Transcript VI FIM_uvod Lekcija I Lekcija II

VEŠTAČKA INTELIGENCIJA
Prof. Milan M. Milosavljević
[email protected]
Konsultacije: sreda 16 - 17
Asistent
Mr Aleksandar Jevremović
[email protected]
Konsultacije:
Sadržaj predmeta
Nedelja
Tema/aktivnost
I
Pojam veštačke inteligencije i njen istorijat
II
Produkcioni sistemi i agenti
III
Strategije pretrage
IV
Heurističke pretrage: A i A* algoritam
V
Kolokvijum I
VI
Račun predikata prve vrste
VII
Automatsko rezonovanje na osnovu rezolucije
VIII
Sistemi zasnovani na znanju
IX
Rezonovanje u uslovima neodeđenosti
X
Kolokvijum I I
XI
Osnove neuroračunarstva
XII
Arhitekture neuronskih mreža i algoritmi obučavanja
XII
Induktivni sistemi
XIV
Osnove genetskih i evolucionih sistema
XV
Hibridni sistemi i primene
Literatura
1. Artificial Intelligence: A Modern Approach., S. Russell and P. Norvig.Prentice
Hall, 2003
2. Artificial Intelligence: A New Synthesis, N. Nilsson, Morgan Kaufmann, 1998
3. Artificial Intelligence, A guide to Intelligent Systems, 2nd Edition, Michael
Negnevitsky, Addison Wesley, 2005
Broj časova aktivne nastave: 4
Praktična nastava: 1
Teorijska nastava: 3
Prisustvo predavanjima
10
Kolokvijum 1
30
Kolokvijum 2
30
Završni ispit
30
Ukupno
100
Ocenjivanje
broj poena < 51
51 ≤ broj poena ≤ 60
61 ≤ broj poena ≤ 70
71 ≤ broj poena ≤ 80
81 ≤ broj poena ≤ 90
91 ≤ broj poena
5
6
7
8
9
10
VEŠTAČKA INTELIGENCIJA




Pojam i istorijat veštačke inteligencije
Kontraverzni stavovi o ostvarljivosti VI
Osnovne podoblasti VI
Stanje oblasti i perspektive razvoja
POJAM VEŠTAČKE
INTELIGENCIJE



Istorija čoveka je istovremeno i istorija napora da se
razume na koji način mislimo, odnosno kako opažamo
svet oko nas, kako ga razumemo, predvidjamo, odnosno
kako izlazimo na kraj sa svetom koji je daleko
kompleksniji od nas samih.
Oblast veštačke inteligencije ide jedan korak dalje: njen
cilj je ne samo da razume ljudsku inteligenciju već i da
izgradi veštačke inteligentne sisteme.
Interesantno je da se oblast VI po pravilu citira kao
oblast u kojoj bi većina naučnika želela da radi.
POJAM VEŠTAČKE
INTELIGENCIJE



VI trenutno obuhvata veliki broj podoblasti, od
onih opšte namene kao što je obučavanje
(learning) i percepcija, pa do specifičnih, kao što
su igranje šaha, automatsko dokazivanje
matematičkih teorema, pisanje poezije,
medicinska dijagnostika i td.
VI sumira i automatizuje u okviru jedinstvene
naučne discipline različite intelektualne zadatke i
kao takva je potencijalno relevantna za bilo koju
oblast ljudske intelektualne delatnosti.
U tom pogledu VI je istinski univerzalna naučna
disciplina
POJAM VEŠTAČKE
INTELIGENCIJE


I pored poluvekovne istorije (naziv potiče
iz 1956. god) VI je i dalje oblast koju je
teško precizno definisati.
Prikazaćemo četiri grupe mogućih pogleda
na ovu oblast s obzirom na dihotomije po
dimenziji ponašanja sistema i sposobnosti
rezonovanja.
Kategorije o mogućim pogledima na VI
Ljudsko
rezonovanje
Racionalno
rezonovanje
1
2
Sistemi koji misle kao
ljudi
Sistemi koji razmišljaju
racionalno
rezonovanje
Ljudsko
ponašanje
Racionalnost - idealni
koncept inteligencije
3
4
Sistemi koji deluju kao
ljudi
Sistemi koji deluju
racionalno
ponašanje
1
Sistemi koji misle kao ljudi


Mašine sa sposobnošću mišljenja u
pravom smislu te reči, Haugeland, 1985
Automatizacija aktivnosti koje su asocirane
sa ljudskim mišljenjem, Bellman, 1978
2
Sistemi koji razmišljaju racionalno

Izučavanje mentalnih svojstava mišljenja
pomoću računarskih modela,
Chamiak & McDermott, 1985

Izučavanje računarskih sistema koji mogu
da opažaju, rezonuju i deluju,
Winston, 1985
3
Sistemi koji deluju kao ljudi

Veština sinteze sistema koji obavljaju
one funkcije koje zahtevaju inteligenciju,
kad ih obavljaju ljudi,
Kurzweil, 1990

Izučavanje sinteze sistema koji
pretenduju da obavljaju poslove u
kojima su ljudi za sada bolji,
Rich & Knight, 1991
4
Sistemi koji deluju racionalno

Račinarska inteligencija je disciplina koja
se bavi sintezom inteligentnih agenata,
Poole et all., 1998

Veštačka inteligencija se bavi
izučavanjem inteligentnog ponašanja
veštačkih sistema (artifakta),
Nilsson, 1998
Delovati ljudski




Tjuringov test (1950)
Da bi prošao Tjuringov test računar
mora da poseduje svojstva:
Obrade prirodnih jezika (NLP) da bi
mogao da komunicira
Reprezentacije znanja, da bi mogao da
zapamti šta zna i šta je čuo
Tjuringov test
Tjuringov test



Testiranje se sastoji u pisanoj on line
konverzaciji ispitivača sa mašinom u trajanju od
5 minuta. Ako 30% vremena mašina uspeva da
zavara ispitivača, kažemo da je prošla Tjuringov
test.
Tjuring je tvrdio da će do 2000 godine računari
imati memoriju reda 10 na 9 jedinica i da će se
moći napisati program koji prolazi ovaj test. U
ovoj proceni je pogrešio.
Do sada ni jedan artifakt se nije ni približio
granici prolaženja ovog testa. Stoga VI
istraživači obraćaju malu pažnju na ovaj test.
Delovati ljudski


Automatskog rezonovanja, da bi na
osnovu zapamćenih informacija znao da
odgovara na pitanja i izvlači nove
zaključke
Mašinskog učenja, da bi mogao da se
adaptira na nove uslove, uoči i
ekstrapolaira različite oblike u okruženju i
svojoj internoj reprezentaciji
Delovati ljudski


U uobičajenom Tjuringovom testu nema fizičkog
kontakta izmedju ispitivača i računara, budući da
fizička simulacija čoveka nije neophodna za
inteligenciju.
Medjutim postoji i tzv. totalni Tjuringov test,
koji uključuje video signal, tako da ispitivač
može da testira perceptualna svojstva ispitanika i
sposobnost manipulacije u fizičkom svetu.
Delovati ljudski




Da bi se prošao totalni Tjuringov test, od
računara se zahtevaju još dve dodatne
sposobnosti:
Računarska vizija, opažanje objekata
Robotika, kretanje i manipulacija
objektima u fizičkom svetu.
Ovih 6 pobrojanih disciplina, čine veći deo
savremene VI.


Od 1991 Hju Lobner je ustanovio
takmičenje sa nagradom od 100 000$ za
autora prvog računarskog programa koji
prodje Tjuringov test.
Svake godine se održava godišnje
takmičenje sa manjim iznosima nagrada za
autore programa koji su se najbolje
pokazali na Tjuringovom testu.
Misliti ljudski: kognitivno
modelovanje



1960 “kognitivna revolucija": psihologija
zasnovana na procesiranju informacija
Zahteva teorijsko modelovanje internih aktivnosti
ljudskog mozga
Kako proveriti ove teorijske modele? To zahteva
1) Predvidjanje i testiranje ponašanja ljudskih ispitanika
(top-down), ili
2) Direktna identifikacija na osnovu neuroloških
merenja (bottom-up)

Oba pristupa (u širem smislu Kognitivna nauka i
Kognitivna neuronauka) su danas izvan domena VI
Razmišljati racionalno: “zakon mišljenja"




Aristotel: šta je korektan proces mišljenja i
obrazlaganja?
Više Grčkih filozofskih škola je razvilo različite
forme logike: označavanje i pravila izvodjenja u
rezonovanju
Postoji direktna linija preko matematike i filozofije
do savremene VI
Problemi:
1. Nije svako inteligentno ponašanje odredjeno
logičkim mišljenjem.
2. Šta je svrha mišljenja? Koje misli treba da
posedujem?
Delovati racionalno




Pristup zasnovan na racionalnim agentima.
Ovde se pod agentima podrazumeva nešto što je
u stanju da deluje
Potiče od Latinske reči agere – raditi
Računarski agenti – moderna oblast računarskih
nauka. Razlikuju se od običnih programa po
tome što poseduju autonomno upravljanje,
opažanje i razumevanje okruženja, mogućnost
adaptacije na promene
O NUŽNOSTI POJAVE
VEŠTAČKE INTELIGENCIJE
Leibniz (1646-1716)
universal character
Stupnjevi saznanja po Lajbnicu
Claritas (Dekart)
 Cognitio confusa
 Cognitio distincta
 Cognitio intuitiva ili adekvatno saznanje

5
Bitno ili dovršeno saznanje
4
Cognitio intuitiva
3
Cognitio distincta
2
Cognitio confusa
1
Claritas
Stupnjevi saznanja po Lajbnicu
1.
2.
Prvi uslov saznanja je neposredno imanje
prisutnom jedne stvari. Tu prezentnost stvari
kao nje same Lajbnic prema Dekartu naziva
claritas.
Situacija u kojoj jasno saznajemo neku stvar,
ali ne možemo jasno da kažemo u čemu se
sastoji njena razlika prema drugim stvarima.
Takvo saznanje Lajbnic naziva cognitio
confusa, nerazdvojeno saznanje, ono koje ne
shvata to što jedno odvaja od drugog, saznanje
koje ne može da se legitimiše kao saznanje.
Stupnjevi saznanja po Lajbnicu
3.
4.
Suprotno cognitio confusa, imamo obrazloženo saznanje –
cognitio distincta. Odredjenosti koje razlikuju jedno od
drugoga su istovremeno one oznake jedne stvari po kojima
možemo da je saznamo i prepoznamo.
Cognitio distincta ima svoje stupnjeve. Ono što jedna stvar
jeste obuhvaćeno je definicijom. Ova se sa svoje strane
sastoji od pojmova, kojima je opet potrebna definicija.
Jednom u strogom smislu distinktnom saznanju, potreban
je povratak na elementarne pojmove koji se dalje ne mogu
razlagati. Takvo saznanje se naziva cognitio intuitiva ili
adekvatno saznanje. Ono je teško i veoma se retko
susreće. Od svih nauka matematika je ta koja ponajpre
dovodi do adekvatnog saznanja, tj do vraćanja na
jednostavne elemente.
Stupnjevi saznanja po Lajbnicu


5.
Nominalne definicije ostavljaju otvorenim
pitanje da li je stvar koja je definisana može da
egzistira
Realna i kauzalna definicija u sebi
istovremeno uključuje i saznanje mogućnog
proizvodjenja stvari.
Bitno ili dovršeno saznanje (kauzalno-realno
adekvatno saznanje) ono koje je svodivo na
elementarne pojmove
Argument o nužnosti veštačke
inteligencije

Prema tome, bitno ili dovršeno znanje o nama
samima o našim pravim ljudskim potencijalima,
po Lajbnicovoj teoriji stupnjeva saznanja, mora
biti bitno ili dovršeno saznanje, odnosno mora
rezultovati u znanju pravljenja veštačkog sistema
-čoveka, sa inteligentnim svojstvima u
najpotpunijem obliku, a to je u krajnjem i cilj
veštačke inteligencije kao naučne discipline.
Otac modernog računarstva
Charles Babbage (1791-1871)
Analitička mašina
Da li matematika trancendira ljudsko
David Hilbert
1862 - 1943
Istraživači prve generacije XX veka bitni za
razvoj veštačke inteligencije
Alan Turing (1912-1954)
Kurt Gödel (1906-1978)
Claud Shannon (1916-2001)
KONTRAVERZNI STAVOVI O
OSTVARLJIVOSTI VI
Centralno pitanje
Da li mašine mogu da misle ? (*)
je oduvek privlačilo podjednakom snagom
filozofe, naučnike, matematičare i
inženjere.
 Turing, A.M.,”Computing Machinery and
Intelligence”, Mind, 59:433-460, 1950


Tjuring kaže da odgovor na ovo
pitanje zavisi od toga šta
podrazumevamo pod rečima može,
mašina i misli.

Prva reč u pitanju (*), može,
implicira široku interpretaciju:
–
–
principijelno može (može uopšte)
praktični može (konstruktivno
može)


Searl,1980,1992 VI ljudskog nivoa nije
moguća principijelno (nije moguća uopšte)
na digitalnim računarima.
Newel, Simon, 1976, Hipoteza sistema
fizičkih simbola (phyisical symbol system
hypothesis): Sistem fizičkih simbola
poseduje potrebnu i dovoljnu snagu za
opštu inteligentnu akciju.


Newel, Simon, 1976. Sistem fizičkih
simbola se sastoji od skupa entitija –
simbola, koji grade složenije strukture
simbola – izraze. Pored ovih struktura u
sistemu su prisutni i procesi kreacije,
modifikacije, reprodukcije i destrukcije,
koji deluju na strukture simbola
formirajući nove strukture.
Sistem fizičkih simbola je mašina koja
generiše u toku svog rada stalno
promenljivi skup strukturu simbola.


1.
2.
3.
4.
Radikalna verzija ovog stanovišta smatra
ljudski mozak jednim digitalnim računarom, a
svest računarskim programom. Svest je za
mozak ono što je program za računar.
Searl,1980,1992: Demonstrira postupak kojim
dokazuje nemogućnost VI ljudskog nivoa na
digitalnom računaru.
Mozak uzrokuje svest
Sintaksa nije dovoljna za semantiku
Računarski programi su u potpunosti definisani
svojom formalnom (sintaksnom) strukturom
Svest je intencionalna (poseduje mentalni
sadržaj)



Iz ove 4 premise može se izvesti izmedju
ostalih i sledeći zaključak:
Nijedan računarski program nije sam po
sebi dovoljan da nekom sistemu omogući
svest.
Ovaj zaključak je dalekosežan, budući da
je projekat stvaranja svesti, jedino putem
konstruisanja programa na digitalnom
računaru, od početka osudjen na propast
bez obzira na stepen tehnološkog
razvoja.
Naredna reč u pitanju (*), je mašina.





Obično umesto mehaničke naprave
podrazumevamo računar.
Sve dublje poznavanje bioloških sistema
proširuje ovaj pojam.
Primer: Virus E6 Bacteriophage
Sekvenciranjem ljudskog genoma, da li i
ljude možemo smatrati mašinama?
Ako da, tada sledi da mašine mogu misliti.
VIRUS E6 BACTERIOPHAGE
proteinski omotač
DNA
ćelijska membrana
BAKTERIJA




Poslednja reč u pitanju (*), je misliti.
Umesto razmatranja šta obuhvata pojam
mišljenja Tjuring je predložio test na osnovu kog
bi se za jednu mašinu moglo reći da je
inteligentna i da može da misli.
U originalnoj verziji, mašina koja se podvrgava
testu mora posedovati sposobnosti komuniciranja
na prorodnom jeziku, reprezentacije znanja,
automatsko rezonoanje i mašinsko učenje.
Tzv. Totalni Tjuringov test zahteva od mašine
fizičku interakciju, percepciju i fizičku akciju.
SLABA I JAKA
HIPOTEZA VEŠTAČKE
INTELIGENCIJE
Slaba i jaka hipoteza veštačke
inteligencije
Slaba hipoteza veštačke inteligencije:
 Moguće su mašine koje deluju kao da su
inteligentne – inteligentne mašine.
Jaka hipoteza veštačke inteligencije:
 Moguće su mašine koje zaista mislite ( za
razliku od simulacije mišljenja).
Slaba i jaka hipoteza veštačke
inteligencije

Većina istraživača u domenu VI uzimaju
slabu hipotezu VI kao tačnu, i dogod
njihovi programi (sistemi) rade, ne
interesuje ih da li oni simuliraju
inteligenciju ili su zaista inteligentni.
Slaba hipteza VI: da li mašine
mogu da deluju kao da su
inteligentne?


Jasno je da odgovor na pitanje da li je VI
moguća zavisi od toga kako je definišemo.
Sa čisto inženjerskog stanovišta, pitanje
inteligentnih mašina je zapravo
optimizacioni problem izbora najboljeg
softverskog agenta za zadatu arhitekturu
Slaba hipteza VI


Za svaku zadatu digitalnu računarsku arhitekturu
koja se sastoji od k bita memorije, postoji
egzaktno samo 2 na k softverskih programa, i
jedino što treba uraditi je da ih sve generišemo,
testiramo i izaberemo najbolji.
Ovo je naravno praktično teško ostvarljivo za
veliko k, ali filozofi se uglavnom interesuju za
teorijske a ne praktične aspekte problema.
Slaba hipteza VI


Medjutim, predosećamo da se ovo
filozofima nebi dopalo. Osim toga njih ne
interesuje digitalna arhitektura sama za
sebe. Njih ineresuje poredjenje računarske
(mašinske, veštačke) i ljudske (prirodne)
arhitekture. Osim toga filozofi svoje
pitanje obično formulišu sa
Da li mašine mogu da misle?
Slaba hipteza VI




To je pitanje koje je sa inženjerskog stanovišta
slabo zasnovano (ill - defined). Da bi smo se u
ovo uverili, postavimo sebi dva pitanja:
Da li mašine mogu da lete?
Da li mašine mogu da plivaju?
Odgovor na prvo pitanje je potvrdan, budući da
imamo u vidu avion, ali odgovor na drugo
pitanje je po pravilu negativan, iako se brodovi i
podmornice kreću po i ispod vode, ali mi to ne
nazivamo plivanjem.
Slaba hipteza VI

Alan Tjuring je u svom famoznom
radu iz 1950 godine „Computing
Machinery and Intelligence“ sugerisao
da se umesto pitanja da li mašine
mogu da misle, treba da zapitamo da li
mašina pretendent na inteligenciju
može da prodje test inteligentnog
ponašanja, koji je zatim nazvan
Tjuringov test.
Tjuringovi argumenti





Interesantno je napomenuti da je Tjuring u svojim
razmatranjima ovog problema još daleke 1950
godine razmotrio sve moguće argumente, tako da
se do danas nije pojavio ni jedan novi. To su:
Argument nesposobnosti
Matematički argument
Argument neformalnosti
Argument svesti
Tjuringov argument
nesposobnosti


Argument nesposobnosti tvrdi da „Mašina nikad
nemože da uradi X“, a to X je :
da bude ljubazna, izdašna, prijateljska, da ima
inicijativu, da ima smisao za humor, pravi
greške, razlikuje ispravno od neisparvnog,
zaljubljuje se, uživa u sladoledu sa jagodama,
učini nekog zaljubljenim, nauči iz iskustva,
koristi reči ispravno, bude predmet sopstvenih
misli, učini nešto zaista novo, poseduje široko
interesovanje i sposbnosti kao i čovek.
Matematički argument





Poznato je iz Tjuringovih i Gedelovih radova, da na
odredjena matematička pitanja jedan formalni
sistem ne može dati odgovor.
Gedelova teorema nekompletnosti je jedan od
najpoznatijih primera.
Ukratko, za bilo koji aksiomatizovani formalni
sistem F, dovoljno bogat da je unutar njega moguća
aritmetika, moguće je konstruisati tzv. Gedelov
iskaz G(F) sa sledećim osobinama
G(F) je iskaz u F, ali se ne može dokazati u okviru
F.
Ukoliko je F konzistentan sistem, tada je G(F)
istinito.
Matematički argument


Filozofima je ovo bio argument (videti
J.R.Lucas,1961) za tvrdnju da su mašine
mentalno inferiornije od ljudi, budući da kao
formalan sistem limitiran Gedelovom teoremom
nekompletnosti ne mogu utvrditi istinitost
sopstvenih Gedelovih iskaza.
Ovaj stav je izazvao veliku polemiku, koja je i u
sadašnje vreme doživela sveže interpretacije.
Npr. Roger Penrose (1994) tvrdi da su ljudi
različiti od mašina u tom pogledu zato što njihovi
mozgovi rade na osnovu kvantne gravitacije.
Matematički argument



Medjutim ima nekoliko ozbiljnih prigovora
Lukasovom stavu.
Gedelova teorema se odnosi na dovoljno moćne
formalne sisteme u kojima je moguća aritmetika.
Ova klasa formalnih sistema obuhvata
Tjuringovu mašinu, za koju nije sasvim tačno da
predtavlja čisti model računara, što je implicitna
pretpostavka Lukasovog stava.
Tjuringova mašina je beskonačna, dok je
digitalan računar konačan, pa se kao takav
modeluje sistemom propozicione logike, koja ne
potpada pod ograničenja Gedelove teoreme.
Matematički argument




Pogledajmo sledeći primer
Lukas ne može konzistentno da tvrdi da li je ova rečenica
istinita.
Ako bi Lukas ocenio ovu rečenicu kao istinitu, tada bi
kontradiktovao samom sebi. Dakle Lukas ne može da je
oceni, i stoga je ova rečenica istnita. I suprotno, ako bi
ova rečenica bila lažna, tada Lukas ne može da
konzistentno ocenjuje njenu istinitost, dakle tvrdnja ove
rečenice je opet istinita. Ovaj primer ilustruje da Lukas
ne može da konzistentno oceni istinitost nekih rečenica,
dok drugi ljudi ili mašine mogu.
Ali ovo ne menja naše mišljenje o Lukasu.
Matematički argument



Uzmimo drugi primer.
Čovek ne može da izračuna sumu 10 milijardi
10-to bitnih brojeva za ceo svoj životni vek, dok
računar to može u jednom trenu.
Ovo nije argument da ljude smatramo
inferiornim u njihovoj sposobnosti mišljenja.
Ljudski rod je bio inteligentan stotinama hiljada
godina pre nego što je izmislio matematiku,
stoga je malo verovatno da matematičko
rezonovanje igra značajniju ulogu u onome što
mi smatramo pod inteligencijom.
Matematički argument

I konačno, možda najvažnije, čak i ako usvojimo
da računar ima ograničenja oko dokaza istinitosti
nekih stavova, nemamo saznanja da su ljudi
imuni od tih istih ograničenja. Zapravo je
nemoguće dokazati da ljudsko mišljenje ne
podležu Gedelovoj teoremi, budući da svaki
rigorozni dokaz sam po sebi obuhvata
formalizaciju neformalizovanog ljudskog talenta,
čime sam sebe pobija. Stoga mi i dalje ostajemo
sa intuitivnim stavom da ljudi na neki neobičan,
nadljudski način obavljaju matematičke uvide.
Matematički argument


Ovaj stav se može izraziti i argumrntom da mi
moramo da pretpostavimo sopstvenu
konzistentnost da bi naše mišljenje uopšte bilo
moguće. Ako ništa drugo, jedno je sigurno da
ljudsko mišljenje nije konzistentno u
svakodnevnom životu, ali ovaj stav je u važnosti
čak i za rigorozno matematičko mišljenje.
Poznat primer ovakve situacije je problem mapa
sa četiri boje. Alfred Kempe je 1879 publikovao
dokaz ovog stava i na osnovu ovog rezultata je bio
primljen u Kraljevsko društvo. 1890 je pkazano da
teorema ne važi. To stanje je trajalo sve do 1977,
kada je konačno dokazana.
Argument neformalnosti


Jedan od najuticajnijih argumenata protiv VI kao
poduhvata je Tjuringov argument koji potiče od
neformalnosti ponašanja. Naime ljudsko
ponašanje je tako kompleksno da se ne može
obuhvatiati ni jednim skupom jednostavnih
pravila, a budući da računari mogu da slede
samo skup predefinisanih pravila oni ne mogu
generisati ponašanje inteligentno koliko i
ljudsko.
Nemogućnost sveobuhvatnosti logičkim
pravilima se naziva kvalifikacioni problem.
Argument neformalnosti


Glavni promoter ovog aspekta kritike VI je filozof
Hubert Dreyfus, koji je produkova čitavu seriju
uticajnih kritika na ovu temu. Pozicija koju on
kritikuje se naziva GOFAI (Good Old-Fashioned
AI).
GOFAI počiva na pretpostavci da se inteligentno
ponašanje može modelovati sistemom koji logički
rezonuje nad skupom činjenica i pravila nad
zadatim domenom razmatranja (logički agenti).
Drajfus sa pravom tvrdi da su logički agenti
ranjivi na kvalifikacioni problem.
Jaka hipteza VI: da li mašine
stvarno mogu misle?



Većina filozofa smatra da mašine koje
prodju Tjuringov test ne bi još uvek zaista
mislile, već simulirale mišljenje. Tjuring je
ovaj argument nazvao argument svesnosti:
mašine moraju biti svesne svojih
sopstvenih misli i mentalnih stanja.
Geoffry Jefferson kaža: Da bi mašine bile
ravne ljudskom mozgu morale bi ne samo
da pišu sonete i imaju emocije, nego i da
znaju da su ih napisale.
Jaka hipteza VI: da li mašine
stvarno mogu misle?


Ključni argument Jeffersona nije dakle
svesnost već fenomenologija, shvaćena
kao studije direktnog iskustva.
Pojavljuju se i autori i sa drugim
fenomenološkim argumentima, kao što je
intencionalnost. Mašine bi morale svoja
uverenja, želje i ostale predstave zaista
vezati za nešto u realnom svetu.
Proceduralni
sistem zasnovan
na pravilima
Računarski model
ljudskog mišljenja
Računar=mozak
Kognitivna
nauka=reverzni
inženjering
Dešifrovanje
programa daje
objašnjenje
ljudskog
ponašanja
mišljenje
softver
mozak
hardver
Kognitivna nauka
Računarstvo
U cilju objašnjenja neke mentalne aktivnosti dovoljno je produkovati algoritam
(nivo softverskog opisa) bez spuštanja na nivo fizičkih akrivnosti mozga
Kineska soba



Mnogi filozofi osećaju odbojnost prema
ovom računarskom modelu ljudskog
mišljenja i njegovim implikacijama
Filozof John Searl je uveo zamišljeni
eksperiment koji je dobio naziv “kineska
soba”
Inspirisan je programom Roger Shenk-a, koji
je u stanju da čita priče na engleskom i
odgovara na ograničen skup pitanja u vezi
sa pročitanim tekstom
Kineska soba






Da bi nas uverio da Shenk-ov program nije ništa razumeo u
vezi datog teksta, Searl je uveo sledeći scenario
Čovek koji zna engleski a ne zna ni jednu reč kineskog sedi u
izolovanoj sobi zajedno sa skupom kartica na kojima je ispisan
niz instrukcija na engleskom.
Kroz prorez na vratima čoveku se dostavlja priča na kineskom
zajedno sa skupom pitanja
Sledeći uputstva sa kartica (manipulacija simbolima) čovek je
u stanju da ispiše odgovore na kineskom i dostavi ih van sobe
kroz isti prorez.
Spoljašnji kontrolor kinez dobija korektne i gramatički ispravne
odgovore na kineskom sa punim uverenjem da osaoba unutar
sobe zna kineski.
Osoba u sobi je samo na osnovu manipulacije simbola, bez
poznavanja kineskog davala tačne odgovore bez ikakve
mogućnosti da zaista razume dostavljenu priču.
Kineska soba




Glavni argument Searla dolazi iz polja
fenomenologije, a ne kogntivne nauke:
intencionalnost
Intencionalnost je definisana u funkciji sadržaja, a
ne forme.
Onaj ko razume informacije (za razliku od čistog
procesiranja) mora biti angažovan više od površne
manipulacije- informacije za njega moraju da imaju
značenje (smisao).
Problem sa Searlovim argumentom nastaje kada
pokušava da osvetli fenomen intencionalnosti. Za
njega je to plod biološke osnove mozga i uzročno je
povezana sa biohemijskim procesima u mozgu.
KRATAK PREGLED
ISTORIJSKOG RAZVOJA VI






1943 McCulloch & Pitts: Model mozga zasnovan na
Bulovim funkcijama
1950 Turingov rad “Computing Machinery and
Intelligence”
1950s Rani VI programi, npr Samuelov checkers
program
Newell & Simon: Logic Theorist, Gelernter’s Geometry
Engine
1956 Dartmouth konferencija: usvojen naziv oblasti
“Artificial Intelligence” (predloženi alternativni nazivi:
Kompleksno procesiranje informacija, Mašinska
inteligencija, Heurističko programiranje, Kognologija)
1966–74 Istraživanje Neuralnih mreža gotovo prestaje
Оrganizatori Dartmouth konferencije 1956 godine
John McCarthy
Marvin Minsky






1980–88 Procvat industrije ekspertnih sistema
1988–93 Opadanje indusrije ekspertnih sistema:
“VI zima”
1985–95 Povratak na tehnologiju neuralnih mreža
1988– Povratak na verovatnosne metode i metode
proistekle iz teorije odlučivanja
Nagli razvoj tehnološke osnove klasične VI,
“Nova VI”: Veštački život (Artificial Life),
Genetski algoritmi, Meki račun (Soft Computing)
OSNOVNE PODOBLASTI VI






Ekspertni sistemi (Expert systems)
Procesiranje prirodnih jezika (Natural
language processing)
Računarska vizija (Computer vision)
Robotika (Robotics)
Rešavanje problema i planiranje (Problem
solving and planning)
Mašinsko Učenje (Machine learning)
OSNOVNE PODOBLASTI VI







Automatsko dokazivanje teorema
Automatsko prepoznavanje govora
Neuronske mreže
Evolucioni algoritmi
Fuzzy sistemi
Traganje kroz podatke (Data mining)
Inteligentne pretrage
STANJE OBLASTI I
PERSPEKTIVE RAZVOJA





U dostizanju konačnog cilja VI, predloženo je niz
pristupa, koji se grubo mogu kategorisati u dve velike
grupacije:
Simbolički
Subsimbolički
Simbolički: zasnovan na Njuel-Sajmonovoj hipotezi.
Često se ovaj pristup nazicva klasični ili GOFAI (GoldOld- Fashioned-AI)
Klasičan primer ovog pristupa je primena logičkih
operacija na bazu deklarativnih “znanja”. Ovde se
“znanje” o problemskom domenu predstavlja
deklarativnim rečenicama, a na osnovu logičkih metoda
zaključivanja se izvode konsekvence ovog “znanja”.



Kada se ovaj pristup primeni na realne probleme,
pokazuje se da zahteva intenzivno domensko
znanje (ekspertsko znanje). Stoga se ovaj pristup
naziva i pristup zasnovan na znanju (knowledgebased) ili pristup odozgo na dole top down).
Subsimbolički pristup polazi odozdo na gore
(bottom-up) od signala ka višim konceptima
(pojmovima, klasama, iskazima),
Ovaj pristup prati osnovnu ljudsku perceptivnoempirijsku (induktivnu) komponentu u kojoj
informacije o okruženju dobijamo preko
perceptivnih podsistema i odgovarajućih signala
kao nosioca informacije.

Najpoznatiji primeri ovog prisupa su
– animatizam (ljudska inteligencija je rezultat
evolutivnog razvoja, pa stoga se u sintezi
inteligentnih sistema mora ići istim putem).Primer
kopiranja sistema za obradu signala i upravljanje
insekata i zatim njihovo stavljanje u uslove
evolutivnog razvoja.
Interakcija izmedju veštačkih sistema i okružrnja vodi
ka nečemu što se naziva ponašanje u nastajanju
(emergent behavior).
- neuronske mreže: inspirisane biološkim modelima
centralnog nervnog sistema
- genetski sisemi: inspirisani procesima koji stimulišu
evoluciju u biološkim sistemima, kao što su krosover,
mutacije i reprodukcija proporcionalna stepenu
prilagodjenja jedinke.
1995: RALPH vozi auto od jedne do
druge Američke obale
Canegie Meloun RALPH program vozio je
kombi od Vašingtona do San Diega
Maj 1997: Deep Blue pobedjuje
svetskog šampiona u šahu
protiv
Goals
Scripts
Scripted
Executive
ESL
Mission-level
actions &
resources
Generative
Planner &
Scheduler
Generative
Mode Identification
& Recovery
component models
Monitors
Real-time Execution
Adaptive Control
Hardware
Maj 1999: AI program Remote Agent preuzeo je upravljanje Deep
Space 1 na njegovom galaktičkom putovanju 60 000 000 milja
daleko od zemlje
Maj 2000: Kompanija
SCIFINANCE
sintetiše programe za finansijsko
modelovanje
Septembar 2002:
na tržištu se pojavljuje Cindy Smart



Vizija: može da čita
i izgovara tačno
vreme
Prepoznavanje
govora: prepoznaje
700 reči i 77 fraza
Sinteza govora
Veštačka inteligencija u 2009
godini



Raymond Kurzweil “The Singularity Is Near:
When Humans Transcend Biology.” 2005.
Proširujući Murov zakon ne samo na
procesorsku moć, predvidja post-ljudsku
evoluciju, već u 2045.
Rapidni porast računarske moći zajeno sa
cyborg ljudima dostiže tačku kada mašinska
inteligencija ne samo potiskuje ljudsku, već
preuzima procese tehnoloških inovacija sa
nepredvidivim posledicama.
Singularity University
Priprema čovečanstva za ubrzane tehnološke
promene
R. Kurzweil je suosnivač Singularity univerziteta, podržanog od strane
Google, koji je startovao u junu 2009 sa osnovnim ciljem “da stvori, edukuje
i inspiriše lidere sposobne da razumeju i podrže razvoj eksponencijalno
rastućih tehnologija kao najvećeg ljudskog izazova do sad”
Curriculum
• Futures Studies & Forecasting
• Policy, Law & Ethics
• Finance & Entrepreneurship
• Networks & Computing Systems
• Biotechnology & Bioinformatics
• Nanotechnology
• Medicine, Neuroscience & Human Enhancement
• AI & Robotics
• Energy & Ecological Systems
• Space & Physical Sciences
Singularity University
Networks & Computing Systems:

1.
U kursu se pokrivaju revolucionarni aspekti
računara i računarskih mreža:
Nove računarske tehnologije, kao što je 3D
molekularno računarstvo, nanoračunarstvo,
DNA/RNA računarstvo, plasmonika, spin
memorije, memristor, optičke memorije,
Fotonika, kvantno računarstvo, pico u femto
tehnologije, autonomno računarstvoand,
granice reprezentacije informacija, scalabilno
računarstvo i budući peta i egza superračunari;
Singularity University
Networks & Computing Systems:
2.
3.
Budući korisnički interfejsi, kao što su proširena realnost, virtuelna
realnost, virtuelni svet, mešovita realnost, virtuelni agenti, bots,
lifelogging, holografski i 3D displeji, teleimmersion, teleprisutnost,
haptic interfejsi, personalizovano učenje, ekstrakcija znanja iz
masovnih podataka, data mining, i vizualizacija informacija;
Inteligentne mreže, uključujući n-tu generaciju Interneta, pametni
pretraživači, semantički Web, pametni grid, deljeni vs.
Specijalizovani optički internet, sajber fizički sistemi i senzorske
mreže, računarska bezbednost i zaštita, bezbednost i privatnost vs.
transparentnost, mobilno i stacionarno računarstvo, cloud
computing, Interplanetarni Internet, sveprisutne bežične mreže i
bežično računarstvo, mesh mreže, adaptive mreže, ugradjene mreže,
i globalni fizički grid.