Mesterséges intelligencia története

A számítási intelligencia az iterációs (lépésenkénti) fejlődést vagy tanulást helyezi előtérbe (például a paraméter hangolást a kapcsolat alapú rendszerekben). A tanulási folyamat gyakorlati tapasztalatokon alapul és nem szimbolikus, koszos MI vagy puha számítási technikai módszereket használ.

• Neuronhálózatok: nagyon erős mintafelismerési képességű rendszerek.
• Fuzzy rendszerek: technikák a kockázat melletti érveléshez, amelyeket elterjedten használnak modern ipari és fogyasztói szabályozási rendszerekben.
• Evolúciós számítási technikák, amely a biológia által inspirált fogalmakat (például populáció, mutáció, a legjobb túlélése) alkalmaz egyes problémák egyre jobb megoldásához. Ezek a módszerek az evolúciós algoritmusok (például genetikus algoritmusok) és a raj-intelligencia (például hangya algoritmus) területekre oszthatók.

A két fő irányvonal elemeit próbálták ötvözni a hibrid intelligens rendszerekben, amelyekben a szakértői rendszerek következtetési szabályait hozzák létre neuronhálózatok vagy a statisztikai tanulás képzési szabályainak segítségével.

Hogyan fejlődött az évek során

A mesterséges intelligencia (MI) kutatása 1956-ban kezdődött az amerikai Dartmouth College egyik nyári workshopján. Úgy gondolták, tíz tudós két hónap munkával le tudja fektetni egy olyan masina alapjait, amely képes nyelvhasználatra, elvont fogalmak kezelésére, olyan problémák megoldására, amelyek addig kizárólag embereknek sikerültek, illetve önmaga tökéletesítésére.

Ma már talán megmosolyogtató az optimizmusuk, és egyáltalán nem meglepő, hogy sokkal lassabban haladtak a tervezettnél, ám a lényeg, hogy megtették az első, kulcsfontosságú lépéseket.

Az 1980-as években a mesterséges intelligencia két úton indult újra: az algoritmikus eszköztár kibővítéséből és a források megnöveléséből. John Hopfield és David Rumelhart népszerűsítette a mély tanulási (deep learning) technikákat, amelyek lehetővé tették a számítógépek számára, hogy a tapasztalatok felhasználásával tanuljanak. Másrészt Edward Feigenbaum olyan szakértői rendszereket vezetett be, amelyek a humán szakértő döntéshozatali folyamatát utánozták. A program egy adott terület szakemberét kérdezné meg, hogyan reagáljon egy adott szituációban, és miután a megszerzett tudást gyakorlatilag minden helyzetre elsajátították a gépek a laikusok tanácsokat kaphatnak az adott programtól. A szakértői rendszerek alkalmazása az iparban terjedt el a legszélesebb körben Többek között a japán kormány jelentős mértékben finanszírozott szakértői rendszereket és más mesterséges intelligenciával kapcsolatos erőfeszítéseket az Ötödik generációsszámítógépes projektjük (FGCP) részeként. 1982 és 1990 között összesen 400 millió dollárt fektettek be a számítógépes feldolgozás forradalmasítása, a logikai programozás megvalósítása és a mesterséges intelligencia fejlesztése céljából. Sajnos az ambiciózus célok többsége nem teljesült. Az FGCP finanszírozása megszűnt, és a mesterséges intelligencia kiesett a rivaldafényből.

Érdekes módon állami finanszírozás és nyilvános hírverés hiányában a mesterséges intelligencia új erőre kapott. Az 1990-es és 2000-es években a mesterséges intelligencia számos mérföldkőnek számító célja megvalósult. 1997-ben a regnáló sakkvilágbajnok és nagymester, Gary Kasparov vereséget szenvedett az IBM Deep Blue nevű sakkjátszó számítógépes programjától.  Star Trekesen fogalmazva, sokan a sakkot tartották a mesterséges intelligencia „végső határának” az emberrel szemben. Ezen utóbbi tényből kifolyólag pedig a gép győzelme az ember felett kritikus pont volt az MI történetében, és új távlatokat nyitott meg azzal kapcsolatban, hogy vajon még mire lehet képes, milyen feladatokat tud ellátni a mesterséges intelligencia nemcsak az emberrel azonos szinten, de akár jobban is.

TELEK ÉS NYARAK

A mesterséges intelligencia kutatásának hullámhegyeit és hullámvölgyeit a szakirodalom „teleknek és nyaraknak” nevezi. A fellángolásokat és lelkesítő eredményeket – „nyarakat” – általában kudarcok és bírálatok követték. Ez együtt járt a támogatások elapadásával, és hosszabb, terméketlen időszakokat – „teleket” – eredményezett. Annak a nyárnak, amelyet most élvezhetünk, az internet megjelenése jelentette a tavaszt. Az internet elterjedése és széles körű használata ugyanis lehetővé tette azt az adatrobbanást, amelyet „big data” néven ismerünk.

A NAGY ÁTTÖRÉS

A mesterséges intelligencia kutatása során fordulópontot jelentett annak felismerése, hogy az intelligencia nem egyenlő a tudással, elvégre nagyon sok dolgot az ember nem szabályalapon, hanem ösztönösen végez (pl. nem végzünk fizikai számításokat, amikor egy asztalról leeső poharat elkapunk), és gépekbe amúgy is lehetetlen lenne minden létező tudást és szabályt beprogramozni. Az intelligencia sokkal inkább a tanulás és a tanulásból az általánosítás képessége.

A hatékony tanuláshoz azonban megfelelő mennyiségű adat szükséges. 2012 környékén jött el az a pont, amikor a gépi tanulás és a big data kombinációjából létrejött az úgynevezett deep learning, vagyis mélytanulás.

Ennek számos látványos, mindennapi életünkben is érezhető eredménye lett, mint például a hangfelismerő rendszerek pontosságának ugrásszerű javulása, az egyre megbízhatóbb önvezető autók, a rendkívül hatékony arcfelismerő rendszerek (amelyek nemcsak a totalitárius államok „Nagy Testvéreként” működnek, hanem körözött bűnözőket és elveszett gyerekeket is megtalálnak), vagy éppen az a tény, hogy az emberek már csak a második helyért küzdhetnek egymással sakkban és góban.

A mostani 2022-es évben nem kell messzire menni vagy extrém eseteket keresni, hogy mesterséges intelligenciával találkozzunk, hiszen a mindennapjaink része. Legyen szó online vásárlásokról, a reklámoknál a személyre szabott ajánlatokról, a különböző nyelveket lefordító rendszerekről vagy a navigációról. Összefoglalóan tehát az MI a háttérben tevékenykedve régóta megkönnyíti az életünket sokszor a tudtunk nélkül is.

AZ ADATOK FONTOSSÁGA

Mostanra elmondható, hogy a deep learningnek köszönhetően rendkívül sokféle problémára jelenthet megoldást a mesterséges intelligencia. A modellek tanításához azonban sok és jó minőségű adat kell. Ezekhez sokszor nehezebb hozzájutni, mint magához az MI technológiához, valamint az MI modellek építéséhez és futtatásához szükséges számítási kapacitáshoz. A mesterséges intelligencia tehát már régen nem a jövő zenéje, hanem a jelen eszköze.

Mesterséges intelligenciának (MI vagy AI az angol artificial intelligence-ből) egy gép, program vagy mesterségesen létrehozott tudat által megnyilvánuló intelligenciát nevezzük.

A fogalmat legtöbbször a számítógépekkel társítjuk. A köznyelvben több külön jelentésben használják:

1. A mesterségesen létrehozott tárgy állandó emberi beavatkozás nélkül képes legyen válaszolni környezeti behatásokra (automatizáltság) – az egyszerű szoftverágens ilyen;
2. A mesterségesen létrehozott tárgy képes legyen hasonlóan viselkedni, mint egy természetes intelligenciával rendelkező élőlény, még ha az azonos viselkedés mögött eltérő mechanizmus is húzódik meg (TI szimuláltság – ilyen értelemben beszélhetünk pl. a számítógépes játékok gép irányította karaktereinek „intelligenciájáról”);
3. Végül, a mesterségesen létrehozott tárgy képes legyen viselkedését célszerűen és megismételhető módon változtatni (tanulás) – ez utóbbi jelentés az, ami a modern MI-kutatásban előtérbe került, és jelenleg az MI fogalmával legjobban azonosítható.

Bár a mesterséges intelligencia a tudományos-fantasztikus irodalom terméke, jelenleg a számítógép-tudomány jelentős ágát képviseli, amely intelligens viselkedéssel, gépi tanulással, és a gépek adaptációjával foglalkozik. Így például szabályozással, tervezéssel és ütemezéssel, diagnosztikai és fogyasztói kérdésekre adott válaszadás képességével, kézírás-, beszéd- és arcfelismeréssel. Egy olyan tudományággá vált, amely a valós életbeli problémákra próbál válaszokat adni. A mesterségesintelligencia-rendszereket napjainkban elterjedten használják a gazdaság- és orvostudományban, a tervezésben, a katonaságnál, sok elterjedt számítógépes programban és videójátékban, de az online szövegírásban is.

Mesterséges intelligencia csoportosítása

A mesterséges intelligencia kutatását két fő csoportra oszthatjuk: a hagyományos MI-re és a számítási intelligenciára.

A hagyományos MI főleg a jelenleg gépi tanulásként osztályozott módszerekből áll, amelyet a formalizmus és a statisztikai analízis jellemez. A terület ismert még szimbolikus MI, logikai MI, tiszta MI, és GOFAI (jó, régimódi mesterséges intelligencia) neveken is. A terület a következő módszereket foglalja magába:

• Szakértői rendszerek, amelyek egy szűk szakmai területen érvényes érvelési szabályokat alkalmaznak következtetések levonásához. A működése során tényekkel, és további tények kikövetkeztetéséhez alkalmas szabályokkal operál. Az egyik legismertebb az 1970-es években létrehozott MYCIN, ami a vér betegségeinek diagnózisához adott segítséget.
• Esetalapú érvelés
• Bayes-statisztikán alapuló hálózatok
• Viselkedésalapú MI: egy moduláris módszer, MI-rendszerek kézi létrehozásához.

Kép forrása: hangoskonyv.eu

Művészi ábrázolása

• Isaac Asimov regényei, novellái
• A Terminátor c. mozifilm-sorozat és spinoffjai
• A. I. – Mesterséges értelem (2001) című film. Rendező: Steven Spielberg
• 2001: Űrodüsszeia (1968) című film híres intelligens számítógépe, HAL 9000 viselkedése a film egyik alapkonfliktusa
• Csillagközi romboló és a Caprica c. spinoff sorozatok középpontjában a lázadó mesterséges intelligencia (cylonok) és az emberi létezés esetleges konfliktusa áll
• A Disney által készített Tron, avagy a számítógép lázadása c. kultuszfilm;
• Mass Effect: EDI, gethek, kaszások – akció-szerepjáték
• Ex Machina (2015) című film
• William Gibson Neurománc-regénysorozatában (Neurománc, Számláló nullára, Mona Lisa Overdrive) a cselekményszálakat mesterséges intelligenciák szervezik és irányítják
• Detroit: Become human – videójáték

Forrás: Wikipedédia, neuronsolutions.hu

Ha feliratkozik a Műszaki Magazin Hírlevelére, sosem marad le a híreinkről! További friss híreket talál a Műszaki Magazin főoldalán! Csatlakozzon hozzánk a Facebookon is!