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.

Nástroje a meze
Chápání umělé inteligence je, především v laické veřejnosti, ovlivněno neznalostí mezí určujících, co je v umělé inteligenci možné a co nikoli, což je ještě podporováno bezbřehou fantazií používanou v literatuře "Science Fiction". Aby umělá inteligence mohla být považována za vědní obor, je třeba tyto meze určit, a odstranit tak (někdy až magií zavánějící) dohady. Zmíněné meze jsou určeny vlastnostmi nástrojů, které má umělá inteligence k dispozici. Nejdříve je třeba říci, co je umělá inteligence. Umělá inteligence spočívá v konstrukci a užití modelů lidské činnosti (procesů), která je považována za inteligentní. Tato činnost je generována strukturami lidského mozku, tedy reálného světa. Již od svých počátků (od poloviny 20. století) se toto modelování ubírá dvěma cestami:

1. Modelováním vnějších projevů inteligentní lidské činnosti

2. Modelováním poznaných struktur lidského mozku, prozatím neuronových sítí

Nástroje
Obor umělé inteligence si za nástroj modelování (tvorby modelu) zvolil počítač – počítačový program. Počítač může být doplněn čidly veličin (fyzikálních, chemických, biologických apod.) a akčními členy (chapadly, pohybovými prostředky – koly, pásy, nohama apod.), a tak může vzniknout komplexní zařízení – kognitivní robot, lunární vozítko, automobil bez řidiče apod. Tyto doplňky počítače nejsou nyní podstatné, neboť potřebujeme sledovat pouze možnosti zpracování informace, tedy počítač – počítačový program.

Programovací jazyky, které umožňují sestavit počítačový program, patří mezi umělé formální jazyky. Základní vlastností těchto jazyků je exaktní interpretace všech jejich jazykových konstrukcí a všech operací nad nimi. Je to umělá abstraktní konstrukce. Rozumí se tím, že přirozená lidská vágní (vnitřní vágnost), emocionální a subjektivní interpretace, zvaná konotace, musí být odstraněna, a nahrazena exaktní interpretací. Dosáhne se toho zákazem (anulováním), vnitřní vágnosti, čímž se vypudí i lidská emocionalita a subjektivita viz Vágnost. Tímto zásahem mizí vše lidské (vágnost, subjektivita, emocionalita) a výsledkem tohoto okleštění je vyprahlá poušť bezduchého stroje – umělého formálního jazyka (počítače). Význam každé jazykové konstrukce (řetězce symbolů) a každé operace nad těmito konstrukcemi, je pak exaktně vytyčen (s nulovou vnitřní vágností), tedy tak, že každý znalý člověk bez jakýchkoli pochyb ví, co znamenají. Objekty s takto exaktně vytyčenými elementy, tvoří skupinu, které říkáme exaktní svět. Patří sem nejen počítačové jazyky, Turingův stroj, ale i matematika, formální logiky, exaktní hry (šachy, dáma, karetní hry atd.), exaktní vědy. Další pohromou pro exaktní svět, způsobenou zákazem vnitřní vágnosti je:

Ztráta hybatele inference

Vykázáním vnitřní vágnosti za hranice exaktního světa, jsme vykázali nejen lidského ducha invence žijícího v hypotetickém vágním představovém a pocitovém jazyce, ale s ním i invenční schopnost samohybnosti myšlení. Tak jsme přišli o hybatele inference (odvozování) v rámci exaktního světa. Ztráta samohybnosti inference, nemožnost jejího přenosu do světa se zakázanou vnitřní vágností, je krokem od člověka k bezduchému stroji; je krokem od živého k neživému v informatickém smyslu [3], [4]. Při odvozování např. v matematice, musí nastoupit lidský hybatel, který hledá cestu, jaké úpravy matematických vztahů volit, k získání hledaných (konečných) vztahů. Na jednoduchém příkladu je tento postup ukázán na stránce Exaktní věda. To, co pro inferenci platí v matematice, platí i třeba v karetní hře, nebo šachu. Významy karet či šachových figur jsou znalému člověku exaktně známé, stejně tak pravidla hry. Hráč (hybatel) musí uplatnit svůj intelekt pro volbu tahů ve hře v souladu pravidly. Pokud má být pohyb v matematickém odvozování, či exaktní hře naprogramován pro počítač, musí být naprogramována činnost hybatele. Programátor musí roli hybatele (matematika či hráče) naprogramovat tak, aby po každém kroku hry či odvozování, byl (naprogramovaný) hybatel schopen generovat krok následující. V počítači není vhodné hledat žádný magický stroj, jeho magie je stejně prázdná jako magie hromádky karet, nebo figur na šachovnici, chybí hybatel, chybí život. Hybatelem je v každém případě člověk, jeho intelektuální schopnost. Na rozdíl od ostatních strojů zpracovávajících nebo opracovávajících hmotu, počítač zpracovává informaci, tento rozdíl však nesmí klamat. Nesmí klamat ani poznatek, že program může být vytvořen tak, že může měnit sám sebe, neboť navzdory všem změnám, bude součástí exaktního světa, a nemůže ho opustit. Stěžejní vlastností stroje je kvantita (někdy i přesnost, ručně nedosažitelná) zpracovávané entity (hmoty, informace) a použití přísunu vnější energie pro tuto činnost. Kolesové rypadlo v povrchovém dole svoji kvantitou odtěženého uhlí otvírá možnosti, které by neexistovaly, pokud by jeho činnost měli zastat lidé (tisíce lidí) s krumpáči a lopatami. Stroj svoji kvantitou výkonu (rychlostí činnosti ve srovnání s člověkem) umožňuje realizovat činnosti, jinak nerealizovatelné, ať se jedná o těžbu horniny nebo zpracování informace.

To tedy k nástroji – počítači, který má umělá inteligenci k dispozici pro modelování. Je přitom nutno mít stále na paměti, že programovací jazyky (a tak i počítač) patří do exaktního světa, jsou to exaktní stroje, a jejich exaktnost přitom tkví v dokonalé vazbě lidské psýchy s významy jazykových konstrukcí a operací nad nimi.

Meze
Umělá inteligence řeší dva typy problémů, podle toho, zda souvisejí s reálným světem, či nikoli. Ty, co s reálným světem nesouvisejí, jsou z exaktního světa, jsou to např. exaktní hry (viz Exaktní) nebo matematické dokazování (dokazování teorémů). Jedná se tak o modelování exaktního světa exaktním světem, a modelování se redukuje především na modelování hybatele. Nejznámější je modelování tahů šachového experta. Omezující překážky zde může představovat složitost algoritmů (viz též Asymptotická složitost) modelujících hybatele a případně i např. množství kombinací rozestavení figur v šachu, či v jiných problémech modelů umělé inteligence.

Situace se navíc komplikuje, jakmile se jedná o problémy související s reálným světem. Jediným mostem mezi exaktním a reálným světem je nástroj, kterému říkáme veličina (mechanická síla, koncentrace iontů v roztoku, intenzita osvětlení apod.). Je společná oběma těmto světům, neboť v exaktním světě je exaktně vytyčena (s nulovou vnitřní vágností své interpretace), tedy tak, že každý v oboru vzdělaný člověk bez jakýchkoli pochyb zná její význam, a v reálném světě je elementární měřitelnou sondou do tohoto světa, a tak jeho měřitelným elementárním zástupcem. Je základním stavebním kamenem exaktní vědy. Problémy umělé inteligence související s reálným světem je nutno rozdělit do dvou kategorií.

První z nich je ta, kdy model umělé inteligence používá znalosti o reálném světě třeba tak, že z jisté množiny (výchozích) znalostí odvozuje další znalosti ve výchozích znalostech skryté, avšak z nich odvoditelné. Takovému modelu se říká expertní systém. Jelikož tento model musí být součástí exaktního světa, je nutno, aby znalosti byly zapsány v umělém formálním jazyce (matematika, formální logika, programovací jazyk), tedy v jazyce s exaktní interpretací, a tedy nemůže to být přirozený jazyk s vágní, emocionální a subjektivní interpretací – konotací. Tyto znalosti musí být tedy získány metodou exaktní vědy. Je nutno poznamenat, že znalosti získané přirozeným vágním, subjektivním a emocionálním lidským poznáním, vyjádřené přirozeným jazykem, nejsou převoditelné na exaktní znalosti, popsatelné exaktním formálním jazykem viz Vágnost. Pokud se jazykové konstrukce přirozeného jazyka vloží do exaktního světa (matematika, formální logika, programovací jazyky), musíme se vzdát jejich přirozeného, člověkem přiřazovaného významu, neboť v exaktním světě není činitel, který by ho byl schopen určit, použít a zpracovat (je toho schopna pouze lidská psýcha). Takové jazykové konstrukce je možno zpracovávat jako jakékoli řetězce symbolů, avšak bez jejich přirozené interpretace. Buď z neznalosti, nebo snad ignorováním výše uvedených možnosti vstupu do exaktního světa, se již na počátku úvah o zrodu umělé inteligence objevily mylné pokusy použít znalosti reprezentované přirozeným jazykem, získané přirozeným lidským poznáním.

Druhá kategorie problémů souvisejících s reálným světem jsou vnitropsychické procesy, na nichž stojí lidská inteligence, tedy procesy generované reálným světem. Tyto procesy jsou inherentně spjaty s vnitřní vágností, a tak zde neexistuje žádný most do exaktního světa, neboť výše zmíněný most, kterým je veličina, vyžaduje zákaz vnitřní vágnosti, a ta je v případě vnitropsychických procesů jejich inherentní součástí. Proto větev umělé inteligence, kterou jsme shora označili: Modelování vnějších projevů inteligentní lidské činnosti, se o to ani nepokouší, nemá k tomu žádné nástroje. Je však třeba si ještě všimnout druhé větve umělé inteligence, vedené modelováním činnosti neuronových sítí. Do ní se vkládají velké naděje, je však třeba vymezit, do jaké míry se tento model může přiblížit činnosti reálného lidského mozku, tedy procesům s inherentní vnitřní vágností. Historicky první matematický model činnosti neuronu představili Warren McCulloch a Walter Pitts v r. 1943. Podstatné je, že jejich (matematický) model patří do exaktního světa, a že všichni jejich následovníci se ubírají touto cestou, kdy původní jednoduchý model neuronu, je sice přetvářen do, čím dál tím složitější podoby (dle tvůrčí fantazie a profesní zkušenosti autora), avšak stále jako matematický (počítačový) model, tedy model exaktního světa se zakázanou vnitřní vágností. Skutečné inherentně vágní procesy probíhající v lidském mozku nemohou být modelovány exaktním světem, tedy matematických jazykem, či počítačem. Velice důkladnou studii struktury a činnosti neuronu, provedenou pod elektronovým mikroskopem, uvádí prof. Stuart Hameroff ve své knize. V ní je neuron uveden jako velice složitý útvar, mající vlastní autonomii chování založenou na zpracování obrovského množství informace, použité především pro vytváření vlastních (inteligentních) rozhodovacích schopností o kooperaci s jinými neurony. Takovýchto neuronů je v lidském mozku cca 100 miliard. Jelikož inherentně vágní procesy lidského mozku nemohou být modelovány exaktním světem, je třeba hledat jiné nástroje modelování, nejspíš biologické podstaty. Vnitropsychické procesy se svojí inherentní vazbou na vnitropsychickou vágnost se odlišují od všech dosud studovaných procesů odehrávajících se v reálném světě např. fyziky, chemie, apod. Jako hledání nové cesty (v tomto případě úkrokem stranou od cesty programově vytyčené umělou inteligencí) se proto objevují pokusy použít živé mozkové struktury např. potkanů, místo počítačových modelů neuronových sítí. Tyto živé mozkové struktury jsou přes vhodný interface zapojené v umělých (počítačových) soustavách pro zpracování informace, jež jsou součástí např. kognitivních robotů.

V souhrnu tedy můžeme říci, že hranice umělé inteligence jsou vytyčeny:

- Složitostí algoritmů

- Pro témata z reálného světa je navíc nutností použít pouze znalosti získané umělým poznáním exaktní vědy, zapsané jako matematicky (programovacím jazykem) reprezentované vztahy mezi veličinami. Nelze použít inherentně vágní znalosti získané přirozeným lidským poznáním, reprezentované vágním, emocionálním a subjektivním přirozeným jazykem. Nelze je ani převést do formálního jazyka. Jelikož umělý formální jazyk je schopen reprezentovat jen ty znalosti o reálném světě, které byly získány umělým poznáním exaktní vědy, a to je jen nepatrný zlomek lidského vědění, a tak je aplikovatelnost umělé inteligence z tohoto hlediska velice omezená.

- Inherentní vágnost vnitropsychických procesů. Není k dispozici žádný jazykový nástroj, který by byl schopen popsat vnitropsychické, inherentně vágní procesy lidského mozku, tak, aby je bylo možno modelovat exaktním světem - počítačem. Tedy ani neuronové sítě modelované exaktním světem nemohou být dostatečně adekvátním modelem skutečných, inherentně vágních procesů lidské psýchy probíhajících v reálném světě - lidském mozku.

Možná cesta dalšího vývoje

Inherentně vágní procesy lidské psýchy mají své materiální nosiče – biochemické procesy, zřejmě ve svém jádru, popsatelné chemickými a fyzikálními zákony. Pokud budou rozpoznány a určen princip vytvářející prostředí procesů s inherentní vágností, bude možno tyto procesy napodobovat uměle, možná i v na jiné podstatě, než je biologická podstata lidského mozku. [9] Jedná se o odhalení principů prostředí s nezakázanou vnitřní vágností, a tak pochopení principu života v informatickém smyslu.

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. Podle odhadů expertů umělá inteligence pravděpodobně do 100 let předčí lidskou ve všech dílčích úlohách. To některé lidi znepokojuje.

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
Roku 1979 překonal počítač světového mistra ve hře vrhcáby.
Královská hra šachy byla už od počátků informatiky předmětem analýz. Řešení problému bylo od počátku spojováno s inteligencí, avšak výhra nemusí znamenat větší inteligenci. V roce 1997 porazil systém Deep Blue od firmy IBM úřadujícího mistra světa Garriho Kasparova. Deep Blue však byl spíše hybridní systém s akcelerátory výpočtů.Šlo tak spíše o řešení hrubou silou. Současná AI již neprochází tolik pozic a přitom je úspěšnější.
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 (2016) i mistry.
Další algoritmy
Letecká bojová umělá inteligence ALPHA dokáže vést letecké souboje lépe než lidští piloti.
Jisté úlohy pro inteligenční testy je AI schopna řešit lépe než většina lidí.
AI je také schopna zvládnout zrcadlový test sebeuvědomění.
AI je schopna určit riziko selhání srdce lépe než doktor.
AI umožňuje snadno napodobovat lidské hlasy.
Problematika
Problémem je, že se AI chová jako černá skříňka. Člověk musí výsledkům, které mohou být ve výsledku lepší (inteligentnější) než jeho, slepě věřit, protože jim nerozumí. Volá se proto po vysvětlitelné AI (XAI).

AI může odstranit lidské kognitivní zkreslení.Může ovšem zavést vlastní zkreslení.Lidské i umělé myšlení tedy lze i podvést.

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.