O veštačkoj inteligenciju

Alan Tjuring je bio prva osoba koja je sprovela značajna istraživanja u oblasti koju je nazvao mašinska inteligencija.^[8] Veštačka inteligencija je osnovana kao akademska disciplina 1956. godine.^[9] Polje je prošlo kroz više ciklusa optimizma,^[10][11] praćenih periodima razočarenja i gubitka finansiranja, poznatim kao zima veštačke inteligencije.^[12][13] Finansiranje i interesovanje su se znatno povećali nakon 2012. kada je duboko učenje nadmašilo sve prethodne tehnike veštačke inteligencije,^[14] i posle 2017. sa arhitekturom transformatora.^[15] Ovo je dovelo do proleća veštačke inteligencije početkom 2020-ih, pri čemu su kompanije, univerziteti i laboratorije koje su pretežno sa sedištem u Sjedinjenim Državama, ostvarili značajne pionirske napretke u veštačkoj inteligenciji.^[16] Sve veća upotreba veštačke inteligencije u 21. veku utiče na društveni i ekonomski pomak ka povećanju automatizacije, donošenja odluka zasnovanih na podacima i integraciji sistema veštačke inteligencije u različite ekonomske sektore i oblasti života, utičući na tržišta rada, zdravstvo, vladu , industrija i obrazovanje. Ovo postavlja pitanja o etičkim implikacijama i rizicima od veštačke inteligencije, što podstiče diskusije o regulatornim politikama kako bi se osigurala bezbednost i prednosti tehnologije. Različite podoblasti veštačke inteligencije su istraživanja usredsređena na određene ciljeve i upotrebu specifičnih alata. Tradicionalni ciljevi istraživanja veštačke inteligencije obuhvataju rasuđivanje, predstavljanje znanja, planiranje, učenje, obrada prirodnog jezika, percepcija i podrška robotici.^[a] Opšta inteligencija (sposobnost da se obavi bilo koji zadatak koji čovek može da izvrši) spada u dugoročne ciljeve u ovoj oblasti.^[17] Da bi rešili ove probleme, istraživači veštačke inteligencije su prilagodili i integrisali širok spektar tehnika rešavanja problema, uključujući pretragu i matematičku optimizaciju, formalnu logiku, veštačke neuronske mreže i metode zasnovane na statistici, operacionom istraživanju i ekonomiji.^[b] Veštačka inteligencija se takođe oslanja na psihologiju, lingvistiku, filozofiju, neuronauku i druge oblasti.^[18]

Ciljevi

Opšti problem simulacije (ili stvaranja) inteligencije podeljen je na podprobleme. Oni se sastoje od određenih osobina ili sposobnosti koje istraživači očekuju da inteligentni sistem pokaže. Ispod opisane osobine su zadobile najviše pažnje i pokrivaju obim istraživanja veštačke inteligencije.^[a]

Osnovni ciljevi istraživanja na polju veštačke inteligencije

Trenutno, kada su u pitanju istraživanja na polju veštačke inteligencije, moguće je postići dva komplementarna cilja, koji respektivno naglašavaju dva aspekta veštačke inteligencije, a to su teorijski i tehnološki aspekt.

Prvi cilj je studija ljudskih kognitivnih procesa uopšte, što potvrđuje definiciju Patrika J. Hejesa – „studija inteligencije kao komputacije“, čime se veštačka inteligencija usmerava ka jednoj svojevrsnoj studiji inteligentnog ponašanja kod ljudi.

Veštačka inteligencija, kao oblast informatike, bavi se projektovanjem programskih rešenja za probleme koje nastoji rešiti.

Razmišljanje i rešavanje problema

Razmišljanje je proces izvlačenja zaključaka koji odgovaraju datoj situaciji. Zaključci se klasifikuju kao deduktivni i induktivni. Primer deduktivnog načina zaključivanja bi mogao biti, „Savo je ili u muzeju, ili u kafiću. Nije u kafiću; onda je sigurno u muzeju“; i induktivnog, „Prethodne nesreće ove vrste su bile posledica greške u sistemu; stoga je i ova nesreća uzrokovana greškom u sistemu“. Najznačajnija razlika između ova dva načina zaključivanja je da, u slučaju deduktivnog razmišljanja, istinitost premise garantuje istinitost zaključka, dok u slučaju induktivnog razmišljanja istinitost premise daje podršku zaključku bez davanja apsolutne sigurnosti njegovoj istinitosti. Induktivno zaključivanje je uobičajeno u naukama u kojima se sakupljaju podaci i razvijaju provizioni modeli za opis i predviđanje budućeg ponašanja, sve dok se ne pojave anomalije u modelu, koji se tada rekonstruiše. Deduktivno razmišljanje je uobičajeno u matematici i logici, gde detaljno obrađene strukture nepobitnih teorema nastaju od manjih skupova osnovnih aksioma i pravila. Postoje značajni uspesi u programiranju računara za izvlačenje zaključaka, naročito deduktivne prirode. Ipak, istinsko razmišljanje se sastoji od složenijih aspekata; uključuje zaključivanje na način kojim će se rešiti određeni zadatak, ili situacija. Tu se nalazi jedan od najvećih problema s kojim se susreće veštačka inteligencija.

Rešavanje problema, naročito u veštačkoj inteligenciji, karakteriše sistematska pretraga u rangu mogućih akcija s ciljem iznalaženja nekog ranije definisanog rešenja. Metode rešavanja problema se dele na one posebne i one opšte namene. Metoda posebne namene je traženje adaptiranog rešenja za određeni problem i sadrži vrlo specifične osobine situacija od kojih se problem sastoji. Suprotno tome, metod opšte namene se može primeniti na širi spektar problema. Tehnika opšte namene koja se koristi u veštačkoj inteligenciji je metod krajnje analize, deo po deo, ili postepeno dodavanje, odnosno redukovanje različitosti između trenutnog stanja i krajnjeg cilja. Program bira akcije iz liste metoda – u slučaju jednostavnog robota koraci su sledeći: PICKUP, PUTDOWN, MOVEFROWARD, MOVEBACK, MOVELEFT i MOVERIGHT, sve dok se cilj ne postigne. Veći broj različitih problema su rešeni preko programa veštačke inteligencije. Neki od primera su traženje pobedničkog poteza, ili sekvence poteza u igrama, složeni matematički dokazi i manipulacija virtuelnih objekata u veštačkim, odnosno sintetičkim računarskim svetovima.

Rani istraživači su razvili algoritme koji su imitirali razmišljanje korak po korak koje ljudi koriste kada rešavaju zagonetke ili izvođenju logičkog zaključka.^[19] Do kasnih 1980-ih i 1990-ih, razvijene su metode za rad sa nesigurnim ili nepotpunim informacijama, koristeći koncepte verovatnoće i ekonomije.^[20]

Mnogi od ovih algoritama su nedovoljni za rešavanje velikih problema rezonovanja, jer doživljavaju „kombinatorijsku eksploziju“: oni postaju eksponencijalno sporiji kako problemi postaju sve veći..^[21] Čak i ljudi retko koriste dedukciju korak po korak, koju bi rano istraživanje veštačke inteligencije moglo da modelira. Oni rešavaju većinu svojih problema koristeći brze, intuitivne odluke.^[22] Tačno i efikasno rezonovanje je nerešen problem.