Sztuczna inteligencja
Sztuczna inteligencjaWizualna metafora sztucznej inteligencji Sztuczna inteligencja (
ang.
Artificial Intelligence – AI) – nauka obejmująca zagadnienia
logiki rozmytej
,
obliczeń ewolucyjnych
,
sieci neuronowych
,
sztucznego życia
i
robotyki
. Sztuczna inteligencja to dział informatyki, którego przedmiotem jest badanie reguł rządzących inteligentnymi zachowaniami człowieka, tworzenie modeli formalnych tych zachowań i – w rezultacie – programów komputerowych symulujących te zachowania. Można ją też zdefiniować jako dział informatyki zajmujący się rozwiązywaniem problemów, które nie są efektywnie algorytmizowalne. Sztuczna inteligencja ma dwa podstawowe znaczenia: Głównym zadaniem badań nad sztuczną inteligencją w drugim znaczeniu jest konstruowanie
maszyn
i programów komputerowych zdolnych do realizacji wybranych
funkcji
umysłu
i ludzkich zmysłów niepoddających się prostej numerycznej
algorytmizacji
. Problemy takie bywają nazywane AI-trudnymi i zalicza się do nich między innymi: Historia badańAI jako dział badań naukowych zaczęła się w latach
50. XX wieku
kiedy to powstało pierwsze laboratorium AI na Uniwersytecie Carnegie Mellon, założone przez
Allena Newella
i
Herberta Simona
i kilka lat później analogiczne laboratorium w
Massachusetts Institute of Technology
, założone przez
Johna McCarthy'ego
. Oba te laboratoria są wciąż wiodącymi ośrodkami AI na świecie. Termin sztuczna inteligencja został po raz pierwszy zaproponowany prawdopodobnie przez Johna McCarthy'ego, który w
1955
r. zdefiniował go w następujący sposób: - "konstruowanie maszyn, o których działaniu dałoby się powiedzieć, że są podobne do ludzkich przejawów
inteligencji
".
Istnieją dwa podstawowe podejścia do pracy nad AI: - Pierwsze to tworzenie modeli matematyczno-logicznych analizowanych problemów i implementowanie ich w formie
programów komputerowych
, mających realizować konkretne funkcje uważane powszechnie za składowe inteligencji. W tej grupie, tzw. podejścia symbolicznego, są np.
algorytmy genetyczne
, metody
logiki rozmytej
i wnioskowania bazującego na doświadczeniu.
- Drugie to podejscie subsymboliczne polegające na tworzeniu struktur i programów "samouczących się", bazujących na modelach
sieci neuronowej
i
sieci asocjacyjnych
, oraz opracowywanie procedur "uczenia" takich programów, rozwiązywania postawionych im zadań i szukania odpowiedzi na wybrane klasy "pytań".
W trakcie wieloletniej pracy laboratoriów i zespołów AI stosujących oba podejścia do problemu, okazało się, że postęp w tej dziedzinie jest i będzie bardzo trudny i powolny. Często mimo niepowodzeń w osiąganiu zaplanowanych celów, laboratoria te wypracowywały nowe techniki informatyczne, które okazywały się użyteczne do zupełnie innych celów. Przykładami takich technik są np. języki programowania
LISP
i
Prolog
. Laboratoria AI stały się też "rozsadnikiem" kultury
hakerskiej
. Najnowsze podejście do problemów AI to rozwijanie różnych form inteligencji rozproszonej (wzorowanej na organizacjach ludzkich, np. personoidy oraz tzw.
agentów
autonomicznych i "inteligentnych". Dziedzina ta nosi nazwę Technologii Agentów Inteligentnych (ang. Intelligent Agent Technology). Współczesne praktyczne zastosowania AI- Technologie oparte na
logice rozmytej
– powszechnie stosowane do np. sterowania przebiegiem procesów technologicznych w fabrykach w warunkach "braku wszystkich
danych
".
-
Systemy ekspertowe
– systemy wykorzystujące bazę wiedzy (zapisaną w sposób deklaratywny) i mechanizmy wnioskowania do rozwiązywania problemów.
-
Maszynowe tłumaczenie tekstów
– systemy tłumaczące nie dorównują człowiekowi, robią intensywne postępy, nadają się szczególnie do tłumaczenia tekstów technicznych.
-
Sieci neuronowe
– stosowane z powodzeniem w wielu zastosowaniach łącznie z programowaniem "inteligentnych przeciwników" w grach komputerowych.
-
Uczenie się maszyn
– dział sztucznej inteligencji zajmujący się algorytmami potrafiącymi uczyć się podejmować decyzje bądź nabywać wiedzę.
-
Eksploracja danych
– omawia obszary, powiązanie z potrzebami informacyjnymi, pozyskiwaniem wiedzy, stosowane techniki analizy, oczekiwane rezultaty.
-
Rozpoznawanie obrazów
– stosowane są już programy rozpoznające osoby na podstawie zdjęcia twarzy lub rozpoznające automatycznie zadane obiekty na zdjęciach satelitarnych.
-
Rozpoznawanie mowy
i rozpoznawanie mówców – stosowane już powszechnie na skalę komercyjną.
- Rozpoznawanie pisma (
OCR
) – stosowane już masowo np. do automatycznego sortowania listów, oraz w
elektronicznych notatnikach
.
- Sztuczna twórczość – istnieją programy automatycznie generujące krótkie formy poetyckie, komponujące, aranżujące i interpretujące utwory muzyczne, które są w stanie skutecznie "zmylić" nawet profesjonalnych artystów, w sensie, że nie rozpoznają oni tych utworów jako sztucznie wygenerowanych.
- W ekonomii, powszechnie stosuje się systemy automatycznie oceniające m.in.
zdolność kredytową
, profil najlepszych klientów, czy planujące kampanie reklamowe. Systemy te poddawane są wcześniej automatycznemu uczeniu na podstawie posiadanych danych (np. klientów banku, którzy regularnie spłacali kredyt i klientów, którzy mieli z tym problemy).
Czego nie udało się dotąd osiągnąć mimo wielu wysiłków- Programów skutecznie wygrywających w niektórych grach. Jak dotąd nie ma programów skutecznie wygrywających w
go
,
brydża sportowego
i
polskie warcaby
, mimo że podejmowano próby ich pisania. Trzeba jednak przyznać, że programy do gry w
szachy
, w które zainwestowano jak dotąd najwięcej wysiłku i czasu spośród wszystkich tego rodzaju programów, osiągnęły bardzo wysoki poziom, ogrywając nawet mistrza świata
Garriego Kasparowa
w maju
1997
.
- Programu, który by umiał idealnie naśladować człowieka, rozmawiając przy użyciu tekstu i potrafiłby przejść
test Turinga
. Istnieją
programy do konwersacji z komputerem
, ale każdy człowiek, który miał z nimi wcześniej do czynienia, w krótkim czasie jest w stanie zorientować się, że rozmawia z maszyną, a nie innym człowiekiem.
- Programu, który potrafiłby skutecznie generować zysk, grając na giełdzie. Problemem jest masa informacji, którą taki program musiałby przetworzyć i sposób jej kodowania przy wprowadzaniu do komputera. Mimo wielu prób podejmowanych w tym kierunku (zarówno w Polsce jak i na całym świecie), z użyciem sztucznej inteligencji nie da się nawet odpowiedzieć na pytanie, czy jest możliwe zarabianie na giełdzie, bez podawania samego przepisu jak to zrobić. Prawdziwym problemem w tym przypadku może być fakt, że nie istnieje żadna zależność między danymi historycznymi, a przyszłymi cenami na giełdzie (taką tezę stawia
hipoteza rynku efektywnego
). Gdyby hipoteza ta była prawdziwa, wtedy nawet najlepiej przetworzone dane wejściowe nie byłyby w stanie wygenerować skutecznych i powtarzalnych zysków. Mimo wszystko, cel wydaje się bliski osiągnięcia. Na rynku istnieją fundusze hedgingowe, które osiągają regularne zyski a ich decyzjami inwestycyjnymi nie kieruje człowiek, lecz metoda matematyczna[].
- Programu skutecznie tłumaczącego teksty literackie i mowę potoczną. Istnieją programy do automatycznego tłumaczenia, ale sprawdzają się one tylko w bardzo ograniczonym stopniu. Podstawową trudnością jest tu złożoność i niejasność języków naturalnych, a w szczególności brak zrozumienia przez program znaczenia tekstu.
Linki zewnętrzne
Inne hasła zawierające informacje o "Sztuczna inteligencja":
Warstwa społeczna
...
Czynnikowa teoria osobowości
...
Raymond Cattell
...
Hemodializa
...
Niezależny Samorządny Związek Zawodowy "Solidarność"
...
Antykoncepcja
...
Tygodnik Powszechny
...
Sztuczna inteligencja
Wizualna metafora sztucznej inteligencjiSztuczna inteligencja (
ang.
Artificial Intelligence – AI) – nauka obejmująca zagadnienia
logiki ...
Tęcza
...
André Breton
...
Inne lekcje zawierające informacje o "Sztuczna inteligencja":
203 Okres międzywojenny na świecie. Postęp techniczny i kryzys gospodarczy (plansza 3)
...
212 Gospodarcze i społeczne problemy II Rzeczypospolitej (plansza 3)
...
Układ moczowy (plansza 14)
...
|