Mechaniczny Turek. Dwieście lat temu grał z nim sam Napoleon Bonaparte. Za swojego przeciwnika miał również "ojca informatyki" Charlsa Babbage'a. Niestety okazał się mistyfikacją. Dwieście lat temu tylko udawano, że istnieje inteligentna maszyna. A co było potem ... Potem dzięki ludziom takim jak wspomniany pan Babbage powstały maszyny, najpierw mechaniczne, potem elektryczne i elektorniczne, które umieją już na prawdę grać w szachy. Umieją nawet lepiej niż my. Pozwalają one nam patrzeć w przyszłość z nadzieją, że w końcu, jak to mówią serferzy, złapaliśmy falę. Że to już są narodziny inteligentnych maszyn na poważnie. Że teraz to na prawdę ...

Sztuczna inteligencja

Zwana też inteligencją maszyn, a znana z angielskiego artificial intelligence. W skrócie SI lub AI. Czyli dziedzina nauki rozkwitła po drugiej wojnie światowej. Dziedzina, która zdąrzyła już mieć swoje gorsze momenty, zwane zimą sztucznej inteligencji. Co wchodzi w skład tej nauki. Wiele ciekawych rzeczy, jak na przykład: obliczenia ewolucyjne, sieci neuronowe, logika rozmyta i wiele innych.
Sztuczna inteligencja (jako nauka) jest ciekawa z wielu przyczyn. Ma ona przykładowo dwa podstawowe znaczenia. Z jednej strony jest nauką mocno inżynierską. Jest to dział informatyki, który zajmuje się tworzeniem inteligentnych programów (lub takich, które się starają). Z drugiej strony jest to dziedzina badań naukowych znajdujących się na styku wielu innych dziedzin: zaczynając od neurologii, przez psychologię a kończąc nawet na filozofii.
Dodatkowo, sztuczna inteligencja zdaje się cały czas być dziedziną nauki, w której gonimy króliczka. Dawniej uważano, że maszyny lub programy, które osiągną jakiś cel np. pokonają człowieka w grze w szachy, będą inteligentne. Dzisiaj ten cel nie wydaje się niczym nadzwyczajnym. Dzisiaj to osiągnięcie nam spowszechniało. Tutaj mieliśmy chociaż do czynienia z medialnym pojedynkiem. Co innego w przypadku np. programów rozpozających pismo (OCR-ów). Tutaj obyło się bez błysku fleszy. A zadań, problemów i zastosowań związanych z SI jest wiele.

Zastosowania SI

Celem ostatecznym jest zrobienie wszystkiego tego co robymy my. Potem zrobienie tego lepiej. Potem zrobienie więcej. Praktycznie SI już teraz używany np. do:

• (wspomnianego już) rozpoznawania tekstu
• tłumaczenia tekstów
• rozpoznawania obrazów, zdjęć
• rozpoznawania mowy
• podejmowania decyzji jako system ekspertowy
• eksploracji dużych ilości danych
• tworzenia dzieł arytstycznych i literackich
• konstrukcji czatbotów

Niektóre z tych rzeczy wychodzą SI dziś lepiej inne jeszcze gorzej niż ludziom. Test Turinga nie został jeszcze zdany na zadowalającym nas poziomie. Tłumaczenie również wychodzi ludziom wciąż lepiej. Także zostaje nam jeszcze pole do popisu. Nam inżynierom.

Przyszłość

Nie chcę tutaj pisać o terminatorze, powszechnym bezrobociu czy raju na ziemi, gdzie tylko musimy wybrać jaką parasolkę ma następny drink, który przyniesie nam inteligentny robot-kelner. Przed sztuczną inteligencją postawiono szereg problemów do rozwiązania. Są to np.:

• generalne rozwiązywanie problemów w sposób inteligentny, rozumowanie niczym człowiek
• planowanie - wyznaczanie i osiąganie celów
• uczenie się np. przez zdobywanie doświadczenia
• szeroko rozumiana percepcja - czyli coś gdzie istoty żywe są jeszcze daleko w przodzie
• poruszanie się w przestrzeni (np. chodzenie) i poruszanie przedmiotami
• rozumienie emocji

Podejście

Jak się modeluje inteligentne zachowanie, myślenie, wnioskowanie? Istnieje kilka głównych podejść w tej kwestii:

• naśladowanie ludzkiego umysłu, gdzie chcemy zbudować jego fizyczny model np. za pomocą sieci neuronowych. Podejście to choć mające początek w latach czterdziestych XX wieku ma jeszcze swoje oczywiste ogranicznia techniczne.
• podejście symboliczne, w którym modelujemy tylko wartstwę przetwarzania informacji. Tutaj myślenie i wnioskowanie modelujemy na abstrakcyjnych symbolach. Po prostu zredukowaliśmy naszą inteligencję do symboli (jak w matematycznych wzorach czy słowach z języka pisanego) i tak staramy się np. przechowywać wiedzę i odwzorowywać inteligentne zachowanie. To podejście było przeważającym w pierwszych dziesięciolaciach prac nad SI. Zagadnienami związanymi z tym podejściem są: język programowania Prolog, bazy wiedzy i systemy ekspertowe
• podejście sub-symboliczne, w krótym nie operujemy na konkretnej reprezentacji wiedzy, ale na strukturach i sygnałach będących np. częścią sieci neuronowej czy asocjacyjnej. Sieć taka ma zdolność do zapamiętywania i uczenia się. Jest to "najmodniejse" ostatnio podejście. Jest to również podejście iście "praktyczne", w którym czasem dostajemy działający model nie do końca go rozumiejąc. W tym zakresie jest to sytuacja podobna do działania naszego mózgu.

Pan z obrazka

Na koniec zostało nam odpowiedzieć na pytanie kim jest "pan z obrazka". Jest to John McCarthy. Autor terminu "sztuczna inteligencja". Termin ten został wymyślony około połowy XX wieku - w roku 1956. Roku w którym urodziła się moja mama. :-) John McCarthy jest również autorem języka programowania LISP. Języka programowania wysokiego poziomu, który jest ciągle w użyciu. LISP był przez długi czas najchętniej wybieranym językiem do prac związanych z SI.
Dziś językiem, który byśmy wybierali do tego zadania byłby już inny język. Ale o tym będzie czas jeszcze napisać. To tyle. Do następnego postu ;-)