Inteligentni sistemi

: 1 : : O , (, , ): : : 8 : : . . . . . . . . . . . . . : 3 : 2 : 1 ( 100)

6 - 34 - 30 30

 Da li postoji vetaka inteligencija? Da li je podela na prirodnu i vetaku inteligenciju opravdana? Nastanak klasine vetake inteligencije druga polovina XX veka Period od nekih desetak godina: sredinom 50 - tih godina, ranih 60-tih godina ili u savremenoj formi oko 1965 Civilizacijski koreni vetake inteligencije: U antikom periodu znaajan je grki filozof Aristotel (384-322 p.n.e) koji se bavio zakonitostima logikog miljenja

Vetaka inteligencija

Vetaka inteligencija
Teofrast (372-287 p.n.e) i Krisip (281-205 p.n.e) Aristotel je postavio osnovne zakonitosti logikog miljenja koje je nazvao silogizmima Silogizmi su pravila izvoenja posrednih zakljuaka na osnovu osnovnih sudova ili premisa Primer za silogizam je izvoenje zakljuka iz slededih sudova:
Operativni sistem je osnovni raunarski program. Windows je operativni sistem. Zakljuak: Windows je osnovni raunarski program.

Vetaka inteligencija
U prethodnom primeru moe da se uoi: subjekat S, predikat P i srednji pojam M koji ne figurie u zakljuku, ali slui da povee subjekat i predikat u zakljuku Windows je S, osnovni raunarski program je P, dok je operativni sistem M i ne figurie u zakljuku. Ovakva silogistika figura bi mogla da se predstavi na slededi nain: MP SM SP

Vetaka inteligencija
Osim ove Aristotel daje jo dve silogistike figure: PM M-P SM i M-S SP S-P Silogistika figura PM MS SP Potie od Galena (131 200 p.n.e), grkog lekara i filozofa.

Vetaka inteligencija
Istorija koja sledi nije tako znaajna sa aspekta ideja vetake inteligencije, bar ne neposredno. Za neke probleme je potrebno da proe veoma dugo vreme dok se ne krene dalje. Mnogo kasnije filozof i matematiar G. V. Lajbnic (16461716) Maina za zakljuivanje koja bi mogla samostalno da vri dokazivanje u raznim naunim oblastima na univerzalan nain reder, 1890, anticipira nastanak Misledih maina koje de oveka osloboditi dela napornog umnog rada analogno kao to su to maine uinile sa fizikim radom

 Realne mogudnosti za konkretno ostvarivanje takvih i slinih ideja naravno nastaju sa pojavom prvih digitalnih elektronskih raunara 40 - tih godina 20. veka. Istovremeno sa nastankom prvih raunara ameriki matematiar Don fon Nojman (1903-1957) daje svoj uveni opti model raunara na kome se zasniva praktino svaki ikada napravljeni digitalni raunar sve do dananjih dana Iako su prvi raunari uglavnom bili namenjeni i koristili se za numerika izraunavanja, brzo je shvadeno da su raunari maine sa daleko irim mogudnostima primene

Vetaka inteligencija

Vetaka inteligencija
Prvi pokuaji primene raunara u oblasti VI bili su na polju igara (ah), dokazivanja teorema (jednostavnije teoreme), i opteg reavanja problema (jednostavniji zadaci) Mogudnost opteg reavanja problema se pokazala kao izuzetno teak zadatak, tei nego to se to oekivalo Istraivai nisu bili u stanju da metode i sredstva VI primene na zadatke koje reavaju eksperti u raznim oblastima Zbog toga se u daljim istraivanjima panja poklanja sistemima za reavanje specifinih problema u odreenim uskim oblastima

Vetaka inteligencija
Domen VI obuhvata prouavanja u oblastima:
Matematika (teorija igara) Razni praktini aspekti primene:
Percepcija Robotika Razumevanje jezika Zdravorazumsko razmiljanje Finansijska analiza Dijagnostika i terapija u medicini Analiza naunih problema Itd

Struna problematika u raznim oblastima:

Najvanije odrednice sistema VI sa aspekta realizacije na raunarskim sistemima su:

teite raunarskih programa u oblasti VI je vie na obradi simbolikih podataka, a manje na numerikoj obradi cilj programa je reavanje problema do reenja se uglavnom dolazi nekom vrstom pretraivanja, a ree direktno programski jezici specifino razvijeni i namenjeni za primenu u oblasti VI su LISP (LISt Processing), PROLOG (PROgraming in LOGic), objektno orijentisani jezici - Smalltalk i dr.

 Kod strunjaka koji se bave problematikom VI postoje razna shvatanja i definicije. Pre svega, postoje razmimoilaenja u vezi toga da li je VI samo oblast, deo neke nauke - nauna disciplina ili je to samostalna nauka to se tie problematike kojom se VI bavi, tu su razne definicije uglavnom u saglasnosti i odnose se na problematiku konstruisanja maina - ureaja koji de ispoljavati takve vrste ponaanja, koje bi da su rezultat ljudskog ponaanja, bile okarakterisane kao inteligentne

Definicije VI - Vetake Inteligencije

 1983 godine bilo je preko 140 definicija VI Evo nekih definicija: VI je deo kompjuterske nauke koja se bavi dizajniranjem inteligentnih kompjuterskih sistema, to jest sistema koji pokazuju karakteristike koje povezujemo sa inteligencijom u ljudskom ponaanju - razumevanje govora, uenje, reavanje problema i tako dalje VI se bavi programiranjem kompjutera za izvoenje zadataka koje trenutno bolje izvravaju ljudi, jer se pri tome koriste vii mentalni procesi kao to je perceptualno uenje, organizacija memorisanog, rasuivanje

Definicije VI

 VI je prouavanje mentalnih modi kroz upotrebu modela kompjutacije. Pri tome je fundamentalna radna pretpostavka da "Ono to mozak ini moe biti zamiljeno na nekom nivou kao vrsta kompjutacije VI je disciplina usmerena na razumevanje ovekove inteligencije kroz konstruisanje raunarskih programa koji oponaaju inteligentno ponaanje VI se bavi prouavanjima kako da kompjuteri rade ono to ljudi trenutno rade bolje

Definicije VI

Definicije VI
Sve ove definicije VI raznih autora uglavnom se odnose na osnovni aspekt VI, a to je imitacija inteligentnog ponaanja kod ljudi. Oblast VI je multidisciplinarna, jer koristi rezultate i povezana je sa raznim drugim naukama kao psihologija, sociologija, fiziologija, programiranje, teorija sistema itd Poznat je Turing - ov test koji predstavlja kriterijum za inteligentno ponaanje maine (raunara). Test se sastoji u tome da ovek vodedi konverzaciju preko terminala treba da zakljui da li je sagovornik ovek ili maina. Maina se po ovom testu smatra inteligentnom ako ovek na osnovu odgovora maine ne moe da napravi razliku izmeu ivog sagovornika i maine

Oblasti prouavanja VI
Oblast VI obuhvata slededa bitna podruja:

Reavanje problema Razumevanje prirodnih jezika Robotika i vienje Sistemi zasnovani na znanju (Knowledge Based Systems - KBS), ukljuujudi i ekspertne sisteme Mainsko uenje Logiko zakljuivanje Programiranje

Reavanje problema
Reavanje problema predstavlja zadatak koji se najede reava tako da se postupak ralani na proste zadatake ili postupke ije je reavanje rutinsko Mogudnosti za reenje moe biti veoma mnogo, tako da se moe zahtevati nalaenje optimalnog reenja Mora se definisati poetno stanje - od ega se polazi u reavanju problema i opisati ciljno stanje koje odgovara reenju Stanje predstavlja svaka situacija koja moe nastupiti pri reavanju problema

Reavanje problema
Pri reavanju problema preko niza jednostavnih posupaka, reenje problema odgovara nalaenju sekvence postupaka koji vode do ciljnog stanja Svaki korak odgovara prelasku iz jednog u drugo stanje, pri emu naredno stanje treba da bude blie ciljnom stanju

Razumevanje govornog jezika

Razumevanje govornog jezika od strane maine je vano zbog mogudnosti znaajnog unapreenja komunikacije ovek raunar Tu postoje veliki problemi zbog sloenosti govornog jezika i esto prisutnih simbola, fraza koji se ne tumae neposredno i esto su ako se doslovce tumae besmisleni, zatim zbog rasplinutosti i nedovoljne odreenosti jezikih konstrukcija

Roboti
Roboti su maine koje samostalno obavljaju razne mehanike radnje i operacije VI se u ovoj oblasti bavi pre svega: Kontrolisanjem pokreta robota Problematikom prepoznavanja okoline Uenje Razumevanje govora Da bi funkcionisanje robota bilo svrsishodno, pokreti moraju biti adekvatni trenutnom stanju neposrednog okruenja Preko senzora se dobijaju informacije na primer vizuelne, koje dalje treba obraditi tako da se "prepoznaju" i razlikuju objekti i senke iz neposredne okoline

 Sistemi zasnovani na znanju (Knowledge Based Systems - KBS) treba da omogude pre svega simboliko predstavljanje znanja, nalaenje reenja i eventualno samostalno uvedavanje znanja na osnovu iskustva Za razliku od podataka kojima raunarski programi uobiajeno operiu i koji su uglavnom numerike prirode, pri predstavljanju znanja karakteristino je da se koriste preteno nenumeriki podaci Postoji vie naina za predstavljanje znanja i to su produkciona pravila, semantike mree, frejmovi, objekti, itd. o emu de vie rei biti u poglavlju o ekspertnim sistemima

Sistemi zasnovani na znanju (KBS)

Sistemi zasnovani na znanju (KBS)

Od posebnog interesa je reavanje problema kada nije poznato algoritamsko reenje problema, kada odgovarajudi algoritam ne postoji, ili kada je algoritam poznat, ali implementacija na raunaru prevazilazi resurse raunara U tom sluaju se koriste heuristike, pravila za reavanje kojima se na osnovu prethodnog znanja, iskustva i intuicije suava i usmerava podruje traganja za reenjem Primena heuristika ne mora da garantuje nalaenje reenja u optem sluaju za bilo koji mogudi skup ulaznih podataka, kao to je sluaj sa algoritmom

Sistemi zasnovani na znanju (KBS)

Ipak, vrednost ovih pravila je neosporna i pre svega je praktine prirode, ako se u praksi do reenja moe dodi u velikom broju sluajeva Slino ovome, mogu se razmatrati i sluajevi kada se ne raspolae sa svim potrebnim podacima o datom problemu, ili kada su podaci poznati sa izvesnim stepenom verovatnode U tom sluaju su i dobijeni zakljuci prihvatljivi samo sa izvesnom verovatnodom, pa se sistem koristi za procenu izvesnosti pojedinih mogudnosti

Sistemi zasnovani na znanju (KBS)

Vana je i provera logike konzistentnosti podataka, jer se moe desiti da podaci budu takvi da ne mogu nikako da odgovaraju realno mogudem sluaju Automatsko usvajanje i koridenje prethodnog iskustva pri reavanju srodnih i slinih problema je neto to ne bi sasvim eliminisalo potrebu za daljim dodavanjem i usavravanjem znanja koje sistem poseduje, od strane oveka, ali bi sigurno tu potrebu umanjilo

Mainsko uenje
Mainsko uenje, dakle uenje koje nije vezano za neposrednu intervenciju oveka je jedna od karakteristika sistema kojima se odlikuju sistemi VI Vedina sistema je takva da zahteva direktnu intervenciju oveka za izmenu postojedeg, ili dodavanje novog znanja, a postoje i takvi sistemi VI koji mogu da formiraju neku vrstu iskustva, kao to je u prethodnoj taki pomenuto Sa svakim reenim problemom uvedava se znanje sistema VI

Logiko zakljuivanje
Logiko zakljuivanje je od velikog interesa u VI, i do sada su razvijeni sistemi koji se baziraju uglavnom na deduktivnom zakljuivanju Ali da bi deduktivno zakljuivanje uopte i bilo mogude, potrebno je da se primenjuje u teorijski potpuno poznatoj i izuenoj oblasti koja ima zatvoren sistem znanja Deduktivno zakljuivanje ima tu prednost nad induktivnim, da je jednoznano, pa samim tim i lake ostvarljivo Ovakvi sistemi mogu dokazivati razna tvrenja, teoreme

Logiko zakljuivanje
Sa induktivnim zakljuivanjem ved nije tako, jer se induktivno zakljuivanje bazira na generalizaciji iskustva, i zakljuci se mogu prihvatiti sa nekom verovatnodom Dakle, automatizacija induktivnog zakljuivanja treba da bude "predlagakog" karaktera

Programiranje
Programiranje o kome je ovde re, nije aktivnost ljudi programera, ved automatizovano programiranje koje realizuje sistem VI Od interesa je razvoj programa za odreene svrhe, kao i usavravanje ved postojedih programa

Veza sa intelektualnim procesima

Jedno od vanih stanovita sa kojih se vri istraivanje i razvoj oblasti VI je mogudnost saznavanja i istraivanja u oblasti intelektualnih procesa kod ljudi (ispitivanje funkcija mozga) pri emu se polazi od pretpostavke da mogu da postoje analogije Prirodnije bi bilo suprotno, tj. da se na osnovu poznavanja funkcionisanja ljudskog mozga grade sistemi VI Meutim, zbog nedovoljnog poznavanja intelektualnih procesa, na sve naine se pokuava da se doe do odreene predstave ili modela u ovoj oblasti

Veza sa intelektualnim procesima

Naravno, postoje i protivnici ovakvog gledita, J. Searle, M. Boden.... Boden smatra da se iz injenice da sistem VI na pr. uspeno rei neki problem, ne moe zakljuiti da se i mozak ponaa na isti nain, i to povezuje sa injenicom da to to je neka teorija u saglasnosti sa eksperimentom, ne mora da iskljui i mogudnost da i neka drugaija teorija takoe bude u saglasnosti sa istim eksperimentalnim injenicama Nezavisno od ove dileme, sistemi VI su definitivno nali svoju primenu i svoje mesto u mnogim oblastima nauke, tehnike, socijalno-ekonomskim problemima, pa de sa tog aspekta i biti tretirani

Veza sa intelektualnim procesima

Jedan od efekata razvoja VI je da koridenje raunara postaje mogude sa manje znanja programiranja nego ranije, to omogudava da se vie vremena posveti problemu koji se reava Analogno kao to spreadsheet programi omogudavaju raunanje bez potrebe programiranja, razni sistemi VI treba da omogude koridenje i primenu znanja u drugim oblastima reavanja problema Sa preuzimanjem zadataka koje su prethodno iskljuivo ljudi obavljali, raunarske nauke dalje napreduju

Veza sa intelektualnim procesima

Kada neka nova tehnika VI postane dovoljno usavrena, stabilna za primenu i dostupna, esto gubi svoju pripadnost VI Na osnovu prethodnog izlaganja i definicija, moe se redi da je naziv VI uslovan i da pre svega oznaava oblast istraivanja, jer je za sada inteligencija pre svega svojstvo ivih bida

ahovski me Kasparov - DEEP BLUE

Razmotrimo uveni ahovski me odigran u maju 1997 izmedju svetskog ahovskog ampiona Garija Kasparova i IBM-ovog superraunara DEEP BLUE Preuzeto sa IBM ovog site-a : WWW.CHESS.IBM.COM Da li DEEP BLUE uopte i koliko koristi vetaku inteligenciju ? DEEP BLUE je specijalno dizajniran raunar koji je namenjen igranju aha na najviem svetskom nivou, i bazira se na paralelnom sistemu RS/6000 SP

Match details from IBM official web site

game 6: May 11 @ 3:00PM EDT | 19:00PM GMT kasparov 2.5 deep blue 3.5 In May 1997, IBM's Deep Blue Supercomputer played a fascinating match with the reigning World Chess Champion, Garry Kasparov. The event was captured live only on this Web site, where millions of chess and computing fans tuned in to witness the event in real-time. This Web site is an archive of that event, and information on this site has not been updated since the end of the match. Some content may no longer be relevant or up to date, and some links may not function. In particular, the audio and video clips are no longer available. Current information about IBM deep computing can be found at the IBM Research home page.

Although Garry Kasparov and Deep Blue are considered to be two of the greatest chess "players" in the world, each has a distinct manner of playing the game. Both have the ability to look at a chessboard, analyze positions, then make the most optimal move. But the way Deep Blue arrives at the decision to move a particular piece is very different from Kasparov's method of analysis. The following is a top ten listing of the dissimilarities between the way Garry Kasparov and Deep Blue play chess: 1. Deep Blue can examine and evaluate up to 200,000,000 chess positions per second Garry Kasparov can examine and evaluate up to three chess positions per second 2. Deep Blue has a small amount of chess knowledge and an enormous amount of calculation ability. Garry Kasparov has a large amount of chess knowledge and a somewhat smaller amount of calculation ability. 3. Garry Kasparov uses his tremendous sense of feeling and intuition to play world championcalibre chess. Deep Blue is a machine that is incapable of feeling or intuition. 4. Deep Blue has benefitted from the guidance of five IBM research scientists and one international grandmaster. Garry Kasparov is guided by his coach Yuri Dokhoian and by his own driving passion play the finest chess in the world. 5. Garry Kasparov is able to learn and adapt very quickly from his own successes and mistakes. Deep Blue, as it stands today, is not a "learning system." It is therefore not capable of utilizing artificial intelligence to either learn from its opponent or "think" about the current position of the chessboard.

6. Deep Blue can never forget, be distracted or feel intimidated by external forces (such as Kasparov's infamous "stare"). Garry Kasparov is an intense competitor, but he is still susceptible to human frailties such as fatigue, boredom and loss of concentration. 7. Deep Blue is stunningly effective at solving chess problems, but it is less "intelligent" than even the stupidest human. Garry Kasparov is highly intelligent. He has authored three books, speaks a variety of languages, is active politically and is a regular guest speaker at international conferences. 8. Any changes in the way Deep Blue plays chess must be performed by the members of the development team between games. Garry Kasparov can alter the way he plays at any time before, during, and/or after each game. 9. Garry Kasparov is skilled at evaluating his opponent, sensing their weaknesses, then taking advantage of those weaknesses. While Deep Blue is quite adept at evaluating chess positions, it cannot evaluate its opponent's weaknesses. 10. Garry Kasparov is able to determine his next move by selectively searching through the possible positions. Deep Blue must conduct a very thorough search into the possible positions to determine the most optimal move (which isn't so bad when you can search up to 200 million positions per second).

DEEP BLUE
Osim za ah, raunarski sistem na kome se bazira DEEP BLUE nalazi primenu i u nekim sasvim drugaijim oblastima kao to su na primer: idenje i dekontaminacija mesta za odlaganje otrovnih otpadaka Vremensku prognozu Modelovanje finansijskih podataka Automobilski dizajn Razvoj novih medikamentoznih terapija Server za Web site-ove IBM-ov site WWW.CHESS.IBM.COM upravo koristi raunar baziran na istoj tehnologiji kao i DEEP BLUE

 U meu odigranom 1997 godine raunar DEEP BLUE je pobedio Kasparova sa rezultatom od 3.5 prema 2.5 Samo godinu dana ranije u februaru 1996 u prethodnom meu takodje protiv Garija Kasparova, DEEP BLUE je izgubio Interesantno je da je IBM-ov istraivaki tim koji stoji iza razvoja raunara DEEP BLUE uspeo da ga u tako kratkom roku usavri u meri dovoljnoj za pobedu nad svetskim ahovskim ampionom Osnovne izmene su se prema reima direktora IBMovog istraivakog tima odnosile na program koji moe da menja parametre izmedju dve partije, zatim dodato je jo ahovskog znanja i sam sistem je jai od prethodnog, pre svega bri je priblino dva puta

ahovski me Kasparov - DEEP BLUE

ahovski me Kasparov - DEEP BLUE

Prema izvetajima sa mea, i to u poslednjoj estoj partiji Gari Kasparov je proivljavao zaista teke trenutke Na osnovu prvih nekoliko poteza, mogla se oekivati strategijska borba i pozicija je za crnog, tj. Kasparova bila veoma solidna Dramatian preokret je nastao ved posle sedmog poteza Kasparova, kada je DEEP BLUE odigrao interesantan potez naizgled dosta neuobiajen za mainu DEEP BLUE je naime inicirao neravnopravnu razmenu, tj. rtvovao je konja za peaka

ahovski me Kasparov - DEEP BLUE

Ovakav potez je u datoj situaciji poznat kao vrlo jak, jer statistika pokazuje da samo jedan od devet igraa koji prihvati ovakvu rtvu moe da izbegne poraz, i to ako ima srede Posle ovog poteza koji mu je onemogudio rokadu, Kasparov je promenio stil igre i poeo da igra odbrambeno otvaranje Karo Kan kao njegov stari protivnik Anatolij Karpov Medjutim ved u 19 potezu partija je zavrena u korist raunara, to je istovremeno znailo i pobedu u meu

ahovski me Kasparov - DEEP BLUE

Jedno od merila vanosti ovog mea je da je razvojni tim IBM-ovih strunjaka podelio $700.000 nagrade za osvojeno prvo mesto, dok je za drugo mesto Kasparov dobio $400.000 ah se ved dugo vremena smatra za jednu od igara kod koje pre svega dolaze do izraaja ovekove intelektualne sposobnosti, to ovom dogadjaju i daje najvedu teinu Svojevremeno je u filmu Odiseja u svemiru 2001 snimljenom 1968, ahovska partija izmedju raunara HAL na svemirskom brodu Discovery, i jednog od astronauta trebalo da pokae intelektualnu mod raunara

ahovski me Kasparov - DEEP BLUE

Zanimljivo je da ime HAL predstavlja svojevrsnu skradenicu od Heuristically programmed ALgorithmic computer. Heuristike i heuristiko programiranje su danas veoma vani u VI i bide detaljnije objanjeni u vezi Ekspertnih Sistema.

Modifikovani Turing-ov test

Da bi se pomenuti Turing-ov test za dokazivanje inteligentnog ponaanja maine mogao praktino koristiti, potrebno je uvesti odredjena ogranienja Pre svega potrebno je ograniiti oblast konverzacije izmedju oveka i maine Jedno od vrlo praktinih reenja u tom smislu je ahovsko ogranienje Da bi se raunaru pruila to veda ansa, test se ne sastoji u tome da se na osnovu direktne partije preko terminala donese zakljuak o prirodi nevidljivog protivnika

 U direktnoj partiji bi se na osnovu nekih neuobiajenih poteza koji nisu povueni sa ciljem da se pobedi ved da se na osnovu reakcije protivnika zakljui da li je ovek ili raunar Umesto toga, test se sastoji u tome da se analiziranjem zapisanih poteza ved odigrane partije zakljui o prirodi igraa, pri emu je mogude da raunar ili ovek budu jedan ili oba igraa U jednom takvom eksperimentu, Gari Kasparov je s vremena na vreme ali ne pouzdano mogao da zakljui o kakvim se protivnicima radi

Modifikovani Turing-ov test

 ah se naravno ne moe uzeti kao neki opti pokazatelj ili kriterijum inteligentnog ponaanja, iz prostog razloga to je to jedna veoma specifina aktivnost ak ta vie, moe se redi da ah ne predstavlja tako veliki problem za primenu na raunaru kao to su to neki drugi problemi, na primer prepoznavanje oblika, razumevanje govora, planiranje, itd Ljudi i raunari jednostavno nemaju isti pristup ahu Osnovne prednosti raunara su ogromna brzina i mogudnost memorisanja ogromnog broja razliitih pozicija

Modifikovani Turing-ov test

 Na taj nain mogude je da raunar unapred analizira veliki broj mogudih poteza, i da na osnovu toga odabere slededi potez. Procenjeno je da bi Kasparov mogao da proceni najvie dva do tri poteza u sekundi, dok DEEP BLUE moe da izrauna oko etvrt milijardi ahovskih pozicija u sekundi Postoji jako dobra korelacija izmedju broja unapred izraunatih poteza i nivoa igre raunara, to se meri postignutim rezultatima u igri Ovakav pristup ahu se bazira na tzv. sirovoj snazi raunara (brute force)

Modifikovani Turing-ov test

 Programi za ah koriste uglavnom neke jednostavnije heuristike koje se baziraju na oznaavanju i koridenju razliitih vrednosti koje se dodeljuju figurama u cilju njihovog rangiranja prema znaaju, razliito obeleavanje slobodnih i branjenih polja, itd Ljudski pristup je sasvim drugaiji, i bazira se pre svega na opaanju i uoavanju (pattern recognition) bitnih situacija i odnosa Ljudi ne gube vreme analizirajudi veliki broj neperspektivnih poteza, ved panju usmeravaju samo na analiziranje manjeg broja potencijalno perspektivnih poteza

Modifikovani Turing-ov test

Modifikovani Turing-ov test

Osim toga, svesno ili nesvesno ljudi mogu menjati stil igre za vreme jedne partije, i time koristiti uoene slabosti raunara Sa druge strane, postoje situacije kada je izraunavanje velikog broja poteza unapred izuzetno vano, na primer u ahovskim zavrnicama kada ostane malo figura Na primer, kralj i pion protiv kralja, konja i lovca moe da predstavlja vrlo teku zavrnicu Primenom raunara za analizu u ovakvim sluajevima dolo se do reenja koja su imala i po nekoliko stotina poteza

Modifikovani Turing-ov test

Pojedini ahisti su ak probali da naue potreban niz poteza, to predstavlja svojevrsno oponaanje raunara ah spada u red problema u kojima su raunari danas uporedivi sa ljudima Prema tvrenju Kloda enona osnivaa teorije informacija, ah je dobro definisan kako u dozvoljenim potezima tako i u konanom cilju Nije ni suvie jednostavan da bi bio trivijalan, a ni suvie komplikovan za postizanje zadovoljavajudeg reenja

 Igra go sa dalekog istoka se smatra komplikovanijom od aha, i za sada ak ni raunar kao to je DEEP BLUE ne bi mogao da postigne zadovoljavajude rezultate u takvoj igri Postoji veliki broj teih problema u kojima raunari zaostaju za ljudima kao to su prepoznavanje oblika, razumevanje govora, uenje, sloeno planiranje U ovakvim problemima je primenjivanje metoda koji se zasnivaju na sirovoj snazi raunara neadekvatno Pobeda raunara nad svetskim ahovskim ampionom bazira se pre svega na primeni prednosti koje prua sirova snaga raunara, a manje na primeni metoda koje imitiraju ponaanje ljudi, ili moda nekih jo uspenijih metoda

Modifikovani Turing-ov test

Modifikovani Turing-ov test

Inteligentno ponaanje je (jo uvek) svojstvo vezano za najvie oblike ivota, za ljude pre svega Sutinsko razumevanje inteligencije i funkcije mozga bi moglo da bude povezano sa razvojem raunara i koncepata VI analogno kao to je to bio sluaj sa upoznavanjem funkcije nekih drugih organa Na primer, ljudi su kroz vekove imali prilike da vide srce ubijene ivotinje, ali nisu znali funkciju tog organa Danas, vrlo jednostavno objanjavamo funkciju srca tako to ga poredimo sa neim poznatim, a to je pumpa, i kaemo da je srce u stvari jedna vrsta pumpe

Modifikovani Turing-ov test

Slino tome, oko poredimo sa mranom komorom ili foto kamerom Funkcija nerava nam moe biti jasna ako ih uporedimo sa icom koja provodi elektrine impulse Ali da bi razumeli kako funkcionie mozak, da li demo prethodno morati da napravimo neki vetaki sistem baziran na raunarima koji de koristiti neke sline kljune koncepte kao i mozak?

http://www. opera17.com/show biz/2010/02/ 21/opera17vam-citamisli-cikpokusaj-daslazes/