Historie umělé inteligence 人工智能的历史

1HistorieuměléinteligenceDanaNejedlováKatedrainformatikyEkonomickáfakultaTechnickáuniverzitavLiberci2Cojetointeligence?Běžnádefiniceuměléinteligence:UIjeobor,kterýsesnažíkonstruovatinteligentnístrojeachápatinteligentníentity.Alecojetointeligence?Učeníse,operovánísfakty,aletakékreativita,vědomí,emoceaintuice.Mohoubýtstrojeinteligentní?Dodnesneníjisté,zdajemožnésestrojitstrojsevšemiaspektyinteligence.TentovýzkumjevoboruUIústřední.3Cojeuměláinteligence?Stavbastrojůmanipulujícíchsesymboly,provádějícírozpoznávání,učeníadalšíformyinferenceŘešeníproblémů,vekterýchjenutnépoužítheuristicképrohledávánínamístoanalytickéhopřístupuVyužívánínepřesných,neúplnýchnebošpatnědefinovanýchinformacíNalézáníformalismůproreprezentaciinformací,kterébytokompenzovalyUrčovánívýznamnýchkvalitativníchznakůsituaceaoperovánísnimiPrácesesyntaxíasémantikouNalézáníodpovědí,kterénejsouanipřesnéanioptimálníalevurčitémsmyslu„dostatečné“VyužívánívelkéhomnožstvíznalostízomezenédoményVyužívánímetaznalostí(znalostíoznalostech)prozlepšenířízenístrategiířešeníproblémů4PředvznikemelektronickýchpočítačůStarověkéastředověkémýtyTalos,Pandora,Golemumělílidé,roboti,automatyKniha„GodsandRobots“(2018)DnešníAIpřestávábýtsrozumitelnástejně,jakoneníznámo,jakfungovalistarověcíroboti.Výzkumodstarověkudo17.stolenín.l.Aristoteles,RamonLlull,GottfriedWilhelmLeibnizautomatizaceracionálníhouvažováníThomasHobbes,RenéDescartesmechanisticképojetíživýchbytostí20.století,1948NorbertWiener–Cybernetics:OrtheControlandCommunicationintheAnimalandtheMachineInteligentníchováníjevýsledkemzpětnévazby.5PočátkyelektronickýchpočítačůJohnLouisvonNeumann(1903–1957)VonNeumannovaarchitekturapočítačekonzultacenaprojektuEDVAC(1945)Teorieher(1944)Jeaplikovatelnánainteragujícíinteligentníagenty.Celulárníautomaty(1966)Majívýpočetníkapacitu.AlanMathisonTuring(1912–1954)Turingůvstroj(1936)formalizacealgoritmu,abstrakcepočítačeTuringůvtest(1950)návrh,jaktestovatschopnoststrojedemonstrovatmyšleníProgramovánípočítače„ManchesterMarkI“(1949)6Vznikpojmu„uměláinteligence“JohnMcCarthypoprvépoužiltermín„ArtificialIntelligence“jakotémaDartmouthskékonferencevroce1956.Místokonání:DartmouthCollege,Hanover,státNewHamphshire,USAOrganizátoři:JohnMcCarthy,MarvinMinsky,NathanielRochesteraClaudeShannonÚčastníci:RaySolomonoff,OliverSelfridge,TrenchardMore,ArthurSamuel,HerbertSimonaAllenNewellCíl:Dokázat,žekaždýaspektučenínebojakýkolivjinýznaklidskéinteligencesedávprincipuprecizněpopsatapotomsimulovatnastroji.7PřístupykuměléinteligenciGoodOld-fashionedArtificialIntelligence(GOFAI)nebolisymbolickáuměláinteligence(JohnHaugeland,1985)Program(napříkladklasifikátor)vestyluGOFAIjesloženzčástí(napříkladpravidel),kterémajíjasnývztahkreálnémusvětu.New-fangledArtificialIntelligenceNejdůležitějšívětvíbylkonekcionismus(connectionism)–uměléneuronovésítě(McCulloch–Pitts,1943).Ústřednímyšlenkaje,ževelkémnožstvíjednoteksvýpočetníschopnostímůžedosáhnoutinteligentníhochování,kdyžbudetvořitsíť.Genetickéalgoritmy(Holland,1975)adalšídruhybiologickyinspirovanéhozpracováníinformaceStrongAI(JohnSearle,1980)(DnesAGI.)Uměláinteligencejeskutečnáinteligence.Řešeníkomplexníchúkolů,napříkladrobotika.WeakAI(DnesnarrowAI.)Uměláinteligencejepouhouimitacílidskéskutečnéinteligence.Řešeníspecifickýchproblémůnepokrývajícíchcelouškálulidskýchschopností,napříkladrozpoznánípísmanebošachy.8MotivaceprobiologickyinspirovanézpracováníinformaceDannyHillis:TheConnectionMachine(1985)StrojeprogramovanépomocíGOFAIjsoutímpomalejší,čímvícejevnichznalostí.Prohledávajíbáziznalostí.Ulidíjetomunaopak.Majímasivněparalelníarchitekturumozku.Lidénejsouvýsledkeminženýrskéhoprojektu.Jsouvýsledkemevoluce.MarvinMinsky:TheSocietyofMind(1986)Modellidskéinteligencevystavěnézinterakcíjednoduchýchčástízvanýchagenty(i?),kteřínemajívědomí.Jeobtížnésipředstavit,jakbyevolucezformovalataksložitýsystém,jakojelidskámysl,jakojedencelek.Evolucealemohlavytvořitjednotlivéspecializovanékognitivníjednotkyaformovatmechanismyjejichinterakcí.MarvinMinsky:TheEmotionMachine(2006)Emocejsoujenjinýmzpůsobempřemýšlení,kterýnašemyslpoužíváprozvýšenínašíinteligence.9FilozofieuměléinteligenceCojetointeligenceamyšlení?Turingůvtest(1950)PodleGOFAIjemyšlenímanipulacísesymboly,aprotoprogramvestyluGOFAImyslí.Problémčínskéhopokoje(JohnSearle,1980)Myšlenílidíapočítačůjenaprostoodlišné.Jelidskáinteligenceneoddělitelnáodvědomíaemocí?Coznamenátvrzení,žepočítačrozumípřirozenémujazyku?KdojezodpovědnýzarozhodnutíučiněnáUI?Jakámábýtetikachováníselidíkvýtvorůmsumělouinteligencínebokvýtvorůmuměléinteligence?zacházenísrobotyužitívýtvorůgenerativníhostrojovéhoučení10HardversusSoftcomputingGoodOld-fashionedArtificialIntelligencePravidla(IF–THENrules)HeuristikaNew-fangledArtificialIntelligenceNeuronovésítěFuzzylogic(mlhaválogika)Probabilisticreasoningbeliefnetworks(Bayesnetworks)geneticalgorithmschaostheorypartsoflearningtheory(machinelearning)11HeuristikaMetodařešeníproblémů,kterájeobvykleúspěšná,alevněkterýchsituacíchmůžeselhatNejasnědefinovanéproblémyschybějícíminebonejednoznačnýmidatyMedicínskádiagnostikaVidění,rozpoznánířečiPomáhározhodnoutsemezinekonečnýmmnožstvímmožnýchinterpretací.Problémmůžemítpřesnéřešení,alecenajehovýpočtumůžebýtprohibitivní.Šachy,tic-tac-toe,15or8-puzzle,rozvrhy,hledánícesty…HeuristickáfunkceOceňujekaždéstádiumřešení.PočetkonfliktůvmnožstvímožnýchrozvrhůPomáhározhodnoutseodalšímkrokuvedoucímukřešení.Vývěrrozvrhusnejmenšímpočtemkonfliktů,kterýbudedáleupravovántak,abydošloknalezenívyhovujícíhorozvrhu12OčekáváníoduměléinteligencePředpovědiHerbertaSimonaaAllenaNewella(HeuristicProblemSolving,1958),žedo10letsepočítačstanesvětovýmšachovýmšampiónem,počítačobjevídůležitýnovýmatematickýteorém,počítačebudoukomponovathudbupřijímanoudobřekritikou,většinateoriívpsychologiibudeveforměpočítačovýchprogramů.AndrewNg(čínsko-americkýpočítačovývědeczabývajícísevylepšovánímlidskýchživotůpomocíUI)Pokudtypickýčlověkdokáževykonatmentálníúlohuzaméněnežsekundupřemýšlení,dokážemejipravděpodobněautomatizovatmetodamiUIbuďtojižnynínebovblízkébudoucnosti./2016/11/what-artificial-intelligence-can-and-cant-do-right-now13TypickáúlohařešenávUIProblém8královenExistujezpůsob,jakrozmístit

8královennašachovnicitak,abysežádnédvěznichnemohlyvzájemněnapadnout?14TěžkýproblémproUIProblémneúplnéšachovniceExistujezpůsob,jakumístitkostkydominanašachovnicitak,abybylazakrytávšechnapolešachovniceakostkydominasenepřekrývaly?Lidéúlohuřešísnadno,alejeproněobtížnéúlohupopsatformálně.15OmezeníuměléinteligenceDavidHilbert(1862–1943)aKurtGödel(1906–1978)Gödelůvteorémneúplnosti(1931)Bezespornostformálníhosystémunelzeuvnitřtohotosystémudokázat,protoževněmmohoubýttvrzenísautoreferencí–logicképaradoxytypuparadoxulháře:Tototvrzeníjenepravdivé.Některéúlohynelzealgoritmizovat.ProblémzastaveníalgoritmuNelzerozhodnout,zdasealgoritmusvkonečnémčasezastaví.Týkásetoopětalgoritmůodkazujícíchsesamynasebe.Teoriesložitosti(NP-completeness,1971)Některéproblémylzealgoritmizovat,alevýpočetnelzeprakticky(napočítači)dokončit,protožebychomsenedočkali.RogerPenrose(knihyTheEmperor‘sNewMind,ShadowsoftheMind)Nemusíbýtmožnédokonalesimulovatbiologickouinteligencipomocípočítačů,protožemožnápracujesvyužitímjevů(patrněkvantových),kteréneznámeaneumímenapodobit.16HrozbyuměléinteligenceTechnologickásingularitaHypotéza,ževyvinutíumělésuperinteligencezrychlítechnologickýpokrok,cožbudemítnepředvídatelnývlivnalidskouspolečnostExistenčnírizikavývojeuměléinteligenceKniha„Superinteligence“NickaBostromaCíleUIbymělybýtpečlivězvoleny,abyUInezničilalidstvopřijejichplnění.PříkladBostromdefinujesuperinteligencijakoumělevytvořenýintelektpřevyšujícílidskýintelektvevšechaspektechvčetněkreativity,obecnémoudrostiasociálníchdovedností./blog/articles/ai-quotes-from-some-of-the-worlds-top-minds//bizchina/tech/2017-07/28/content_30278816.htmLidévnímajícíUIjakohrozbuElonMusk,StephenHawking,GeoffreyHinton,JamesCameronLidéspřevažujícímnázorem,žeUIlidstvupomůžeMarkZuckenberg,AndrewNgDnesnásneohrožujíschopnostiUIaleto,jakjezneužívánalidmi.autonomnízbraňovésystémysystémysrozpoznánímtvářípoužívanépromasovésledovánílidísystémyrozpoznávajícíchovánílidínainternetuvyužitelnéprohodnocenílidíChatbotynasociálníchsítíchovlivňujípolitickénázory.Neuronovésítěmohounesprávněklasifikovatspeciálněupravenývstup(obrázky,text,audio)(Adversarialattacks).Lidémohoubýtuvedenivomylaudiemnebovideemtypudeepfake.Vlastníciautorskýchprávkdílům,nakterýchseUIučí,zatímzatonedostávajíodměnu.17GödelůvteorémneúplnostiVkaždémaxiomatickémmatematickémsystémuschopnémdefinovatmnožinupřirozenýchčíseljsouvětynedokazatelnépomocíaxiomůtohotosystému.Příkladteorému1=2Důkazteorému:Kdyža=b,a≠0,b≠0,potomplatítakédvěnásledujícírovnosti:a2–b2=(a–b)∙(a+b),a2–b2=a2–ab.Aztěchtorovnostílzeodvoditnásledujícítvrzení:a2–ab=(a–b)∙(a+b)a∙(a–b)=(a–b)∙(a+b)a=a+ba=a+aa=2a1=2Pravdivostsedáověřitjenpomocíznalostípřesahujícícharitmetikuoperujícíspřirozenýmikonečnýmičísly.18TheLogicTheorist–prvníprogramsumělouinteligencíAllenNewell,J.C.ShawaHerbertSimonvCarnegieInstituteofTechnology,nyníCarnegieMellonUniversity,vroce1955HledallogickédůkazyzknihyPrincipiaMathematica(BertrandRussellaAlfredNorthWhitehead,1910).Využívalmentálnípostupylidskýchexpertů.kognitivnívědaProimplementaciprogramuLogicTheoristnapočítači,titotřibadatelévyvinuliprogramovacíjazykIPL,předchůdcejazykaLisp.19ProgramovacíjazykyÚkolyjakozpracovánípřirozenéhojazyka,reprezentaceznalostínebodokazováníteorémůvyžadovalyspeciálníjazykprozpracovánísymbolickýchdat.Lisp(JohnMcCarthy,USA,1958)funkcionálníparadigma/zpracováníseznamůProgramseskládázfunkcísvnořenýmifunkcemi.Dataaprogramyjsoureprezentoványstejně:seznamem.(+123)jejednakseznam4atomůazároveňfunkceshodnotou6.Programmůžesloužitjakodataprojinýprogram!Mocnávlastnostdovolujícíflexibilníaproduktivnípsaníprogramů.Prolog(AlainColmerauer,Evropa,1972)deklarativníparadigma/logicképrogramováníProgramseskládázfaktůapravidel.Programátorpopíše(deklaruje)problém.Překladačznichvydedukujenováfakta.Programátornepíšealgoritmusprořešení.Diferencovatelnéprogramovánínovéparadigmaumožňujícíprogramůmprostrojovéučeníměnitsvoustrukturupodledatpomocínovýchpřekladačůodkazy:medium1,medium2,medium3,towardsdatascience20ProgramysesymbolickouumělouinteligencíTheGeneralProblemSolver(1957)Řešilformalizovanésymbolicképroblémy,napříkladmatematickédůkazyašachy.TheGeometryTheoremProver(1958)Dokazovalteorémypomocíexplicitněreprezentovanýchaxiomů.SAINT(SymbolicAutomaticINTegrator)Integrálnípočet(1961)ANALOGY(1963)ObrázekAmávztahkobrázkuBjakoobrázekCkobrázkuD.IQtestyseužívajíkměřeníinteligencelidí.Počítačelzenaprogramovattak,abyvIQtestechexcelovaly.Aletysaméprogramybybylyvreálnýchsituacíchhloupé.21ZpracovánípřirozenéhojazykaSTUDENT(1964,1967)Řešilslovníúlohyzalgebry.SIR(SemanticInformationRetrieval,1968)Četljednoduchévětyaodpovídalnaotázky.ELIZA(1965)Simulovalapsychoterapeuta.TLC(TeachableLanguageComprehender)(1969)Četltextavytvářelznějsémantickousíť.SUR(SpeechUnderstandingResearch)(1971)5-tiletýplánagenturyARPA(dnesDARPA)navýzkumrozpoznáníspojitémluvenéřeči22ExpertnísystémyPatřídosymbolickéuměléinteligence.Používajímnožinupravidelaheuristiku.MACSYMA(MIT,1968-1982)Provádělsymbolickématematickévýpočty.DENDRAL(SRI,1965)Identifikujechemikálie.MYCIN(SRI,EdwardShortliffe,1974)Diagnostikovalinfekčnínemocizkrve.Pokračovatelé:EMYCIN,PUFF,INTERNIST-CADUCEUS23KomerčníexpertnísystémyPROSPECTOR(SRI,1974–1983)Analyzujegeologickádata.Hledáložiska.XCON–eXpertCONfigurer(CMU,1978)KonfigurovalpočítačeřadyVAXfirmyDEC.TEIRESIAS(SRI,RandallDavis,1976)KnowledgeAcquisitionSystem(KAS)Získáváznalostiodlidskýchexpertů.Vytváříznalostíbázeproexpertnísystémy.24RobotikaMarvinLeeMinsky(*1927)Freddy(UniversityofEdinburgh,1973)SHAKEY(SRI,1969)SHRDLU(MIT,TerryWinograd,1970)blocksworlds(MIT,1970)Robotmámanipulovatsestavebnímikostkamipodleinstrukcí.počítačovéviděníporozuměnípřirozenémujazykuplánování25PrvníuměléneuronovésítěWarrenMcCullochaWalterPittsModeluměléhoneuronu(1943)Neuronreprezentujefunkce.DonaldOldingHebbPravidloproučeníneuronovésítě(1949)MarvinMinskyaDeanEdmondspostaviliprvnípočítačsneuronovousítí.SNARC(1951)26DalšíuměléneuronovésítěFrankRosenblattPerceptron(1957)jednovrstvásíťajejípravidloučeníumožňujícíjínaučitselineárněseparabilnífunkceBernardWidrowaMarcianTedHoffminimalizacečtvercechybysítěDeltarule(pravidloučeníneuronovésítě)ADAptiveLINEarSystemsorneuronsorADALINEs(1960)MADALINEs(1962)vícevrstvéverzeADALINEs27KritikaneuronovýchsítíKniha„Perceptrons“(MarvinMinskyaSeymourPapert,1969)KdyžsejednovrstvéneuronovésítětypuPerceptronneumínaučitfunkciXOR(tajelineárněneseparabilní),taksetonenaučíanivícevrstvésítě.Financovánívýzkumuneuronovýchsítítímbylodopočátku80.let20.stoletízastaveno.VícevrstvéneuronovésítěsefunkciXORalenaučitmohou.Jenjetřebanajítsprávnýalgoritmusprojejichučení.28VzkříšeníneuronovýchsítíHopfieldovasíť(JohnHopfield,1982)Umísenaučitněkolikobrázků(vzorů).Self-OrganizingMap(SOM)(TeuvoKohonen,1982)Umíseučitbezdozoru.(unsupervisedlearning)Backpropagation(ArthurBrysonaYu-ChiHo,1969)algoritmusučenívícevrstvéneuronovésítěVyžaduje,abyneuronysítěnemělyostrýpráh.Protožebylnepovšimnut,bylpotomněkolikrátznovuobjevenv70.a80.letech20.stoletíapopularizovánvroce1986.NETtalk(TerrySejnowskiaCharlesRosenberg,1986)Vícevrstváneuronovásíť,kteráseučilaanglickouvýslovnostaumělazobecňovat.Používalabackpropagation.29SoučasnostneuronovýchsítíNeuronovésítěsmnožstvímvrstevaneuronůpoužívanéod80.let20.stoletímělyproblémysučením.Odroku2006sedařínacházetzpůsobytrénovánívelkýchneuronovýchsítí,kteréseumíučitvkvalitěsrovnatelnésčlověkem.Hlubokéučení(DeepLearning)neuronovésítěsvětšímmnožstvímvrstevDeepBeliefNetworkJejívrstvyjemožnétrénovatodděleněučenímbezdohledu.vícevrstváneuronovásíťučícísepomocíbackpropagationJejívariantoujekonvolučníneuronovásíťprorozpoznáváníobrázků.Hlavnímcílemjedosaženíschopnostiextrahovatznakyrozpoznávanéhoobjektunarůznýchúrovníchabstrakce.Vstupemdoprvnívrstvysítějsoupixely,nadalšíchvrstváchjsourozpoznányhrany,obrysy,částiobjektu,navýstupnívrstvějeurčendruhobjektu.Různéúrovněabstrakcejsouřešenyvrůznýchvrstváchsítě.Síťsipřidělujeúrovněabstrakcesvýmvrstvámsama.Ilustrujetopřednáška

průkopníkahlubokéhoučeníYoshuaBengio.Předpokladyexistencevelkéhomnožstvídatatrénovacíchdatabází,například:obrázkyspopisem,conanichjetextyajejichpřekladydorůznýchjazykůdistribuovanévýpočty(např.cloud),většívýpočetnísílaCPU,využitíGPUKritikaGeoffreyHinton

řekl"Mělibychomtozahoditazačítznovu."Lidénepotřebujítolikdatjakoučenísdohledem.30SoučasnéaplikaceneuronovýchsítíZpracovánípřirozenéhojazyka(napříkladIBMProjectDebater)GenerováníobrázkůnazákladějinýchobrázkůnebotextualgoritmyspolečnostíGoogleaFacebookalgoritmusspolečnostiOpenAIKomponováníhudbyspomocístrojovéhoučenínapříkladneuronovásíťCoconetnatrénovanánahudběJ.S.BachaZpětnovazebníučení(DeepReinforcementLearning)Řeší