1.1 Moderné aspekty umelej inteligencie

Obsah

1.1 Moderné aspekty umelej inteligencie

Nový pohľad na paralelné výpoèty a na paralelné systémy v súèasnosti priná¹a najnov¹í trend, ktorý zaujal mnohých vedcov a odborníkov, a síce quasiencefalické výpoèty, v ktorých ide o masívny paralelizmus a majú za cieľ modelovať chovanie sa nervovej sústavy u ¾ivoèíchov a hlavne modelovať chovanie sa ľudského mozgu. ¥udský mozog obsahuje $10^{11}-10^{14}$ neurónov ulo¾ených v ¹edej kôre mozgovej a synapsie sú realizované v rozsahu asi $10^{4}$ na jeden neurón. Vytvorenie umelého ľudského mozgu so všetkými jeho schopnosťami je vec veľmi ťažko riešiteľná aj z hľadiska kvantity neurónov aj z hľadiska spôsobu ich prepojenia, atď. Je tu však možnosť simulovať aspoò niektoré funkcie ľudského myslenia a implementovať ich. Novovytvárané modely sa o túto situáciu pokúšajú, a preto dostali názov neurónové siete (NN - Neural Nets). V tejto súvislosti vzniká tie¾ otázka vzťahu neurónových sietí k systémom umelej inteligencie (UI). Pokúsime sa na òu odpovedať v nasledujúcej úvahe o systémoch umelej inteligencie a ich možných cieľoch.

Cieľom systémov umelej inteligencie je vypracovať paradigmy alebo algoritmy, ktoré požadujú od stroja riešiť úlohy, ktoré by vyriešil len človek so znalosťami

Toto je jedna z mnohých definícií systémov UI [5]. Každý systém považovaný za systém UI, musí podľa spomínaného autora splňať 3 nasledujúce požiadavky :

vedieť uložiť znalosti (knowledge representation)
aplikovať znalosti pre riešenie problému - uvažovanie (reasoning)
získavať nové znalosti počas experimentov - učenie (learning)

**Obrázok 1.1:** Hlavné komponenty všeobecného systému UI
$\begin{figure} \begin{center} \epsfig {file=img/11.ps} \end{center} \end{figure}$

Všetky 3 požiadavky navzájom súvisia a doplňujú sa. V súčasnej dobe sa systémy UI čoraz väčšmi chápu z dvoch pohľadov :

klasické prístupy v UI ( tieto presadzujú symbolickú reprezentáciu vedomostí a ich sekvenčné spracovanie, nachádzajú uplatnenie v problémoch ako je spracovanie prirodzeného jazyka, v problémoch plánovania procesov alebo tzv. explicitného reasoningu). Exemplárnym problémom, kedy klasická UI ( symbolická UI) nestačí riešiť všeobecné problémy je Japonský projekt počítačov 5. generácie. Tam logické programovanie a expertné systémy nepriniesli očakávané výsledky.
moderné prístupy v UI ( tieto sú založené vo veľkej miere na neurónových sieťach vo väčšine prípadov používajú nesymbolickú reprezentáciu vedomostí a sú vhodne použiteľné v oblastiach ropoznávania vzorov, simulácie pamäte resp. v tzv. nizkoúrovňových percepčných procesoch. Tieto moderné prístupy predstavujú systém UI ako dynamický systém, a preto je nutné ho analyzovať z hľadiska jeho neurodynamiky. V náväznosti na spomínaný Japonský projekt, sa tu ponúka možnosť využitia neurónových sietí aj pre tieto problémy.

Je treba poznamenať, že vo svete je skupina vedcov, ktorí tieto moderné prístupy v UI považujú za nepatriace do UI a na UI pozerajú iba z hľadiska klasického prístupu k UI. Čas však ukazuje že medzinárodná komunita akceptovala tieto moderné prístupy k UI. Cesta k progresu vedie cez využívanie vlastností a výhod jak klasickej UI tak aj modernej UI. Explózia záujmu o NN dávno prekročila rozmery niekdajšieho záujmu napr. o expertné systémy. V momentálnej situácii je záujem o NN podporený aj vynikajúcimi možnosťami v oblasti výpočtovej techniky, paralelných systémov a pamäťových možností a širokú odbornú podporu ostatných odborov ako je neurofyzika, neuropsychológia, kognitívna psychológia a pod. . V podstate sa do určitej miery naplňajú predpovede jedného z významných predstaviteľov rozvoja NN dr.Minského, ktorý v roku 1961 v svojom článku Step Torward Artificial Intelligence^1.1 naznačil mnohé smery, ktoré z nedostatku výpočtových možností nemohli dostať plný rozmer rozvoja. Záverom je treba konštatovať, že tendencie moderných prístupov umelej inteligencie nájdu čoraz väčšie uplatnenie pri riešení praktických problémov technickej a netechnickej praxe.

CIG Homepage(E-mail us!)