Cesty umělé inteligence

Kognitivní vědy inspirují vývojáře Na poli umělé inteligence nejsme v poslední době svědky žádných senzačních ...


Kognitivní vědy inspirují vývojáře
Na poli umělé inteligence nejsme v poslední době svědky žádných senzačních
odhalení. Přesto se však stav v oboru nedá označit za stagnaci. Hlavním trendem
je nárůst interdisciplinárnosti, především větší vazba vývojářů na vývoj v
oblasti neurověd. Umělá inteligence se stává součástí poměrně komplexní
problematiky kognitivních věd, tedy věd studujících inteligenci, myšlení a
vědomí.
V tomto článku se podíváme především na přístup k umělé inteligenci, kterou
představuje kniha Úvod do kognitivní vědy od Paula Thagarda (Portál, Praha,
2001). Předmluvu k publikaci přitom napsali přední tuzemští odborníci na tento
obor, Ivan Havel a Jozef Kelemen. Základní metodikou je pro Thagarda koncepce
označovaná jako CRUM (Computational-Representational Understanding of Mind),
která zhruba říká, že inteligence a myšlení jsou nejlépe pochopitelné v
pojmosloví výpočetních procedur (tedy počítačová metafora chápání lidského
mozku). Autor dále rozebírá jednotlivé přístupy, kterými lze modelovat
inteligentní systémy, ať už jde o entity počítačové či biologické. Těmito
možnými přístupy pro Thagarda jsou:
Formální logika
Pravidla
Pojmy a koncepty
Analogie
Představy
Sítě (např. neuronové)
Z hlediska konstrukce expertních systémů se jako zatím nejužitečnější ukázal
přístup, jehož základem jsou "pravidla", tedy struktury typu jestliže-pak.
Řešení problému se v systémech na bázi pravidel realizuje přes prohledávání
(search), kdy jsou nejprve vybrána pravidla relevantní ke splnění daného úkolu
a pak hledáno bezrozporné řešení. Spíše než dedukce používané ve formální
logice prostě proséváme všechna možná řešení. Prohledávání se na rozdíl od
operací ve formální logice např. snáze realizuje paralelně stavový prostor si
prostě rozdělíme a úlohu řešíme po částech.
Dnes používané expertní systémy pracují především na základě pravidel, v
budoucnu by se však více mohly uplatnit i modely konekcialistické, tedy
především různé neuronové sítě. K výhodám příslušných systémů by měla patřit
schopnost se učit, a to především na základě techniky tzv. zpětného šíření
(backpropagation). Síť se v tomto případě neustále optimalizuje tak, že u
chybných odpovědí provádíme "aktivaci pozpátku" a měníme váhy jednotlivých
kritérií, podle kterých síť zpracovává vstupy. Tento "trénink sítě" je však
poměrně časově náročný.
Zajímavou, třebaže v tuto chvíli ještě spíše filozofickou otázku představují
koncepty známé většinou pod jmény "Paradox čínského pokoje" a "Chalmersova
zombie". Oba přístupy poněkud polemizují s představou, že inteligentní či
vědomé je to, co se takto chová. Klasický Turingův test vycházel z představy,
že za umělou inteligenci můžeme prohlásit takový systém, který během komunikace
nedokážeme nijak odlišit od člověka. Chalmersova zombie je naopak modelem
tvora, který se chová inteligentně, ale není si sám sebe vědom (proto ono
označení "zombie"). Zajímavým příspěvkem k diskusi na toto téma je kniha
evolučního biologa Roberta Wrighta Víc než nic (Nakladatelství Lidové noviny,
Praha, 2002). Wright se z jiné strany vrací k metafoře světa jako gigantického
počítače, i organismy jsou podle něj především systémy pro zpracování informací
a biologická evoluce upřednostňuje "efektivnější počítače". Zajímavé je, že
Wright onen počítačový charakter nepřisuzuje zdaleka pouze nervové soustavě,
ale chápe takto jakýkoliv složitější biochemický systém, ať už jde o
mechanismus dělení buněčného jádra nebo funkci ledvin.
Pro tvůrce expertního systému není samozřejmě tento teoretický rozměr problému
příliš podstatný; z hlediska praktického nasazení umělé inteligence je důležité
právě ono chování. Dokonce není příliš podstatné ani to, v čem (v jaké části
systému) je vlastně ona schopnost inteligentní reakce ukryta. Proto se např.
aplikace pro neuronové sítě někdy vyvíjejí prostřednictvím metod genetického
programování.
Výsledkem takového procesu mohou být černé skříňky, metoda je však velmi
praktická.

text ON-LINE
Kompletní podobu tohoto článku včetně odkazů na další literaturu najdete na
portálu Science World s datem 22. 11. 2002.









Komentáře
K tomuto článku není připojena žádná diskuze, nebo byla zakázána.