Otevřít hlavní menu

Umělá inteligence

obor informatiky

Ikona zvuku Poslechnout si článek · info

Tato zvuková nahrávka byla pořízena z revize data 6. května 2017, a nereflektuje změny po tomto datu.
Více namluvených článkůNápověda
Tento článek je o oboru informatiky. Další významy jsou uvedeny na stránce Umělá inteligence (rozcestník).

Umělá inteligence (anglicky artificial intelligence, AI) je obor informatiky zabývající se tvorbou strojů řešících komplexní úlohy například z oblastí logistiky, robotiky, zpracování přirozeného jazyka, či zpracování velkých objemů dat.

Informatika

Výzkum umělé inteligence je rozdělen do několika polí, které je těžké názorově spojit. Typicky se zde objevuje rozpor mezi pojetím statistickým (kam spadá například analýza dat, či rozpoznávání obrazu), a pojetím blízkým matematické logice, kam patří například oblast plánování, prohledávání (hra šachů), či strojového dokazování. Nicméně to, že tento rozpor není nepřekonatelný nám ukázaly například algoritmy hrající hru Go, které dokázaly propojit statistiku s prohledáváním,[1] a následně i se strojovým učením.[2]

Většina výzkumu v umělé inteligenci je zaměřena na řešení konkrétních problémů, rozvoj jednotlivých přístupů, a hledání dalších aplikací již vyvinutých technik. Navzdory běžnému přesvědčení je snaha o vytvoření "skutečně inteligentního stroje" záležitostí okrajovou, a většina zájmu je soustředěna jinam.


Oblasti umělé inteligenceEditovat

Zpočátku se vědci snažili vytvořit počítačové programy, které by se chovaly stejně jako myšlení člověka. Ukázalo se však, že něco takového je extrémně těžké, a nevede to k žádným výsledkům. Proto se vědci poměrně záhy vydal jinými cestami a touto oblastí se již prakticky nikdo nezabývá.

Neuronové sítěEditovat

Související informace naleznete také v článku Neuronová síť.

Umělé neuronové sítě v umělé inteligenci jsou volně inspirovány odpovídajícími biologickými strukturami. Oproti nim jsou však značně zjednodušeny z důvodu zrychlení výpočtů, a používají jiné mechanismy učení, než jaké používá mozek. Cílem informatiky totiž není věrně simulovat biologické struktury, ale především řešit praktické problémy. Tvorbou biologicky věrných modelů neuronů a neuronových sítí se zabývají výpočetní neurovědy.

Evoluční algoritmyEditovat

Související informace naleznete také v článku Genetický algoritmus.

Evoluční algoritmy jsou prostředkem matematické optimalizace. Cílem je například nalézt řešení, které maximalizuje hodnotu užitkové funkce -- např. nalézt takovou anténu, která bude mít co možná nejlepší přenosové vlastnosti. Evoluční algoritmy volně vycházejí z biologické evoluce. Algoritmus začíná tak, že náhodně vytvoří populaci různých antén. Pozom už probíhá iterativní proces, kde se v první fázi všechny antény v populaci ohodnotí podle jejich kvality, a ve druhé fázi se antény zkříží mezi sebou, čímž vznikne potomkovská generace. Jelikož lepší antény mají více potomků, než horší antény, kvalita populace se v průběhu generací postupně zvyšuje. Variabilita potomkovské populace se navíc typicky zvyšuje přidáváním mutací.

Podobný proces lze použít nejen na antény, ale dokonce i na počítačové programy - Genetické programování

Expertní systémyEditovat

Související informace naleznete také v článku Expertní systém.

Expertní systém je počítačový program, který má za úkol poskytovat expertní rady, rozhodnutí nebo doporučit řešení v konkrétní situaci.

Expertní systémy jsou navrženy tak, aby mohly zpracovávat nenumerické a neurčité informace a řešit tak úlohy, které nejsou řešitelné tradičními algoritmickými postupy.

Typicky v sobě obsahují bázi znalostí reprezentovanou pomocí logických formulí, a následně tyto znalosti kombinují pomocí vhodné matematícké logiky (časté je použití různých fuzzy logik), aby dostaly odpověď na zadanou otázku.

Prohledávání stavového prostoruEditovat

Související informace naleznete také v článku Prohledávání stavového prostoru.

Zvláště při vytváření algoritmů na řešení klasických her (šachů, dámy) se jeví účelné zadefinovat si množinu stavů, do kterých se můžeme ve hře dostat, přípustné tahy neboli přechody mezi stavy a počáteční a koncové pozice. Hledáme pak cestu od počátečních stavů ke koncovým stavům, které znamenají náš úspěch.

Jelikož mohou být stavové prostory rozsáhlé (například ve hře go) a v některých případech i nekonečné, je třeba volit chytré metody ořezávání nevhodných cest a ohodnocování pozic.

Dobývání znalostíEditovat

Související informace naleznete také v článku Data mining.

Velké soubory dat (často uložené v databázích) o nějakém systému nejsou použitelné a pochopitelné přímo, i když obsahují informace a vzory chování sledovaného systému. Metody dobývání znalostí převádí data do kompaktní a explicitní formy popisující systém, která je lépe použitelná.

V širokém smyslu nejde jen o zpracování elementárních dat (čísel, řetězců, kategoriálních dat), ale taky zpracování zvuku, obrázků (Digitální zpracování obrazu), videa, přirozeného jazyka (viz zpracování přirozeného jazyka, korpus) a bioinformatických dat (bioinformatika).

Výstupy jsou různé pro různé úlohy a závisí taky na tom, k čemu je chceme použít a co (a jak kvalitně) dokážeme vydolovat.

Strojové učeníEditovat

Související informace naleznete také v článku Strojové učení.

Úspěšné algoritmyEditovat

HryEditovat

  • Královská hra šachy byla už od počátků informatiky předmětem analýz. Řešení problému bylo od počátku spojováno s inteligencí, avšak výhra nemusí znamenat větší inteligenci. V roce 1997 porazil systém Deep Blue od firmy IBM úřadujícího mistra světa Garriho Kasparova. Deep Blue však byl spíše hybridní systém s akcelerátory výpočtů.[4] Šlo tak spíše o řešení hrubou silou. Současná AI již neprochází tolik pozic a přitom je úspěšnější.[5]
  • Chinook je program pro hraní anglické dámy, jehož tvůrci v červenci roku 2007 prohlásili, že nemůže prohrát. Již několik let předtím pravidelně porážel lidské oponenty. Tohoto výsledku bylo dosaženo kombinací hrubé síly při prohledávání pozic ve střední části hry a dobrou databází zahájení a koncovek.
  • Počítačové programy hrající go si často tak dobře nevedly. Je tomu tak zřejmě proto, že je goban (deska na go) je poměrně rozsáhlá a s každým dalším položeným kamenem stoupá komplexita rozhodování, kterou však mají lidé šanci zvládnout díky své vrozené schopnosti rozpoznávání tvarů. Ovšem nejlepší programy používající jak řešení hrubou silou (přesněji stromové prohledávání do hloubky),[6] tak intuici, jsou schopné porážet (2016) i mistry.[7][8]

Další algoritmyEditovat

  • Letecká bojová umělá inteligence ALPHA dokáže vést letecké souboje lépe než lidští piloti.[10]
  • AI je schopna určit riziko selhání srdce lépe než lékař.[11]
  • AI umožňuje snadno napodobovat lidské hlasy.[12]
  • AI s pomocí senzorů umožňuje odhalovat lhaní či jiné emoce.[13]
  • AI dokáže lépe předpovídat chaos než rovnice.[14]

ProblematikaEditovat

Problémem je, že se AI chová jako černá skříňka.[15][16] Člověk musí výsledkům, které mohou být ve výsledku lepší (inteligentnější) než jeho, slepě věřit, protože jim nerozumí. Volá se proto po vysvětlitelné AI (XAI).[17][18]

AI může odstranit lidské kognitivní zkreslení.[19] Může ovšem zavést vlastní zkreslení.[20] Lidské i umělé myšlení tedy lze i podvést.[21] Záleží na způsobu výběru dat k učení.[22]

Protože technologie mohou být pro člověka nebezpečné, formulovala koncem dubna 2019 Evropská komise etické zásady vývoje systémů s umělou inteligencí:

  • Možnost řízení a dohledu ze strany člověka
  • Robustnost a bezpečnost
  • Ochrana soukromí a dat
  • Transparentnost
  • Rozmanitost, zákaz diskriminace a rovné zacházení
  • Společenský a environmentální prospěch
  • Odpovědnost.[23]

Problém zákazu diskriminace je v tom, že diskriminace je chování, preference určitých hodnot, kategorií či parametrů, které běžně lidé volí, bez toho, aniž by si toho byli vědomi.[24] Často je toto diskriminační chování objeveno, až když se na základě dat z takového chování učí umělá inteligence.[24] Tento problém se projevil např. v oddělení lidských zdrojů společnosti Amazon, jejichž systém vyhodnotil pohlaví jako jeden z výběrových parametrů a životopisy žen hodnotil tak, že jim dával záporné body.[24] To bylo proto, že pro učení byla použita data, která často mapovalal technické pozice, na které se častěji hlásili muži.[24]

Umělá inteligence v průmysluEditovat

V průmyslu může umělá inteligence pomáhat různými způsoby:

  • ze získaných „syrových“ dat přímo ze zařízení může získávat a vizualizovat podstatné informace pro obsluhu zařízení,[25]
  • detekovat, jak moc se zařízení může rozhodovat automaticky a jak moc potřebuje vstupy od obsluhy,[25]
  • predikovat budoucí vývoj, např. selhání pohonu, pokles kvality, na základě čehož je možné plánovat např. údržbu nebo upravit nastavení výroby,[25]
  • regulátor se může naučit vlastnosti regulovaného zařízení a následně může spustit varování, když se v chování zařízení objeví nějaká anomálie.[25]

Umělá inteligence v kultuřeEditovat

Rozumné stroje jsou vděčné téma pro spisovatele (ne)vědecké fikce. Isaac Asimov věnoval značnou část své povídkové tvorby tématům robotické inteligence, jeho povídková sbírka Já, robot, stejně jako povídka Dvěstěletý člověk, byla zfilmována.

Polský autor Stanisław Lem se zabýval filosofickými aspekty inteligence u nelidí ve svých knihách Kyberiáda a Solaris (která byla opět zfilmována, dokonce dvakrát). Některé aspekty strojové inteligence rozebral i v knize Golem XIV.

Ostatně velká část publikací současného stylu scifi kyberpunku se neodmyslitelně váže stejně jako k pronikání vlastností lidského a strojového, tak k vyrovnávání se s myšlenkou inteligentního stroje. Jako příklad uveďme knihu Neuromancer Williama Gibsona.

Filmové publikum středního proudu na počátku století nejvíce ovlivnila trilogie Matrix, která vypráví o světě ovládaném umělou inteligencí původně vytvořenou člověkem. Mezi vlivná starší díla řadíme filmy Terminátor nebo Blade Runner.

OdkazyEditovat

ReferenceEditovat

  1. Algoritmus Monte Carlo Tree Search
  2. Google AlphaGo
  3. https://techxplore.com/news/2017-01-em-ai-world-poker-players.html - Know when to fold 'em: AI beats world's top poker players
  4. https://www.scientificamerican.com/article/20-years-after-deep-blue-how-ai-has-advanced-since-conquering-chess/ - 20 Years after Deep Blue: How AI Has Advanced Since Conquering Chess
  5. http://sciencemag.cz/alphazero-obrovsky-triumf-umele-inteligence-v-sachach/ - AlphaZero: Obrovský triumf umělé inteligence v šachách
  6. KASÍK, Pavel; LÁZŇOVSKÝ, Matouš. Bylo to jako hrát proti zdi: umělá inteligence nečekaně porazila mistra. http://www.idnes.cz [online]. 2016-02-01 [cit. 2016-03-13]. Dostupné online. (česky) 
  7. http://phys.org/news/2016-01-chess-human-ancient-chinese-game.html - Game over? Computer beats human champ in ancient Chinese game
  8. http://phys.org/news/2016-03-game-series-champion.html - Game over! Computer wins series against Go champion (Update)
  9. https://techxplore.com/news/2019-07-deep-algorithm-rubik-cube-faster.html - Researchers' deep learning algorithm solves Rubik's Cube faster than any human
  10. http://www.osel.cz/8903-letecka-bojova-umela-inteligence-si-natrela-na-chleba-takticke-experty.html - Letecká bojová umělá inteligence si natřela na chleba taktické experty
  11. https://medicalxpress.com/news/2017-04-ai-doctors-gauging-heart.html - AI systems found to be better than doctors at gauging heart attack risk
  12. http://www.svethardware.cz/lyrebird-umi-zkopirovat-hlas-kohokoliv-z-minutoveho-zaznamu/44325 - Lyrebird umí zkopírovat hlas kohokoliv z minutového záznamu
  13. https://m.phys.org/news/2018-04-poker-new-age-tech.html - 'Poker face' stripped away by new-age tech
  14. https://www.quantamagazine.org/machine-learnings-amazing-ability-to-predict-chaos-20180418/ - Machine Learning’s ‘Amazing’ Ability to Predict Chaos
  15. http://www.nature.com/news/can-we-open-the-black-box-of-ai-1.20731 - Can we open the black box of AI?
  16. http://legalexecutiveinstitute.com/inside-ai-black-box-icail/ - Inside AI’s Black Box at ICAIL: Lawyers and Data Scientists Learning Each Other’s Languages
  17. https://www.cio.com/article/3204114/artificial-intelligence/the-hidden-risk-of-blind-trust-in-ai-s-black-box.html - The hidden risk of blind trust in AI’s ‘black box’
  18. https://www.darpa.mil/program/explainable-artificial-intelligence - Explainable Artificial Intelligence (XAI)
  19. https://www.cio.com/article/3203950/artificial-intelligence/ai-as-a-way-to-overcome-cognitive-bias-in-physicians.html - AI as a way to overcome cognitive bias in physicians
  20. https://techcrunch.com/2016/12/10/5-unexpected-sources-of-bias-in-artificial-intelligence/ - 5 unexpected sources of bias in artificial intelligence
  21. https://techxplore.com/news/2018-03-human-images.html - Fooling the human via changes to images
  22. https://techxplore.com/news/2018-11-ai-biased.html - How to make AI less biased
  23. ČERNÝ, Michal. Potřebujeme pravidla pro vývoj umělé inteligence?. root.cz [online]. 31. 5. 2019. Dostupné online. ISSN 1212-8309. 
  24. a b c d ČERNÝ, Michal. Chceme nediskriminující umělou inteligenci, ale sami to neumíme. root.cz [online]. 26. 7. 2019. Dostupné online. ISSN 1212-8309. 
  25. a b c d PERKON, Dave. Artificial intelligence is smarter than you think. Control Design [online]. Jun 10, 2018. Dostupné online. 

LiteraturaEditovat

Související článkyEditovat

Externí odkazyEditovat