Гимназија Крушевац

Матурски рад из рачунарства и информатике

ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА

Ментор: Ученик:
Александар Костадинов Јован Бабић, IV-8

Крушевац, 2018. година

САДРЖАЈ
1. УВОД .......................................................................................................................... 1
2. ПРОБЛЕМИ ДЕФИНИЦИЈЕ ВЕШТАЧКЕ ИНТЕЛИГЕНЦИЈЕ .......................... 3
2.1. Приступ заснован на Тјуринговом тесту.......................................................... 4
2.2. Приступ заснован наа когнитивном моделовању ........................................... 6
2.3. Приступ заснован на рационалним агентима .................................................. 7
3. ИСТОРИЈА ВЕШТАЧКЕ ИНТЕЛИГЕНЦИЈЕ ....................................................... 8
3.1. Почетак области вештачке интелигенције и рани ентузијазам...................... 8
3.2. Доба експертских система ............................................................................... 11
3.3. Повратак технологије неуронских мрежа ...................................................... 13
3.4. Вештачка интелигенција у време интернета и веба ...................................... 14
4. НЕКИ НАЈУСПЕШНИЈИ ВИ СИСТЕМИ ............................................................ 16
4.1. Аутономно планираање и извршавање .......................................................... 16
4.2. Играње шаха...................................................................................................... 16
4.3. Игра Даме .......................................................................................................... 17
4.4. Аутономно управљање возилима.................................................................... 17
4.5. Медицинска дијагностика и терапија ............................................................. 18
4.6. Интелигентно распоређивање ......................................................................... 18
4.7. Роботика ............................................................................................................ 18
4.8. Аутоматско препоручивање ............................................................................ 18
4.9. Рачунарске видео игре ..................................................................................... 19
5. ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА У ОБРАЗОВАЊУ .......................................... 19
6. ЗАКЉУЧАК ............................................................................................................. 20
7. ЛИТЕРАТУРА ......................................................................................................... 21
 1. УВОД
Међу свим људским способностима, интелигенција је одувек представљала највеће
интересовање јер је то високо цењена способност код људи. Постоје различите
дефиниције интелигенције, али су најзаступљеније биолошка, која каже да је
интелигенција способност адаптације или прилагођавања, а по другој психолошкој
дефиницији интелигенција је способност коришћења старог искуства у новим
ситуацијама. Опште је познато да човек представља најинтелигентније биће на Земљи и
да је тако у својој еволуцији одувек тежио да проналази средства која ће му олакшати
обављање разних тешких послова.
Како се наука развијала све се више јављала идеја да човек своје интелектуалне
активности повери неким новим машинама које су имале за циљ да репродукују
интелигентно понашање. На том плану све су се више развијали тзв. „електронски
мозгови“ који су, наравно, далеко примитивнији у односу на људски мозак, једино су
слични у количини примљених информација и брзини њихове обраде.
Вештачка интелигенција (такође позната као ВИ, односно AI на енглеском) је
подобласт рачунарства. Циљ истраживања је развијање програма (софтвера) који ће
рачунарима омогућити да се понашају на исти начин који би се могао окарактерисати
интелигентним. Идеја о стварању машина које ће бити способне да обављају различите
задатке интелигентно била је централна преокупација научника рачунарства који су се
определили за истраживање вештачке интелигенције током целе друге половине 20.
века. Савремена истраживања у ВИ су оријентисана на екпертске и преводилачке
системе у ограниченим доменима, препознавање природног говора и писаног текста,
аутоматске доказиваче теорема, као и константно интересовање за стварање генерално
интелигентних аутономних агената.
У ширем смислу, ВИ као појам представља капацитет једне вештачке творевине за
реализовање функција које су карактеристика људског размишљања. Могућност
развоја сличне творевине је будила интересовање људи још од античког доба; ипак, тек
у другој половини 20. века таква могућност је добила прва оруђа (рачунаре), чиме се
отворио пут за тај подухват.
Потпомогнута напретком модерне науке, истраживања на пољу вештачке
интелигенције се развијају у два основна смера: психолошка и физиолошка
истраживања природе људског ума и технолошки развој све сложенијих рачунарских
система.
У том смислу, појам вештачке интелигенције се првобитно приписао системима и
рачунарским програмима са способностима реализовања сложених задатака, односно
симулацијама функционисања људског размишљања, иако и дан данас, прилично
далеко од циља. У тој сфери, најважније области истраживања су обрада података,
препознавање модела различитих области знања, игре и примењене области, као на
пример медицина.

1
 Неке области данашњих истраживања обрађивања података се концентришу на
програме који настоје оспособити рачунар за разумевање писане и вербалне
информације, стварање резимеа, давање одговора на одређена питања или
редистрибуцију података корисницима заинтересованим за одређене делове тих
информација. У тим програмима је од суштинског значаја капацитет система за
конструицање граматички тачних реченица и успостављање безе између речи и идеја,
односно идентификовање значења. Истраживања су показала да, док је проблеме
структурне логике језика, односно његове синтаксе, могуће решити програмирањем
одговарајућих алгоритама, проблем значења, или семантика, је много дубљи и иде у
правцу аутентичне вештачке интелигенције.
Основне тенденције данас, за развој система ВИ представљају: развој експертских
система и развој неуронских мрежа. Експертски (експертни) системи покушавају да
репродукују људско размишљање преко симбола. Неуронске мреже то раде више из
биолошке перспективе (рекреирају структуру људског мозга уз помоћ генетских
алгоритама). Упркос сложености оба система, резултати су веома далеко од стварног
интелигентног размишљања.
Многи научници су скептици према могућности развијања истинске ВИ.
Функционисање људског размишљања још увек није дубље познато, из ког разлога ће
информатички дизајн интелигентних система још дужи период бити у суштини
онеспособљен за представљање тих непознати и сложених процеса.
Истраживања у ВИ су фокусирана на следеће компонента интелигенције:
 Учење
 Размишљање
 Решавање проблема
 Перцепција
 Разумевање природног језика

Напредни Корак у
Иновативној Мобилности
(АСИМО), развије од стране
Хонде и дизајниран да буде
мулти-функционални мобилни
асистент. Често коришћен у
демонстрацијама широм света
да подстакне изучавање науке и
математике.

2
 2. ПРОБЛЕМИ ДЕФИНИЦИЈЕ ВЕШТАЧКЕ
ИНТЕЛИГЕНЦИЈЕ
И поред полувековне историје ВИ је и даље област коју је тешко прецизно
дефинисати. Примери неких дефиниција добијених дихотомијом у односу на димензије
резоновања и понашања су дати на следећој слици:

Слика 1: Категорије о могућим погледима на системе вештачке интелигенције

Горње две категорије се баве процесима размишљања и расуђивања (резоновања),

док се доње две баве понашањем. Категорије са леве стране мере успешност у
контексту поклапања са људским перформансама, док оне са десне стране мере
успешност у поређењу са идеалним концептима интелигенције које називамо
рационалност. Систем је рационалан ако ради „праву ствар“ с обзиром на оно што зна.
Иза ове колоквијалне тврдње стоји захтев да систем поседује пуну свест о циљу,
односно формално говорећи да је имплицитно или експлицитно дефинисана
критеријумска функција, која у неком метричком простору мери успешност деловања
интелигентног система у свом радном окружењу.

3
 Системи који размишљају као људи Системи који размишљају рационално
„Узбудљив нови покушај да се компјутери „Израчунавање менталних способности кроз
натерају да размишљају... машине са умом, у коришћење компјутерских модела“ (Чамијак и
пуном и буквалном смислу.“ (Хаугеланд, Мекдермот, 1985.)
1985.)
„Израчунавање рачунања које омогућава
„[Аутоматизација] активности које асоцирамо опажање, расуђивање и деловање“ (Винстон,
са људским размишљањем, активности као 1992.)
што су доношење одлука, решавање проблема,
учење...“ (Белман, 1987.)
Системи који се понашају као људи Системи који се понашају рационално
„Вештина прављења машина које извршавају „Рачунарска Интелигенција је наука о
функције које захтевају интелигенцију када се дизајнирању интелигентних агената“ (Пул,
извршавају од стране људи“ (Курзвеил, 1990.) 1998.)

„Изучавање како натерати рачунаре да раде „ВИ... се бави интелигентним понашањем

ствари у којима су, тренутно, људи бољи“ вештачких направа“ (Нилсон, 1998.)
(Рич и Најт, 1991.)
Табела 1: Неке дефиниције вештачке интелигенције организоване у 4 категорије

Сва четири тумачења ВИ су била актуелна у појединим историјским фазама развоја

области. Као што се може очекивати, тензија постоји између приступа центрираних око
људи и приступа центрираних око рационалности. Људски-централни приступи
доминантно морају бити емпиријска наука, која укључује хипотезу и експерименталну
потврду о људском понашању. Рационалистички приступ користи комбинацију
математике и инжињерства.

2.1. Приступ заснован на Тјуринговом тесту

Алан Тјуринг, енглески математичар, је у свом
утемељујућем раду из 1950. године „Computing
Machinery and Intelligence“ предложио да уместо
питања да ли машине могу да мисле, треба да се
запитамо да ли машина претенд на интелигенцију
може да прође тест интелигентног понашања, који
је затим назван Тјурингов тест. Оригинално је
Тјуринг овај тест формулисао као игру погађања ко
је мушкарац, а ко жена, на основу питања
независног испитивача.

Слика 2: Алан Тјуринг (1912-

1954) утемељивач рачунарских
наука и вештачке интелигенције

4
 Игра имитације како је формулисана у
Тјуринговом раду „Computing Machinery and
Intelligence“. Играч C, на основу серије писаних
питања покушава да одреди који од друга два
играча је мушко а ко женско. Играч А, мушкарац,
тежи да обмане играча C и наведе га на погрешан
закључак, док играч В покушава да помогне
играчу С.

Машина пролази Тјурингов тест ако особа испитивач, после постављања неколико
питања у писаној форми, не може да одреди да ли је писани одговор дао човек или
машина. Машина која би евентуално прошла Тјурингов тест, морала би да има следеће
способности:
 Обраду природних језика – да би могла успешно да комуницира у
природном језику;
 Репрезентација знања – да би меморисала оно што зна и прима на основу
сензора;
 Аутоматско резоновање – да би користила меморисане информације за
одговарање на питања и за доношење нових закључака;
 Машинско учење – да би се адаптирала новим околностима.

Тјурингов тест је намерно избегавао директну физичку интеракцију између

испитивача и рачунара, зато што је физичка симулација човека непотребна за
интелигенцију. Међутим, такозвани потпуни Тјурингов тест укључује видео сигнал,
тако да испитивач може да тестира перцепцијске и моторне способност испитаника. Да
би прошао потпуни Тјурингов тест рачунар мора да овлада:
 Рачунарском визијом – у циљу визуелне перцепције околине и објеката у
њој
 Роботиком – ради кретања у простору манипулацијом објеката у њему.

Ових 6 дисциплина чине доминантан део ВИ, а Тјурингов тест у неизмењеној

форми и данас представља тест достигнућа у овој области. Контраверзни богаташ Хју
Лобнер је 1990 године установио Лобнерову награду и медаљон у вредности од
100,000$ за програм који се у текућој години највише приближио пролажењу
Тјуринговог теста.

5
 2.2. Приступ заснован наа когнитивном моделовању
Ако претендујемо да кажемо да дати рачунарски програм размишља као човек,
морамо прво на неки начин да одредимо како људи размишљају. Постоје три начина да
се ово уради: кроз интроспекцију – покушавајући да ухватимо сопствене мисли, помоћу
психолошких експеримената посматрајући деловање и реакције човека у
контролисаним условима, и коначно функционалним мапирањем мозга савременим
системима функционалне магнетске резонанце. Када би се изградила довољно јака
теорија ума, наредним корак, имплементације ове теорије у виду рачунарског програма,
представљала би крупан практичан корак у имплементацији интелигентних вештачких
система. Ако се резултати оваквих рачунарских програма поклапају са
кореспондирајућим људским понашањима, то би доказивало чињеницу да се неке
људске активности одвијају по програмираним шемама понашања и реаговања. На
пример, Ален Њувел и Херберт Сајмон, који су развили „Уопштени Решавач
Проблема“ (General Problem Solver, GPS), нису имали за циљ само то да њихови
програми решавају проблеме тачно, већ и да начин решавања буде што сличнији
људском начину долажења до решења. Интердисциплинарна област когнитивне науке
повезује рачунарске моделе из ВИ и експерименталне технике из психологије, са
крајњим циљем прављења прецизне теорије о начину рада људског мозга, коју је
могуће практично тестирати. Као резултат упрошћеног схватања аналогије између
људског мишљења и рачунара, појавила се интерпретација по којој је наше мишљење
резултат извођења еквивалентног програма на биолошком хардверу – мозгу, као што је
вештачки интелигентни систем резултат извршавања рачунарског програма на
хардверу – рачунару. Овакве и сличне аналогије представљале су основу за
дугогодишње дебате у научним круговима око њиховог стварног оправдања,
формирајући два непомирљива табора: заступнике такозване јаке и славе хипотезе
вештачке интелигенције.
Вештачка интелигенција и когнитивне науке се данас развијају независно,
употпуњујући једна другу, посебно у областима визије и природних језика. Визија је
посебно у скорије време направила значајне помаке због интегрисаног приступа који
узима у обзир и неуропсихолошке доказе и рачунарске моделе.

Слика 3: Груба еквиваленција људског мишљења и софтвера, односно биолошког мозга

и хардвера у оквиру идентификације везе између вештачке интелигенције и
когнитивних наука

6
 2.3. Приступ заснован на рационалним агентима
Агенти, који су данас врло актуелни на интернету, воде своју етимологију од
латинске речи agere – радити. У том смислу, сваки програм је агент, али оно што се
данас подразумева под рачунарским агентом су програми који делују и мењају своје
окружење, а при томе поседују аутономну контролу, способност перцепције и
адаптације. Рационални агент је онај агент који се понаша тако да остварује најбољи
могући исход за постављени циљ, или када постоји неки облик неодређености, најбољи
очекивани исход.
Ова модерна парадигма ВИ потпуно одустаје од идеала да рационални агент мора
бити направљен по узору на људе и њихов начин остваривања циљева. С друге стране
је јасно, да би интелигентни агент који пролази Тјурингов тест, засигурно био и
рационални агент. Опредељивање за критеријумсу функцију рационалности, која је
јасно дефинисана и потпуно уопштена, доприноси да на развој интелигентних система
више утиче научно технолошки развитак релевантних дисциплина од других приступа
базираних на људском понашању и људском мишљењу. Људско понашање, са друге
стране, је прилагођено за специфично социо-био-еколошко окружење и резултат је,
делом компликованог и мало познатог еволутивног процеса који је још увек далеко од
оптималности. Односно, принцип оптималности јесте један од могућих критеријума
ове класе система, али засигурно није једини.
И поред свих добрих страна овог приступа који данас доминира облашћу ВИ,
постоји снажан фрон унутар ВИ заједнице који сматра да су на овај начин изневерене
изворне идеје ВИ – преношење људског начина деловања и мишљења на вештачке
системе, односно стварање вештачког хуманоида који би прошао Тјурингов тест.

7
 3. ИСТОРИЈА ВЕШТАЧКЕ ИНТЕЛИГЕНЦИЈЕ
Док је рани развор ВИ био доминантно диктиран војним програмима и општом
климом хладног рата, крај прошлог и почетак овог века диктира захтеве произашле из
интернет и веб технологије на чијој основи ниче нова дигитална економија. Обухваћен
је временски период од појаве првих дигиталних рачунара педесетих година прошлог
века па до данас. Запажа се стварање једног читавог циклуса развоја. Област је
започела постављањем за циљ синтезе система који показују својства људске
интелигенције, да би смо данас поново имали оживљавање овог истог приступа кроз
захтев за HLAI (Human Level Artificial Intelligence) системима.

3.1. Почетак области вештачке интелигенције и рани

ентузијазам
Ако машине претендују на интелигентно понашање, оне морају у најмању руку,
бити у стању да делују и размишљају на људски начин. Стога је први корак у развоју
ВИ био усмерен на идентификацији неких специфичних задатака који захтевају
интелигенцију приликом решавања, са циљем трансфера оваквог стила решавања на
машине. Решавање загонетки, играње различитих игара као што су шах и мица,
доказивање теорема, одговарање на једноставна питања и разврставање визуелних
слика су неки од таквих проблема којима су се бавили пионири ове области током
педесетих и шездесетих година 20. века. Иако је већина ових проблема по својој
сложености одговарају „играчкама“ у односу на реалне проблеме, рана истраживања у
овој области су дотакла и неке сасвим реалне практичне проблеме, као што су
аутоматско превођење са једног језика на други или препознавање руком писаних
знакова на банковним чековима. Сејмур Паперт је први употребио реч „проблем-
играчка“ 1967. године разврставајући све проблеме унутар области ВИ на такозване тау
(играчка), ро (реалне) и тета (теоријске) проблема. Ова подела и данас има сасвим
задовољавајући смисао.
Појава ВИ као равноправне области истраживања коинцидира са три значајне
конференције одржане 1955, 1956. и 1958. године. То су Сесија о машинском учењу у
оквиру Заједничке западне рачунарске конференције, одржана у Лос Анђелесу 1955.
године, Летњи истраживачки пројекат из вештачке интелигенције, одржан 1956. године
на Датмут колеџу и симпозијум под називом Механизација процеса размишљања
одржана 1958. године у Енглеској, под покровитељством Националне лабораторије за
физику.
Летња школа на Датмуд колеџу није у стручном погледу дала значајније
резултате, али представља култни догађај из два разлога. Прво, на њој се први пут
окупила група тада младих истраживача, углавном Шенонових бивших студената, који
су одиграли пресудну улогу у развоју области. Друго, Макарти је на овом скупу први
пут употребио назив Вештачка интелигенција, који је затим прихваћен као име за
целокупну нову научну област.

8
 Слика 4: Неки од утемељивача ВИ, на четрдесетогодишњици Датмуд летње школе,
2006. године. Са лева на десно: Тренчард Мор, Џон Мекарти, Марвин Мински,
Оливер Селфриџ и Реј Соломоноф

У овом периоду развоја ВИ, доминирала су два правца. Један, ношен првобитним
ентузијазмом и идејом да у основи људске способности решавања проблема лежи мали
број општих принципа, чијим откривањем би се дошло до светог грала области,
односно општег решевача свих проблема (General Problem Solver, GPS). На проблему
GPS радили су Њувел и Сајмон, подстакнути пионирским успехом у развоју програма
Логички Теоретичар (Logic Theorist), намењеног доказивању теорема пропозиционе
логике, полазећи од пет аксиома, како је то изложено у класичном раду Principia
Mathematica, Vol. 1, Расела и Вајтхеда. У оквиру ограничене класе слагалица које може
да реши, испоставило се да је ред по ком програм бира подциљеве и могуће акције
сличан начину на који човек приступа истом проблему. Зато се GPS сматра једним од
првих програма који је имитирао људско размишљање. Успех GPS-а и каснијих
програма као модела размишљања довео је Њувела и Сајмона до формулације чувене
хипотезе физичких симболичких система, која каже да физички симболички систем
има потребну и довољну снагу да генерише интелигентну акцију. У основи ове
хипотезе је уверење да суштину интелигенције, без обзира да ли се остварује у
биолошким или вештачким системима, представља еквивалентна манипулација
структурама симбола.

Слика 5: Алан Њувел и Херберт Сајмон, творци првог програма

намењеног општем решавању проблема

9
 Натанијел Рочестер и његове колеге из IBM-a су направили неке од првих ВИ
програма. Хербер Гелернтер је направио Доказивач Геометријских Теорема, који је
могао да доказује теореме чији би докази били тешки и за многе студенте математике.
Почевши од 1952. године, Артур Семјуел је написао низ верзија програма за игру Даме,
који је на крају играо боље од његових креатора.
Џон Мекарти је дао низ важних доприноста само у једној, 1958. години. Дефинисао
је језик LISP, који је постао доминантан ВИ програмски језик. LISP је други најстарији
велики језик високог нивоа који се тренутно користи, једну годину млађи од
FORTRAN-a. Исте године објавио је рад под називом Програми са Здравим разумом, у
коме је описао Узимач Савета (Advice Taker), хипотетички програм који може да се
посматра као комплетни ВИ систем. Као и Логички Теоретичар и Доказивач
Геометријских Теорема, Мекартијеви програми су прављени тако да користе знање у
потрази за решењима проблема. Узимач Савета је већ садржавао централне принципе
репрезентације знања и аутоматског резоновања: формална експлицитна
репрезентација света и начина на који агентове акције утичу на свет, као и механизми
дедуктивног манипулисања овим репретентацијама. Од 1958. године се ништа није
променило у овим јасним и делотворним принципима организације и употребе знања у
дедуктивним системима ВИ.
Марвин Мински је у том истом периоду водио групу студената који су се бавили
решавањем ограничених проблема за чије решавање је била потребна људска
интелигенција. Џејмс Слеглов SAINT (Symbolic Automatic INTegrator) програм (1963.)
је могао да реши проблеме налажења неодређених интеграла у затвореној симболичкој
форми. Том Евансов програм Analogy (1968.) решавао је геометријске проблеме које се
појављују на тестовима интелигенције. Данијел Бобровов програм Student (1967.) је
решавао текстуалне алгебарске проблеме, типичне за ниже и средње разреде основне
школе.
Паралелно са класичним симболичким приступом решавању ВИ проблема, почиње
и развој новог приступа заснованог на концепту вештачких неуронских мрежа.
Првобитни модели су били засновани на Мaкалоховом и Питсовом моделу неурона и
Хебовом принципу обучавања. Бернард Видроу је реформулисао принципе обучавања
и своје неуронске структуре називао ADALIN-е, док је Френк Розенблат развијао своје
сложеније структуре назване Перцептрон. Розенблат је аутор прве теореме о
конвергенцији алгоритма обучавања перцептрона, која показује да његов алгоритам
обучавања може да прилагоди појачање веза перцептрона тако да се на основу њих
увек може вршити дискриминација концепата садржаних у улазним подацима, под
условом да се ови концепти не преклапају у простору улазних описа.

10
 3.2. Доба експертских система
Системи засновани на експлицитно кодованом знању, почињу да се појављују први
пут 70-тих и 80-тих година двадесетог века. Више је разлога за померање тежишта
развоја области ВИ ка овој технологији. Први разлог лежи у комбинаторијалној
експлозицији, која се појављује у сложенијим ВИ системима заснованим искључиво на
принципу слепе претраге у еквивалентном простору стања, са мало или нимало
експлицитно уграђеног знања о проблемском домену. Други разлог је опште сазревање
области ВИ, чиме је омогућено померање ка реалнијим практичним проблемима. Ово је
водило специјализацији ВИ ка подобластима као што су експертски системи,
рачунарска визија и процесирање природних језика. Трећи и можда најважнији разлог
је доношење такозваног Мансфилдовог амандмана, који је наметнуо ограничење
Америчком министарству одбране (U.S. Department of Defense - DoD) приликом
финансирања основних истраживања. Наиме овај амандман донет 1969. године захтева
да свако основно истраживање подржано од министарства одбране, мора имати
директну војну практичну примену. Будићи да је и до 1969. године министарство
одбране био ексклузиван финансијер ВИ истраживања, Мансфилдов амандман је
утицао на додатну апликативну црту приликом њиховог формулисања. Осим тога и
друге велике компаније на западу су озбиљније почеле да истражују комерцијалне
потенцијале ВИ.
Програм DENDRAL је рани пример овог приступа. Направљен је на Станфорду,
где су се Едвард Фајгенбаум, бивши студент Херберт Сајмона, Бруса Бучанан, филозоф
и информатичар и Џошуа Ледерберг, генетичар и добитник Нобелове награде,
удружили да би решили проблем одређивање структурне молекуларне формуле датог
једињења на основу информација добијених из мас-спектрометара и његове хемијске
формуле. Ледерберг је већ развио програм који може да генерише све тополошки
могуће ацикличне структуре на основу задате хемијске формуле. Успех овог система
потиче од идеје да се искористи знање искусних хемичара приликом интерпретације
мас-спектралних података. Ова знања су искоришћена да се ограниче могуће структуре
генерисане Ледерберговим алгоритмом. Данас се под именом DENDRAL подразумева
читава колекција програма развијана на овом пројекту све до краја 70-тих година
прошлог века. Интересантан је податак да многе од ових програма хемичари и данас
користе у пракси. Значај DENDRAL-а је био у томе да је то први успешни систем који
је интензивно користио доменско знање у форми IF-THEN правила.
Следећи значајан експертски систем развијан на Станфорду је био из области
медицинске дијагностике. Фајгенбаум, Бучанан и Едвард Шортлиф, у то време студент
медицине, развили су систем MYCIN који је служио као консултански систем са
лекарима из домена дијагностике и терапије инфекција крви. Прво питање које је
разрешавало у оквиру овог пројекта се односило на начин кодовања експертског знања
лекара дијагностичара. Показало се да је формализам IF-THEN правила, развијен у
оквиру пројекта DENDRAL идеалан за медицински домен. Наиме, на природан начин
IF део правила обухвата симптоме, а THEN део садржи узроке тих симптома. Ова
елементарна знања су добијана кроз поступак интервјуа са лекарима из датог
медицинског домена.

11
 Интересантно је напоменути да IF-THEN тип резоновања има врло дугу историју у
медицина. У такозваном Едвин Смитовом папирусу о хируршким знањима древних
египћана који датира из XVII века пре нове ере, стоји следеће:

Случај 30

Назив: Упутство у вези ишчашења пршљена врата

Преглед: Ако испитујеш човека који има ишчашење вратних пршљенова, потребно је да
му кажеш: „Погледај прво у своја рамена, а затим погледај у своје груди.“ Сазнај да ли при
томе осећа бол.

Дијагноза: Ако при томе осећа бол, реци му да има ишчашење вратних пршљенова и да
ћеш излечити његову болест.

Третман: Првог дана умотај врат свежим месом. Након тога, сваког дана до опоравка
стављати мед

Са око 450 правила, MYCIN је давао дијагностике подједнако добро као експерт, а
знатно боље од младих доктора. За разлику од претходних система, Шортлиф је у
систему MYCIN увео хеуристичку меру сигурносних правила, скалирану на опсег [0,1],
коју је назвао фактором уверења.

Слика 6: Брус Бучанан и Едвард Тед Шортлиф, развили експертски систем

MYCIN за дијагностику инфекција крви.

12
 Важност овог пројекта проистиче из његове иновативне архитектуре. Наиме,
систем за резоновање је потпуно одвојен од базе медицинских знања, односно скупа
кодованих правила. Вилијам ван Мел је искористио ову чињеницу и имплементирао
систем EMYCIN, где Е потиче од Empty – празан. У овом систему база знања је празна
и може се уз одговарајућу интеракцију са експертима из датог проблемског домена
напунити одговарајућим правилима. Овим су створени услови за савремене љусек
(shell) експертских система, применљивих на било који домен. Постоји читав низ
развијених експертских система у периоду 80-тих година прошлог века, који су
покренули читаву индустрију. Експертски системи су служили за добијање одговора на
питање где се налазе највероватнија налазишта нафте, па до одговора на питање како
најбоље саставити један сложени рачунарски систем од датих компоненти. ВИ
индустрија се развила од почетних неколико милиона долара 1980. до милијарде долара
1988. Убрзо после тога је дошао период „ВИ зиме“ и пропасти многих напредних
компанија из овог сегмента. Један од главних узрока овог пада је велика разлика између
оног што су истраживачи најављивали као могуће и оствариво и онога што је заиста
реализовано. Приметимо да је ова диспропорција присутна од самог почетка настанка
области ВИ, па све до данашњих дана.

3.3. Повратак технологије неуронских мрежа

Прави подстицај за наставанк истраживања и примене неуронских мрежа у оквиру
ВИ је настао средином 80-тих када су најмање четири различита тима поново открила
алгоритам обучавања вишеслојних неуронских мрежа користећи принцип пропагације
грешке уназад. Најстарија варијанта овог темељног алгоритма обучавања приписује се
алгоритму Брисона и Хоа из 1969. године. Алгоритам је примењен на низ практичних
проблема, проблеме учења у рачунарству и психологији. Утицајна колекција резултата
овог новог почетка примене неуронских мрежа објављена је у књизи Паралелно
Дистрибуирано Процесирање, Румелхарта и Мекленанда из 1986.
Ови такозвани конекционистички модели интелигентних система су од многих
смартани као директна конкуренција доминирајућим симболичким моделима
предложеним од стране Њувела и Сајмона и логичком приступу Мекартија и осталих.
Шта је у основи људске интелигенције: конекционизам или логичко симболичко
процесирање, остаје отворено питање. Оно што је рационално претпоставити је да ово
нису два одвојена конкуретска приступа, него пре свега приступи који се међусобно
допуњују и истовремено развијају, осветљавајући сложене процесе у биолошким
нервним системима и боље разумевање архитектура, алгоритама обучавања и начина
примене вештачких неуронских система. Напредак у разумевању појединих
подсистема, нарочито оних везаних за процесирање сензорних сигнала, директно утичу
на синтезу савремених ефикасних система у домену рачунарске визије, препознавања
облика, синтезе и разумевање говора, одлучивања у условима велике количине сирових
података у условима неодређености итд. Осим тог, основни принципи
неурорачунарства, као што су адаптивност, дистрибуираност и масовни паралелизам,
подстакнути су и подржани константним растом хардверских перформанси савремене
рачунарске технике.

13
 3.4. Вештачка интелигенција у време интернета и веба
Појава интернета и веба је подстицајно утицала на развој ВИ. Уобичајена пракса у
оквиру области је био релативно независан развој подобласти усмерених на
специфичне аспекте интелигенције, као што су репрезентација знања, аутоматско
резоновање, планирање, учење, решавање проблема или разумевање природних језика.
Појавом интернета и веба, настало је природно окружење за развој софтверских
агената, које можемо посматрати и као системе који обједињавају неке или све аспекте
интелигентног понашања. ВИ системи су постали толико распрострањени у
апликацијама за интернет да је суфикс „bot“ ушао у свакодневни језик. Штавише, ВИ
технологије се налазе у многим алаткама за интернет као што су алгоритми за претрагу,
систем за препоручивање и систем за прављење веб сајтова.
У стратешком смислу нагласак је дат на развој аутономних рационалних агената,
као и вишеагентских система. Уочена је њихова кључна улога у даљем развоју
комплексних, дистрибуираних и отворених система, као што је интернет. Ово је
подстакло старе напоре у оквиру ВИ, које можемо назвати решавање проблема
„потпуног агента“, како су то дефинисали Џон Лаинд, Ален Њувел и Пол Розенблум у
вези са пројектом SOAR.
Једна од позитивних последица покушаја развоја потпуног агента је схватање
неопходности редефинисања и обједињавања претходно одвојених подобласти ВИ.
Глобално је прихваћен став да сензорски системи као што су визија и говор, не могу
давати потпуно поуздане информације наредним слојевима интелигентне архитектуре,
тако да на пример подсистеми за резоновање и планирање морају бити оспособљени за
прихватаје непоузданих информација. Осим тога, шири контекст агената обухвата
традиционално и теорију управљања, економију и теорију игара, дакле области које су
биле удаљене од ВИ. Познато је да из сусрета претходно неповезаних научних
дисциплина, по правилу, као последицу имамо убрзани развој сваке од њих на рачун
комплементарних идеја и достигнућа појединачних области. Један од најевидентнијих
резултата ове синергије је напредаг у развоју аутономног возила (аутомобил без возача,
или другачије речено аутомобил са аутоматским возачем, на пример Google car). Боља
интеграције сензорских информација, мапирање, локализација и планирање је
остварена на рачун резултата проистеклих из теорије аутоматског управљања.
Потпуни агент по дефиницији мора да учи на основу примера, окружења у коме се
креће и посматрања резултата својих акција. Ово је појавом интернета, на коме
експоненцијално расту расположиви подаци, довело још једну дисциплину на сам
фронт данашње рачунарске технологије. То је машинско учење. Развој тече у два
правца: нове архитектуре и нови алгоритми обучавања. У домену нових архитектура
посебан напредак представља такозвани Deep Learning, односно архитектуре
обучавајућих структура, чији еквивалентни граф процесирања улазних сигнала ка
излазним има што већу дубину. Често се ове архитектуре називају и хијерархијске, а
поступа обучавања се означава као учење репрезентације. Термин deep learning је
настао након утемељујућег рада Џефри Хинтона „Learning multiple layers of
representation“ из 2007. године.

14
 Феномен пред-обуке у самообучавајућем режиму дубоких архитектура је довео до
њихове изузетне популарности, будући да је то изванредно одговарало огромног
количини неозначених (некатегорисаних) података на интернету. Овај приступ се
нарочито показао ефикасним за такозване природне сензорске сигнале, као што је
слика, видео и говор. Многи спектакуларни резултати којим нас данас засипа
компанија Google се управо базира на овој технологији.
Коначно, пројекат потпуни агент је подстакао старе расправе шта је важно у
данашњем тренутку развоја ВИ. Многи утицајни аутори, као што су Мекарти, Мински,
Нилс Нилсон и Патрик Винстон, изразили су опште незадовољство начином на који се
ВИ данас развија. Пројектовање ВИ система за партикуларне проблеме и њихово
потоње усавршавање, ови аутори сматрају одустајањем од праве идеје ВИ, а то су
машине које мисле, уче и креирају. Ова настојања су назвали новим правцем развоја
ВИ, такозване Human-Level AI – HLAI, односно ВИ људског нивоа, или још општије
Artificial General Intelligence – AGI. Прва конференција на ову тему организована је
2004. године, а од 2008. године се одржавају редовне годишње конференције у
организацији AGIS (Artificial General Intelligence Society) и AAAI (Association for the
Advancement of Artificial Intelligence). AGI серија конференција играла је и важну улогу
у препороду истраживања у области ВИ, у дубљем и оригиналнијем смислу,
подстичући интердисциплинарност на основу различитих тумачења и разумевања
појма интелигенције и истраживања различитих приступа овом проблему. Ради
стицања увида у ширину ових приступа, наводимо подобласти које су биле заступљене
на последњој конференцији AGI одржаној у Квебеку у Канади од 1. до 4. августа 2014.
године:
 Agent Architectures  Learning and Learning Theory
 Autonomy  Motivation, Emotion and
 Benchmarks and Evaluation Affect
 Cognitive Modeling  Multi-Agent Interaction
 Collaborative Intelligence  Natural Language
 Creativity Understanding
 Distributed AI  Neural-Symbolic Processing
 Formal Models of General  Perception and Perceptual
Intelligence Modeling
 Implications of AGI for  Philosophy of AGI
Society, Economy and  Reasoning, Inference and
Ecology Planning
 Integration of Different  Reinforcement Learning
Capabilities  Robotic and Virtual
 Knowledge Representation for Embodiment
General Intelligence  Simulation and Emergent
 Languages, Specification Behavior
Approaches and Toolkits  Solomonoff Induction

15
 4. НЕКИ НАЈУСПЕШНИЈИ ВИ СИСТЕМИ
Будући да се ВИ развија у оквиру многих подобласти, није лако одговорити на
питање шта ВИ данас може да понуди као практична решења и шта су њени највећи
домети. У илустративне сврхе, наводе се неки од остварених практичних резултата ВИ
у протеклом периоду.

4.1. Аутономно планираање и извршавање

Роботски систем „Remote Agent - RA“ је

интсалиран у NASA космички брод Deep Space 1 –
DS1, лансиран октобра 1998. године у циљу
евалуације 12 напредних космичких технологија.
То је у ствари интелигентни агент који служи као
интерфејс између оператора на земљи и сензора и
ефектора на DS1.

Слика 7: Deep Space 1, носи у себи

ВИ систем Remote Agent, за
аутоматско планирање и
извршавање различитих операција
на космичком броду.

4.2. Играње шаха

IBM-ов Deep Blue је постао први рачунарски програм који је победио светског
шампиона у шаху Гари Каспарова, са резултатом 3.5 : 2.5, 1997. Године Каспаров је
рекао да је осетио „нову врсти интелигенције“ преко пута табле

Слика 8: Гари Каспаров игра шах против Deep Blue 1997. године. IBM-ов
рачунар се састојао од специјализованог хардвера и софтвера који се извршавао
на суперрачунари IBM RS/6000 SP2

16
 4.3. Игра Даме
Професор Џонатан Шефер са својим тимом са универзитета Алберта у Едмонтону,
Канада, је 2007. године објавио рад „Checkers is Solved“ у коме износи став да
перфектна игра оба играча, без обзира које су боје, води нерешеном резултату. Дакле,
систем за играње Даме под називом CHINOOK који је овај тим развијао још од 1989.
године, игра најмање нерешено против против било ког играча, без обзира да ли игра са
црним или белим фигурама. Ако имамо у виду да игра Дама поседује комплексност од
500,995,484,682,338,672,639 различитих позиција, овај резултат се може сматрати
једним од највећих достигнућа ВИ до сада.

Слика 9: Џонатан Шефер и његов тим са универзитета који су развили

систем за играње Даме под називом CHINOOK

4.4. Аутономно управљање возилима

Систем ALVYNN (акроним од
Autonomous Land Vehicle in a Neural
Network) развио је студент Дин Померлу
са универзитета Карнеги Мелона у
Америци. ALVYNN је уграђен у CMU-
ов NavLab рачунарски контролисан
комби и коришћен је за навигацију кроз
Сједињене Америчке Државе. На путу
дугом 2850 миља систем је успешно
управљао возилом 98% времена вожње.
У преостала 2% времена вожње,
управљање је преузимао човек, Слика 10: Autonomous Land Vehicle in a Neural Network
углавном на излазним петљама
аутопутева.

17
 4.5. Медицинска дијагностика и терапија
Медицински дијагностички програми базирани на вероватносним моделима
достигли су завидну тачност у многим областима медицине. OpenClinical одржава низ
веб сајтова на којима се могу наћи подаци о медицинским експертским системима у
практичној употреби. Неке од њих су: Athena DSS за дијагностику и лечење повишеног
крвног притиска, Gideon, за инфективне болести, Iliad за интерну медицину,
TherapyEdge HIV за спровођење терапије оболелих од HIV, и низ других

4.6. Интелигентно распоређивање

Интелигентни софтвер за распоређивање представља значајну примену ВИ за
индустријске потребе. На пример, систем AURORA компаније Scottler Henke Associates
Inc., користи Boing као помоћ приликом склапања модела Boeing Dreamliner. Систем
TEMPORIS развила је компанија United Space Airlines, LLC за помоћ космичким
посадама приликом планирања и управљања будућим космичким летовима. TEMPORIS
помаже посади да распореди готово све дневне активности, укључујући рутинске
дневне активности, одржавање космичког брода у нормалном стању, као и извођење
планираних научних експеримената.

4.7. Роботика
Многи хирурзи већ користе роботске помоћнике у
микрохирургији. HipNav је систем развијен на Карнеги
Мелон универзитету, који користи рачунарску визију у
циљу формирања тродимензионалног модела пацијентове
унутрашње анатомије, а затим асистира хирургу роботско
управљану уградњу вештачког Слика 11: HipNav
кука. роботски систем који
асистира хирургу
приликом уградње
вештачког кука

4.8. Аутоматско препоручивање

Када се логујете на Amazon.com више нисте изненађени што вам ова компанија
лично препоручује неке производе и садржаје, за које са изненађењем констатујете да
су у доброј мери у сагласности са вашим преференцијама и укусом. Један од типичних
система за препоручивање, заснован на техници машинског учења, назива се
друштвено или колаборативно филтрирање. За сваког корисника се води листа његових
преференција на основу прошлих активности на интернету и већ обављених куповина.
Уколико су преференцијали корисника В довољно корелисани са преференцијама
корисника А неке од куповина корисника В, које још увек нису купљене од стране
корисника А. Ову технику користе и многе друге компаније, као што су iTunes, TiVo,
Netflix и слично.
18
 4.9. Рачунарске видео игре
ВИ почиње да игра значајну улогу у дизајнирању рачунарских видео игара у
којима човек интерагује са виртуелним карактерима у виртуелном свету игре. Иако је
нагласак у играма на реалистичној и богатој графици, примена ВИ техника чине овај
виртуелни свет богатијим и занимљивијим. На пример, у уобичајеној поставци игара
играч интерагује са вештачким агентима игре, које требају смеравати од тачке А до
тачке В са циљем да се избегну препреке или сусрете са другим агентима, што се може
остваривати применом, рецимо А* алгоритама претраге развијеним у оквиру ВИ. Игра
Black and White 2, коју је развио Lionhead Studios а дистрибуира Electronic Arts, користи
комбинацију неуронских мрежа и стабала одлучивања у циљу учења оптималних
стратегија за дату игру. Игра F.E.A.R (First Encounter Assault Recon) Џефа Оркина
компаније Monolith Productions користи А* алгоритам за планирање секвенце акција
агената. Обе ове игра заузимају прво и друго место на листи првих 10 најутицајнијих
видео игара које користе технике ВИ.

5. ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА У ОБРАЗОВАЊУ

Сан о рачунарима који би могли да образују ученике и студенте, више деценија је
инспирисао научнике когнитивне науке. Прва генерација таквих система (названи
Computer Aided Instruction или Computer Based Instruction), углавном су се заснивали на
хипертексту. Структура тих система се састојала од презентације материјала и питања
са више избора, која шаљу ученика на даље информације, у зависности од одговора на
постављена питања.
Наредна генерација ових система Intelligent CAI или Intelligent Tutoring Systems
заснивали су се на имплементацији знања о одређеној теми, у сам рачунар. Постојала
су два типа оваквих система. Први је тренирао ученика у самом процесу решавања
сложених проблема, као што је на пример препознавања грешака дизајна у једном
електричном колу или писање рачунарског програма. Други тип система је покушавао
да одржава силогистички дијалог са студентима. Имплементацију другог система је
било врло тешко спровести у праксу, великим делог због проблема програмирања
система за разумевање спонтаног и природног људског језика. Из тог разлога,
пројектовано их је само неколико.
Типични систем за тренирање ученика и студената се обично састоји од четири
основне компоненте:
1. Окружење у којем ученик или студент ради на решавању сложених задатака. То
може бити симулација компоненте или компонената електронских уређаја
представљена као серија проблема које студент треба да реши;
2. Експертски систем који може решити представљене проблеме на којима
студент ради;
3. Посебан модул који може упоредити решења која нуди студент са онима које су
уграђене у експертски систем и његов циљ је да препозна студентов план за
решавање проблема, као и које делове знања највероватније студент користи;
4. Педагошки модул који сугерише задатке које треба решити, одговара на питања
студената и указује му на могуће грешке.

19
 6. ЗАКЉУЧАК
Вештачка интелигенција, као једна од грана науке о могућностима примене
рачунарске технике је у последње време веома заступљена у целом свету. Ова научна
дисциплина садржи многе области као на пример: експертски системи, роботима,
решавање проблема, помоћ у одлучивању и планирању, аутоматско препознавање
слике и говора, неуронске мреже, генетски алгоритми, итд. Све ове области су нашле
широку примену како у многим гранама индустрије тако и у свакодневном људском
животу.
Можда будућност нису интелигентне машине и роботи из научно фантастичних
филмова, који по обичају нису добродушни, већ су окренути ка уништењу људске расе
и доминирају вештачке интелигенције на планети Земљи или већ некој на коју ће
крочити људска нога. Ипак, мора се признати, да је од првих теоретских почетака до
данас ова област невероватно напредовала и да су незамисливе све могућности њене
примене у медицини, науци, саобраћају и обичном свакодневном људском животу.
Вештачка интелигенција је још увек млада наука, али из дана у дан су све
приметнији резултати истраживања, тестирања и имплементације у разним сегментима
људског живота и рада.
Сведоци смо да интелигентни рачунари контролишу делове индустријских
процеса, управљају железницом и авионима (аутопилот), имају процес учења, машине,
донедавно продужеци и допуне људског тела и органа, применом вештачке
интелигенције и неуронских мрежа подражавају их све верније, а у операцијама које
симулирају мозак постају све паметније.
Главни циљ вештачке интелигенције произилази из става да би рачунари који
поседују интелигенцију били најкориснији рачунари и објашњава зашто се у свету
вештачкој интелигенцији придаје велики значај.

20
7. ЛИТЕРАТУРА
1. Илић Велибор, „Вештачка интелигенција“, новембар 1999.
2. Милосављевић Милан, „Вештачка интелигенција“, Универзитет Сингидунум,
Београд, 2015.
https://sr.wikipedia.org/sr-
el/%D0%92%D1%98%D0%B5%D1%88%D1%82%D0%B0%D1%87%D0%BA%D0%
B0_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%B8%D0%B3%D0%B5%D
0%BD%D1%86%D0%B8%D1%98%D0%B0

21