3]
  • 1958 - LISP: programovací jazyk, který byl navržen americkým informatikem J. McCarthy. Dnes je druhým nejstarším programovacím jazykem na vysoké úrovni, který je široce používán. Stal se oblíbeným programovacím jazykem pro výzkum umělé inteligence. [4]
  • 1965 - fuzzy logika: je formou softwaru umělé inteligence, a proto by se dala považovat za podmnožinu umělé inteligence. Protože provádí určitou formu rozhodování, lze ji volně zařadit do softwarové nástrojové sady umělé inteligence. Využívá se například v lékařských diagnostických systémech a při rozpoznávání ručně psaného písma. [5]
  • 1968 - sémantické sítě: poprvé tento pojem použil ve své disertační práci americký vědec Quillian k reprezentaci anglických slov. Původně sloužily k vyjádření významu různých výrazů v přirozeném jazyce, avšak postupem času se staly obecnějším grafickým nástrojem pro reprezentaci znalostí. Na sémantickou síť lze pohlížet jako na orientovaný graf tvořený uzly a hranami. Hrany reprezentují jednotlivé objekty popisovaného světa a hrany spojující tyto uzly pak reprezentují vztahy mezi těmito objekty. Příkladem vztahu je IS-AN-INSTANCE-OF (ISA), který slouží k vyjádření skutečnosti, že konkrétní objekt (instance určité třídy) patří do zadané třídy. [6]
  • 1970 - PROLOG: logický a deklarativní programovací jazyk. Samotný název, Prolog, je zkratka pro PROgramming in LOGic. Byl navržen tak, aby usnadňoval zpracování přirozeného jazyka. [7]
  • 1973 - MYCIN: úkolem expertního systému MYCIN je diagnóza jistých druhů infekcí ve složitých pooperačních stavech a doporučení pro jejich medikamentózní léčbu. Uživatelem je lékař (chirurg), který nemusí být expertem na infekční choroby. Během dialogu se systémem MYCIN ptá ošetřujícího lékaře na stav, zdravotní historii pacienta a výsledky laboratorních testů. Na závěr systém vydá diagnózu a doporučí vhodnou terapii.
  • 1975 - teorie rámců: datové struktury reprezentující stereotypní situace, např. postupné vyplňování stránek, předdefinované hodnoty. Teorii vytvořil Marvin Minsky a na jejím základě vzniklo objektově orientované programování.
  • 1976 - PROSPECTOR: úkolem expertního systému PROSPECTOR je odhad věrohodnosti toho, že se na daném místě vyskytuje rudné ložisko typu reprezentovaného zadaným modelem. Uživatel pracuje s expertním systémem v dialogu, během něhož předkládá svá pozorování a je žádán o další informace. Typická báze znalostí (o geologických charakteristikách měděných ložisek) je tvořena inferenční sítí o 94 vrcholech a 105 pravidlech. [8]
  • 1978 - R1/XCON: komerční expertní systém. Práci na systému zahájil McDermott.
  • 1981 - japonský projekt počítačů 5. generace
  • 1982 - neuronová síť: počítačová aplikace nebo systém využívající k řešení úloh model funkcí biologického neuronu (tzv. procesor, výkonný prvek, perceptron). Typický procesor má více vstupů, které dokáže klasifikovat a na jejich základě generovat výstup. Procesory jsou navzájem propojeny do sítí ohodnocenými vazbami, což umožňuje nealgoritmické a paralelní zpracování složitých úloh. Sítě mohou mít různou topologii (asociativní, rekurentní, vrstvená). Činnost sítě je založena na procesu učení, tj. adaptace na konkrétní úlohu za pomoci vnějšího činitele (síť s učitelem) nebo na základě stimulů (samoorganizující se síť). Aplikační oblasti: analýza dat a znalostní systémy, zpracování obrazu (umělé vidění), předpovědi počasí, řízení, marketing, optimalizace ad. [9]


Směry umělé inteligence

  • psychologický směr: orientuje se na vytvoření umělých modelů lidský intelektuálních činností;
  • inženýrský směr: orientuje se na vytvoření inteligentních systémů a technik, které jsou k tomu potřebné (neomezuje se tedy pouze na simulaci lidských postupů řešení úloh);
  • filosoficko-matematický směr: obecné studium a formalizace intelektuálních mechanismů nezávisle na jejich realizaci. [10]

Všechny podobory, směry a koncepce v umělé inteligenci se vzájemně prolínají v konstrukci integrálních systémů, vybavených více schopnostmi. Zřetelně se to projevuje v robotice a v projektech komplexních informačních systémů.

Paradigmata a etapy výzkumu umělé inteligence

Hledání univerzálního řešícího postupu (50. léta 20. stol)

První výsledky výzkumu v 50. letech vedly k velkému nadšení a optimismu. Newell, Shaw a Simon sestrojili v roce 1956 program Logic Theorist, který automaticky dokázal převážnou část vět v Principia Mathematica, což je třísvazkové dílo, ve které se A. N. Whitehead s jeho žákem B. Russellem pokusili upevnit a sjednotit logické základy matematiky. Jejich General Problem Solver (1957-59) byl po řadu let nejsložitějším a nejpodrobnějším modelem lidského myšlení, který kdy byl zkonstruován a ověřován. Simonovy práce z této doby, týkající se racionality, rozhodování a řešení problémů (adresované zejména ekonomům a psychologům), byly později (v roce 1978) oceněny Nobelovou cenou. Zdálo se, že větší a rychlejší počítače brzy umožní již vyvinutými obecnými postupy simulovat většinu mentálních aktivit člověka. [11]


Důraz na reprezentaci znalostí (60. – 70. léta 20. stol)

zjištění, že obecné programy nestačí pro řešení skutečně reálných úloh. Stroj k řešení úlohy potřebuje znát to, co o problému ví člověk. Za hlavní začala být považována speciální, problémově orientovaná znalost a pozornost se soustředila na hledání metod a technik, jak tuto znalost reprezentovat, aby mohla být efektivně využívána. Tomto principu byla vybudována řada úspěšných aplikací, tzv. expertních systémů a později se začal používat název znalostní inženýrství.

Reprezentace znalostí je dle definice TDKIV aplikační oblast umělé inteligence zaměřená na metody a techniky vyjádření znalostí a jejich vztahů především pro využití v bázích znalostí expertních systémů. Rozlišuje se procedurální vyjádření znalostí ve formě pravidel a neprocedurální či deklarativní vyjádření znalostí ve formě poznatků (ontologie) a modulární vyjádření v podobě relativně samostatných celků a vyjádření v podobě sémanticky sdružených objektů (např. hierarchií tříd). Nejčastěji používané typy jazyků pro reprezentaci znalostí jsou predikátová logika 1. řádu, produkční systémy, sémantické (asociativní) sítě a rámce. [12]


V šedesátých letech došlo ke zpomalení vývoje a ke zjištění, že obecné programy nestačí pro řešení skutečně reálných úloh. Postupně se ukázalo, že stroj k řešení úlohy potřebuje znát to, co o problému ví člověk, který jej řeší. V kostce řečeno, člověka expertem nedělá jen vysoké IQ, ale hlavně specializované znalosti, „know-how“. Zde je možno sledovat počátek linie, která vedla ke vzniku znalostního inženýrství. [11]

Získávání znalostí, strojové učení (70.-80. léta 20 stol)

V sedmdesátých letech se v oboru umělá inteligence výrazně odlišily tři podobory:

  • zpracování přirozeného jazyka,
  • robotika – manipulace a rozpoznávání, [11]
  • znalostní inženýrství: inženýrská disciplína zaměřená na návrh a tvorbu expertních systémů, zejména na modelování bází znalostí. S využitím obecných metodologií a standardizovaných postupů řeší problematiku získávání, formalizace, kódování, uchovávání, testování a udržování (správy a aktualizace) znalostí. Specifická součást softwarového inženýrství. [13]

Toto rozdělení odpovídá třem typů lidských inteligentních aktivit: komunikace, manipulace (a rozpoznávání), řešení problémů (usuzování). Názvy podoborů a větší specializace výzkumu v umělé inteligenci odpovídají také nové situaci, do níž se umělá inteligence propracovala: stala se předmětem komerčních a státních projektů. [11]

Sítě, kooperativní inteligence (90. léta 20. stol)

Odkazy

Reference

  1. KUČEROVÁ, Helena. Umělá inteligence. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2021-12-30]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000137&local_base=KTD.
  2. Neuronové sítě - jednotlivý neuron. Matematická biologie [online]. [cit. 2021-05-31]. Dostupné z: https://portal.matematickabiologie.cz/res/f/neuronove-site-jednotlivy-neuron.pdf
  3. VOTROUBEK, Lukáš. Umělá inteligence ve strategických počítačových hrách. Brno, 2011. Bakalářská práce. FIT VUT v Brně. Vedoucí práce: Ing. Jiří Zuzaňák. Dostupné z: https://www.vutbr.cz/www_base/zav_prace_soubor_verejne.php?file_id=117740
  4. Lisp (programming language). In: Wikipedia: the free encyclopedia [online]. Wikimedia Foundation, 2021. [cit. 2021-06-02]. Dostupné z: https://en.wikipedia.org/wiki/Lisp_(programming_language)
  5. DINGLE, Norm. Objasnění pojmu fuzzy logika. Control Engineering - Česko [online]. 2012 [cit. 2021-06-04]. Dostupné z: http://faruzel.borec.cz/340.html
  6. Sémantické sítě. Webový průvodce světem expertních systémů [online]. 2007 [cit. 2021-06-01]. Dostupné z: http://faruzel.borec.cz/340.html
  7. FISHER, J. Prolog - tutorial. [online]. [cit. 2021-06-02]. Dostupné z: https://www.cpp.edu/~jrfisher/www/prolog_tutorial/intro.html
  8. IVÁNEK, Jiří. Stručně o zpracování znalostí v expertních systémech. [online]. Univerzita Karlova v Praze, Filozofická fakulta, Ústav informačních studií a knihovnictví. [cit. 2021-05-31]. Dostupné z: https://portal.matematickabiologie.cz/res/f/neuronove-site-jednotlivy-neuron.pdf
  9. KUČEROVÁ, Helena. Neuronová síť. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2021-12-30]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000120&local_base=KTD.
  10. IVÁNEK, Jiří. Reprezentace znalostí. Moodle UK pro výuku 1 [online]. [cit. 2021-12-28]. Dostupné z: https://dl1.cuni.cz/pluginfile.php/1141906/mod_resource/content/1/Reprezentace%20znalost%C3%AD.pdf
  11. 11,0 11,1 11,2 11,3 GÓRECKI, Jan. Expertní systémy. Distanční studijní text [online]. Slezská univerzita, Karviná, 2017 [cit. 2021-12-30]. Dostupné z: https://is.slu.cz/el/opf/leto2021/INMNKESY/um/gorecki2017_expertni_systemy.pdf?stahnout=1;dk=OqKxNtxJ
  12. KUČEROVÁ, Helena. Reprezentace znalostí. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2021-12-30]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000127&local_base=KTD.
  13. KUČEROVÁ, Helena. Znalostní inženýrství. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2021-12-30]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000141&local_base=KTD.

Doporučená literatura

Související články

Klíčová slova

umělá inteligence, počátky umělé inteligence, AI, Artificial intelligece