UMETNA INTELIGENCA

UMETNA INTELIGENCA

Rojstvo umetne inteligence (UI, artificial intelligence, AI) lahko postavimo v leto 1956, ko se je v Dartmouthu prvič zbrala skupina matematikov in računalniških znanstvenikov z namenom raziskati možnost, kako lahko računalniki odkrivajo novo znanje kot otroci ter na podlagi poskusov in napak rešujejo različne probleme. Danes umetno inteligenco opredelimo kot vejo računalniške znanosti, ki proučuje naprave, sposobne posnemati človekovo razmišljanje, in vključuje npr. sklepanje, planiranje, učenje, znanje, komuniciranje ali percepcijo.

V novembrski številki revije PIL v prilogi Vesela šola si izvedel veliko novega o umetni inteligenci in naprednih tehnologijah. V nadaljevanju učne poti pa odkrij še druge zanimivosti in naberi še več jabolk znanja.



Nadaljuj

UI V NAŠEM VSAKDANJIKU

Umetna inteligenca psihološko močno vpliva tudi na našo osebnost in družbo. Vedno pogosteje se dogaja, da prijatelje na igrišču zamenjujejo igre v virtualnem svetu. Računalnik in njegove zmogljivosti pogosto nadomeščajo družbeno okolje in medčloveške odnose, zaradi tega pa postajamo manj družabna bitja. Roboti ne vladajo človeštvu, a vendar vidimo, da že sam obstoj napredne tehnologije na nas zelo vpliva. Zato bo v prihodnosti potreben globok premislek o ustreznem načinu povezovanja tehnologije z vsakdanjim življenjem.


Nadaljuj

KLEPET S STROJEM

Če se malo potrudite z angleščino, lahko pokramljate z botom dr. Sbaitsom, ki ga boste našli na tej povezavi. Bi vas umetna inteligenca dr. Sbaitsa preslepila, da gre na drugi strani za pravega človeka?


Nadaljuj

Turingov test

Dr. Sbaitso, umetna inteligenca za sintezo govora, ki je bil vpeljan leta 1991, Turingovega testa ni prestal.

Turingov test je preizkus zmožnosti stroja izkazovati inteligentno obnašanje, ki je značilno za človeka. Človeški sodnik se vključi v pogovor v naravnem jeziku med človekom in strojem, ki je zasnovan tako, da se pretvarja za človeka. Pogovor je omejen zgolj na besedilni komunikacijski kanal, npr. prek računalniške tipkovnice ter zaslona, da kakovost računalniške sinteze govora ne bi vplivala na rezultat. Vsi sodelujoči so ločeni drug od drugega. Če se sodnik ne more z gotovostjo odločiti med človekom in računalnikom, potem je stroj prestal test. Test torej ne preizkuša zmožnosti dajanja pravilnih odgovorov, temveč koliko ti spominjajo na odgovore, ki bi jih dal človek.

Z napredkom programske in strojne opreme so se pojavili primeri, ko naj bi računalnik prepričal osebe, da se za odgovori skriva oseba in ne računalnik. A Turingovega testa čisto zares še ni uspelo opraviti nobenemu računalniku.

Alan Mathison Turing (1912–1954), po katerem se imenuje Turingov test, je bil britanski matematik, logik, filozof in matematični biolog, ki velja za pionirja na področju računalniške znanosti, kognitivne znanosti, umetne inteligence in umetnega življenja. Je eden od očetov sodobne računalniške znanosti. Med drugo svetovno vojno je bil eden ključnih ljudi pri odkrivanju kode šifrirnega stroja, s katerim je nemška vojska pošiljala skrivna sporočila.

BOT

Bot je robot programske opreme (software), imenovan tudi agent. Izraz ima v računalniškem svetu več pomenov. V preteklosti smo »bot« pojmovali predvsem kot program avtomatizacije, ki samodejno brska po internetnih naslovih in preiskuje javno dostopne vsebine. Najbolj znan zgled takih botov so tako imenovani spletni pajki (web spiders), ki so eden od temeljev spletnih iskalnikov. Spletni pajek skuša na spletu določiti in dobiti želene podatke s spletnih strani. Nekateri pajki iščejo tudi specifične vsebine, na primer elektronske naslove in telefonske številke.

Za prihodnost programske opreme je pomembnejša definicija izraza »bot« programski robot oziroma agent, ki posreduje med uporabnikom in nekim drugim programom ali pa med različnimi programi. V teoriji in praksi poznamo več vrst botov. V povezavi z umetno inteligenco mislimo na pojem pametnega agenta, ki pomaga pri procesih avtomatskega učenja ali pri tolmačenju vsebin.

Prve zametke botov najdemo že v današnji programski opremi. Zamislimo si pogovor, med katerim želimo izvedeti tečaj dolarja ali pa čas naslednjega poleta v Bruselj. Bot ob pomoči algoritmov umetne inteligence zazna vprašanje, poišče podatke in jih umesti v pogovor, kot bi to storil živi tajnik ali pomočnik.

To je primer zelo preproste rabe bota, na podlagi te tehnologije pa se lahko ustvarijo tudi kompleksne rešitve. Recimo bote, ki bodo pojasnili določene postopke, odgovarjali na vprašanja kupcev in tako dalje.

Klepetalni robot, ki ga uporabniki najdemo na spletnih straneh ali družbenih omrežjih, je programska oprema, ki je prednostno namenjena učinkovitejši komunikaciji z obiskovalci spletnih strani, da lažje in hitreje najdejo iskane vsebine oziroma opravijo nakup.

UPORABA UMETNE INTELIGENCE

UI-sistemi so v našem življenju prisotni že desetletja. Nedavni napredek na področju obsežnih podatkov (big data), sposobnosti računalniške obdelave in izboljšani algoritmi so zmogljivosti UI-sistemov bistveno povečali.

Programe umetne inteligence najdemo že v skoraj vseh sektorjih, v medicini, izobraževanju, turizmu, financah, pravu in proizvodnji. Programi se še vedno izpopolnjujejo in pogosto še ne morejo samostojno nadomeščati obstoječih sistemov. Prepoznavanje slik je sicer že davno preseglo človekove sposobnosti. Vendar strokovnjaki zagovarjajo, da za nekatere UI-sisteme ni nujno, da bi dosegli raven »superčloveka«. Uporabni so že zato, ker so cenejši, hitrejši in v nekaterih primerih učinkovitejši.

Razvoj pametne tehnologije prinaša velike spremembe v turizmu in letalski industriji. Tehnološke izboljšave bodo pospešile procese, ki spremljajo potovanja z letalom, in s poznavanjem kupca čim bolj prilagodile storitve potrebam in okusu uporabnikov.

Umetna inteligenca je in bo uporabna na različnih področjih nacionalne varnosti. Ameriško obrambno ministrstvo že preučuje številne aplikacije umetne inteligence. Razvoj umetne inteligence je v pristojnosti posameznih vojaških zvrsti (kopenske vojske, letalstva, mornarice in marincev).

Naslednje generacije lahko pričakujejo tudi spremembe v izobraževalnem sistemu. Tam naj bi umetna inteligenca celo nadomeščala učitelje, tako da bi popolnoma spremenila načine učenja učencev in jim pomagala pri učenju in razumevanju.

V medicini načrtujejo strojno učenje za hitrejše in boljše postavljanje diagnoze, kot jo lahko postavi strokovnjak zdravnik. Pri tem UI ne nadomešča zdravnika, pač pa mu pomaga, da je njegovo delo bolj učinkovito in brez zamudnih postopkov.

Vpeljava umetne inteligence v medicini bo še trd oreh, saj morajo biti snovalci pozorni tudi na zasebnost podatkov, ki so jo v Združenih narodih opredelili kot temeljno človekovo pravico. Strojno učenje je pomemben del medicine prihodnosti, a zahteva zbiranje ogromnih količin osebnih podatkov o pacientih, zato vzbuja skrbi glede zasebnosti.

IZZIVI UI

Pri implementaciji UI v vsakodnevno prakso se strokovnjaki srečujejo s tremi izzivi: tehničnimi, finančnimi in etičnimi.

Razvoj UI bo najverjetneje povzročil novo industrijsko revolucijo. Izboljšal bo konkurenčnost podjetij. Omogočil napredek na področju medicine. Omogočil nove načine učenja. Umetna inteligenca lahko spremeni razmerje moči in najpomembnejše gradnike globalne ekonomije. Pričakujemo lahko, da bo povzročila tudi politične in družbene spremembe, tako kot sta jih prva in druga industrijska revolucija.

Umetna inteligenca je torej področje računalništva in informatike, ki se ukvarja s tem, kako računalnike naučiti, da iščejo rešitve za različne probleme. Na splošno bi torej lahko rekli, da želimo z metodami umetne inteligence programirati računalnike tako, da znajo posnemati človeka. Pri tem je prva pomembna skrb, da umetna inteligenca ne bi postala pametnejša od človeka in bi samodejno škodovala človeštvu ali prevladala nad njim.

Veliko vprašanje je, kaj, če sistem umetne inteligence pri vseh kognitivnih nalogah postane pametnejši od ljudi. Bi to pomenilo veliko nevarnost za človeštvo in bi sprožilo eksplozijo inteligence ter človeški intelekt pustilo daleč za seboj?

Pred seboj imamo torej dve možnosti: v eni se nam zgodi grozljiva znanstvena fantastika, v kateri nam poveljujejo stroji, v drugi pa nam sistem pomaga izkoreniniti revščino, bolezni in vojne z ustvarjanjem novih tehnologij, ki bi nam bile v super pomoč.

Da bi se zgodil le drugi scenarij, bomo potrebovali dobre strokovnjake, ki bodo tehnologijo razvijali v pravi smeri!

Tiste države, ki bodo imele najbolj izobražene in inovativne kadre in odločevalce ter dostop do najboljših podatkov, najbolj sposobnih računalnikov in ki bodo poskrbele, da bo razvoj na tem področju dobil spodbudo, bodo tekmovale v tekmi za prestiž na področju umetne inteligence.

UČENJE STROJEV

Strojno učenje je zelo uspešen pristop za oblikovanje inteligentnega vedenja. Ko stroji dobijo cilj, v procesu učenja iz podatkov svoje vedenje prilagodijo tako, da je njihovo delovanje optimizirano za doseganje cilja.

Stroji se učijo na različne načine, učenje pa temelji na opisovanju pojavov s podatki, zato so podatki zelo pomembni za proces strojnega učenja. Metode, s katerimi se izvaja strojno učenje: nadzorovano učenje, nenadzorovano učenje, učenje relacij in spodbujevalno učenje. Rezultati strojnega učenja pa so lahko pravila, funkcije, relacije ...

Nadzorovano učenje za učenje uporablja označene podatke. Algoritem se poskuša naučiti osnovnega koncepta iz množice različnih označenih vzorcev. Sprejema lahko milijone različnih označenih vzorcev, na primer slik. Algoritem se nato nauči razlikovati med različnimi slikami in tako prepoznavati različne kategorije. Če stroj dobi na primer zadosti slik breskev in nektarin, se bo naučil, v čem se sadeža, ki sta oba okrogla in imata oranžno rdečkasto kožo, med seboj razlikujeta, in tako bo znal kategorizirati sadeža, čeprav nista posebej označena.

Stroji so s takšnim učenjem že leta 2016 presegli človekovo sposobnost v prepoznavanju in klasifikaciji slik.

Pri nenadzorovanem učenju so vsi vzorci označeni in uporabljeni za učenje. Algoritem poskuša najti neko urejenost ali strukturo tudi med neoznačenimi slikami breskev in nektarin. Tudi brez imen in oznak so stroji sposobni razvrstiti podatke v zbirke ali kategorije na podlagi vzorcev znotraj podatkov. Tako kot lahko ljudje prepoznamo določene vzorce vedenja in pravil tudi v situacijah, ki jih ne poznamo, lahko stroji najdejo odstopanja ali predvidijo prihodnje vedenje na podlagi analiziranja podatkov.

Spodbujevalno učenje za učenje stroja uporablja povratno poročilo iz okolja. Tako kot se ljudje naučimo iz izkušenj, se UI-sistemi naučijo, ali je njihovo delovanje pri doseganju cilja uporabno oziroma škodljivo. Tisti, ki igrate šah z računalniškim nasprotnikom, veste, da ta izpopolnjuje svojo igro tako, da »ugotovi«, da nekatere poteze zagotavljajo boljši rezultat.

Poleg strojnega učenja kot podvrsto UI poznamo še učenje, ki pri učenju stroja uporablja nevralna omrežja. Ta omrežja so ohlapen približek bioloških nevronov in uporabljajo vrsto umetnih nevronov, ki so povezani v omrežje v več plasteh. Vhodni podatki prihajajo v omrežje na eni strani in prehajajo čez različne plasti umetnih nevronov do izhoda. Vhodni podatek za slikovno prepoznavo je na primer vsaka posamezna slikovna točka slike nektarine. Izhod nevralnega omrežja je poimenovanje slike – nektarina.

GO

Strojno učenje in globoko učenje sta podvrsti umetne inteligence. Globoko učenje je podobno podskupini strojnega učenja, proces je skoraj enak, vendar z izkušnjami model globokega učenja postaja postopno boljši, brez kakršnihkoli napotkov.

Eden odmevnejših dosežkov globokega učenja je osvojitev naslova svetovnega prvaka v igri go leta 2016. Go je strateška miselna igra, kjer je možnih več različnih potez, kot je vseh atomov v celotnem znanem vesolju. Nemogoče si je zapomniti poteze iz preteklih partij. Zmagovita globoka nevronska mreža se mora torej zelo dobro znajti tudi v novih, še nikoli videnih okoliščinah. Z globokim učenjem se je stroj sprva seznanil s preteklimi mojstrskimi partijami igre go, nato pa se je od tod naprej izpopolnjeval popolnoma sam. Lahko bi rekli, da je samouk, ki je v nekaj mesecih napredoval tako dobro, da je premagal aktualnega svetovnega prvaka Leeja Sedola z rezultatom tri proti nič.

Stroj, ki je v igri go premagal takratnega svetovnega prvaka, se je imenoval AlphaGo. AlphaGo je nato dobil še druge bolj napredne različice, med njimi tudi AlphaGo Zero, ki se je učil popolnoma sam in sploh ne na primerih iger go in šaha, ki so jih igrali ljudje. To pa še ni vse, razvija se tudi MuZero, ki se pravih potez igre uči, ne da bi mu bila predstavljena navodila igre.