Istota i charakterystyka sztucznej inteligencji jako dziedziny naukowej. Inteligencja naturalna i sztuczna, zakres badań nad sztuczną inteligencją.
Sztuczna inteligencja według E.Fejgenbauma jest „dziedziną informatyki związaną z koncepcjami i metodami wnioskowania symbolicznego, wykonywanego przez komputer oraz z symboliczną reprezentacją wiedzy, stosowanej podczas takiego wnioskowania. Badania w dziedzinie sztucznej inteligencji mają za zadanie dostarczyć komputerom zdolności, które ludzie uznają za inteligencję.”
Pojęcie inteligencji wprowadzone było najprawdopodobniej Cyceronem już w
starożytności. I oznacza „zdolność umysłu do efektywnego rozumowania otaczających sytuacji - dzięki posługiwaniu się pamięcią, wyobraźnią i myśleniem pojęciowym- zagadnień zarówno praktycznych, jak i teoretycznych, przed którymi staje.”
Najczęściej termin inteligencja oznacza : „zespół zdolności umysłowych,
umożliwiających człowiekowi korzystanie z nabytej wiedzy (doświadczenia) oraz
skuteczne zachowanie się wobec nowych zadań i warunków życia„ .
Najistotniejszymi aspektami zdolności umysłowych są:
Zdolność do analizy i uogólniania;
Uczenie się;
Zdolność rozpoznawania danego obiektu w dowolnym kontekście;
Tworzenie, myślenie koncepcyjne i abstrakcyjne
Sztuczna inteligencja Jest to automatyzacja niektórych działań intelektualnych człowieka w zakresie wnioskowania, kojarzenia faktów i wyboru informacji przy
użyciu komputera”
Zadaniem sztucznej inteligencji jest komputerowe rozwiązywanie problemów
sposobami wzorowanymi na naturalnych działaniach, zachowaniach i procesach
poznawczych człowieka.
Sztuczna inteligencja zajmuje się zagadnieniami, dla których nie istnieją algorytmy rozwiązania, nie są znane, lub są zbyt złożone.
Sztuczną Inteligencje można podzielić na poddziedziny:
rozwiązywanie problemów i strategie przeszukiwań;
Teoria gier;
Automatyczne dowodzenie twierdzeń;
Przetwarzanie języka naturalnego (w tym przetwarzanie mowy),
Systemy ekspertowe;
Procesy percepcji (wizja, słuch, dotyk)
Uczenie się maszyn;
Robotyka;
Wyszukiwanie informacji;
Programowanie automatyczne
Historyczny zarys badań w okresie rozwoju badań nad sztuczną inteligencją:
Pierwszy raz pojęcia „sztuczna inteligencja” użył M.Minski w
1956 r., ale początki tej dziedziny sięgają o wiele dalej w przeszłość.
Przykładem może być twórca tzw. „mechanizmu analitycznego” Charles Babbage (1792-1871), który rozważał zastosowanie tego narzędzia do gry w szachy (najdoskonalsza w tym okresie, wymagała kart perforowanych dla wprowadzania programów i danych).
Do 1939 - pierwsze prace nad logiką formalną i psychologią poznawczą
W.S. McCulloch i W.H.Pitt w opublikowanej w 1943r. prace przedstawili opracowany przez nich model sieci neuronowej, nazwany zespołem M-P (M-P - UNIT), który był synchronicznym modelem sieci, całkiem odmiennym od rzeczywistych sieci neuronów. Ta praca jest traktowana jako pierwsza znacząca praca z zakresu SI.
Rozpoczęcie badań w dziedzinie sztucznej inteligencji (praca A. Turinga „Computing mashinery and inteligence”, 1950r. - zaproponował prosty test dający odpowiedź na pytanie: maszyna jest nazywana inteligentną, jeśli zewnętrzny obserwator nie jest w stanie
odróżnić jej odpowiedzi od odpowiedzi człowieka mogącego zastępować maszynę.
Dziesięć lat później F.Rozenblatt zmodyfikował tę sieć i nazwał ją perceptronem. Perceptron mógł być nauczony klasyfikowania pewnych typów modeli, był w stanie rozpoznawać pewną klasę obrazów.
W 1956r. A.Newell i H.Simon zastosowali w badaniach symboliczną reprezentację problemu. Zaproponowali przedstawienie kojarzenia i rozumownia jako poszukiwania rozwiązania w przestrzeni stanów.
Przed 1970 rokiem badania nad symulacją mózgu przy użyciu sieci neuronowych zostały ograniczone w wyniku publikacji Minsky'ego i Papersa.
W tym okresie rozpoczęły się intensywne prace nad symbolicznym modelowaniem, tworzeniem formalnych modeli problemów rozwiązywanych przy zastosowaniu komputerów. W wyniku badań zespolu Feigenbauma i Lederberga w połowie lat 60-tych powstał pierwszy system ekspertowy DENDRAL, analizujący budowę organicznych molekuł.
Szczególnie wazne okazały się badania prowadzone na Uniwersytecie Stanforda, powstały w ich wyniku system ekspertowy MYCIN stał się wzorem systemu ekspertowego pierwszej połowy lat 80-tych.
W latach 70-tych AI wzbogaca się nowymi metodami i narzędziami, takimi jak
logika rozmyta (Fuzzy logic), prace L. Zadeha, (pozwala na modelowanie
rozumowania człowieka i wiedzy lingwistycznej);
algorytmy genetyczne - praca J. Hollanda w dziedzinie algorytmów genetycznych,
odwzorowujących mechanizmy ewolucji zachodzącej w przyrodzie.
W 1986 r. Rumelhart, Hinton i Williams opublikowali algorytm trenowania sztucznych
sieci neuronowych Backpropagation, pojawienie się którego rozpoczęło nowy okres
bardzo intensywnych badań nad SNN. Należy zwrócić uwagę na fakt, że ten algorytm
po raz pierwszy był opisany przez Verbosa w 1974 r.
W latach 90-tych pojawiają się prace z zakresu hybrydowych systemów ekspertowych, łączących takie narzędzia SI jak SE i SNN.
Obecnie te układy hybrydowe uzupełniane są logiką rozmytą i AG.
Najnowsze zastosowania w dziedzinie AI w okresie ostatnich kilku lat uzyskuje teoria
chaosu.