Professional Documents
Culture Documents
: 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
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
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
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
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
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
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
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
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)
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
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