Inteligenta Artificiala

Inteligență artificială

Student:Tufescu Catalin Vasile

Anul : II

Specializarea :Informatica

Inteligența artificială este un termen tehnic provenit din limba engleză: Artificial Intelligence, prescurtat AI, care desemnează un domeniu de cercetareîn cadrul informaticii. În vorbirea curentă este un produs rezultat în urma desfășurării acestei activități.

Definiția cea mai acceptată a inteligenței artificiale a fost dată de John McCarthy în 1955: “o mașină care se comportă într-un mod care ar putea fi considerat inteligent, dacă ar fi vorba de un om”. Mai amplu, inteligența artificială vizează studiul și designul agenților inteligenți, sisteme care percep mediul înconjurător și maximizează șansele propiului succes prin comportament.[1]

O trăsătură des întâlnită a inteligenței artificiale este că sistemul respectiv este capabil să învețe, cu sau chiar fără ajutoare externe, cu scopul de a se îmbunătăți permanent.

Problemele centrale ale cercetării în AI sunt rațiunea, cunoașterea, planificarea, procesul de învățare, prelucrarea limbajului natural (comunicare), percepția, precum și manipularea obiectelor fizice.

Clasificare

În informatică, în general, inteligența artificială e împărțită în două categorii:

inteligență artificială puternică (strong AI): prin aceasta se înțelege o inteligență artificială, de obicei bazată pe un computer, care chiar poate "gândi" și este "conștientă de sine".

inteligență artificială slabă (weak AI): o inteligență artificială care nu pretinde că poate gândi, putând însă rezolva o anumită clasă de probleme într-un mod mai mult sau mai puțin "inteligent", de exemplu cu ajutorul unui set de reguli.

Progresul în crearea unei inteligențe artificiale puternice este mic. Aproape toate simulările inteligenței se bazează pe reguli și algoritmi obișnuiți, existând un progres doar în domeniul celei slabe (de exemplu la recunoașterea verbală și a scrisului, la traducerea automată dintr-o limbă în alta sau și la jocul de șah).

Istoric

La început, crearea și cercetarea inteligenței artificiale s-a desfășurat pe domeniul psihologiei, punându-se accent pe inteligența lingvistică, ca de exemplu la testul Turing. Acest test constă într-o conversație în limbaj uman natural cu o mașină (computer) care a fost programată special pentru acest test. Există un juriu uman care conversează cu acest computer, dar și cu un om, prin câte un canal pur text (fără ca ei să se vadă sau să se audă). În cazul în care juriul nu poate să-și dea seama care este computerul și care omul, atunci inteligența artificială (programul calculatorului) a trecut testul.

Turing a prezis în 1950 că până în anul 2000 vor exista mașini (calculatoare) cu 109 bytes (1 GB) de memorie care vor putea "păcăli" 30% din juriile umane într-un test de 5 minute. Însă, în timp ce pe de-o parte tehnologia chiar a depășit previziunile lui Turing, inteligența artificială este încă departe de a fi realizată.

Noile previziuni ale experților se bazează pe așa-numita legea lui Moore ("numărul de tranzistori pe un circuit integrat se va dubla la fiecare 18 luni, prin urmare și puterea de calcul"), "lege" care s-a îndeplinit pentru ultimii 30 de ani destul de bine, și poate că va mai fi valabilă încă 5-10 ani. Pentru viitor se speră că noile tehnologii (cuantice, optice, holografice, nanotehnologiile ș.a.) vor permite menținerea creșterii exponențiale, astfel că în maximum 20 de ani computerele să depășească puterea de procesare a creierului uman (vezi: Singularitate tehnologică). Unul dintre principalii susținători ai acestei ipoteze, pe lângă Vernor Vinge, este cunoscutul expert Ray Kurzweil cu a sa celebră lege a întoarcerilor accelerate. Însă aceste considerații sunt în general de natură cantitativă, neglijând din păcate nenumăratele fațete calitative ale inteligenței umane naturale.

O altă latură a inteligenței artificiale studiază animalele, și aici în special insectele, care sunt mai ușor de emulat de roboți. Totuși încă nu au putut fi create modele computaționale satisfăcătoare pentru simularea inteligenței animalelor.

În 1961, John Lucas a argumentat în lucrarea sa “Minți, mașini și Gödel” că mintea unui matematician nu poate fi reprezentată printr-un algoritm, bazându-se pe teorema incompletitudinii a lui Gödel ("Nu există sisteme formale care să fie și consistente (= ne-contradictorii), și complete.").

Domenii de cercetare

Cercetarea asupra inteligenței artificiale a început încă din anii 1950, fiind împărțită în:

cea clasică (sau simbolică); aceasta se ocupă cu manipularea simbolică a conceptelor abstracte, folosită azi în sistemele expert, și

cea conecționistă, exemplul cel mai cunoscut fiind “rețelele neuronale”.

În anii 1980 s-a ajuns la concluzia că ambele abordări au limitări severe, cercetarea în acest domeniu fiind parțial abandonată din lipsa de finanțare.

Principalele aplicații ale inteligenței artificiale sunt:

sistemele expert

sistemele și logica fuzzy

algoritmii genetici

rețelele neuronale

agenții inteligenți

sistemele inteligente hibride

vocea electronică sintetizată

recunoașterea automată a formelor (inclusiv a scrisului, a sunetelor și vorbitului), numită în engleză Pattern Recognitio

Exemple practice

Pentru cercetarea în domeniu și chiar crearea unui aparat/program cu inteligență artificială au fost create câteva limbaje de programare speciale precum LISP și Prolog, dar acum ele sunt folosite și pentru alte scopuri.

Deep Blue, un computer de la firma IBM care joacă șah, l-a învins pe campionul mondial la șah Gari Kasparov în celebrul meci din 1997.

Logica fuzzy și sistemele expert sunt folosite pentru a controla sisteme industriale

Sistemele de traducere automată precum SYSTRAN sunt folosite pe anumite domenii restrânse, deoarece rezultatele sunt mult mai slabe decât traducerea umană.

Optical Character Recognition (OCR) – recunoașterea automată a scrisului de tipar sau de mână

Voice recognition – recunoașterea acustică a vorbirii naturale (recunoașterea verbală)

Rețelele neuronale, folosite mai mult în jocuri pe calculator

și multe altele.

Inteligenta artificiala (I.A.) e termenul care face referire la inteligenta masinilor si la acea ramura a informaticii care incearca sa o creeze. Marea majoritate a cartilor de specialitate o definesc ca fiind „studiul si proiectarea de agenti inteligenti” (un agent inteligent e un sistem care percepe mediul sau si actioneaza in asa fel incat sa isi mareasca sansele de succes). John McCarthy e cel care a introdus termenul de I.A. in 1956, o defineste ca fiind „stiinta si ingineria producerii de masini inteligente”.Acest domeniu a fost fondat pe ideea ca una din proprietatile unice ale fiintei umane, inteligenta, poate fi descrisa si definita atat de precis incat poate fi simulata pe o masina de calcul. Acest lucru ridica probleme filozofice despre natura mintii si despre limitele interventiei stiintei, probleme care au aparut in domeniul mitului, fictiunii si filozofiei, inca din antichitate. Cercetarile in domeniul I.A-ului sunt atat de tehnice si de specializate, incat unii critici „deplang” fragmentarea acestui domeniu. Subdomeniile I.A.-ului sunt centrate in jurul unor probleme specifice, cum ar fi ratiunea, cunostintele, planuirea, invatarea, comunicarea, perceptia si capacitatea de a misca si de a manipula obiecte.

Scurta istorie a I.A.-ului

La mijlocul secolului 20, cativa savanti s-au apucat sa construiasca masini de calcul, bazandu-se pe ultimele descoperiri din neurologie, pe noua teorie matematica a informatiei, pe o intelegere a controlului si stabilitatii sub numele de cibernetica, si mai presus de toate, pe aparitia calculatorului digital, o masina de calcul bazata pe concepte abstracte matematice.
Domeniul I.A.-ului a fost fondat la o conferinta din campusul Colegiului Darthmouth, in vara lui 1956. Cei care au participat au devenit mai apoi conducatorii cercetarilor in domeniul acesta timp de zeci de ani, in special John McCharty, Marvin Minsky, Allen Newell si Herbert Simon, acestia au fondat centre de cercetare a I.A.-ului in cadrul M.I.T.-ului, C.M.U.-ului si Standford-ului. Ei si studentii lor au scris programe uimitoare, datorita carora calculatorul putea sa rezolve o problema de algebra, sa demonstreze teorii logice si sa vorbeasca in engleza. Prin anii 1960, cercetarile lor erau sponzorizate de Departamentul de Aparare American si erau foarte optimisti in privinta viitorului.
Dar au fost nevoiti sa recunoasca dificultatile cu care se confruntau. In 1974, raspunzand criticilor lui Sir James Lighthil si fiind presati de Congresul american, care dorea ca fondurile sa fie investite in proiecte productive, guvernul american si cel britanic renunta la proiectul I.A.-ului.
Pe la inceputul anilor 80, domeniul s-a reintors la viata prin succesul comercial al sistemelor-expert, ce simulau cunostintele si capacitatile analitice a unuia sau a mai multora experti umani. Pana in 1985 piata I.A.-ului avea deja o valoare de peste un miliard de dolari, iar guvernele din toata lumea investeau in ea. Dar cativa ani mai tarziu, odata cu crahul pietii financiare bazata pe masinile de calcul Lisp din 1987, domeniul I.A.-ului a fost dat uitarii din nou. In anii 90 si la inceputul secolului 21, succesele inregistrate de I.A. sunt mai mult in spatele scenei. I.A.-ul a fost adoptat aproape in intregime de catre tehnologia diferitelor industrii, realizand „munca bruta” din logistica, diagnostica medicala, stocare si cautare de date si multe altele. Succesul s-a datorat printre altele puterii uriase de calcul detinuta de calculatoarele vremii, pe rapiditatea cu care au fost rezolvate sub-problemele specifice, de creerea de conexiuni intre I.A. si alte ramuri ale stiintei ce abordeaza probleme similare.

Deductii, rationamente si rezolvarea problemelor.

Primele algoritme realizate de cercetatori, imitau pas cu pas gandirea umana atunci cand avea de rezolvat un puzzle sau avea de facut o deductie logica. Prin anii 80-90, erau deja dezvoltate metode eficiente care ii permiteau I.A. sa se descurce cu informatii nesigure sau incomplete, pornind de la concepte ce provin din statistica si economie.
Pentru problemele mai dificile, o mare parte din acesti algoritmi necesita o putere imensa de calcul – cele mai multe masini de calcul au parte de o „explozie de combinatii”: atunci memoria sau timpul necesar calcularii devin astronomice, deoarece problema depaseste o anumita marime. Cautarea unui algoritm eficient e o prioritate in producerea A.I-ului.
Oamenii isi rezolva o mare parte din probleme, folosind evaluari rapide si intuitive de situatie, ci nu deductii constiente, ce au loc pas cu pas, asa cum faceau primele I.A.-uri. Cercetarile din domeniul retelelor neuronale incearca sa simuleze structurile din interiorul creierului uman si animal, care sunt responsabile de aceste abilitati.

Reprezentarea cunostintelor

Reprezentarea cunostintelor si ingineria lor sunt esentiale pentru I.A. Multe dintre problemele pe care le dorim rezolvate de masini necesita cunostinte detaliate despre lume. Printre lucrurile pe care I.A. trebuie sa sa fie capabila sa si le reprezinte, se numara: obiecte, proprietati, categorii si relatiile dintre obiecte, situatii, evenimente, cauze si efecte, si alte domenii mai putin cercetate. Aceasta reprezentare completa a „ceea ce exista” se numeste ontologie.
Multe din lucrurile pe care oamenii le stiu, provin din presupuneri. John McCarthy a identificat problema in 1969, pentru orice regula generala pe care cercetatorii incercau sa o schiteze I.A.-ului, exista un numar urias de exceptii. Aproape nimic nu este doar fals sau doar adevarat, in modalitatea necesara logicii abstracte. Numarul de cunostinte generale despre lume, pe care o persoana normala le cunoaste e astronomic. Cercetatorii care incearca sa creeze I.A.-ului o baza de date generala despre lume, au nevoie de un numar enorm de procedee ontologice complicate, ei trebuie sa introduca manual cate un concept odata.

Multe din lucrurile pe care oamenii le stiu, nu pot fi reprezentate prin argumente pe care ei ar putea sa le scrie sau sa le rosteasca. De exemplu un jucator de sah, evita o anumita pozitie pentru ca „il face sa se simta descoperit” sau un critic de arta care isi da seama dintr-o privire daca o statuie e falsa sau nu. Aceste intuitii si tendinte sunt reprezentate in creier, intr-un mod sub-simbolic si non-constient. Aceste informatii informeaza, asigura si furnizeaza un context simbolic si constient cunostintelor noastre.

Agentii inteligenti trebuie sa fie capabili de a isi fixa teluri si de a le atinge. Au nevoie de o modalitate de vizualizare a viitorului (trebuie sa constientizeze starea actuala a lumii si sa prevada felul in care actiunile sale vor afecta lumea) si sa faca alegeri care sa utilizeze la maxim utilitatea sau valoarea alegerilor disponibile.

In unele probleme de planificare, agentul presupune ca el e singurul din lume care poate actiona si ca este sigur de efectele actiunilor sale. Dar daca nu e adevarat, agentul trebuie sa intre in contact cu lumea ca sa vada daca corespunde sau nu cu prezicerile sale, trebuind sa schimbe planul in functie de situatie.

Capacitatea de invatare a I.A.-ului e si ea o caracteristica importanta. Invatarea nesupravegheata reprezinta abilitatea de a descoperi tipare intr-o serie de input-uri. invatarea supravegheata include atat clasificarea (a fi capabil de determina carei categorii ii apartine un anumit lucru, dupa ce i-au fost facute cateva demonstratii a altor categorii), cat si regresia (se da un set de exemple numerice pt input/output, trebuie gasita o functie continua care sa genereze output-ul pornind de la input) . In invatarea prin intarire, agentul e „recompensat” pentru raspunsurile bune si „pedepsit” pentru cele rele. Acestea pot fi analizate in termenii teoriei deciziilor, folosind concepte ca utilitatea. Analiza matematica a invatarii pe baza de algoritmi si performanta lor e o ramura a stiintei teoretice a calculatoarelor, cunoscuta si ca teoria invatarii computationale.

Procesarea limbajului natural

Procesarea limbajului natural permite masinii sa citeasca si sa inteleaga limbajele folosite de om. Multi cercetatori spera ca un sistem suficient de puternic de procesare a limbajului, ar putea invata pe cont propriu, prin accesarea bazelor de date de pe internet. Unele aplicatii derivate de aici sunt serviciile de indexare a informatiilor si de traducere computerizata.

Robotica este apropiata de I.A. deoarece e necesara pentru ca robotii sa poata naviga si manipula obiectele si sa rezolve sub-problemele adiacente de localizare (sa stie unde se afla), de cartografiere (sa invete ce e in jurul sau) si de planuire a miscarilor si traseului (sa stie cum sa ajunga acolo).

Perceptia artificiala reprezinta abilitatea de a folosi input-ul produs de senzori (camere, microfoane, sonar, etc.) pentru a deduce diverse aspecte ale lumii. Vederea computerizata reprezinta abilitatea de a analiza input-ul vizual. Probleme mai deosebite se intalnesc la sub-probleme de tipul recunoasterea vocala, faciala si a obiectelor.

Inteligenta sociala

Inteligenta sociala inseamna ca agentul e capabil de prevedea actiunile altora, prin intelegerea motivatiilor si starilor emotionale. Aceasta implica elemente din teoria jocurilor si a deciziilor, ca si abilitatea de a modela emotii umane si abilitatile perceptuale necesare pentru a le detecta.

Pentru o interactiune decenta om-masina, aceasta trebuie sa prezinte si ea emotii, sau cel putin sa para politicoasa si sensibila fata de oamenii care interactioneaza cu ea.

Bibliografie

Manuale despre AI

Russel, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2

Hutter, Marcus (2005). Universal Artificial Intelligence. Berlin: Springer. ISBN 978-3-540-22139-5

Luger, George; Stubblefield, William (2004). Artificial Intelligence: Structures and Strategies for Complex Problem Solving (5th ed.). Benjamin/Cummings. ISBN 0-8053-4780-1

Nilsson, Nils (1998). Artificial Intelligence: A New Synthesis. Morgan Kaufmann. ISBN 978-1-55860-467-4

Poole, David; Mackworth, Alan; Goebel, Randy (1998). Computational Intelligence: A Logical Approach. New York: Oxford University Press. ISBN 0-19-510270-3

Ioan Georgescu, Elemente de inteligență artificială, Editura Academiei Republicii Socialiste România, București, 1985

Hubert B. Keller, Maschinelle Intelligenz – Grundlagen, Lernverfahren, Bausteine intelligenter Systeme, Editura Vieweg, Braunschweig/Wiesbaden, 2000, ISBN 3-528-05489-1

www.descopera.org