Umělá inteligence

Stránka ve výstavbě

Na této stránce se právě pracuje. Prosím needitujte tuto stránku, dokud na ní zůstává tato šablona. Předejdete tak editačnímu konfliktu. Jestliže uběhla od poslední editace doba alespoň dvou dnů, neváhejte tuto šablonu odstranit.

Umělá inteligence (anglicky Artificial intelligece, AI) je vědní obor, který se zabývá tvorbou strojů, které vykazují inteligenci. Přesná a jediná definice však neexistuje a neustále se vedou spory, jak umělou inteligenci nejlépe definovat. I přes velké množství definic se vždy jedná o definice obecné, které nevysvětlují, co vůbec ta inteligence je. Umělá inteligence umožňuje technickým systémům reagovat na vjemy z jejich prostředí, řešit problémy a dosahovat určitých cílů. Zabudovaný počítač přijímá data - která byla již připravena, nebo jsou sbírána pomocí vlastních sensorů a kamer - ty následně vyhodnotí a reaguje na ně. Systémy umělé inteligence jsou schopné pracovat samostatně a také měnit a přizpůsobovat své jednání na základě vyhodnocení efektů předchozích akcí-

Zatím nejlepší definici vytvořil Marvin Minsky v roce 1967: „Umělá inteligence je věda o vytváření strojů nebo systémů, které budou při řešení určitého úkolu užívat takového postupu, který, kdyby ho dělal člověk, bychom považovali za projev jeho inteligence.”

Další definice

E. Richová: „...umělá inteligence se zabývá tím, jak počítačově řešit úlohy, které dnes zatím zvládají lidé lépe”

„Umělá inteligence je označení uměle vytvořeného jevu, který dostatečně přesvědčivě připomíná přirozený fenomén lidské inteligence.”

„Umělá inteligence označuje tu oblast poznávání skutečnosti, která se zaobírá hledáním hranic a možností symbolické, znakové reprezentace poznatku a procesu jejich nabývání, udržování a využívání.”

„Umělá inteligence se zabývá problematikou postupu zpracování poznatku - osvojováním a způsobem použití poznatku při řešení problému.”

Existuje mnoho dalších definic, tyto jsou však nejpoužívanější a nejpřesnější. Definice sami o sobě však nic neřeší, je třeba je aplikovat ve formě strojů a robotů.

Typy umělé inteligence:

• Softwarová: virtuální asistenti, software pro analýzu obrazu, vyhledávače, systémy rozpoznávání řeči a obličeje.
• Zabudovaná umělá inteligence: roboti, autonomní auta, drony, internet věcí (IoT).

Oblasti výzkumu umělé inteligence:

• dokazování teorémů
• hraní her
• zpracování přirozeného jazyka
• robotika
• rozpoznávání obrazů
• znalostní inženýrství
• strojové učení

Směry umělé inteligence

• psychologický směr: orientuje se na vytvoření umělých modelů lidský intelektuálních činností;
• inženýrský směr: orientuje se na vytvoření inteligentních systémů a technik, které jsou k tomu potřebné (neomezuje se tedy pouze na simulaci lidských postupů řešení úloh);
• filosoficko-matematický směr: obecné studium a formalizace intelektuálních mechanismů nezávisle na jejich realizaci.

Milníky výzkumu umělé inteligence

• 1943 - model neuronu: vytvořili jej Warren McCulloch a Walter Pitts jakožto jednoduchý matematický model neuronu, který představoval teoretický model části nervové soustavy - biologického neuronu. Model se stal předmětem zkoumání a rozvoje řady dalších badatelů.
• 1950 - Turingův test (viz níže)
• 1956 - Dartmouthská konference: za zrození umělé inteligence ve smyslu, jak ji chápeme dnes je považován rok 1956, kdy se konala Dartmouthská konference. Umělá inteligence tu dostala svoje jméno, cíl, první úspěchy a hlavní osobnosti.
• 1958 - LISP: programovací jazyk, který byl navržen americkým informatikem J. McCarthy. Dnes je druhým nejstarším programovacím jazykem na vysoké úrovni, který je široce používán. Stal se oblíbeným programovacím jazykem pro výzkum umělé inteligence.
• 1965 - fuzzy logika: je formou softwaru umělé inteligence, a proto by se dala považovat za podmnožinu umělé inteligence. Protože provádí určitou formu rozhodování, lze ji volně zařadit do softwarové nástrojové sady umělé inteligence. Využívá se například v lékařských diagnostických systémech a při rozpoznávání ručně psaného písma.
• 1968 - sémantické sítě: poprvé tento pojem použil ve své disertační práci americký vědec Quillian k reprezentaci anglických slov. Původně sloužily k vyjádření významu různých výrazů v přirozeném jazyce, avšak postupem času se staly obecnějším grafickým nástrojem pro reprezentaci znalostí. Na sémantickou síť lze pohlížet jako na orientovaný graf tvořený uzly a hranami. Hrany reprezentují jednotlivé objekty popisovaného světa a hrany spojující tyto uzly pak reprezentují vztahy mezi těmito objekty. Příkladem vztahu je IS-AN-INSTANCE-OF (ISA), který slouží k vyjádření skutečnosti, že konkrétní objekt (instance určité třídy) patří do zadané třídy.
• 1970 - PROLOG: logický a deklarativní programovací jazyk. Samotný název, Prolog, je zkratka pro PROgramming in LOGic. Byl navržen tak, aby usnadňoval zpracování přirozeného jazyka.
• 1973 - MYCIN: úkolem expertního systému MYCIN je diagnóza jistých druhů infekcí ve složitých pooperačních stavech a doporučení pro jejich medikamentózní léčbu. Uživatelem je lékař (chirurg), který nemusí být expertem na infekční choroby. Během dialogu se systémem MYCIN ptá ošetřujícího lékaře na stav, zdravotní historii pacienta a výsledky laboratorních testů. Na závěr systém vydá diagnózu a doporučí vhodnou terapii.
• 1975 - teorie rámců: datové struktury reprezentující stereotypní situace, např. postupné vyplňování stránek, předdefinované hodnoty. Teorii vytvořil Marvin Minsky a na jejím základě vzniklo objektově orientované programování.
• 1976 - PROSPECTOR: úkolem expertního systému PROSPECTOR je odhad věrohodnosti toho, že se na daném místě vyskytuje rudné ložisko typu reprezentovaného zadaným modelem. Uživatel pracuje s expertním systémem v dialogu, během něhož předkládá svá pozorování a je žádán o další informace. Typická báze znalostí (o geologických charakteristikách měděných ložisek) je tvořena inferenční sítí o 94 vrcholech a 105 pravidlech.
• 1978 - R1/XCON: komerční expertní systém. Práci na systému zahájil McDermot.
• 1981 - japonský projekt počítačů 5. generace
• 1982 - neuronová síť: umělé neuronové sítě se inspirovaly strukturou lidské nervové soustavy. Základním prvkem přirozené i umělé neuronové sítě je neuron neboli perceptron. Neuronové sítě se mohou učit buďto se učitelem anebo bez. Využít se následně dají k rozpoznávání poruch strojů, analýze textu, hlasu či obrazu atd.

Turingův test

Obr. 1 Standardní podoba Turingova testu – osoba C má za úkol rozlišit, kdo z A a B je člověk a kdo je stroj napodobující člověka

Turingův test, který roku 1950 vytvořil Alan Turing, má za úkol vyhodnotit, zda se daný stroj chová opravdu inteligentně. Protože inteligenci nelze přesně definovat, porovnává se v testu stroj s člověkem. Test probíhá tak, že v jedné místnosti je umístěn testující člověk. Ve druhé místnosti je umístěn člověk a testovaný předmět, např. počítač s daným programem. Testující člověk pokládá otázky v přirozené řeči a předává je do druhé místnosti, kde na ně náhodně odpoví buď člověk nebo počítač formou tištěné odpovědi.

V případě, že testující není schopen rozpoznat, která odpověď je od člověka a která od počítače, pak můžeme hovořit o tom, že stroj je inteligentní. Turingův test byl nejpoužívanějším ukazatelem inteligence strojů, nakonec se však prokázala přílišná subjektivnost hodnocení.

Dělení umělé inteligence

Koncem 60. let byly navrženy v oblasti umělé inteligence algoritmy, které se daly využít k řešení problémových oblastí. Jednalo se o klasické matematické modely a jejich užití bylo obtížné a výpočetně hůře zvládnutelné.

Klasická umělá inteligence

Umělá inteligence ve svých začátcích, kdy využívala klasické matematické moduly, zahrnovala několik oblastí:

• Robotika
  • robotika zařizuje pohyb robotů a jejich jednotlivých součástí
• Řešení úkolů (problem solving)
  • umělá inteligence v hrách => řešení logických hádanek
• Rozpoznávání obrazců (pattern recognition)
  • systém zaměřený na rozpoznávání vzorů
• Dokazování vět (theorem proving)
  • také známé jako ATP nebo Automatické dokazování se snaží pomocí počítačových programů prokázat matematické teorie

Klasická umělá inteligence však nebyla schopná řešit zadané úlohy stejně lehce jako živé organismy. Výzkumníci se proto začali soustřeďovat na napodobování živé přírody, a tak vznikla Nová umělá inteligence.

Nová umělá inteligence (Soft computing)

Napodobuje živou přírodu a zahrnuje oblasti:

• Neuronové sítě
  • neuronové sítě jsou inspirované nervovým systémem živých organismů
    
  • základem je model umělého neuronu
    
  • mohou realizovat jakoukoliv logickou funkci
• Representace vágních znalostí a aproximativní uvažování
  • aproximativní uvažování umožnilo konstrukci fuzzy systémů = uplatnění v praktických aplikacích např. v řízení technického zařízení
• Evoluční algoritmy
  • evoluční algoritmy využívají modelový mechanismus podobný přírodnímu výběru pro získání algoritmů => viz. Umělý život

Výhody a nevýhody umělé inteligence

Výhody umělé inteligence

• Nepřetržitá dostupnost: vzhledem k tomu, že počítačové systémy nemají stejné biologické potřeby jako lidé, může inteligentní systém fungovat bez přestávky celý den.
• Komunikace ve velkém: prostřednictvím robotů a virtuálních agentů můžou společnosti poskytovat pokyny a podporu více lidem na více místech najednou.
• Automatizace opakujících se úloh: díky využití UI k provádění opakujících se a časově náročných úloh se můžou lidé ve vaší firmě zaměřit na strategičtější práci s větším dopadem.
• Rychlejší a přesnější rozhodování: minimalizuje lidské chyby a tím pomáhá při rozhodování založeném ve velké míře na datech a zahrnujícím velké množství složitých výpočtů.
• Relevantnější doporučení: pomáhá poskytovat zákazníkům relevantnější doporučení a návrhy na základě jejich zájmů a zvyků.

Nevýhody umělé inteligence

• Kdo nese vinu za škody způsobené UI?: důležitou otázkou je, kdo je zodpovědný za škodu způsobenou zařízením nebo službou ovládanou umělou inteligencí. Pokud kupříkladu dojde k nehodě automobilu řízeného UI, hradí škody majitel, výrobce automobilu nebo programátor?
• Hrozby UI pro základní práva a demokracii: výsledky produkované umělou inteligencí závisí na tom, jak je navržena a jaká data používá. Jak návrh samotný, tak i data mohou být záměrně či neúmyslně ovlivněny. V případě nesprávného provedení by umělá inteligence mohla činit negativně zaujatá rozhodnutí ovlivněná etnickým původem, pohlavím či věkem a zpochybnit objektivnost procesů při najímání či propouštění zaměstnanců, při nabízení půjček, či dokonce v trestním řízení.
• Dopad UI na pracovní místa: očekává se, že využívání UI na pracovišti povede k rušení velkého počtu pracovních míst. Ačkoliv se zároveň předpokládá, že umělá inteligence vytvoří nová a lepší pracovní místa, skutečností je, že vzdělání a odborný výcvik budou hrát klíčovou roli při prevenci dlouhodobé nezaměstnanosti a při zajišťování kvalifikovaných pracovníků.
• Otázka transparentnosti: riziko spočívá také v nerovnováze v přístupu k informacím. Na základě chování lidí v online prostředí a díky dalším datům může bez vědomí dotčených osob dojít například k cílenému přizpůsobování politických kampaní člověku na míru či předvídání toho, kolik je daná osoba u online prodejce ochotna utratit.

Využití umělé inteligence v každodenním životě

Digitální osobní asistenti

Chytré telefony používají inteligenci k poskytování co nejosobnějšího produktu. Takzvaní virtuální asistenti, kteří odpovídají na otázky, poskytují doporučení, nebo pomáhají s organizací každodenních úkolů, jsou dnes nedílnou součástí našich životů.

Chytré domácnosti, města a infrastruktura

Inteligentní termostaty se učí z našeho chování šetřit energii. Vývojáři chytrých měst zase doufají, že díky umělé inteligenci budou schopní regulovat provoz, aby omezili dopravní zácpy. Příkladem je společnost Netatmo, která se specializuje na chytrou elektroniku. Ti nabízejí kupříkladu inteligentní venkovní kameru, která umí rozlišit mezi lidmi, automobily a zvířaty, zatímco vnitřní kamera dokáže rozpoznávat obličeje. Pokročilé algoritmy umělé inteligence v bezpečnostních kamerách upozorňují na dění uvnitř domu i mimo něj. Společnost také nabízí inteligentní řešení vytápění, které zohledňuje individuální preference členů domácnosti. Stačí nastavit rozvrh vytápění a uživatelé nemusí nic zapínat a vypínat ručně. Chytré vytápění zohledňuje venkovní teplotu, izolaci domu i činnosti obyvatelů a spoří energii.

Kyberbezpečnost

Systémy umělé inteligence mohou pomoci rozpoznat kybernetické útoky a jiné kybernetické hrozby a bojovat proti nim na základě neustálého vyhodnocování dat, rozpoznávání určitých vzorců a zpětného sledování útoků. Příkladem využití UI v oblasti kyberbezpečnosti je nástroj Lovkyně (Huntress), který vyhledává škodlivé spustitelné soubory, což je jeden z nejnáročnějších problémů v kyberbezpečnosti. Lovkyně je schopna detekovat škodlivé spustitelné soubory nad rámec antivirové a statistické analýzy. Dalším příkladem je technologie CADET, která využívá umělou inteligenci pro vyhodnocení falešných upozornění. CADET místo analyzování jednoho konkrétního odkazu nebo souboru využívá obrovského množství dat a hodnotí je v rámci celého kontextu. V praxi hodnotí CADET celý kontext a zkoumá, zda spustitelný soubor přišel prostřednictvím e-mailu nebo byl stažen z webu, kdo byl odesílatel, kdy byla doména zaregistrována, kým a kde byla zaregistrována, jaké další domény jsou spojené s doménou odesílatele, zda není nějaká souvislost s jinými škodlivými soubory z uplynulých dnů apod.

Boj proti dezinformacím

Některé aplikace dokážou rozpoznat tzv. fake news a dezinformace. Sbírají data na sociálních sítích a detekují například silně afektivně zabarvené výrazy, zároveň jsou schopné identifikovat, které online zdroje je možné považovat za věrohodné. S umělou inteligencí pracuje například česká firma Cogniware. Jedná se o technologickou firmu pracující hlavně s analýzou pomocí neuronových sítí. Od roku 2014 vyvíjí specializovaný software Insights pro bezpečnostní složku státu, který pomáhá při vyšetřování kriminální činnosti. Na konci roku 2020 představili modul na odhalování fake news. Tento Software se stále vyvíjí a postupně se učí rozeznat relevantní informac ea narativy od dezinformací a lží. Například v rámci politických zpráv nebo zpráv ohledně viru COVID-19 má v odhalování fake news 70–80% úspěšnost. Úspěšnost je však hodně závislá na tom, jak chytře je zpráva napsaná. Čím více je zpráva propracována tím je samozřejmě její detekce náročnější.

Auta

Mezi nejkomplexnější příklady UI na světě patří autonomní vozidla a další autonomní prostředky. Tyto systémy koordinují několik procesů a tím simulují uvažování lidských řidičů. S využitím rozpoznávání obrazu identifikují značky, semafory, dopravní provoz a překážky. Optimalizují trasy k cílům. A v reálném čase odesílají a přijímají data, což jim umožňuje aktivně diagnostikovat problémy a aktualizovat svůj software. EU například pomohla financovat automatizované senzory VI-DAS, které detekují možné nebezpečné situace a nehody. Umělou inteligenci využívají i navigace.

Zdraví

Vědci se snaží najít způsoby, jak pomocí UI analyzovat velké množství zdravotnických dat a objevit vzorce, které by mohly vést k novým objevům v medicíně, nebo jak zlepšit individuální diagnostiku. Jako příklad můžeme uvést program pro přijímání tísňových volání, který by měl během hovoru rozpoznat zástavu srdce rychleji než lékařský dispečer. Nebo například společnost KConnect, která je spolufinancovaná EU, vyvíjí vícejazyčné textové a vyhledávací služby, které lidem pomáhají najít nejrelevantnější dostupné lékařské informace.

Další oblasti

S umělou inteligenci se dále můžeme setkat v rámci:

• online nakupování a reklamy
• vyhledávání na internetu
• strojových překladů
• UI v boji proti nemoci COVID-19
• dopravě
• potravin a zemědělství
• veřejné správě a služeb

Odkazy

Doporučená literatura

• ZELINKA, Ivan. Umělá inteligence: hrozba nebo naděje. 1. vyd. Praha: BEN - technická literatura, 2003, 142 s. ISBN 80-7300-068-7.
• VOLNÁ, Eva a spol. Umělá inteligence: Rozpoznávání vzorů v dynamických datech. 1. vyd. Praha: BEN - technická literatura, 2014, 144 s. ISBN 978-80-7300-497-2.
• Boden, Margaret A., ed. Artificial intelligence. San Diego: Academic Press, 1996. xviii, 376 s. Handbook of perception and cognition, 2nd ed. ISBN 0-12-161964-8.
• Artificial intelligence: approaches, tools and applications [online]. New York: Nova Science Publishers, ©2011. Scientific revolutions. Computer science, technology and applications [cit. 2021-05-26]. Dostupné z: https://ebookcentral.proquest.com/lib/natl-ebooks/detail.action?docID=3021220.
• ZELINKA, Ivan. Aplikace umělé inteligence. Vyd. 1. Zlín: Univerzita Tomáše Bati ve Zlíně, 2010. 151 s. ISBN 978-80-7318-898-6.

Zdroje obrázků

• Obr. 1 Wikimedia commons http://commons.wikimedia.org/wiki/File:Turing_Test_version_3.png
  

Související články

• Kybernetika
  
• Expertní systém
  
• Umělý život
  
• Fuzzy systémy
  
• Turingův test
  
• Sémantická síť
  
• Reprezentace znalostí
  
• Robotika
  
• Metody dobývání znalostí z databází (data mining)
  
• Produkční systém
  

Klíčová slova

robotika, turingův test, umělý život, kybernetika