Umělá inteligence

Umělá inteligence (UI, anglicky Artificial intelligence, AI) je obor informatiky zabývající se tvorbou strojů vykazujících známky inteligentního chování. Definice pojmu „inteligentní chování“ je stále předmětem diskuse, nejčastěji se jako etalon inteligence užívá lidský rozum. S tímto pojmem poprvé přišel John McCarthy v roce 1955.

Výzkum umělé inteligence je vysoce odborný a specializovaný, navíc je rozdělen do několika polí, které často nelze názorově spojit. Celý výzkum se rovněž dělí na několik technických problémů; některá podpole se zabývají řešením konkrétních problémů, některá zase například na použití konkrétních nástrojů či dosažení konkrétních aplikací. Otázka, je-li možné sestrojit umělou inteligenci je také úzce spjata s problémem vědomí, s otázkou výpočtů, které provádí lidský mozek sám nebo s otázkou evoluce kognitivních schopností. Podobnými dilematy se zabývá filosofie umělé inteligence.

Mezi hlavní problémy v rámci výzkumu umělé inteligence patří uvažování, znalosti, plánování, učení, zpracovávání přirozeného jazyka (komunikace), vnímání a schopnost se pohybovat či manipulovat s předměty. Dosažení obecné inteligence je stále jedním z hlavních cílů výzkumu v tomto oboru.

Z psychosociálního hlediska je umělá inteligence jednou z forem ne-lidské inteligence.

Turingův test
Související informace naleznete také v článku Turingův test.
Na tomto srovnání spočívá také myšlenka Turingova testu, kterou vyjádřil informatik Alan Turing v roce 1950 ve svém článku „Computing machinery and intelligence“. Ve zkratce tvrdí, že za inteligentní můžeme stroj prohlásit, nerozeznáme-li jeho lingvistický výstup od lingvistického výstupu člověka.

Argument čínského pokoje je často pokládán za protiargument k Turingovu testu. Uvažuje, že by mohl existovat stroj, který by inteligentní chování simuloval připravenou sadou reakcí na všechny možné otázky, aniž by nad čímkoliv „přemýšlel“.

Historie
Ve stejném článku, v jakém Alan Turing navrhl svůj slavný test (sám ho nazýval „imitační hra“) předpovídal, že za padesát let (tj. na přelomu milénií) budou mít počítače paměťovou kapacitu 109 bitů a rozhodčí imitační hry bude mít pouze 70% šanci, že správně pozná lidskou inteligenci. Zatímco se odhad paměťových schopností ukázal být neobyčejně přesným, neumí dnešní počítače pracovat s lidským jazykem zdaleka tak dobře, jak asi Turing doufal.

Počáteční nadšení se totiž postupem času měnilo v hlubokou skepsi. Ukázalo se, že naprogramování úkolů, které lidem připadají triviální (např. rozpoznávání tvarů v obrazech) může být těžší, než vytvořit stroje řešící „klasické“ problémy umělé inteligence, jako je například hra šachů. Přesto se již daří vytvářet řešení v reálném či složitém prostředí, jako je například samořídící motorové vozidlo, počítačová hra,odezírání řeči ze rtů, ale i soudní rozhodnutí.

V tomto smyslu je signifikantní vývoj v předmětu automatického překladu, který postupem času prošel obdobím nekritického nadšení i hluboké deziluze. Podobně se naděje vkládané do umělých neuronových sítí dostaly do konfliktů s realitou neúspěchů vytvořit sítě řešící jednoduché úkoly (např. neschopnost jednoho perceptronu simulovat funkci XOR byla mylně zobecněna na všechny neuronové sítě proto, že nebyl znám algoritmus pro jejich učení zbrzdil vývoj neuronových sítí na dlouhá léta. Přitom i dvouvrstvá síť tuto funkci aproximovat dokáže).

Kategorizace
UI můžeme dělit na slabé a silné – ty slabé by sice měly projít Turingovým testem, ale nejsou v „pravém slova smyslu inteligentní“ (viz výše Argument čínského pokoje), na rozdíl od silných UI. Má-li toto dělení smysl je předmětem filosofických debat.

Přístupy k řešení
Ačkoliv se vytvořit obecnou umělou inteligenci, která by byla srovnatelná s lidskou, ukázalo být nesmírně obtížné, vědci během posledních padesáti let vyvinuli sadu postupů, které dosahují dílčích úspěchů v jednotlivých problémech.

Neuronové sítě
Související informace naleznete také v článku Neuronová síť.
Umělé neuronové sítě v umělé inteligenci mají za vzor chování odpovídajících biologických struktur. Skládají se z výpočetních modelů neuronů, které si navzájem předávají signály a transformují je pomocí funkce pro přenos k dalším „neuronům“.

Genetické programování
Související informace naleznete také v článku Genetické programování.
Genetické programování striktně vzato není prostředek pro řešení problémů umělé inteligence, ale obecný programátorský postup, jenž namísto sepsání konkrétního algoritmu pro řešení úkolu hledá tento postup evolučními metodami.

Expertní systémy
Související informace naleznete také v článku Expertní systém.
Expertní systém je počítačový program, který má za úkol poskytovat expertní rady, rozhodnutí nebo doporučit řešení v konkrétní situaci.

Expertní systémy jsou navrženy tak, aby mohly zpracovávat nenumerické a neurčité informace a řešit tak úlohy, které nejsou řešitelné tradičními algoritmickými postupy.

Prohledávání stavového prostoru
Související informace naleznete také v článku Prohledávání stavového prostoru.
Zvláště při vytváření algoritmů na řešení klasických her (šachů, dámy) se jeví účelné zadefinovat si množinu stavů, do kterých se můžeme ve hře dostat, přípustné tahy neboli přechody mezi stavy a počáteční a koncové pozice. Hledáme pak cestu od počátečních stavů ke koncovým stavům, které znamenají náš úspěch.

Jelikož mohou být stavové prostory rozsáhlé (například ve hře go) a v některých případech i nekonečné, je třeba volit chytré metody ořezávání nevhodných cest a ohodnocování pozic.

Dobývání znalostí
Související informace naleznete také v článku Data mining.
Velké soubory dat (často uložené v databázích) o nějakém systému nejsou použitelné a pochopitelné přímo, i když obsahují informace a vzory chování sledovaného systému. Metody dobývání znalostí převádí data do kompaktní a explicitní formy popisující systém, která je lépe použitelná.

V širokém smyslu nejde jen o zpracování elementárních dat (čísel, řetězců, kategoriálních dat), ale taky zpracování zvuku, obrázků (Digitální zpracování obrazu), videa, přirozeného jazyka (viz zpracování přirozeného jazyka, korpus) a bioinformatických dat (bioinformatika).

Výstupy jsou různé pro různé úlohy a závisí taky na tom, k čemu je chceme použít a co (a jak kvalitně) dokážeme vydolovat.

Strojové učení
Související informace naleznete také v článku Strojové učení.
Úspěšné algoritmy
Hry
Královská hra šachy byla už od počátků informatiky předmětem analýz. V roce 1997 porazil systém Deep Blue od firmy IBM úřadujícího mistra světa Garriho Kasparova.
Chinook je program pro hraní anglické dámy, jehož tvůrci v červenci roku 2007 prohlásili, že nemůže prohrát. Již několik let předtím pravidelně porážel lidské oponenty. Tohoto výsledku bylo dosaženo kombinací hrubé síly při prohledávání pozic ve střední části hry a dobrou databází zahájení a koncovek.
Počítačové programy hrající go si často tak dobře nevedly. Je tomu tak zřejmě proto, že je goban (deska na go) je poměrně rozsáhlá a s každým dalším položeným kamenem stoupá komplexita rozhodování, kterou však mají lidé šanci zvládnout díky své vrozené schopnosti rozpoznávání tvarů. Ovšem nejlepší programy používající jak řešení hrubou silou (přesněji stromové prohledávání), tak intuici, jsou schopné porážet i mistry.
Další algoritmy
Letecká bojová umělá inteligence ALPHA dokáže vést letecké souboje lépe než lidští piloti.
Umělá inteligence v kultuře
Rozumné stroje jsou vděčné téma pro spisovatele vědecké fikce. Isaac Asimov věnoval značnou část své povídkové tvorby tématům robotické inteligence, jeho povídková sbírka Já, robot, stejně jako povídka Dvěstěletý člověk, byla zfilmována.

Polský autor Stanisław Lem se zabýval filosofickými aspekty inteligence u nelidí ve svých knihách Kyberiáda a Solaris (která byla opět zfilmována, dokonce dvakrát). Některé aspekty strojové inteligence rozebral i v knize Golem XIV.

Ostatně velká část publikací současného stylu scifi kyberpunku se neodmyslitelně váže stejně jako k pronikání vlastností lidského a strojového, tak k vyrovnávání se s myšlenkou inteligentního stroje. Jako příklad uveďme knihu Neuromancer Williama Gibsona.

Filmové publikum středního proudu na počátku století nejvíce ovlivnila trilogie Matrix, která vypráví o světě ovládaném umělou inteligencí původně vytvořenou člověkem. Mezi vlivná starší díla řadíme filmy Terminátor nebo Blade Runner.

Odkazy
Literatura
Zelinka Ivan: Umělá inteligence v problémech globální optimalizace BEN - technická literatura, 2002, ISBN 80-7300-069-5
Plšek Bořivoj: Umělá inteligence v modelování a řízení BEN - technická literatura, 1996, ISBN 80-901984-4-9
Zelinka Ivan: Umělá inteligence – hrozba nebo naděje? BEN - technická literatura, 2003, ISBN 80-7300-068-7
Hammer Miloš: Metody umělé inteligence v diagnostice elektrických spojů, BEN - technická literatura, 2009, ISBN 978-80-7300-231-2
Vladimír Mařík, Olga Štěpánková, Jiří Lažanský: Umělá inteligence 1–5, Academia