Umělá inteligence: Porovnání verzí
Smazaný obsah Přidaný obsah
- šablona copyvio část |
návrat revize ověřené přes OTRS značka: možné problémové formulace |
||
Řádek 8:
Z psychosociálního hlediska je umělá inteligence jednou z forem ne-lidské inteligence.
==Zpracování informace lidským intelektem a počítačem. ==
Proč je, pro práci v oboru umělé inteligence, důležité vědět, čím se liší principy zpracování informace lidskou psýchou a počítačem? Umělá inteligence si vytkla za cíl imitovat činnost člověka, která se považuje za inteligentní, vhodným umělým zařízením, za které se všeobecně považuje počítač (program) či kognitivní robot. Je proto účelné vědět, jak taková imitace může být uskutečněna a kde jsou její meze, jak tomu u imitace vždy je. Budeme v tomto ohledu vycházet z publikace <ref> Křemen, J.: '' Nový pohled na možnosti automatizovaného (počítačového) odvozování.'' </ref>. Všimneme si přitom řetězce: poznání, zpracování informace (myšlení) a sdělování, a to jak u člověka, tak u umělého zařízení. Důvod je ten, že v tomto řetězci je primárním činitelem právě poznání (zdroj informace), které vyžaduje jisté vlastnosti jazyka, který poznání provází a nakonec poznané umožňuje sdělovat. Jinými slovy, typ poznání (podle filtru poznání) se otiskuje do vlastností odpovídajícího jazyka. Přirozené poznání člověka používající jako filtr [[vágnost]], vyžaduje neformální jazyk (vnitropsychický a vnější sdělovací) vybavený jistou dávkou nezávaznosti postavenou na (vnitřní) vágnosti. Naproti tomu umělé poznání používající Newtonův diskrétní filtr, vyžaduje umělý formální jazyk se zakázanou (nulovou) vnitřní vágností. Umělý formální jazyk je společný umělému poznání, tedy exaktní vědě a světu exaktních strojů, kterým říkáme počítače, viz heslo [[Exaktní]]. Exaktní jazyk je vázán na exaktní (Newtonovo viz [[Exaktní věda]]) poznání. Je to poznání exaktních věd a umělých zařízení (čidel, detektorů …). Všímáme si tedy dvou světů: lidského neexaktního protchnutého (vnitřní) vágností a umělého exaktního se zakázanou (nulovou) vnitřní vágností. Umělá inteligence současnosti jde cestou: lidský svět modelovat světem exaktním. Jaká omezení pro umělou inteligenci z toho plynou, ukážeme v dalším.
Jiná cesta umělé inteligence, a to odhalování struktury lidského mozku a její modelování, je zatím málo rozvinutá. Naráží jednak na složitost dosud poznaných částí lidského mozku, neboť lidský mozek má řádově 100 miliard neuronů a každý z nich je velmi složitým útvarem s vlastním informačním hospodářstvím a mezi neurony existuje cca 10<sup>15</sup> synaptických propojení. Dále možnost modelování naráží i na zatím nepoznané jiné části mozku. To tedy na úvod.
===Poznání ===
Nejdříve dva důležité pojmy (zavedené a používané v oboru umělé inteligence):
● Znalostí se rozumí vztah rozpoznaný mezi daty.
● Kognitivní model je soubor znalostí o dané části reálného světa.
Je třeba rozeznávat kognitivní model vnitřní tj. vnitropsychický, uchovávaný a zpracovávaný v lidském vědomí (a asi i nevědomí), v hypotetických vnitřních jazycích: představovém, pocitovém a přirozeném a v jejich směsici, a dále pak vnější model, reprezentovaný ve vhodném vnějším sdělovacím jazyce.
Schopnost poznání je základní přírodní výbavou člověka (a i jiných tvorů) umožňující mu získávat informace o reálném světě, v němž žije, a tak orientaci a přežití. Jedním z hlavních úkolů poznání je z vnímané části gnoseologicky infinitní (nekonečně rozsáhlé a hluboké) reality vytvořit kognitivní model, který je konečný z hlediska množství obsažené informace. Při poznávání tak nutně dochází k redukci informace na základě selekce. Pro tento účel musí existovat filtr poznání.
===Přirozené nástroje ===
Jako filtr přirozeného poznání vytvořený přírodou slouží vágnost - rozmazanost, mlhavost, neurčitost, podrobněji v <ref> Křemen, J.: "Modely a systémy", ACADEMIA, Praha 2007.</ref>. Projevuje se vágností vnímání a následného vágního zpracování informace v lidském vědomí (a asi i nevědomí).
Pro každou část reality, kterou člověk vnímá, si vytváří vnitropsychický kognitivní model oné části reality, sestávající z inherentně vágních znalostí. Jiné než vágní znalosti člověk svým přirozeným poznáním hmotného světa není schopen získat <ref> Russell, B.: "Vagueness." The Australasian Journal of Psychology and Philosophy 1, June 1923, p. 84 – 92. </ref>, a myšlení je s touto vágností inherentně spjato. Vágnost vnesenou do znalostí filtrem poznání označujeme jako vágnost vnitřní; je to vágnost primární <ref> Křemen, J.: '' Nový pohled na možnosti automatizovaného (počítačového) odvozování.'' </ref>, <ref> Křemen, J.: "Modely a systémy", ACADEMIA, Praha 2007.</ref>. Vnitřní vágnost může tak existovat pouze v lidském vědomí (a asi i nevědomí), je to vágnost vnitřních (vnitropsychických) jazyků. Vnitřní vágnost jakožto vágnost vitropsychických jazyků, je neuchopitelná jakýmikoli dosud známými nástroji popisu entit, a tak je zatím nemožné ji modelovat. Jinak řečeno, v současné době nedovedeme vytvořit žádné umělé prostředí (model) vágního filtru poznání a následného vágního zpracování informace.
Člověk má od přírody schopnost své vágní znalosti sdělovat dalším lidem (adresátům). Jazykové konstrukce (například věty) přirozeného jazyka tedy zákonitě musí mít vágní význam, vágnost jazyka je sekundární, indukovaná. Při sdělování lze do určité míry rozhodnout, jaký díl vágnosti adresátovi vyjevíme vhodnou jazykovou konstrukcí, tedy jak vágní bude sdělení. S vnitřní vágností lidské vědomí a asi i nevědomí vágně interpretuje (říkáme konotuje - konotaci někteří psychologové chápou jako vágní, subjektivní a emocionálně zabarvenou interpretaci <ref> Osgood, C. E, Suci, G., Tannenbaum, P.: " The Measurement of Meaning." Illinois, Urbana, University of Illinois Press, 1957. </ref>.) jazykovou konstrukci přirozeného (obecně: neformálního) jazyka a tím jí přiřazuje význam – vnitropsychický kognitivní model. Vágnost sdělovacího jazyka, označujeme jako vágnost vnější <ref> Křemen, J.: '' Nový pohled na možnosti automatizovaného (počítačového) odvozování.'' </ref>, <ref> Křemen, J.: "Modely a systémy.", ACADEMIA, Praha 2007.</ref>. Ukazuje se, že uvedené dva typy vágnosti mají rozdílnou roli. První je skutečně niterná, veskrze prolínající lidské vědomí; je podmínkou a součástí myšlení, cítění a bytí člověka. Druhá, vnější, je produktem myšlení a doprovází informaci natolik zpracovanou, že tato může vnitropsychický kognitivní model opustit – být sdělena. Vágnost přirozeného jazyka se projevuje jednak vágní interpretací (říkáme jí [[konotace]]) jazykových konstrukcí (tu může adresát spíš tušit a odhadovat) a pak znejisťujícími a znepřesňujícími jazykovými konstrukcemi, např. neurčitými kvantifikátory: možná, přibližně, několik apod., které adresáta na neurčitost upozorňují. Sdělovacími jazyky neformálními či formálními lze tedy uchopit – modelovat, jen vágnost vnější. Hranice mezi oběma typy vágnosti je u neformálních jazyků nevyhraněná a do jisté míry pohyblivá.
=== Umělé nástroje – když vnitřní vágnost vadí ===
Vnitřní vágnost sdělení jednoho člověka je pro druhého člověka utajená, může jí jen tušit, odhadovat. S vnitřní vágností se buď musíme smířit, což je lidské, nebo se můžeme pokusit ji zmenšovat, případně zcela odstranit, což je vědecké. Nároky na přesnost formulace vědeckých poznatků a jejich sdělování vyžadují minimalizovat vnitřní vágnost, s níž člověk interpretuje jazykové konstrukce sdělovacího jazyka, a takto zlepšovat přesnost sdělení.
Pro upřesnění poznamenejme, že i při nulové vnitřní vágnosti může být vnější vágnost sdělení nenulová. Znamená pak neurčitost, s jakou jsme schopni či potřebujeme pozorovat a jazykově popisovat entity reálného světa. Vnější vágnost lze pak vyjadřovat např. stochastickými hodnotami veličin, stochastickými funkcemi popisující vztahy mezi veličinami, fuzzy logikou (<ref> Novák, V., Dvořák, A. Fuzzy logika. Ostravská univerzita, Ostrava 2006 </ref>.), apod.
Nejrůznější vědecké postupy mají za cíl zkvalitňovat důvěryhodnost a přesnost získaných vědeckých poznatků. Pro jejich formulaci je však třeba budovat přesnější jazyk, s menší vnitřní vágností sdělení, než je běžné v denním životě. Slouží k tomu účelově (oborově) budované terminologie umožňující přesněji popsat zkoumanou realitu. Lidé vzdělaní v oboru znají odborné termíny s malou vnitřní vágností, tedy s dost přesnou interpretací a tak dost přesně vědí, co jednotlivé pojmy znamenají. Základní termíny jsou tvořeny na základě konsensu, odvozené pak z nich definicí. Potřeba snížit vnitřní vágnost až do extrému, tedy nuly, byla uskutečněna Galileou a Newtonem. Vědy neexaktní, (říkáme jim popisné vědy) využívají principu přirozeného lidského poznání, pouze vhodně zpřesňovaného. Vědy exaktní (postavené na požadavku nulové vnitřní vágnosti interpretace všech jazykových konstrukcí popisující znalosti) se samozřejmě musí filtru vágnosti zříci a nahradit ho jiným, umělým filtrem a tak používat umělé poznání.
Vnitřní vágnost má těsnou souvislost s relativně novou veličinou a tou je sémantický diferenciál. Souvislost je ta, že jedním z projevů vnitřní vágnosti je vágní, subjektivní a emocionálně zabarvená interpretace ( [[ konotace ]]) jazykových konstrukcí přirozeného jazyka a tu právě sémantický diferenciál vyjadřuje. Sémantický diferenciál umožňuje našemu chápání poněkud přiblížit, a též (principiálně) měřit, jinak neuchopitelnou vnitřní vágnost.
Sémantickým diferenciálem se rozumí rozdíl v konotaci přiřazující význam jisté jazykové konstrukci různými lidskými individui. Každé z individuí konotaci provádí na základě svého subjektivního, inherentně vágního, vnitropsychického kognitivního modelu. Ještě zde přistupuje faktor času. Každé z oněch lidských individuí v čase poněkud mění svůj vnitropsychický kognitivní model a tak i konotaci dané jazykové konstrukce. Sémantický diferenciál je tedy veličina závislá na (n+1) proměnných, kde n je počet uvažovaných lidských individuí a zbývající proměnná je čas.
Sémantický diferenciál byl zaveden v práci tří amerických psychologů: Osgooda, Suciho a Tannenbauma <ref> Osgood, C. E, Suci, G., Tannenbaum, P. The Measurement of Meaning. Illinois, Urbana, University of Illinois Press, 1957. </ref>, kde je uvedena i jedna z metod jeho měření. Tito autoři sémantický diferenciál prezentují především jako metodu měření intenzity psychologických a sociologických postojů toho kterého člověka k dané situaci, nejčastěji v 5 až 7 - mi stupňové škále. Jde o získání dat kvantifikujících sémantický diferenciál.
Nulová hodnota sémantického diferenciálu odpovídá nulové hodnotě vnitřní vágnosti konotace a tak limitnímu případu spočívajícímu v naprosté shodě všech komunikujících účastníků na významu jisté jazykové konstrukce. V tomto případě tedy lze jazykovou konstrukci exaktně interpretovat. Toto je základem umělého poznání a základem exaktních věd. '''Umělému poznání přísluší umělý formální jazyk''', vždy s nulovou vnitřní vágností interpretace všech jazykových konstrukcí. Pro upřesnění poznamenejme, že i při nulové vnitřní vágnosti může být vnější vágnost sdělení nenulová. Znamená pak neurčitost, s jakou jsme schopni či potřebujeme pozorovat a jazykově popisovat entity reálného světa. Vnější vágnost lze pak vyjadřovat např. stochastickými hodnotami veličin, stochastickými funkcemi popisující vztahy mezi veličinami, fuzzy logikou apod. Jinými slovy: '''Vágnost smí být v hodnotách veličin a ve vztazích mezi veličinami (vnější vágnost), nesmí být v jejich interpretaci (vnitřní vágnost).'''
'''Nulový sémantický diferenciál''' je též nutnou podmínkou pro použití '''umělých formálních jazyků''' – matematika, logika a dalších (v umělé inteligenci též: soustavy pravidel, různé typy logik, sémantické sítě, rámce, apod.) a nutnou podmínkou pro funkci formální inference (viz dále).
Připomeňme zde, že jednou z funkcí vágnosti ve sdělení je vyladění - optimalizace pravdivosti sdělení – nejmenší ztráta informace. Optimalizace pravdivosti sdělení ''adekvátní vágností'' říká: "Sdělení má mít stejnou vágnost jakou má informace získaná poznáním." Vysvětlení: Vnáší-li sdělující do sdělení větší vágnost, než odpovídá jeho poznání (zdroji informace), ošizuje adresáta o informaci. Na druhou stranu, zmenšuje-li vágnost sdělení oproti vágnosti svého poznání, „vymýšlí si“ a znehodnocuje předávanou informaci. <ref> Křemen, J.: '' Nový pohled na možnosti automatizovaného (počítačového) odvozování.'' </ref>.
Extrémní případ nastává, jestliže požadujeme odbourat vnitřní vágnost ve sdělení zcela (sdělovacím jazykem je pak umělý formální jazyk), pak ovšem musí být vágnost nejprve zcela odbourána v poznání (zdroji informace) a toho, jak víme, lze dosáhnou pouze Newtonovým umělým poznáním.
=== Umělý formální systém ===
Není zde místo pro zevrubné vysvětlení toho, co se rozumí formálním systémem. Čtenáře, který se chce hlouběji seznámit s problematikou umělých formálních systémů, odkazujeme na čtivě a vtipně, přitom erudovaně, napsaný článek <ref> Havel, I. M., Hájek, P. Filozofické aspekty strojového myšlení. In Sborník SOFSEM'82, 1982, str. 171-211. </ref>
Ve formálním systému důsledně rozlišujeme část
● formální tj. symbolovou a odvozovací (inferenční) – čistě syntaktické útvary
● sémantickou tj. významovou, přiřazenou interpretací
Formální systém je tvořen těmito čtyřmi základními stavebními kameny:
– vybranou abecedou jazyka (množinou symbolů)
– stanovenými axiomy (jsou to pro inferenci výchozí syntaktické tvary - řetězce symbolů)
– stanovenými pravidly formace tj. podmínkami, které musí splňovat správně utvořené formule jazyka (řetězce symbolů)
– stanovenými inferenčními (odvozovacími) pravidly
Příklady formálních systémů: Jazyk kterékoli partie matematiky se považuje za umělý formální jazyk a s inferenčními pravidly tvoří formální systém např. predikátová logika, fuzzy logika, ucelené partie algebry či diferenciálního a integrálního počtu, exaktní hry (šachy, dáma, Hanojské věže, karetní hry atp.). Za umělou paralelu přirozeného myšlení je považována inference (odvozování) v umělém formálním systému, neboť vede k získání nové znalosti, podobně jako je tomu u lidského myšlení <ref> Havel, I. M., Hájek, P. Filozofické aspekty strojového myšlení. In Sborník SOFSEM'82, 1982, str. 171-211. </ref>; operuje se s jazykovými konstrukty (symboly) místo s myšlenkami <ref> Filosofický slovník. Nakladatelství Svoboda Praha 1985, heslo: JAZYK FORMALIZOVANÝ. </ref>
Inferenci známe jako odvozování v matematice a logice. Matematika, logika a jiné formální systémy mohou popisovat znalosti a operace s nimi. Pokud je inference v umělém formálním jazykovém systému modelována na počítači, mluví se obvykle o symbolické reprezentaci znalostí a o symbolické manipulaci (s nimi). Počítačové modelování inference bylo v 50. letech min. století považováno za základ nového oboru umělé inteligence a u jeho zrodu stály práce <ref> Newell, A., Shaw, J.C., Simon, H.A. Report on a general problem-solving program. In Proceedings of the International Conference on Information Processing. p. 256–264, 1959. (Idea těchto autorů, poněkud odvážná a nepodložená, byla: Formal models of the mind: Symbolic processing is a necessary and sufficient condition for intelligent behavior). </ref>, <ref> Newell, A., Shaw, J.C., Simon, H.A. Logic Theorist, 1956. (Počítačové odvozování teorémů). </ref>, <ref> Samuel, A. Programming Computers to Play Games. Advances in Computers, Vol. 1, 1960, p. 165-192. (Program na hraní šachu). </ref>
=== Ztráta hybatele inference ===
Vykázáním vnitřní vágnosti za hranice formálního systému, jsme vykázali nejen lidského ducha invence žijícího v hypotetickém vágním představovém a pocitovém jazyce, ale s ním i invenční schopnost samohybnosti myšlení. Tak jsme přišli o hybatele inference v rámci formálního systému. Ztráta samohybnosti inference, nemožnost jejího přenosu do formálního systému se zakázanou vnitřní vágností, je krokem od člověka ke stroji; je krokem od živého k neživému v informatickém smyslu <ref> Křemen, J.: Modely a systémy, ACADEMIA, Praha 2007.</ref>.
=== Dva typy znalostí, mezi nimiž je propast ===
Mezi znalostmi o reálném světě získanými přirozeným poznáním a znalostmi získanými poznáním Newtonovou metodou exaktních věd, je kvalitativní propast. V prvém případě se na svět díváme filtrem vágnosti, v druhém případě filtrem diskrétním. V prvém případě získáváme znalosti s inherentní vágností a můžeme je popsat (representovat) a sdělovat jen a jen neformálním jazykem, nejčastěji přirozeným. V druhém případě se na svět díváme diskrétním („dírkovaným“) filtrem Newtonovým, a „dírkami“ vidíme pouze zástupce reálného světa: veličiny, parametry a matematicky reprezentované vztahy mezi nimi. Získáme tak znalosti exaktní, bez vnitřní vágnosti interpretace, a můžeme použít exaktního umělého formálního jazyka. Použít v tomto případě přirozeného jazyka je principiálně možné, ale není to příliš účelné, zejména proto, že složitější vztahy jsou nepřehledné a tak je zápis nepoužitelný, a pak, že přicházíme o velice efektivní nástroj formální inference - odvozování; nemůžeme tedy nic „vypočítat“. V tomto případě neděláme nic jiného, než že přirozeným jazykem hovoříme o veličinách, parametrech a matematicky reprezentovaných vztazích mezi nimi. V žádném případě nelze použít umělého formálního jazyka pro popis inherentně vágních znalostí. Je to proti principu umělých formálních jazyků, je to popřením jejich ustavujících podmínek: nulové vnitřní vágnosti interpretace všech ve formálním systému užitých symbolů - jazykových konstrukcí.
=== Formalizace ===
Setkáváme se s ní původně při výkladu formální logiky a nověji v umělé inteligenci. Obvykle se jí rozumí: jazykovou konstrukci přirozeného jazyka s inherentní vnitřní vágností nahradit jazykovou konstrukcí formálního jazyka s nulovou vnitřní vágností za podmínky zachování významu, tedy odpovídajícího vnitropsychického kognitivního modelu. Což je nemožné. Vnitřní vágnost poznání je inherentní, je neodstranitelná. Je to nedomyšlený pokus, lidský svět vágního poznání a myšlení modelovat exaktními nástroji, jak jsme uvedli na začátku.
Je třeba s obdivem říci, že Newton, o 250 let dříve než Russell a jiní, pochopil, že formalizace je možná, jen a jen když se s ní počítá již od počáteční fáze poznávání a vybudují se pro ten účel vhodné nástroje cestou zastupování reálných entit veličinami, parametry a vztahy mezi nimi. Tak dojde k použití filtru diskrétního místo filtru vágnosti. Toto nelze provést dodatečně, byl-li už použit filtr vágnosti, jak se o to pokouší formalizace. Nápad s formalizací připomíná známé úsměvné filmové rozbíjení atomu kladivem na kovadlině, tedy myšlenkový pohyb v nesprávném paradigmatu. Formalizace je blud šířený od třicátých let minulého století po současnost. Tento omyl vznikl v prvé polovině 20. století, kdy tvůrci formální logiky sice správně aplikovali logiku na matematické entity, logika se tak stávala metajazykem matematiky, ale posléze neuváženě rozšířili aplikační oblast na inherentně vágní znalosti a nedůsledně definovali výrok. Tento omyl přežívá do současnosti ve výkladu logiky i v umělé inteligenci <ref> Rich, E., Knight, K. Artificial Intelligence. McGraw-Hill, Inc., N. York, St. Louis San Francisco, Toronto, 1991. </ref>
=== Člověk a stroj ===
Pro poznání a myšlení člověka je charakteristický faktor vágnosti: vágní funkce lidských smyslů, vágní prostředí lidského vědomí i nevědomí. Takové prostředí je zatím uměle nenapodobitelné a všechna umělá zařízení – stroje (počítač vybavený čidly pro sběr dat, kognitivní robot, kosmická sonda provádějící průzkum – poznání jisté části vesmíru), mohou „vidět“ a poznávat pouze umělým Newtonovým filtrem, tedy měřit hodnoty předem daných veličin a parametrů a zpracovávat je. Tak i život hledaný ve vesmíru musí být definován množinou (Newtonovských) veličin. Za umělou paralelu lidského myšlení je považována inference ve vhodném formálním systému; toto je „myšlení“ strojů. I tato inference, jak jsme uvedli, je však schopna pracovat pouze se znalostmi získanými Newtonovou metodou.
Jelikož, jak jsme zmínili, lze umělé poznání ve srovnání s přirozeným použít pouze na nepatrnou část reálného světa, pro kterou jsme schopni zavést veličiny a parametry, jsou takto omezeny současné stroje. Výzkum vnitřní vágnosti směřující k jejímu modelování je dnes zřejmě aktuální záležitostí, podobně jako na přelomu 19. a 20. století výzkum ve fyzice v oblasti mikročástic. Stroje, snad v budoucnu užívající filtr vágnosti a vágního prostředí pro zpracování informace (myšlení), by měly mnohem širší působnost a uplatnění srovnatelné s člověkem. Díky rozlišení vlastností znalostí získaných každým z filtrů poznání, jsme schopni vymezit možnosti člověka a dnešního stroje, dosud jen tušené a to mnohdy nepatřičně a tak zamezit bloudění v hledání nedosažitelného. Pro ctitele Turingova testu poznamenejme, že při znalosti nových, zde předložených poznatků by Alan Turing byl býval svůj imitační test formuloval zřejmě obezřetněji.
Vnitropsychické jazyky (velká vágnost znalostí) jsou schopny reprezentovat větší množinu znalostí než přirozený jazyk (menší vágnost znalostí než vnitropsychické jazyky) – některé znalosti člověkem běžně a úspěšně používané, jsou nesdělitelné. Důvod i s příkladem je podrobně uveden v <ref> Křemen, J.: Modely a systémy, ACADEMIA, Praha 2007.</ref>. Jen část poznaného je člověk schopen transformovat do přirozeného jazyka (formulovat a sdělovat). Přirozený jazyk je schopen reprezentovat větší množinu znalostí než umělý formální jazyk <ref> Filosofický slovník. Nakladatelství Svoboda Praha 1985, heslo: JAZYK FORMALIZOVANÝ. </ref> (nulová vnitřní vágnost). Toto porovnání jazyků vypovídá o rozdílných schopnostech člověka a stroje, co do možné šíře záběru poznání a zpracování poznané informace. Myšlení člověka se odehrává na větší množině znalostí (vnitropsychický model) než pak sdělování, u stroje jsou obě množiny tytéž. Diskrétní filtr poznání velice omezuje oblast poznání. Filtr vágnosti umožňuje vágně znát mnohé, diskrétní filtr umožňuje exaktně znát nemnohé. Je třeba zdůraznit, že Newtonovou metodou lze probádat a popsat jen velice specifickými postoji vymezenou, nepatrnou část reálného světa, pro kterou jsme schopni zavést měřitelné veličiny a parametry, tedy znalosti reprezentovat umělým formálním jazykem. Formální jazyk svým neúprosným požadavkem nulové vnitřní vágnosti interpretace všech jazykových konstrukcí velice omezuje oblast poznání. Umožňuje popisovat pouze to, co jsme schopni poznat doopravdy exaktně, a toho je relativně málo. V následujícím obrázku je zobrazena hierarchie jazyků se zvyšující se vyjadřovací silou v závislosti na zvyšující se (vnitřní) vágnosti, tak, jak jsme o tom mluvili v předchozím textu.
[[Soubor:Obr._Hierarchie_jazyk%C5%AF.jpg|střed|600px|Hierarchie jazyků.]]
=== Závěrem ===
Až dosud předpokládanou oblast aplikace strojového odvozování, v níž se v posledních padesáti letech, ve velké míře objevují soubory inherentně vágních znalostí, získaných přirozeným poznáním (v terminologii umělé inteligence se jim říká povrchové znalosti), je nutno redukovat a znalosti s inherentní vágností zcela oželet, vypustit je. Je přípustné používat pouze znalosti získané metodou exaktních věd (v terminologii umělé inteligence se jim říká hloubkové znalosti), tedy znalosti vyjádřené veličinami, parametry a matematicky reprezentovanými vztahy mezi nimi.
Entity, které mohou být použity při automatizovaném odvozování, tedy při zachování nulové vnitřní vágnosti interpretace všech jazykových konstrukcí formálního systému, jsou jen a jen tyto:
♦ matematické entity (např. dokazování teorémů)
♦ exaktní hry – umělé formální systémy materializované do podoby figur, karet apod. (např. šachy, karetní hry)
♦ znalosti získané Newtonovou metodou exaktních věd (odvozování ve vědě a technice, hloubkové znalosti v umělé inteligenci např. automatizovaná optimalizace logických obvodů).
Dalším problémem automatického odvozování je nesamohybnost formální inference. Je nutno vytvořit umělého hybatele. Učebnicové návody na vytvoření hybatele např. metrizací stavového prostoru (tj. prostoru vytyčeného všemi dovolenými pohyby inference), a tak akcentování jisté inference na úkor jiných aplikovatelných v daném bodě stavového prostoru, je použitelná jen v ojedinělých případech. Jen ve spíše vzácných případech lze pro celý stavový prostor vytvořit globálně působícího hybatele. Ve většině reálných případů musí tvůrce systému nalézt vhodný podnět pro pohyb inference pro každý bod stavového prostoru, což je velice obtížná a namáhavá úloha, uvážíme-li, že takových bodů jsou stovky i tisíce.
Do jaké míry jsou tato závěrečná konstatování známa odborné veřejnosti? Zajímavým dokumentem je úvodní sešit manuálu prázdného znalostního systému SMART ELEMENTS V. 2.0, od firmy Neuron Data <ref> SMART ELEMENTS, Neuron Data, 156 University Avanue, Palo Alto, California 94301. </ref>. Ilustrativním příkladem pro uživatele je v manuálu uveden fyzikální problém přepouštění kapaliny mezi nádržemi. Tedy zvolen příklad z oboru newtonovských exaktních věd. Jsou tvůrci SMART ELEMENTS vědoucí, nebo je to náhoda? Spíš vědí, ale mlčí, aby prodali. Dále, pro uživatele používající pro budování znalostního systému přirozený jazyk reprezentující inherentně vágní znalosti člověka, je jim tvůrci systému připraven pestrý rejstřík nástrojů pro ovládání každého inferenčního kroku uživatelem. Proč? Protože, jak víme, formální inferenci nelze v tomto případě použít, vzdělaní tvůrci SMART ELEMENTS to nejspíš vědí, a nevědoucímu zákazníkovi - uživateli vycházejí oněmi nástroji vstříc. Uživatel tak může nastoupit klopotnou cestu nekončícím bludištěm svých ad hoc nápadů, jak vést jednotlivé inferenční kroky, jichž jsou stovky, ale spíš tisíce. Je to nekončící „bastlení“. Výsledky takového úsilí dosti nelichotivě hodnotí prof. Dreyfus, H. L. ve své knize <ref> Dreyfus, H. L.: "What Computers Still Can't Do. A Critique of Artificial Reason." The MIT Press, Cambridge – Massachusetts, London - England, 1993. </ref>
== Turingův test ==
| |||