Początki sztucznej inteligencji

Koncept sztucznej inteligencjisztuczna inteligencjasztucznej inteligencji został zapoczątkowany w połowie ubiegłego wieku dzięki działaniom słynnego brytyjskiego matematyka Alana TuringaAlan TuringAlana Turinga. Zaczął się on zastanawiać, czy komputery ogólnego przeznaczenia mogą się uczyć i tworzyć. Jednak mimo wielu lat badań odpowiedź na to pytanie do dziś nie jest nam znana.

Symboliczna sztuczna inteligencja

Na początku wielu ekspertów uważało, że sztuczną inteligencję na poziomie przeciętnego ludzkiego umysłu można osiągnąć poprzez zdefiniowanie odpowiednio dużej liczby reguł przetwarzania informacji w programie. Określa się to mianem symbolicznej sztucznej inteligencji. Forma ta dominowała w drugiej połowie ubiegłego wieku.

Dzięki takiemu podejściu powstawały tzw. systemy ekspertowe specjalizujące się w rozwiązywaniu dobrze zdefiniowanych problemów logicznych, takich jak gra w szachy, analityczne obliczanie całek czy analiza składniowa tekstu. Ich działanie polegało na podejmowaniu decyzji, opierając się na bazie wiedzy, zapewnionej przez ekspertów z danej dziedziny.

RQs7seNIIsCuO

Ilustracja przedstawia schemat systemu ekspertowego.

1. Ekspert z danej dziedziny,
2. baza wiedzy,
3. system przetwarzania informacji,
4. interfejs użytkownika,
5. użytkownik.

Kłopot pojawiał się w momencie, w którym problem nie był dobrze zdefiniowany. Taka sytuacja ma miejsce, chociażby przy kategoryzowaniu obrazów ze względu na ich zawartość, czy analizie ludzkiego pisma lub mowy. Systemy ekspertowe nie były w stanie sobie poradzić, więc w latach 90. ubiegłego wieku zaczęła rozwijać się dziedzina sztucznej inteligencji zwana uczeniem maszynowym.

Uczenie maszynowe

Po tym jak systemy ekspertowe okazały się drogie w utrzymaniu, a ich zastosowanie pozostawało ograniczone, zostały one wyparte przez uczenie maszynowe. Jest to nowy paradygmat techniki programowania. Wcześniej programiści wprowadzali do programu reguły, przy pomocy których dane wejściowe były przetwarzane. W ten sposób otrzymywano dane wyjściowe.

W przypadku uczenia maszynowego do programu wprowadzane są dane, a czasem także oczekiwane odpowiedzi. Natomiast to komputer ma za zadanie przeprowadzić analizę otrzymanych danych. Jego zadaniem jest utworzenie zestawu reguł pozwalających na otrzymanie poprawnego wyniku. Następnie reguły te mogą zostać użyte w celu przetworzenia nowych danych i uzyskania oczekiwanych odpowiedzi.

Program zamienia się w pewnego rodzaju czarną skrzynkę. Sprawdzamy jego poprawność i go uczymy. W przypadku otrzymania odpowiedzi, która nie jest prawidłowa, program dostosowuje swoje reguły.

Zimy sztucznej inteligencji

Sztuczna inteligencja od samego początku była dziedziną, z którą wiązano ogromne oczekiwania. Jednak bardzo często były one mało realistyczne. Prowadziło to do dużych rozczarowań, które miały wpływ na redukcję wydatków ponoszonych na rozwój AI.

Po raz pierwszy miało to miejsce w latach 60. ubiegłego wieku. Po pojawieniu się koncepcji symbolicznej sztucznej inteligencji eksperci i uczeni z całego świata wierzyli, że w ciągu kilku następnych lat ludzkość będzie dysponować maszynami obdarzonymi inteligencją na poziomie przeciętnego człowieka. Gdy te przewidywania się nie spełniły, naukowcy przestali interesować się rozwojem sztucznej inteligencji – tym samym utracili wsparcie finansowe, umożliwiające kontynuację badań. Okres ten nazywa się zimą sztucznej inteligencji, ze względu na panującą wtedy sytuację polityczną i trwającą zimną wojnę.

Druga taka zima nastąpiła w latach 90. XX wieku, kiedy to systemy ekspertowe okazały się zbyt drogie w utrzymaniu, trudne do skalowania, a ich zastosowanie pozostało ograniczone. Z tego powodu zainteresowanie nimi zaczęło gasnąć.

Obecnie jesteśmy świadkami trzeciej fazy optymizmu, po której może nastąpić kolejna faza rozczarowań. Najlepiej jest podchodzić do tematu sztucznej inteligencji z dużą dawką racjonalizmu i nie wierzyć w krótkoterminowe sukcesy.

Dotychczasowe osiągnięcia

Uczenie maszynowe doprowadziło do wielu przełomów w dziedzinach, które w przeszłości były problematyczne dla programowania klasycznego i systemów eksperckich. Jak np. dotrzeć do dużej liczby odbiorców, zainteresowanych konkretnym wydarzeniem w sieci? Jak w czeluściach internetu znaleźć osoby skupione wokół tego samego tematu? Algorytmy sczytują konkretne słowa z komentarzy, postów i opisów użytkowników. Po nich weryfikują oraz grupują nasze preferencje, zakupy czy pasje. Następnie boty wysyłają spersonalizowane propozycje danych produktów lub eventów, które mogłoby nam się spodobać, które spełniają nasze kryteria estetyczne, warunki cenowe itd. Oto lista niektórych osiągnięć sztucznej inteligencji:

• rozpoznawanie obrazu i jego klasyfikacja (opis elementów, podanie cech grafiki),

• transkrypcja pisma ręcznego (zamiana pisma odręcznego na druk cyfrowy),

• pojawienie się zaawansowanych asystentów domowych (sterowanie oświetleniem, temperaturą w pomieszczeniach, interaktywny monitoring etc.)

• dobór reklam warunkowany preferencjami użytkownika (m.in. propozycje produktów dopasowanych do ostatnich wyszukiwań w przeglądarce),

• pojazdy jeżdżące autonomicznie (autopilot, omijanie zagrożeń, elektroniczne monitorowanie stanu technicznego pojazdu),

• maszyny korzystające z algorytmów są w stanie pokonać człowieka podczas gry w szachy oraz w Go, tj. w najbardziej skomplikowaną grę logiczną na świecie.

Wciąż odkrywane są nowe zastosowania uczenia maszynowego. Trwają badania nad technikami trenowania oraz projektowania. AI w czasie pandemii okazało się pomocne przy nagrywaniu i transmitowaniu rozgrywek sportowych, w których kibice nie mogli uczestniczyć. Dzięki pracy algorytmów uzyskali oni możliwość śledzenia przebiegu meczu ulubionych drużyn piłkarskich czy zawodów sprinterskich rozgrywanych bez udziału publiczności. Sztuczna inteligencja pomaga również monitorować miejsca wysokiego ryzyka, np. lotniska czy duże dworce kolejowe. Dzięki technice rozpoznawania twarzy, a także dzięki systemom namierzania porzuconego bagażu, szybciej można zlokalizować potencjalne niebezpieczeństwo i przeciwdziałać ewentualnym zagrożeniom. Algorytmy wspierają również badania medyczne, diagnostykę różnego rodzaju urządzeń, a w codziennym życiu służą nam informacją, np. jako chatboty w działach obsługi klienta.

Słownik