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

Umělá inteligence

Definicí umělé inteligence (angl. Artificial Intelligece - AI) existuje mnoho. Například TDKIV poskytuje dvě možné definice. Dle první 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 obecná řešení problémů, plánování, rozpoznávání, reprezentace znalostí, adaptace a strojové učení. V současné době jsou rozvinuty četné aplikační oblasti související s umělou inteligenci. Jedná se konkrétně o expertní systémy, zpracování přirozeného jazyka, robotiku, neuronové sítě atd. Další definicí od TDKIV je, že umělá inteligence je vlastnost uměle vytvořených systémů, vykazující analogické rysy jako lidská inteligence. [1]

Mezi nejuznávanější definice pak patří definice od Marvina Minského, který vymezuje umělou inteligenci jako vědu, jejímž úkolem je naučit stroje, aby dělaly věci, které vyžadují inteligenci, jsou-li prováděny člověkem. [2]

Praktické využití umělé inteligence

Umělá inteligence je postavena na datech. Obecně platí, že čím více dat máme k dispozici, tím bude jejich funkcionalita, a s tím i využití, lepší a efektivnější. Osobní údaje, informace o prodejích nebo chování zákazníků se proto staly cenným zbožím.

Tato data dávají umělé inteligenci kompetence pro využití v rámci:

  • předvídání vývoje akcií,
  • převodu textu na řeč,
  • rozpoznávání znaků,
  • automatického rozpoznávání tváří (například pro odemknutí mobilního telefonu),
  • cíleného marketingu,
  • stanovování vhodné výše cen,
  • třídění pošty (rozpoznání SPAMU),
  • předvídání poruch stroje,
  • digitalizace firemních dokumentů (nástroj digitalizace firem),
  • vytváření elektronických učebnic. [3]

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. [4]
Turing test diagram
  • 1950 - Turingův test v roce 1950 představil Alan Turing takzvaný Turingův test a položil tak základ pro teorii strojového učení. Účelem tohoto testu bylo zjistit, zda lze zkoumaný stroj, program nebo umělou inteligenci skutečně pokládat za inteligentní. Turingův test zpravidla probíhá ve dvou oddělených místnostech. V jedné z nich se nachází počítač (subjekt) spolu s člověkem a ve druhé další člověk (testující), jehož úkolem je rozpoznat, zda probíhající konverzaci vede s člověkem, nebo se strojem. Testující tak postupně pokládá sérii otázek, jež jsou náhodně kladeny počítači a člověku ve druhé místnosti. Pokud testující osoba nerozpozná, rozdíl mezi odpověďmi stroje a člověka, je daný počítač, případně software nebo AI vyhodnocen jako inteligentní. [3] Dnes se používá na internetu test CAPTCHA, který má za úkol rozpoznat skutečné uživatele od robotů.
  • 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. [5]
  • 1958 - LISP: programovací jazyk, který byl navržen americkým informatikem J. McCarthym. Dnes je druhým nejstarším programovacím jazykem na vysoké úrovni, který je široce používán. Stal se oblíbeným programovacím jazykem pro výzkum umělé inteligence. [6]
  • 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. [7]
  • 1965 DENDRAL: je první velkou aplikací umělé inteligence na problémy jiné než hraní her a řešení hlavolamů. Systém DENDRAL byl určen pro identifikaci struktury molekul. Byl vyvíjen déle než deset let za účasti řady odborníků a v oblasti své specializace překonal své tvůrce a další specialisty. [2]

Semantic Net.svg

  • 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. [8]
  • 1970 - PROLOG: logický a deklarativní programovací jazyk. Samotný název, Prolog, je zkratka pro PROgramming in LOGic. Byl navržen tak, aby usnadňoval zpracování přirozeného jazyka. [9]
  • 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 systém 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. Vazba mezi rámci se dá jako u sémantických sítí znázornit grafem, ale jednotlivé rámce navíc ještě vnitřní strukturu. 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. [10]
  • 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). [11]

Směry umělé inteligence

Směry umělé inteligence dělíme na:

  • psychologický směr: orientuje se na vytvoření umělých modelů lidských 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. [12]

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. Allen Newell, J. C. Shaw a Herbert A. Simon sestrojili v roce 1956 program Logic Theorist. Byl to první program záměrně navržený k provádění automatizovaného uvažování. 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.

Dále v tomto období vznikl počítačový program General Problem Solver (1957-59), který byl po řadu let nejsložitějším a nejpodrobnějším modelem lidského myšlení, který kdy byl zkonstruován a ověřován. Tento byl vytvořen v roce 1959 Herbertem A. Simonem , JC Shawem a Allenem Newellem. 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. [2] Tento program měl fungovat jako univerzální stroj pro řešení problémů. Na rozdíl od Logic Theorist pracuje GPS s analýzou prostředků a cílů.

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

V šedesátých letech došlo ke zpomalení vývoje umělé inteligence 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 a „know-how“. [2] 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. Na tomto principu byla vybudována řada úspěšných aplikací, tzv. expertních systémů a později se začal používat název znalostní inženýrství.

Důraz byl kladen na reprezentaci znalosti, což 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). Dále poté 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. [13]

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, [2]
  • 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. [14]

Toto rozdělení odpovídá třem typům 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. [2]

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. 2,0 2,1 2,2 2,3 2,4 2,5 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
  3. 3,0 3,1 KOĎOUSKOVÁ, Barbora. UMĚLÁ INTELIGENCE (AI): HISTORIE A TRENDY PRO ROK 2020. Rascasone [online] 2021 [cit. 2022-01-1]. Dostupné z: https://www.rascasone.com/cs/blog/umela-inteligence-ai-trendy
  4. Neuronové sítě - jednotlivý neuron. Matematická biologie [online]. [cit. 2021-05-31]. Dostupné z: https://portal.matematickabiologie.cz/res/f/neuronove-site-jednotlivy-neuron.pdf
  5. 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
  6. 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)
  7. DINGLE, Norm. Objasnění pojmu fuzzy logika. Control Engineering - Česko [online]. 2012 [cit. 2021-06-04]. Dostupné z: http://faruzel.borec.cz/340.html
  8. Sémantické sítě. Webový průvodce světem expertních systémů [online]. 2007 [cit. 2021-06-01]. Dostupné z: http://faruzel.borec.cz/340.html
  9. FISHER, J. Prolog - tutorial. [online]. [cit. 2021-06-02]. Dostupné z: https://www.cpp.edu/~jrfisher/www/prolog_tutorial/intro.html
  10. 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
  11. 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.
  12. 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
  13. 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.
  14. 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