Istorijski razvoj veštačke inteligencije

Jedan od nepresušnih izvora inspiracije za široki spektar naučnika u ljudskoj istoriji je formalizacija ljudskog razmišljanja i zaključivanja. Još od starogrčkih silogizma, preko svih matematičkih teorija logike do današnjih modela veštačke inteligencije, želja se svodila na razumevanju razmišljanja i dizajniranju samostalnih inteligentnih agenata koji su sposobni razumeti svet oko sebe i maksimizovati verovatnoće svog uspeha. Istorija proučavanja i formalnog definisanja pravila donošenja zaključaka, u zapadnoj civilizaciji počinje sa Aristotelom. On je definisao tri osnovna zakona mišljenja (zakon identiteta, odbacivanja kontradikcije i isključenja trećeg) i silogizme.Kasnije Lajbnic, Dekart i mnogi drugi veliki umovi su pokušali da stvore formalni sistem, model ljudskog uma, koji bi bio zasnovan na kombinovanju simbola. Nastavljajući u istom pravcu, Bul, De Morgan stvorili su matematičku logiku koja je osnov većine današnjih dostignuća veštačke inteligencije. Kraj XX veka doveo je do porasta interesovanja i za fazi logiku. Premise fazi logike su u suprotnosti sa Aristotelovim zakonima mišljenja, ali su bliska otkrićima savremene nauke, posebno fizike. Naime fazi logika prihvata da nešto može da bude i da ne bude u isto vreme sa određenim stepenom istinitosti.

Nastanak pojma veštačke inteligencije

Kada se posmatra nastanak veštačke inteligencije svakako se izdvajaju sledeći naučnici.

Alan Turing je u svom uticajnom radu iz 1950. god. postavio prvi kamen u filozofiji veštačke inteligencije tako što je dao predlog testa pomoću koga možemo da utvrdimo da li je neka mašina inteligentna: ako u konverzaciji sa njom ne možemo da je razlikujemo od čoveka. Da bi mašina položila Turingov test, treba da ima sposobnosti obrade prirodnog jezika, predstavljanja znanja, donošenja zaključaka i učenja.

Sredinom pedeseti godina XX veka, više naučnika razvijalo je hipotezu da je logička osnova funkcionisanja ljudskog mozga manipulacija simbolima. Ta ideja postala je konkretnija sa razvojem prvih računara, pa je to podstaklo mnoge matematičare, psihologe, inženjere i druge naučnike da aktivno počnu da istražuju mogućnost kreiranja veštačkog mozga. Istraživanja su pokazala da je mozak mreža međusobno povezanih ćelija, neurona. Neuroni prosleđuju informacije jedni drugima pomoću električnih impulsa. Marvin Minski je zajedno sa Dinom Edmondsom 1951. god. konstruisao prvu veštačku neuronsku mrežu.

Formalni početak veštačke inteligencije je godina 1956. Gde je grupa do tada već iskusnih istraživača u ovoj oblasti organizovala konferenciju u Dartmutu na kojoj su razmatrana dotadašnja dostignuća i budući pravci razvoja. Na predlog američkog naučnika Džona Makartija, kasnijeg dobitnika Turingove nagrade i kreatora programskog jezika LISP, oblast je nazvana veštačka inteligencija.

Zlatno doba vestacke inteligencije

Godine nakon konferencije u Dartmutu predstavljaju eru velikih otkrića, kao i optimizma na novom polju nauke. Programi koji su razvijeni za mnoge ljude su fascinantni.

Jedna od prvih paradigmi nastalih u zlatnom dobu je posmatranje inteligentnog ponašanja kao pronalaženja najefikasnijeg niza akcija – koraka koji dovode do rešenja problema (reasoning as search). Do rešenja se dolazi postepeno, korak po korak, uz memorisanje prethodnih koraka koje se koristi za ispravke ukoliko se put kojim se krenulo pokaže kao ćorsokak. Bira se onaj korak koji razliku do željenog cilja najviše smanjuje. Pristup se pokazao efikasnim kod problema tipa pronalaženja najkraćeg puta od tačke A do tačke B ili puta kroz lavirint. Ipak, za mnoge probleme iz realnog života broj mogućih putanja do cilja je prevelik da bi ovakav pristup bio delotvoran.

Prva istraživanja i prvi rezultati u oblasti veštačke inteligencije bila su zasnovana na primeni logičkih pravila i manipulaciji simbolima. Krajem pedesetih godina Džon Makarti je predložio novi način kreiranja inteligentnih sistema zasnovanih na logici. Makarti je predložio sistem u kome je heuristika sastavni deo sistema, a programiranje se svodi na saopštavanje činjenica-premisa računaru pomoću pogodnog formalnog jezika. Ova paradigma je dobila ime logičko progamiranje, i u narednim decenijama se razvijala kroz programski jezik Prolog (1972).

Na Dartmutskoj konferenciji, Rej Solomonov, američki naučnik ruskog porekla, izneo je predlog mašine koja donosi zaključke na osnovu predhodnih primera kojima je obučavana. Razvoj te ideje u narednim decenijama stvorio je posebnu oblast veštačke inteligencije koja je danas poznata kao mašinsko učenje (machine learning). Ta oblast za cilj ima razvoj algoritama koji omogućavaju računarima da unapređuju sopstveno ponašanje kroz učenje na osnovu empirijskih podataka iz baza podataka ili sa senzora.

Pedesete godine XX veka donele su i napredak veštačkih neuronskih mreža. Nuronske mreže su blisko povezane sa mašinskim učenjem zato što su u najvećem broju slučajeva adaptivne, u smislu da na osnovu učenja prilagođavaju snagu veza između neurona. Američki naučnik Frank Rosenblat je 1957. godine predstavio prvi algoritam nazvan „Perceptron“ koji je omogućavao primenu neuronskih mreža na problem klasifikacije. Na osnovu skupa ulaznih signala iz spoljašnjeg sveta (slika, zvuk, brojevi…), neuronska mreža je generisala na svom izlazu klasu kojoj ulazi pripadaju.

Prva kriza vestacke inteligencije

Početni uspesi u oblasti veštačke inteligencije doveli su do velikih očekivanja javnosti, vlada i investitora, koja su bila podgrevana od strane vodećih naučnika. I mnoga književna dela i filmovi predviđali su brz razvoj veštačke inteligencije. Međutim, pokazalo se da su i naučnici i umetnici potcenili težinu problema kreiranja veštačke inteligencije. Rešavanje problema iz realnog sveta, poput prepoznavanja lica, govora ili automatskog prevođenja nije bilo moguće sa hardverom i algoritmima iz sedamdesetih godina. Kada se pokazalo da su očekivanja bila nerealna, fondovi su naglo smanjeni, što je dovelo do kraja prvog „zlatnog doba“ veštačke inteligencije.

Do obnavljanja dinamike u istraživanjima vezanim za veštačku inteligenciju došlo je početkom osamdesetih godina kada su istraživači umesto sistema koji bi imali opštu inteligenciju, počeli da stvaraju sisteme čije je upotreba bila limitirana na usku oblast, ali su u toj oblasti bili zaista korisni. Takvi sistemi nazvani su ekspertski sistemi i oni su ponovo povećali interesovanje investitora za oblast. U pozadini ekspertskih sistema je znanje ljudi-stručnjaka za određenu oblast. Uspeh ekspertskih sistema naveo je mnoge istraživače da fokus usmere na sisteme koji su u stanju da obrađuju veliku količinu prikupljenog znanja na različite načine.

Periodi uspona i padova interesovanja za veštačku inteligneciju ili pojedine njene segmente nastavili su da se smenjuju i u narednim decenijama. Posle krize krajem sedamdesetih, početkom osamdesetih godina istraživanja američkog fizičara Džona Houpfilda i psihologa Dejvida Rumelharta ponovo su u centar pažnje dovela neuronske mreže. Koristeći njihova dostignuća, tokom devedesetih napravljeni su prvi efikasni sistemi za prepoznavanje teksta i govora zasnovani na neuronskim mrežama.

Deep Blue računar pobedio svetskog prvaka u šahu

Brz rast procesorske snage i memorijskih kapaciteta računara tokom osamdesetih i devedesetih godina, sve je više smanjivao razliku između vrhunskih igrača šaha i najboljih sistema. Konačno, maja 1997. godine, Deep Blue, šahovski računar razvijen od strane IBM-a, pobedio je tada aktuelnog svetskog prvaka u šahu Garija Kasparova. Meč se sastojao od 6 partija, a odnos pobeda bio je 2:1 za Deep Blue, uz 3 remija.

Autonomna vozila

Za razliku od šaha, koji je igra u virtuelnom svetu sa ograničenim skupom pravila, suočavanje sa problemima iz fizičkog sveta je mnogo kompleksnije: svako pravilo ima mnogo izuzetaka a često se na putu do željenog cilja pojavljuju nepredviđene situacije. Jedna od takvih oblasti je vožnja automobila. Od kraja sedamdesetih godina vrše se istraživanja u oblasti autonomnih vozila – vozila koja bi mogla bezbedno da stignu od tačke A do tačke B bez ljudske intervencije.

Posle druge krize u oblasti veštačke inteligencije krajem osamdesetih godina, američka vlada i ministarstvo odbrane su promenili strategiju finansiranja istraživanja. U okviru te strategije, DARPA organizuje takmičenja u oblastima koja popunjavaju prostor između fundamentalnih istraživanja i vojne upotrebe. Jedno od takvih takmičenja bilo je DARPA Grand Challenge u kome se nudila novčana nagrada timu koji napravi upotrebljivo autonomno vozilo. Na prvom takmičenju, održanom 2004. godine nijedno od prijavljenih vozila nije uspelo da pređe predviđenu, 240km dugu rutu kroz pustinjske i planinske puteve Kalifornije i Nevade. Već sledeće, 2005. godine, čak pet vozila stiglo je do cilja, a nagradu je dobilo najbrže vozilo, Stenli sa Stenford univerziteta. Tokom 2006. i 2007. održana su uspešna DARPA sponzorisana takmičenja u kretanju autonomnih vozila u urbanim sredinama.

Watson računar pobedio u kvizu Jeopardy

Odgovaranje na pitanja postavljena na prirodnom jeziku je veliki izazov za sve istraživače u oblasti veštačke inteligencije. Eksplozija javno dostupnih informacija „o svemu“ (npr. Wikipedia) ali i veliki napredak koji je početkom XXI veka postignut u različitim oblastima veštačke inteligencije (posebno obradi prirodnog jezika, pretrazi dokumenata, reprezentaciji znanja, rezonovanju i mašinskom učenju) omogućio je kreiranje računara koji su u stanju da odgovaraju na takva pitanja. Jedan od najstarijih i najpoznatijih kvizova je američki kviz Jeopardy koji se emituje preko TV mreže NBC od 1964. godine. U ovom kvizu, tri učesnika se takmiče među sobom a pogrešni odgovori nose negative poene. U februaru 2011. IBM-ov sistem Watson ubedljivo je pobedio na kvizu Jeopardy najbolje žive takmičare. Tokom takmičenja, Watson je morao da se pridržava pravila koja su važila i za ostale učesnike: pitanja su mu postavljana na prirodnom jeziku, nije imao pravo da koristi spoljašnje resurse, ali jeste lokalnu kopiju Wikipedije, i morao je da gradi taktiku koja je podrazumevala procenu sigurnosti u ispravnost sopstvenog odgovora. IBM Watson koristi analizu dokumenta u prirodnom jeziku i statistiku da bi došao do tačnog odgovora na pitanje.

Veštačka inteligencija u svakodnevnom životu

U poslednjih par godina odgovaranje na pitanja postavljena na prirodnom jeziku postaje jedna od funkcija pametnih mobilnih uređaja. Tako je SIRI (Speech Interpretation and Recognition Interface) postao sastavni deo iPhone 4S pametnog telefona lansiranog krajem 2011. SIRI komunicira sa vlasnikom telefona na prirodnom jeziku, u stanju je da odgovara na pitanja i daje preporuke za restorane ili filmove kao i da se vremenom prilagođava svom vlasniku.

Autor: Ranković Ivan

3706-istorijski-razvoj-vestacke-inteligencije