Ce este Inteligența Artificială?

Sursă Originală: https://userweb.ucs.louisiana.edu/~isb9112/dept/phil341/wisai/WhatisAI.html

De
István SN Berkeley Ph.D.(Istvan@louisiana.edu)

Filozofie,Universitatea din Louisiana la Lafayette

Perspectiva istorică: Totul pare a fi atât de bun ….

Probabil că toată lumea a auzit de inteligența artificială (AI pe scurt), dar relativ puțini oameni au o idee foarte bună despre ceea ce înseamnă cu adevărat termenul. Pentru majoritatea oamenilor, AI este asociată cu artefacte precum computerul Hal 9000 în filmul 2001: O odisee spațială . Astfel de imagini sunt produsul Hollywood-ului, mai degrabă decât genul de lucru care se întâmplă de fapt în laboratoarele de cercetare ale lumii de azi. Scopul meu este să prezint câteva din ideile de bază din spatele AI și să încerc să ofer un mijloc prin care oamenii să poată aborda stadiul actual al tehnicii în domeniu.

Aproximativ vorbind, Inteligența Artificială este studiul dispozitivelor și sistemelor computerizate de om, care pot fi făcute să acționeze într-o manieră pe care am fi înclinați să o numim inteligentă. Nașterea câmpului poate fi urmărită până la începutul anilor 1950. În mod evident, primul eveniment important din istoria AI a fost publicarea unei lucrări intitulată “Computerele și inteligența” de către matematicianul britanic Alan Turing . În această lucrare, Turing a susținut că dacă o mașină ar putea trece printr-un anumit test (care a devenit cunoscut sub numele de “testul Turing”), atunci am avea motive să spunem că calculatorul era inteligent. Testul Turing implică o ființă umană (cunoscută drept “judecător”) care pune întrebări prin intermediul unui terminal de calculatoare către alte două entități, dintre care una este o ființă umană, iar cealaltă este un calculator. Dacă judecătorul nu a reușit în mod regulat să distingă computerul de om, atunci se spunea că computerul a trecut testul. În această lucrare, Turing a luat în considerare și o serie de argumente și obiecții față de ideea că computerele ar putea prezenta inteligență. 

Se crede că AI sa născut ca disciplină la o conferință numită ” Proiectul Dartmouth de cercetare de vară privind inteligența artificială “, organizată printre altele de John McCarthy și Marvin Minsky . La această conferință, un sistem cunoscut sub numele de LOGIC THEORIST a fost demonstrat de Alan Newell și Herb Simon. LOGIC THEORIST a fost un sistem care a descoperit dovezi ale teoriei în logica simbolică. Semnificația acestui sistem a fost că, în cuvintele lui Feigenbaum și Feldman (1963: p. 108), LOGIC THEORIST a fost “… prima incursiune a inteligenței artificiale în procesele intelectuale înalte”. Acest succes inițial a fost rapid urmat de un număr de alte sisteme care puteau efectua sarcini aparent inteligente. De exemplu, un sistem cunoscut sub numele de ” DENDRAL ” a reușit să mecanizeze aspecte ale raționamentului științific găsit în chimia organică. Un alt program, cunoscut sub numele de ” MYCIN “, a fost capabil să diagnosticheze interactiv bolile infecțioase.

Strategia fundamentală care stă la baza acestor succese a condus la propunerea a ceea ce este cunoscut sub numele de Ipoteza sistemelor simbolice fizice, de Newell și Simon în 1976. Ipoteza sistemului simbolic fizic se ridică la o distilare a teoriei care stătea în spatele multor lucrări care a continuat până în acea dată și a fost propusă ca o ipoteză științifică generală. Newell și Simon (1976: p. 41) scria;

“Un sistem de simboluri fizice are mijloacele necesare și suficiente pentru o acțiune generală inteligentă”.

Deși a existat o mare controversă cu privire la modul în care trebuie interpretată această ipoteză, există două concluzii importante care au fost trase din ea. Prima concluzie este că computerele sunt sisteme de simboluri fizice, în sensul relevant, și astfel există motive (dacă ipoteza ar fi corectă) să creadă că ar trebui să poată expune inteligența. Cea de-a doua concluzie este că, pe măsură ce noi, de asemenea, oamenii suntem inteligenți, și noi trebuie să fim sisteme de simboluri fizice și, prin urmare, suntem într-un sens semnificativ, similar computerelor.

Perspectiva actuală: Problemele și succesele

Cu toate aceste rezultate aparent pozitive și o muncă teoretică interesantă, o întrebare destul de evidentă pare să fie “Unde sunt mașinile inteligente, cum ar fi HAL 9000”? Deși s-au înregistrat multe succese impresionante în domeniu, au existat și o serie de probleme semnificative pe care le-a întâmpinat cercetarea AI. Încă nu există un HAL 9000 și, în mod realist, va fi un moment bun înainte ca astfel de sisteme să devină disponibile, dacă într-adevăr se vor dovedi a fi deloc posibile.

Succesurile timpurii în AI au determinat cercetătorii din domeniu să fie extrem de optimiști. Din păcate, optimismul a fost oarecum rătăcit. De exemplu, în 1957, Simon a prezis că va dura doar zece ani pentru ca un computer să fie campionul mondial de șah. Bineînțeles, această performanță particulară nu a fost realizată până în acest an, prin sistemul Deep Blue . Există însă probleme mai profunde cu care AI sa confruntat cu toate acestea.

Pentru majoritatea oamenilor, dacă știu că președintele Clinton se află la Washington, atunci ei știu că genunchiul drept al președintelui Clinton este, de asemenea, la Washington. Acest lucru poate părea ca un fapt trivial, și într-adevăr este pentru oameni, dar nu este banal când vine vorba de sistemele AI. De fapt, acesta este un exemplu al ceea ce a devenit cunoscut sub numele de “Problema cunoașterii simțurilor comune”. Un sistem computațional știe doar ce a spus explicit. Indiferent de capacitățile unui sistem computațional, dacă acest sistem știe că președintele Clinton era la Washington, dar nu știe că genunchiul lui stâng este acolo, atunci sistemul nu va părea prea inteligent. Desigur, este perfect posibil să spui unui computer că, dacă o persoană este într-un singur loc, atunci genunchiul stâng este în același loc, dar acesta este doar începutul problemei. Există un număr foarte mare de fapte asemănătoare, care ar trebui să fie și programate. De exemplu, știm de asemenea că, dacă președintele Clinton se află la Washington, părul lui este de asemenea la Washington, buzele sale sunt în Washington și așa mai departe. Dificultatea, din perspectiva AI, este de a găsi o modalitate de a surprinde toate aceste fapte. Problema cunoașterii sensibile comune este unul dintre principalele motive pentru care nu avem până acum computerele inteligente prezise de science fiction, cum ar fi HAL 9000.

Problema cunoașterii simțurilor comune se desfășoară foarte adânc în AI. De exemplu, ar fi foarte dificil pentru un calculator să treacă testul Turing, dacă nu ar avea acele cunoștințe descrise mai sus. Punctul poate fi ilustrat prin luarea în considerare a cazului ELIZA. ELIZA este un sistem AI proiectat de Weizenbaum în 1966, care trebuia să emuleze un psihoterapeut. Există multe variante ale acestui software în aceste zile, dintre care câteva pot fi descărcate . Cu toate că în unele sensuri ELIZA poate fi destul de impresionant, nu este nevoie de prea mult pentru ca sistemul să fie confundat sau oprit. Devine clar foarte repede că sistemul este departe de a fi inteligent.

Au existat o serie de răspunsuri la problema cunoașterii sensului comun în cadrul comunității de cercetare AI. O strategie este aceea de a încerca să se construiască sisteme care sunt proiectate să funcționeze numai în domenii limitate. Aceasta este strategia care se află în spatele premiului Loebner , o competiție modernă bazată pe o versiune limitată a testului Turing. Unele intrări recente la acest concurs, cum ar fi sistemul TIPS , sunt cu adevărat impresionante, în comparație cu ELIZA.

O altă strategie mai ambițioasă a fost adoptată de cercetătorul AI, Doug Lenat . Lenat și colegii săi au lucrat timp de mai mulți ani pe un sistem cunoscut sub numele de CYC . Scopul proiectului CYC este de a dezvolta o bază de date computațională mare și instrumente de căutare care să permită sistemelor AI să acceseze toate cunoștințele care reprezintă bunul simț. Proiectul CYC încearcă să răspundă problemei Problema cunoștințelor comune. În momentul de față, rezultatele proiectului au început să apară. Nu este încă clar dacă efortul masiv a fost un succes.

Alți cercetători au adoptat o abordare diferită pentru a încerca să soluționeze această problemă. Ei consideră că ființa umană are bun simț, datorită bogăției bogate de experiențe pe care le avem pe măsură ce cresc și învățăm. Ei preferă să încerce să se ocupe de Problema Sensului Comun prin adoptarea unei strategii de învățare a mașinilor . Poate că, dacă un calculator ar putea învăța, într-o manieră asemănătoare cu cea a unei ființe umane, și ea ar dezvolta bunul simț. Această strategie este încă urmărită și este prea devreme pentru a spune dacă va avea succes.

O altă problemă la care a ajuns cercetarea AI este că sarcinile care sunt greu pentru ființele umane, cum ar fi matematica sau jocul de șah, se dovedesc a fi destul de ușor pentru computere. Pe de altă parte, sarcinile pe care oamenii le găsesc ușor, cum ar fi învățarea de a naviga printr-o cameră plină de mobilier sau recunoașterea unor fețe, computerele găsesc destul de greu de făcut. Acest lucru a inspirat unii cercetători să încerce să dezvolte sisteme care au (cel puțin superficial) proprietăți creierului. Cercetarea bazată pe această strategie a devenit cunoscută drept domeniul rețelelor neuronale artificiale (numit și Connectionism) și este în prezent una dintre subdomeniile majore de specialitate din cadrul AI. Un aspect interesant al rețelelor neuronale artificiale este faptul că multe dintre aceste sisteme învață de asemenea, încorporând astfel câteva dintre avantajele strategiei de învățare a mașinilor pentru rezolvarea problemei de cunoaștere a simțurilor comune. Sistemele neuronale artificiale au reușit să rezolve numeroase probleme, cum ar fi cele care implică recunoașterea modelului, care s-au dovedit a fi greu pentru alte abordări. 

Este important însă să constatăm că nu toată lumea acceptă premisele pe care o desfășoară cercetarea AI. Întregul proiect al AI a fost criticat din când în când. Un cunoscut critic este Herbert Dreyfus . El a argumentat pe o multitudine de motive că întreaga întreprindere a AI este sortită eșecului, deoarece face presupuneri despre lumea și mințile care nu sunt sustenabile, atunci când sunt evaluate critic. Un alt cunoscut critic al AI este John Searle . Searle a propus un argument bazat pe un experiment de gândire, cunoscut ca argumentul camerei chineze. Acest argument are scopul de a arăta că obiectivul construirii de mașini inteligente nu este posibil. Chiar dacă acest argument a fost publicat inițial în anii 1980, este încă un subiect fierbinte de discuție pe grupurile de știri de pe internet, cum ar fi comp.ai.philosophy.

Dacă criticii AI sunt corecte sau nu, va spune doar timpul. Cu toate acestea, au existat două seturi importante de consecințe care au apărut de la inițierea inițială a domeniului. Prima dintre acestea a fost nașterea unei discipline academice noi și captivante, care a devenit cunoscută drept ” Știința cognitivă“. Cognitiv Science parts cu AI premisa fundamentală că, într-un anumit sens, activitatea mentală este computațională în natură. Scopul științei cognitive este însă diferit de cel al AI. Oamenii de știință cognitivi și-au stabilit scopul de a dezvălui misterele minții umane. Aceasta nu este o sarcină mică, având în vedere că creierul uman este cel mai complicat dispozitiv cunoscut de omenire. De exemplu, chiar și atunci când se fac diverse ipoteze simplificatoare, pare foarte probabil ca numărul stărilor posibile ale unui singur creier uman să fie mai mare decât numărul de atomi ai Universului! Cu toate acestea, lecțiile învățate și progresele înregistrate în realizarea scopului AI, împreună cu progresele înregistrate în alte discipline, par să demonstreze că proiectul de Științe Cognitive este viabil, deși greu de atins.

Al doilea set de consecințe care au rezultat din studiul AI este probabil puțin mai puțin evident. În prezent există multe programe și sisteme care utilizează rezultatele cercetării AI. Deși nu avem încă un HAL 9000, multe dintre primele obiective ale AI au fost atinse, deși nu într-un singur mare sistem. Poate că cel mai trist lucru este că AI rareori primește credit pentru contribuția sa la alte domenii. Există o vorbă în cercurile academice: “Cele mai bune fructe ale AI, devin știința veche a informaticii”. În timp ce învățăm să facem din ce în ce mai mult, ceea ce a fost cândva aproape miraculos, devine omniprezent. Acum, când sa realizat scopul unui joc de șah foarte frumos de joc, este posibil ca și acest lucru să nu ne mai înflorească sau să ne surprindă. Cu toate acestea, există încă multe frontiere provocatoare și interesante pentru a fi cucerite în cadrul AI. Există, de asemenea, numeroase întrebări spinoase care trebuie gândite. În articolele care urmează, voi încerca să introduc o parte din munca fascinantă care se desfășoară în AI, astfel încât contribuția acestui program de cercetare la lume, așa cum o știm, va fi mai bine cunoscută și înțeleasă. 

© István SN Berkeley, Ph.D. 1997. Toate drepturile rezervate.


Sugestii citite în continuare

Campbell, J., (1989), The Improbable Machine , Simon & Schuster (New York).

Copeland, J. (1993), Inteligența artificială , Blackwells (Oxford).

Churchland, P. (1988), materia și conștiința , MIT Press (Cambridge, MA).

Haugeland, J. (1985), Inteligența artificială: foarte ideea , MIT Press (Cambridge MA).

Bibliografie

Feigenbaum, E. și Feldman, J. (1963), Calculatoare și gândire , McGraw-Hill (New York).

Haugeland, J. (1981) Mind Design , MIT Press (Cambridge, MA).

Newell, A. and Simon, H., (1976), “Computer Science as Empirical Inquiry: Symbols and Search” reprinted in Haugeland (1981: pp. 35-66).