Przez ostatnie osiemdziesiąt lat wysiłków poświęconych stworzeniu sztucznej inteligencji, badacze zanotowali postępy w różnych dziedzinach, ale pełnego sukcesu jeszcze nie osiągnęli. Nie potrafili dotychczas stworzyć samodzielnie myślącej maszyny, a po drodze zostali postawieni przed paroma bazowymi pytaniami, tak odnośnie sztucznej inteligencji, jak własnej.
Czy maszyna może samodzielnie myśleć? Takie pytanie postawił sobie w 1950. brytyjski matematyk Alan Turing, dając tym samym początek poważnym studiom wokół, jak to później nazwał – sztucznej inteligencji.
W tamtych czasach słowa computer używano do określenia urzędnika, który potrafi szybko liczyć. Już w 1936. Turing przewidywał, że niebawem rolę urzędników przejmą maszyny, zdolne do znacznie szybszego dokonywania obliczeń niż najsprawniejszy computer. Z tym, że od początku miał poważne wątpliwości, czy w ogóle kiedykolwiek uda się stworzyć maszynę tak zaawansowaną, aby można ją nazwać inteligentną.
Wymyślił wówczas prosty test, który nazwano później Testem Turinga i uważany jest do dziś za aktualny i wiążący. Prosty test polegający na dialogu człowieka z maszyną, bez wiedzy kto jest kto. Jeżeli robot sprawdzi się na tyle, że człowiek będzie przekonany iż rozmawia z człowiekiem, ludzkość wzbogaci się z tą chwilą o dwie rzeczy: Wejdzie w posiadanie maszyny dysponującej sztuczną inteligencją, przekona się, że zdefiniowanie inteligencji nie jest możliwe.
Maszyna potrafi znakomicie funkcjonować przy rozwiązywaniu zadań, w których reguły są ściśle określone (na przykład szachy i robot Deep Blue). Lecz gdy w grę wchodzą zadania prowadzenia dialogu maszyna staje się bezsilna, ponieważ nie istnieją reguły ściśle regulujące rozmowę.
Test Turinga przybrał konkretną postać w corocznych Zawodach Loebnera, w których pierwszą nagrodą jest złoty medal wartości 100.000 dolarów. Trzeba tylko skonstruować program komputerowy, który w chat–online potrafiłby tak oszukać partnera, aby ten uwierzyłby że czatuje z człowiekiem. Nagrodę ustanowiono w 1990. i dotychczas nikt jej nie zdobył, komputer zbyt łatwo wpada w zasadzki pytań.
Tym niemniej, choć czat-robotowi A.L.I.C.E. nie udało sie dotychczas nic wygrać, powiodło mu się zarówno w 2000. jak 2001., uzyskał bowiem tytuł najinteligentniejszego rozmówcy. ALICE skonstruowany został na open source-software, a w jego powstaniu uczestniczyło 500 programistów z całego świata, wyposażając go w charakter. Funkcjonuje w ten sposób, że w zdaniu poszukuje zamiaru. Co oznacza, że konfrontuje się z bazą komputerową, w której ma zarejestrowane różne warianty tematów, podzielone na nieskończoną ilość kategorii.
Czat-robot funkcjonujące według identycznych jak ALICE pryncypiów i używany jest szeroko w Internecie. Pilnuje na przykład rozmów w chat-room (przestrzeni) i uczestniczą w debatach. Oczywiście roboty nie podejmują wysiłku zrozumienia czegokolwiek. Koncentrują się na tym, co czynią również ludzie – aby nie wypaść głupio.
W tym kierunku poszedł ekspert komputerowy Doug Lenat, startując w 1984. projekt skonstruowania maszyny, która potrafiłaby uczestniczyć w rozmowie, rozumiejąc o czym mówió. Projekt otrzymał nazwę C.Y.C, dysponuje ogromną bazą komputerową i przypomina rodzaj leksykonu.
A oto przykład jak CYC funkcjonuje. Weźmy dla przykładu słowo buk. CYC reaguje nań następującymi skojarzeniami: Buk, drzewo, wszystkie drzewa są roślinami. Następnie wyciąga samodzielny wniosek buk jest rośliną. Wszystkie znane reguły można dowolnie z sobą krzyżować, tak więc jeśli CYC wie, że rośliny mają liście, a liście z reguły są zielone, być może wygłosi krótki referat na temat: Drzewo buk.
Z odpowiedzi jakie słyszy, CYC buduje samodzielnie kody programowe, co pozwala mu przy innej okazji niespodzianie błysnąć erudycją. W odróżnieniu od innych robotów, na przykład czat-robotów, CYC ma rozeznanie co jest grane. Słowem, CYC to jest to!
Czat-roboty CYC są przykładami na klasyczną sztuczną inteligencję, gdzie podstawą jest wypełnienie komputera jak największą ilością informacji, które są następnie w miarę potrzeby błyskawicznie sortowane.
Główna przeszkoda w tym, iż komputer musi wiedzieć wszystko wprzód, a jeszcze lepiej gdy informacja jest strukturalna, czego dobrym przykładem mogą być wspomniane już pojedynki szachowych arcymistrzów z Deep Blue. Tu można w pełni wykorzystać bezbłędną pamięć i szybkość komputera.
Gorzej, gdy będziemy chcieli nauczyć komputer rozróżniać twarze. Tu trudność polega na tym, że sami nie wiemy jak dzieje się, iż je rozróżniamy. Nie wystarczy opisać długość i kolor włosów, formę ust i oczu, zarys szczęki, ponieważ krótka wizyta u fryzjera może zmienić wiele, nie mówiąc już o tym, że humor i nastrój kolosalnie zmieniają wyraz twarzy czy wymowę oczu. Komputer nie jest w stanie zrozumieć ludzkiej twarzy.
Rozwiązywaniu tego rodzaju zadań, poświęcono ostatnie 50 lat. Problem w tym, że nadal nie wiemy wszystkiego o funkcjonowaniu ludzkiego mózgu, ale wiemy, że działa na zupełnie innych zasadach niż komputer. Nie wiemy jak człowiek rozpoznaje twarz innego człowieka, ale wiemy, że biorą w tym udział miliardy „szarych komórek” rozsianych po całym mózgu. Jedno wiemy z całą pewnością: Aby nauczyć się rozróżniać twarze, trzeba oglądać ich wiele. Tak dzieje się zresztą nieomal ze wszystkim. Kto nie wie nic o samochodach, nie rozróżnia marek nie mówiąc o rocznikach.
Próbując maksymalnie zbliżyć osiągi komputera do możliwości ludzkiego mózgu, stworzono coś w rodzaju rozległej siatki, umieszczając w niej haczyki informacji, które wypełniają elektroniczny magazyn tematyczny siatki i są symbolicznymi odpowiednikami mózgowych komórek nerwowych. Zawartość haczyka ma komunikację z zawartością wszystkich haczyków, budując w ten sposób siatkę. Ale nie przyjmuje każdej informacji w identyczny sposób. Jedne przyjmuje od razu, inne za trzecim razem, jeszcze inne za piątym lub siódmym, wszystko w zależności od tego jak oceni wagę informację. Siatka wysyła szereg sygnałów do różnych haczyków, które z kolei komunikują się między sobą, a powstała w ten sposób wypadkowa informacja, przesyłana jest do punktu startu…. i odpowiedź gotowa.
Działanie neutralnej siatki używającej swego rodzaju intuicji, przypomina trochę logikę jaką posługuje się człowiek, a nawet ją nieco przewyższa. Siatka potrafi znaleźć rozwiązanie bez uprzedniego rozumowania, innymi słowy wie coś na temat, czego my nie wiemy. Nie wiemy nawet w jaki sposób ona to wie. Intuicja neutralnej siatki czyni ją zdolną do błyskawicznego umieszczania przedmiotu obserwacji w odpowiedniej kategorii, na przykład rozróżniając roślinę od zwierzęcia, czy psa od kota. Ta umiejętność była wielkim i niemożliwym dla klasycznej, bazowanej na regułach sztucznej inteligencji, osiągnięciem.
Neuralna sieć wykorzystywna była dotychczas przy rozpoznawania twarzy ludzi w kryminologii, w meteorologii, w ocenie i klasyfikacji kredytów bankowych, w wykrywania min. Poważnych testów, łączących możliwości poszczególnych sieci, jeszcze nie przeprowadzano, ale przesadą byłoby oczekiwać, że mogłyby już się zmierzyć się z ludzką inteligencją, a to z prostego powodu, że człowiek potrafi korzystać z doświadczeń innych ludzi.
Jeden z wiodących badaczy robotów, Australijczyk Rodney Brooks, pracownik Massachussetts Institute of Technologi (MIT), twierdzi, że inteligencja ma związek z umiejętnością reagowania na otoczenie, tak więc inteligentny robot musiałby wpierw zrozumieć otaczający go świat.
W naturze rozwój polega na rozwiązywaniu problemów dających szansę na przeżycie i w tym procesie z reguły zaangażowane jest ciało. Ponieważ ludzką kompleksową inteligencję ukształtowała ewolucja, Brooks uważa, że sztuczna inteligencja musi przejść podobną drogę, być budowana krok za krokiem i na wielu poziomach, które stopniowo nauczą się między sobą współpracować. Innymi słowy robot musi przejść proces dziecka i nauczyć się podstawowych umiejętności, zanim będzie mógł się wypowiadać, analizować, planować.
Twórców tego typu robotów inspiruje obserwacja zwierząt, na przykład insektów. Insekty nie dysponują inteligencją, ale potrafią przetrwać w naszych domach pomimo, że robimy co możemy aby im to utrudnić.
Insekt-roboty Brooksa zaprogramowane są na poruszanie się w nieznanym terenie i najczęściej wyposażone w trzy siatki: bądź uważny – aktywizowana gdy zbliża się przeszkoda, poruszaj się – co jest robota stanem naturalnym, omiń przeszkodę – gdy robot napotyka przedmioty. Umiejętności robotów Brooksa bazowane są na zachowaniach, a ich umiejętności odbierania świata i reagowania, odzwierciedlają w pewnym stopniu ludzkie reakcje. Człowiek często używa ciała i zmysłów, aby pomyśleć. Trudno przypomnieć sobie numer telefonu, ale mając przed oczami tangenty, palec sam wybiera cyfry. W podobny sposób reagujemy, gdy próbujemy dopasować do siebie elementy układanki.
Postępy w pracach nad insekt-robotami (rozpoczęte w 1993 roku) doprowadziły Brooksa do bardziej wyrafinowanego projektu C.O.G. COG wygląda jak klasyczny robot i wyposażony jest we wzrok, słuch, dotyk, zmysł równowagi, oraz motory pozwalające poruszać się na 21 sposobów. Intensywnie trenując, COG zdobył umiejętność śledzenia wzrokiem i reagowania na silne dźwięki. Rozumie swoje otoczenie i potrafi poruszać się między ludźmi, ale brak mu na razie języka i konkretnych umiejętności. COG jest sztuczną inteligencją, najbardziej przypominającą ludzką inteligencję.
Przypuszczalnie marzenia o inteligentnym człowieko-podobnym robocie, w końcu się spełnią, a jego reakcje pomogą nam być może wreszcie zrozumieć naturę ludzkiej inteligencji.
asz
