Текстот е дел од серијата текстови кои претставуваат вовед во вештачката интелигенција, структурирани на начин што го следи интелектуалниот и историскиот развој на полето. Материјалот служи како педагошка основа за разбирање на вештачката интелигенција како техничка дисциплина и интердисциплинарно поле кое ги преиспитува природата на интелигенцијата, свеста и човечката когниција.
Најпрво ќе се разгледува потрагата по вештачката интелигенција, мислите, идеите, работата што влијаеле врз развојот на вештачката интелигенција. Потоа, дефиницијата на вештачката интелигенција и различните димензии на вештачката интелигенција. Што е вклучено во систем за вештачка интелигенција и разликата меѓу слабата и силната вештачка интелигенција. Исто така, се разгледуваат различните развојни настани во историјата на вештачката интелигенција.
Вовед во вештачката интелигенција
Рани идеи и инспирации
Потрагата по вештачката интелигенција започнала инспирирана од човечката имагинација и желба за создавање машини што можат да размислуваат и делуваат како луѓе. Низ историјата, луѓето често замислувале уреди и автомати со човечки способности, тие биле прикажани во различни приказни, скулптури, слики и цртежи. Еден од најраните примери е идејата на Аристотел, опишана во „Политиката“, каде што размислувал за алатки кои можат самостојно или по наредба да извршуваат задачи, што претставува концепт за автоматизирани машини. Во 15 век, Леонардо да Винчи скицирал дизајн за хуманоиден робот во форма на средновековен витез, кој требало да може да седи, да ги движи рацете и главата. Иако не е познато дали овој дизајн бил реализиран, тој ја илустрира раната човечка стремеж за создавање механички суштества со интелигентно однесување.
Во 1651 година, Томас Хобс го објавил своето познато дело „Левијатан“, каде што ја разгледувал можноста за создавање вештачки живот. Хобс вели дека природата, како уметност на Бог, може да биде имитирана од човекот преку сопствената уметност, што отвора пат за создавање на „вештачко животно“. Тој објаснува дека животот може да се сфати како движење на делови, управувано од некој централен механизам, и го поставува прашањето: ако автоматите (машини што се движат сами, како часовници) функционираат на сличен начин, зошто да не ги сметаме за форми на вештачки живот? Со оваа идеја, Хобс го поставувил концептуалниот темел за размислување за вештачки организми и, индиректно, за вештачка интелигенција.
Хобс во „Левијатан“ го поставил прашањето дали сите автомати можат да се сметаат за форми на вештачки живот, споредувајќи ги деловите на човечкото тело со механички компоненти: срцето како извор, нервите како струни, а зглобовите како тркала што го движат телото. Со оваа аналогија, Хобс ја опишал можноста за создавање вештачко животно, засновајќи го својот став на идејата дека животот е движење на делови. Иако неговата главна цел била политичка, да ја опише државата како „вештачки човек“, неговата филозофска позиција ја поставила основата за размислување за вештачки организми.
Автомати, роботи и почетоците на ВИ
Неколку пронаоѓачи успеале да конструираат вистински автомати кои имитирале животинско или човечко однесување на изненадувачки реалистичен начин. Еден од најпознатите примери е механичката патка на францускиот инженер Жак де Вокансон, претставена во 1738 година. Оваа патка можела да крекне, да мафта со крилјата, да пие вода и да јаде, што ја прави едно од најсофистицираните механички суштества од тоа време. Подоцна, во 1801 година, Жозеф Мари Жакард го измислил автоматизираниот разбој, со што ја револуционизирал масовната продукција во Европа и ги поставил темелите за развојот на програмски машини, кои подоцна ќе влијаат врз создавањето на дигиталниот компјутер.
Во литературата, Френк Баум во 1900 година го создал ликот на механичкиот човек во „Волшебникот од Оз“, чија потрага по срце е симболична претстава за стремежот кон создавање живот во машина. Овој мотив се појавил и во реалниот живот, каде што идеите за автомати постепено станале реалност. Во 1917 година, Јозеф Чапек ја напишал кратката приказна „Опилец“, опишувајќи автомати, а неговиот брат Карел Чапек го вовел терминот „робот“ во драмата „Росумови универзални роботи“. Во ова дело, роботите не се само механички уреди, туку се вештачки биолошки организми. Во 1948 година, д-р В. Греј Волтер бил заинтересиран за можноста роботите да моделираат одредени функции на човечкиот мозок. Тој конструирал два мали роботи, наречени желки, кои ги именувал Елмер и Елзи. Овие роботи немале однапред зададена програма, туку користеле едноставни аналогни кола за да реагираат на околината. Елмер и Елзи биле способни самостојно да се движат и да ги полнат своите батерии кога „чувствувале“ дека енергијата им се намалува. Овој експеримент бил важна пресвртница во историјата на вештачката интелигенција, бидејќи покажал дека е можно да се создадат машини кои демонстрираат основни форми на саморегулација и адаптација, слични на биолошките организми.
Што е вештачка интелигенција
Што претставува вештачката интелигенција? Наједноставно кажано, вештачката интелигенција (ВИ) се демонстрира кога машина успешно извршува задача која обично бара човечка способност за учење, размислување и решавање проблеми. Ова прашање има и длабока филозофска димензија, бидејќи дефинирањето на интелигенцијата и нејзиното имитирање од страна на машини е комплексен предизвик. Една работна дефиниција гласи: Вештачката интелигенција е област која се занимава со развој на артефакти – компјутерски системи – способни да покажуваат однесувања што ги сметаме за интелигентни, во контролирани, добро разбрани средини и во продолжени временски периоди. Клучно е да се идентификуваат кои однесувања ги сметаме за интелигентни, како што се учење, адаптација, логичко резонирање и решавање комплексни задачи.
Иако машините не мора да имаат структура налик на човечкиот мозок, сепак можат да покажуваат однесувања што ги сметаме за интелигентни или умствени. Ова отвора важни филозофски прашања: што точно претставува интелигентно однесување, што значи да се има ум и како луѓето успеваат да се однесуваат интелигентно? Одговорите на овие прашања се предмет на истражување во психологијата и когнитивната наука, бидејќи секое разбирање на човечкиот процес на размислување може да помогне во развојот на машини што функционираат на сличен начин. За да се процени интелигентноста на еден систем, традиционално се користат бихејвиорални тестови, при што успешно поминување на таков тест се смета за доказ за присуство на интелигенција. Развојот на когнитивната наука и вештачката интелигенција се тесно поврзани, а филозофските размислувања за природата на умот и интелигенцијата значително влијаеле врз развојот на ВИ.
Основни димензии на вештачката интелигенција
Анализирајќи ги основните прашања за интелигенцијата и умот, може да се идентификуваат четири главни димензии на вештачката интелигенција. Дали нешто размислува, дејствува, дава рационално однесување или дава човечко однесување. Некои системи се фокусираат на имитирање на човечкото размислување, други на рационално резонирање, трети на рационално дејствување, а четврти на симулација на човечко однесување. Оценувањето на вештачките системи според една или повеќе димензии овозможува различни пристапи во развојот и анализата на ВИ.
Рационалното размислување подразбира формализирање на процесот на заклучување, односно користење логички правила и структури за донесување заклучоци. Тоа значи секогаш да се избере најдобрата можна акција врз основа на достапните информации и поставените цели. Однесувањето како човек подразбира имитирање на човечко дејстување, односно симулација на начинот на кој луѓето реагираат во различни ситуации. Рационалното дејствување значи дека системот избира и извршува акции кои максимално ги постигнуваат зададените цели, користејќи ги сите достапни информации и ресурси. Наместо да имитира човечко однесување, системот се фокусира на оптимални решенија и ефикасност. Размислувањето како човек се однесува на моделирање на когнитивните процеси , која е област што била разгледувана многу внимателно во рамките на психологијата и добила голем поттик од когнитивната наука. Овој пристап развива научни теории за внатрешните активности на мозокот, со цел да се разбере и реплицира начинот на кој луѓето учат, размислуваат и решаваат проблеми.
Еден од најпознатите примери за моделирање на човечко размислување е „Решавачот на општи проблеми“ (General Problem Solver – GPS), развиен од Алан Њуел и Херберт Сајмон во 1957 година. Оваа програма претставувала значаен чекор напред, бидејќи прва го одделува знаењето за проблемот (правилата, внесени како податоци) од стратегијата за решавање (генеричкиот механизам за решавање проблеми). GPS се сметал за почеток на нова ера на интелигентни машини, бидејќи покажал дека е можно да се дизајнира систем што може да решава различни типови задачи со примена на општи принципи.
Следната димензија на вештачката интелигенција е рационалното размислување, кое подразбира формализирање на процесот на заклучување. Овој пристап се се темели врз античката грчка филозофија, чии различни форми на логика, нотации и правила за изведување мисли придонеле за идејата дека процесите на размислување можат да се механизираат и автоматизираат. Аристотел имал значаен придонес во развојот на идејата за формализирање на процесот на заклучување, што е директна врска меѓу математиката, филозофијата и современата вештачка интелигенција. Тој ја сметал рационалноста за суштинска карактеристика на човечкиот ум, а неговиот придонес е токму концептот на формализам. Овој формализам останува интегриран во пошироката филозофска рамка на Аристотел и е основа на современите компјутерски теории за умот, како и на концептот на „силна“ вештачка интелигенција. Аристотел бил еден од првите кои се обиделе да го кодифицираат размислувањето преку силогизми, односно логички шеми што овозможуваат да се добие точен заклучок, доколку се дадени точни премиси.
На пример, ако ги земеме речениците „Сите компјутери користат енергија“ и „Користењето енергија секогаш генерира топлина“, можеме логички да заклучиме дека „Сите компјутери генерираат топлина“. Аристотел развил структури на аргументи, како силогизми, кои овозможуваат вакви логички заклучоци. Сепак, логичкиот пристап во програмирањето на интелигентни системи има свои ограничувања. Не секое интелигентно однесување е посредувано со логичко размислување. Многу често е потребно интуитивно или неформално знаење, кое не може лесно да се формализира. Логичките системи тешко се справуваат со неизвесност и комплексноста на реалниот свет, па затоа нивната примена е ограничена за одредени типови проблеми.
Третата димензија на вештачката интелигенција е рационалното дејствување, односно способноста системот да ја избере најдобрата акција во дадена ситуација, во контекст на сите достапни информации. Често, рационалните постапки не бараат свесно размислување, на пример, кога чаша ви се лизга од раката, инстинктивно ја фаќате без да размислувате за секој чекор. Овие автоматски реакции покажуваат дека рационалното дејствување може да биде пошироко и пофлексибилно од формалната логика. Постигнувањето совршена рационалност во сложени и динамични средини е тешко, бидејќи бара огромни компјутерски ресурси.
Четвртата димензија на вештачката интелигенција е дејствување како човек, односно создавање системи што имитираат човечко однесување. За да се постигне ова, потребно е да се инкорпорираат голем број способности во таквите системи, како обработка на природен јазик, претставување и користење на знаење, автоматско заклучување, машинско учење, компјутерска визија и роботика. Тоа подразбира создавање системи кои не само што се функционални, туку природни и прифатливи за луѓето во секојдневна интеракција. Пример за ова се виртуелните асистенти, роботи кои комуницираат со луѓе, или системи за препознавање на говор и емоции.
Слаба наспроти силна вештачка интелигенција
Мултидимензионалноста на ВИ системите презентира два посебни концепти на вештачка интелигенција, слабата наспроти силната вештачка интелигенција. Слабата вештачка интелигенција се фокусира на развој на машини што можат да извршуваат специфични задачи интелигентно, без да имаат вистинска свест или разбирање. Силната вештачка интелигенција, има за цел да создаде системи што не само што имитираат интелигентно однесување, туку и поседуваат умови и свест, односно се способни за човечко разбирање и самосвест.
Во својата книга „Вовед во вештачка интелигенција“ (1987), Чарниак и Мекдермот заклучиле дека сме далеку од постигнување на вистинска силна ВИ, бидејќи крајната цел на силната ВИ не е само да се создаде нешто што изгледа или се однесува како личност. Нивниот бренд на вештачка интелигенција е таканаречената силна вештачка интелигенција. Хауџланд пак, во неговата книга „Вештачка интелигенција: Самата идеја“ (1985), го анализирал концептот на ВИ не само како технолошки предизвик, туку и како филозофска идеја. Тој дополнително истакнал дека крајната цел на ова поле не е само имитација на интелигенцијата, туку создавање машини со умови во вистинска смисла на зборот. Оваа амбиција не била научна фантастика, туку теоретски заснована научна цел. Во овој контекст, важна е дефиницијата на Нилс Ј. Нилсон за вештачка интелигенција. Според Нилсон, целта на ВИ е да се создадат машини кои можат да извршуваат задачи за кои е потребна човечка интелигенција.
За еден систем да се смета за интелигентен, тој треба да може да перципира, разбира и дејствува во реалниот свет, односно да препознава говор, да интерпретира слики, да заклучува и планира, да носи одлуки и да се справува со неочекувани ситуации и неизвесности. Способноста на секој интелигентен систем да учи и да се адаптира, односно да ги ажурира своите внатрешни модели според нови информации бара интеграција на повеќе дисциплини. Математиката има особено голем придонес во развојот на ВИ, преку формална репрезентација, теорија на докажување, алгоритми, компјутерска одлучивост и решливост. Статистиката преку техники за моделирање на неизвесност и учење од податоци е уште една клучна област што придонела за развојот на вештачката интелигенција. Економијата исто така има значително влијание врз ВИ, преку концепти како што се теоријата на корисност и теоријата на одлуки, кои помагаат во оптимизирање на изборите и однесувањето на интелигентните системи. Психологијата и когнитивната наука придонесуваат со разбирање на тоа како луѓето перципираат, обработуваат информации и претставуваат знаење, што овозможува дизајнирање на системи што имитираат човечко учење и однесување.
Нашето разбирање на процесите на учење, перцепција и обработка на информации кај луѓето ни овозможува да развиваме системи за вештачка интелигенција кои можат да ги имитираат овие способности. Всушност, напредокот во когнитивната наука и развојот на вештачката интелигенција, особено во областа на машинското учење, се меѓусебно поврзани и се поттикнуваат една со друга. Истражувањата во когнитивната наука обезбедуваат модели и теории за човечкото учење, размислување и перцепција, кои инспирираат развој на алгоритми за машинско учење. Од друга страна, напредокот во ВИ и машинското учење овозможува нови алатки и методи за анализа на когнитивните процеси кај луѓето. Компјутерското инженерство е уште една област која е поврзана со развојот на ВИ, бидејќи достапноста на брзи и моќни компјутери овозможува реализација на сложени ВИ алгоритми. Теоријата на контрола, исто така има значаен придонес за растот на ВИ, бидејќи се занимава со дизајнирање системи што ја максимизираат одредената цел со текот на времето,. Дополнително, лингвистиката, особено граматиката, има големо влијание врз развојот на системи за обработка на природен јазик, што е една од најважните апликации на вештачката интелигенција.
Историски пресвртници во развојот на вештачката интелигенција
Алан Тјуринг, во својот познат труд „Компјутерска машина и интелигенција“, спекулирал за можноста за создавање машини со вистинска интелигенција. Тој го поставил прашањето: „Можат ли машините да размислуваат?“ со што ја поставил основата за развојот на вештачката интелигенција како научна дисциплина. Свесен дека интелигенцијата е тешко да се дефинира, Тјуринг го презентирал познатиот Тјурингов тест, или „Играта на имитација“, како практичен начин за проценка дали една машина може да размислува. Покрај теоретскиот придонес, Тјуринг имал клучна улога во дешифрирање на германската криптомашина „Енигма“ за време на Втората светска војна. Моделот на „Тјуринговата машина“ како апстрактен концепт за пресметување, како и неговата работа на автоматизирано дешифрирање, се директни претходници на современите компјутери. Овие машини користеле принципи кои денес се централни во вештачката интелигенција, како што е хеуристичкото пребарување како метод за брзо и ефикасно наоѓање решенија.
Во доцните 1950-ти, Алан Њуел и Херберт Сајмон го развивиле програмот „Логичкиот теоретичар“ кој се сметал за првиот вистински програм за вештачка интелигенција. Овој систем го претставува секој проблем како модел на дрво и се обидува да го реши преку избор на гранката што најверојатно ќе доведе до точен заклучок. Во 1956 година, Џон Макарти го организирал „Летниот истражувачки проект Дартмут за Вештачка интелигенција“, на кој за првпат почнал да се користи терминот „вештачка интелигенција“. Оваа конференцијата ја поставила основата за идното истражување во областа, со претпоставка дека секој аспект на учењето или друга карактеристика на интелигенцијата може да биде толку прецизно опишана што машината ќе може да ја симулира. Денес, Џон Макарти, заедно со Марвин Мински, Алан Њуел и Херберт Сајмон, се сметаат за едни од основоположниците на вештачката интелигенција.Клучни чекори во еволуцијата на вештачката интелигенција
Клучни чекори во еволуцијата на вештачката интелигенција
Почетоците на вештачката интелигенција се забележуваат во 1943 година со Булеовиот (Boolean) модел на мозокот на Ворен МакКалох и Волтер Питс. Овој модел се засновал на идејата дека мозокот може да се претстави како мрежа од неврони кои функционираат според логички правила, слично на електронски кола што користат логички операции како И, ИЛИ и НЕ. Ова било првиот формален обид за математичко опишување на невронски модел, што подоцна станува основа за развој на невронски мрежи и современи техники во машинското учење. Придонесот на МакКалох и Питс довел до поимот за конечни автомати, што е важно за теоријата на пресметливост и логички дизајн. Сепак, понатамошната работа во оваа област покажала дека многу проблеми на вештачката интелигенција биле нерешливи поради ограничувањата на тогашните методи на невронски мрежи.
Во 1950-тите, Алан Тјуринг го објавил својот труд „Пресметувачки машини и интелигенција“, во кој го поставил прашањето: „Можат ли машините да мислат?“ Наместо да се задржи на ова апстрактно прашање, Тјуринг предложил практичен пристап, односно Играта на имитација, денес позната како Тјурингов тест. Целта на овој тест била да утврди дали една машина може толку успешно да имитира човечки одговори, што испитувачот не би можел да разликува дали комуницира со човек или со машина. Програмот за дама (1959) на Артур Самуел е еден од првите примери за машинско учење. Тоа било програма за играње дама на IBM компјутер, која била способна да го победи човекот и станала многу популарна во тоа време. Постојат и други рани ВИ програми, како „Логичкиот теоретичар“ на Њуел и Сајмон, развиен во 1956 година, кој се смета за првиот ВИ систем за автоматско резонирање. Тој успеал да докаже 38 теореми од „Principia Mathematica“ и дури да најде пократки докази за некои од нив.
Во периодот од средината на 1950-тите до крајот на 1960-тите продолжил ентузијазмот околу вештачката интелигенција. На историската конференција во Дартмут (1956) првпат се воведува терминот „вештачка интелигенција“, што го означил почетокот на нова научна дисциплина. Веднаш потоа, Њуел и Сајмон го развиле „Општиот решавач на проблеми“ (1957), а се појавувила и програмата за автоматско докажување геометриски теореми. Во истиот период, Џон Мекарти го создал програмскиот јазик LISP, специјално дизајниран за симболичка обработка, кој станал основен алат за истражувања во оваа област. Сепак, и покрај значителниот напредок, научниците наскоро сфатиле дека многу од проблемите биле неразрешливи со тогашните методи. Ограничувањата на раните невронски мрежи доведувело до нивно потценување, па дури и до уверување дека тие нема да имаат значајна улога во иднината на ВИ.
Во исто време, системите базирани на знаење започнале да добиваат значителен импулс, се појавиле бројни успешни примери, меѓу кои најпознати се експертските системи базирани на правила, како DENDRAL и MYCIN. Иако DENDRAL започнува уште во 1965 година, а MYCIN во раните 1970-ти, и двата се сметаат за дел од „златната ера“ на експертските системи. Сепак, и покрај нивниот почетен успех, овие системи се покажале како премногу кревки и ограничени, без ефикасна примена во реалната практика.
До периодот 1980–1985, истражувањата во областа на вештачката интелигенција се одликувале со амбициозни цели за постигнување „општа интелигенција“. Компаниите започнале да инвестираат во ВИ за индустриски апликации, очекувајќи практични решенија. По 1985 година, машинското учење постепено ја преземало водечката улога во развојот на ВИ. Овој период се карактеризирал со премин кон „тесна ВИ“, односно слаба ВИ со многу специфична и ограничена примена. Очекувањата биле дека со напредокот во машинското учење ќе се овозможи интелигенција блиска до човечката и со тоа повторно ќе се отвори патот кон „општа ВИ“ или силна ВИ. После 1986 година започнал значаен подем на машинското учење со зголемување на популарноста на невронските мрежи, но со бројни модификации и подобрувања.
На почетокот на 1990-тите, фокусот во истражувањата се префрлил кон неизвесноста и нејзината улога во машинското учење и вештачката интелигенција. За претставување на знаење се вовеле Баесови мрежи, кои овозможиле моделирање на веројатност и зависности меѓу променливи. Средината на 1990-тите е значајна поради интеграцијата на статистички методи, машинско учење и класични ВИ техники, но прифаќањето на ВИ како формална „наука“ се одвивало постепено. Во овој период се постигнала синергија меѓу учење, резонирање и претставување на знаење.
Еволуција и идни предизвици на вештачката интелигенција
Еволуцијата на вештачката интелигенција е резултат на низа клучни чекори, иновации и научни откритија кои ја трансформирале оваа област од теоретски концепт во практична научна дисциплина. Почнувајќи од Булеовиот модел на мозокот на МакКалох и Питс, преку Тјуринговиот тест и првите програми за машинско учење, па сè до развојот на експертски системи и интеграцијата на статистички методи, ВИ постојано се адаптирала и надградувала. Иако раните методи имале значителни ограничувања, тие ги поставиле темелите за современите пристапи во машинското учење, невронските мрежи и моделирањето на неизвесноста. Синергијата меѓу учење, резонирање и претставување на знаење, овозможиле практична примена на ВИ во различни области.
Историјата на ВИ покажува дека напредокот е резултат на мултидисциплинарен пристап, континуирана иновација и преиспитување на методите. Денес, вештачката интелигенција е призната како формална научна дисциплина, со потенцијал да го трансформира општеството и секојдневниот живот, но нејзиниот развој е предизвик кој бара интеграција на нови знаења, технологии и етички стандарди.