Mi a mesterséges intelligencia; EWSTranslate
Történelmi perspektíva: Minden olyan jónak tűnik ....
Valószínűleg mindenki hallott már a mesterséges intelligenciáról (röviden AI), de viszonylag kevés embernek van nagyon jó elképzelése arról, hogy mit is jelent ez a kifejezés valójában. A legtöbb ember számára az AI olyan tárgyakhoz kapcsolódik, mint például a Hal 9000 számítógép a 2001: Egy űr Odüsszea című filmben. Az ilyen képek inkább Hollywood termékei, mint az a fajta munka, amely a mai világ kutató laboratóriumaiban történik. Célom, hogy bemutassam az AI mögött meghúzódó néhány alapvető ötletet, és megpróbálok módot adni arra, hogy az emberek megközelítsék a technika jelenlegi állását.
Nagyjából elmondható, hogy a mesterséges intelligencia az emberi számítógépes eszközök és rendszerek tanulmányozása, amelyek úgy működhetnek, hogy hajlandóak vagyunk intelligensnek nevezni. A terület születése az 1950-es évek elejére vezethető vissza, nyilvánvalóan az AI mesterséges történelem első jelentős eseménye Alan Turing brit matematikus "Számítógépek és intelligencia" című tanulmányának publikálása volt. Ebben a cikkben Turing azzal érvelt, hogy ha egy autó át tudott menni egy bizonyos teszten (amelyet "Turing-tesztnek" hívtak), akkor okunk lenne azt mondani, hogy a számítógép okos. A Turing-teszt egy embert (úgynevezett „bíró”) vesz részt, aki számítógépes terminálon keresztül tesz fel kérdéseket két másik entitásnak, az egyik egy emberi lény, a másik pedig egy számítógép. Ha a bíró nem tudta rendszeresen megkülönböztetni a számítógépet az embertől, akkor azt mondták, hogy a számítógép megfelelt a teszten. Ebben a cikkben Turing számos érvet és kifogást is megfontolt azzal az elképzeléssel szemben, hogy a számítógépek intelligenciát szolgáltathatnak.
Az AI vélhetően tudományágként született a "The Dartmouth Mesterséges Intelligencia Nyári Kutatási Projekt" elnevezésű konferencián, amelyet többek között John McCarthy és Marvin Minsky szervezett. Ezen a konferencián Alan Newell és Herb Simon mutatták be a LOGIKA ELMÉLETE néven ismert rendszert. A LOGIKA ELMÉLETE egy olyan rendszer volt, amely felfedezte az elmélet bizonyítékait a szimbolikus logikában. Ennek a rendszernek az volt a jelentősége, hogy Feigenbaum és Feldman (1963: 108. o.) Szavai szerint a LOGIKAELMÉLETI ELEMZŐ "a mesterséges intelligencia első fellépése a magas intellektuális folyamatokba". Ezt a kezdeti sikert gyorsan követte számos más rendszer, amely látszólag intelligens feladatokat tudott végrehajtani. Például a "DENDRAL" néven ismert rendszernek sikerült mechanizálnia a szerves kémia tudományos érvelésének szempontjait. Egy másik program, a "MYCIN" néven interaktívan diagnosztizálhatta a fertőző betegségeket.
E sikerek mögött álló alapvető stratégia Newell és Simon által 1976-ban az úgynevezett fizikai szimbolikus rendszerek hipotézisének javaslatához vezetett. A fizikai szimbolikus rendszer hipotézise a sok mű mögött álló elmélet lepárlásának felel meg. addig folytatódott, és általános tudományos hipotézisként javasolták. Newell és Simon (1976: 41. o.) Írtak;
"A fizikai szimbólumok rendszere rendelkezik az intelligens általános cselekvéshez szükséges és elegendő eszközökkel".
Bár sok vita folyt arról, hogyan kell értelmezni ezt a hipotézist, két fontos következtetés vonható le belőle. Az első következtetés az, hogy a számítógépek a releváns értelemben vett fizikai szimbólumok rendszerei, ezért vannak okok (ha a hipotézis helytálló) azt gondolni, hogy képesnek kell lenniük az intelligencia feltárására. A második következtetés az, hogy emberként intelligensek is vagyunk, és fizikai szimbólumrendszereknek kell lennünk, és ezért jelentős értelemben hasonlóak vagyunk a számítógépekhez.
Jelenlegi perspektíva: Problémák és sikerek
Mindezek a látszólag pozitív eredmények és néhány érdekes elméleti munka mellett elég nyilvánvaló kérdésnek tűnik: „Hol vannak az intelligens autók, mint a HAL 9000”? Bár számos lenyűgöző siker született ezen a területen, számos jelentős kérdéssel is felmerült az AI kutatás. Még nincs HAL 9000, és reálisan nézve jó idő lesz, mielőtt az ilyen rendszerek elérhetővé válnak, ha valóban egyáltalán lehetségesnek bizonyulnak.
A mesterséges intelligencia korai sikerei rendkívül optimisták a kutatókat. Sajnos az optimizmus némileg elveszett. Például 1957-ben Simon azt jósolta, hogy csak tíz év kell ahhoz, hogy egy számítógép sakk világbajnok legyen. Természetesen ez a bizonyos teljesítmény csak a Deep Blue rendszeren keresztül valósult meg ebben az évben. De vannak mélyebb kérdések, amelyekkel az AI szembesült.
A józan ész megismerésének problémája nagyon mély az AI-ben. Például nagyon nehéz lenne egy számítógépnek megfelelnie a Turing-tesztnek, ha nem rendelkezik a fent leírt ismeretekkel. A lényeg az ELIZA esetének figyelembevételével szemléltethető. Az ELIZA egy Weizenbaum által 1966-ban tervezett AI rendszer, amelynek pszichoterapeutát kellett utánoznia. Manapság ennek a szoftvernek sok változata létezik, amelyek közül néhány letölthető. Noha bizonyos szempontból az ELISA meglehetősen lenyűgöző lehet, nem kell sok ahhoz, hogy a rendszert összezavarják vagy kikapcsolják. Gyorsan kiderül, hogy a rendszer korántsem intelligens.
A józan ész problémájára számos válasz érkezett az AI kutatói közösségben. Az egyik stratégia az, hogy megpróbálunk olyan rendszereket felépíteni, amelyek csak korlátozott területeken működnek. Ez a stratégia áll a Loebner-díj mögött, egy modern versenyen, amely a Turing-teszt korlátozott változatán alapul. Néhány, a TIPS rendszerrel kapcsolatos közelmúltbeli nevezés valóban lenyűgöző az ELIZA-hoz képest.
Egy másik ambiciózusabb stratégiát Doug Lenat, az AI kutatója fogadott el. Lenat és munkatársai több éven át dolgoztak a CYC néven ismert rendszeren. A CYC projekt célja egy nagy számítási adatbázis és keresési eszközök kifejlesztése, amelyek lehetővé teszik az AI rendszerek számára, hogy hozzáférjenek az összes józan észt képviselő tudáshoz. A CYC projekt megpróbálja megválaszolni a közismert probléma problémáját. Jelenleg a projekt eredményei elkezdtek megjelenni. Még nem világos, hogy a hatalmas erőfeszítés sikeres volt-e.
Más kutatók más megközelítést alkalmaznak a probléma megoldására. Úgy vélik, hogy az emberi lénynek józan esze van, a gazdag tapasztalatok gazdagságának köszönhetően, ahogyan növekszünk és tanulunk. Inkább gépi tanulási stratégia elfogadásával próbálják kezelni a józan ész problémáját. Talán, ha egy számítógép képes lenne megtanulni, hasonló módon, mint egy ember, akkor a józan ész is fejlődik. Ezt a stratégiát még mindig követik, és még korai megmondani, hogy sikeres lesz-e.
A mesterséges intelligencia-kutatás által elért másik probléma az, hogy az emberi lény számára nehéz feladatok, például matematika vagy sakk, a számítógépek számára meglehetősen egyszerűnek bizonyulnak. Másrészt az emberek számára könnyű feladatokat, például a bútorokkal teli helyiségben való navigálás megtanulását vagy az arcok felismerését a számítógépek meglehetősen nehéz elvégezni. Ez arra ösztönzött néhány kutatót, hogy megpróbáljon olyan rendszereket kifejleszteni, amelyek rendelkeznek (legalábbis felszínes) tulajdonságokkal az agyban. Az ezen a stratégián alapuló kutatás a mesterséges ideghálózatok (más néven konnektionizmus) terepeként vált ismertté, és jelenleg az AI egyik fő speciális aldomainje. A mesterséges ideghálózatok érdekes szempontja, hogy ezek közül a rendszerek közül sokan megtanulják, így beépítik a gépi tanulási stratégia néhány előnyét a józan ész megismerésének problémájának megoldására. A mesterséges idegrendszerek sok problémát képesek megoldani, például a minták felismerésével járó problémákat, amelyek más megközelítéseknél nehéznek bizonyultak.
Fontos azonban megjegyezni, hogy nem mindenki fogadja el az AI kutatásait. Az egész AI projektet időről időre bírálták. Ismert kritikus Herbert Dreyfus. Különféle okokból azzal érvelt, hogy az egész mesterséges intelligencia-vállalkozás kudarcra van ítélve, mert olyan feltételezéseket tesz a világról és az elmékről, amelyek fenntarthatatlanok, ha kritikusan értékelik őket. Egy másik ismert AI kritikus John Searle. Searle egy gondolatkísérleten alapuló érvet javasolt, amelyet kínai kamera-érvnek neveznek. Ennek az érvnek a célja annak bemutatása, hogy az intelligens autók gyártásának célja nem lehetséges. Bár ezt az érvet eredetileg az 1980-as években tették közzé, még mindig forró téma az internetes hírcsoportokról, például a comp.ai.philosophy.
Az, hogy az AI kritikusok helyesek-e vagy sem, csak az időt fogja megmondani. Ugyanakkor két fontos következményhalmaz jelent meg, amelyek a terület kezdeti megindítása óta megjelentek. Ezek közül az első egy új és izgalmas akadémiai tudományág megszületése volt, amely "kognitív tudomány" néven vált ismertté. A kognitív tudomány megosztja az AI-vel azt az alapfeltevést, hogy bizonyos értelemben a mentális tevékenység számítási jellegű. A kognitív tudomány célja azonban eltér az AI céljától. A kognitív tudósok célul tűzték ki az emberi elme rejtelmeinek feltárását. Ez nem kis feladat, tekintve, hogy az emberi agy a legbonyolultabb eszköz, amelyet az emberiség ismer. Például akkor is, ha különféle leegyszerűsítő hipotéziseket állítanak fel, nagyon valószínűnek tűnik, hogy egyetlen emberi agy lehetséges állapotainak száma nagyobb, mint az Univerzum atomjainak száma! Úgy tűnik azonban, hogy a mesterséges intelligencia céljának megvalósítása során tanult tanulságok és az elért eredmények, valamint a többi tudományterületen elért eredmények azt mutatják, hogy a Kognitív Tudomány projekt életképes, bár nehezen elérhető.
Az AI-tanulmány következményeinek második sora valószínűleg kissé kevésbé nyilvánvaló. Jelenleg számos olyan program és rendszer létezik, amelyek felhasználják az AI kutatás eredményeit. Bár még nincs HAL 9000, az AI első célkitűzései közül sok megvalósult, bár nem egyetlen nagy rendszerben. Talán a legszomorúbb, hogy az AI ritkán kap hitelt más területeken nyújtott hozzájárulásáért. Akadémiai körökben van egy mondás: "Az AI legjobb gyümölcseivé váljon a számítástechnika régi tudománya." Amint egyre többet megtanulunk csinálni, az egykor szinte csodálatos dolog mindenütt jelen lesz. Most, hogy elérték a nagyon szép sakkjáték célját, lehetséges, hogy ez már nem fog virágozni vagy meglepni minket. Az AI-n belül azonban még mindig sok kihívást jelentő és érdekes határt kell meghódítani. Sok tövises kérdést is figyelembe kell venni. A következő cikkekben megpróbálok bemutatni néhány lenyűgöző munkát, amely az AI-ben zajlik, hogy ennek a kutatási programnak a világhoz való hozzájárulása, ahogyan mi ismerjük, jobban ismert és megértett legyen.
Az alábbiakban olvasható javaslatok
Campbell, J. (1989), A valószínűtlen gép, Simon & Schuster (New York).
Copeland, J. (1993), Mesterséges intelligencia, Blackwells (Oxford).
Churchland, P. (1988), Anyag és tudat, MIT Press (Cambridge, MA).
Haugeland, J. (1985), Mesterséges intelligencia: A nagyon ötlet, MIT Press (Cambridge MA).
Bibliográfia
Feigenbaum, E. és Feldman, J. (1963), Számítógépek és gondolkodás, McGraw-Hill (New York).
Haugeland, J. (1981) Mind Design, MIT Press (Cambridge, MA).
Newell, A. és Simon, H. (1976), „Computer Computer as Empirical Enquiry: Symbols and Search” újranyomás Haugelandban (1981: 35-66. O.).