Dołącz do czytelników
Brak wyników

Temat numeru

29 kwietnia 2021

NR 62 (Kwiecień 2021)

Tajemnice sztucznej inteligencji

6

Już ponad trzy lata temu Elon Musk, stojący za takimi markami jak Tesla, PayPal czy SpaceX, ostrzegał: „AI is a fundamental risk to the existence of human civilization” – sztuczna inteligencja jest istotnym zagrożeniem dla istnienia ludzkiej cywilizacji [1]. Czy mógł mieć rację? Co kryje się pod obszernym pojęciem sztucznej inteligencji? Jak możemy ją wykorzystać?

Początki AI

Pojęcie sztucznej inteligencji ukuł John McCarthy w 1956 roku na konferencji w Dartmouth w Wielkiej Brytanii. Zdefiniował on sztuczną inteligencję jako naukę i inżynierię sprawiania, że maszyny stają się inteligentne [2]. AI (ang. Artificial Intelligence) jest techniką, dzięki której maszyny zachowują się jak istota ludzka – myślą jak człowiek. W pierwszej kolejności na myśl przychodzą roboty humanoidalne, takie jak Sophia, wyprodukowana przez firmę Hanson Robotics z HongKongu [3]. Jednak sztuczna inteligencja nie musi wcale przybierać fizycznej formy ludzkiej. Wystarczy podać przykład z 2017 roku, kiedy podczas próby negocjacji pomiędzy dwoma chatbotami Facebooka opartymi na sztucznej inteligencji (skrót polski – SI), roboty wypracowały własny język i rozmowę kontynuowały z jego użyciem. Ich projektanci nie przewidzieli takiego scenariusza i eksperyment gwałtownie przerwano w obawie przed dalszym nieposłuszeństwem. Roboty stworzono, by móc uczyć się o rozwoju SI na podstawie ich zachowania. Konieczne jest jednak do tego użycie przez roboty języka angielskiego. Gdy jednak chatboty zdecydowały się na wykorzystanie własnego języka – cel ich egzystencji został złamany [4].

POLECAMY

Czym jest AI?

Przytaczane przeze mnie przykłady każą sądzić, że ze sztuczną inteligencją mamy do czynienia jedynie wtedy, kiedy rzeczywiście przypomina ona inteligencję naturalną. Nic bardziej mylnego. O SI – szczególnie w kontekście informatyki i kognitywistyki – można mówić nawet wtedy, gdy chodzi o modele danych czy programy symulujące jedynie niektóre zachowania naturalnej inteligencji. Sztuczna inteligencja rozumiana w ten sposób ma na celu stawianie czoła problemom, których rozwiązanie wymaga bardziej złożonego podejścia niż standardowa algorytmika [5]. O jakich możliwych aplikacjach mowa? Jedna ze współczesnych definicji SI mówi, że każde urządzenie, które dostrzega swoje otoczenie i podejmuje działania maksymalizujące jego szanse na pomyślną realizację celów na jego podstawie, może zostać uznane za korzystające ze sztucznej inteligencji [6].

Co potrafi SI?

Możliwości poznawcze opracowanych do dzisiaj architektur SI są dosyć ograniczone. Wykorzystują jedynie uproszczoną wersję tego, do czego zdolna jest naturalna inteligencja. Ludzki umysł potrafi łączyć fakty pozornie ze sobą niepowiązane. Wyciągać złożone wnioski na podstawie posiadanych informacji. Wykształcił instynkt, czyli przeczucia płynące z nieuświadomionej wiedzy i przeżytych doświadczeń. Potrafimy akumulować wiedzę i wykorzystywać ją w praktyce. Zmieniamy kryteria analizy w dowolnym momencie, raz dostrzegając jedno – raz drugie. To niesamowite możliwości, które jedynie w części odzwierciedlają architektury sztucznej inteligencji.
Badania nad sztuczną inteligencją mają na celu doprowadzenie do funkcjonowania inteligentnych komputerów i maszyn, które w niektórych obszarach mogłyby zastąpić lub uzupełnić pracę człowieka. Oczekiwania naukowców i specjalistów od systemów inteligentnych podzielono na podproblemy, spośród których najpopularniejsze wymieniono poniżej.

Uczenie maszynowe

Machine learning, czyli uczenie maszynowe, to jeden z najpopularniejszych obecnie modeli sztucznej inteligencji w realnym użyciu. Upraszczając to zagadnienie, można powiedzieć, że mowa o takich algorytmach komputerowych, które się uczą, czyli ulepszają, na podstawie analizowanych danych.
Istnieje kilka typów uczenia maszynowego. Unsupervised learning, czyli uczenie bez nadzoru, polega na tym, że program komputerowy analizuje dane bez żadnych drogowskazów przekazanych przez człowieka. Program otrzymuje na wejściu paczkę nieskatalogowanych informacji i sam wyciąga wnioski na ich temat. Supervised learning, czyli uczenie nadzorowane, polega na tym, że program komputerowy otrzymuje pewne instrukcje od człowieka. Wyróżniamy tutaj regresję i klasyfikację. Klasyfikacja to kategoryzowanie, czyli przyporządkowywanie poszczególnych danych do danej grupy na podstawie próbki informacji. Regresja zaś to opisywanie danych funkcją oraz przewidywanie, jaki wynik, efekt może nastąpić po analizie danych, również na podstawie wcześniej dostarczonej próbki [6, 7].
Ogólną zasadą machine learningu jest to, że im więcej danych, tym dokładniejszy i bliższy prawdzie wynik. Co więcej – dane muszą być różnorodne. Dużym ryzykiem machine learningu jest to, że w oparciu na błędnie skatalogowanych lub w inny sposób przygotowanych danych, program komputerowy wyciągnie błędne wnioski na przyszłość [6].

Natural Language Processing

NLP, czyli przetwarzanie języka naturalnego, to zdolność maszyn i programów komputerowych do rozumienia dowolnego języka ludzi. Polega głównie na analizie i maksymalnym upraszczaniu wypowiedzi człowieka w taki sposób, aby doprowadzić komunikat do formy zrozumiałej przez komputer. 
NLP w praktyce wykorzystywane jest w chatbotach konwersacyjnych, opartych na AI. Proste chatboty, tzw. drabinkowe, nie wykorzystują tego typu systemów. Bardziej rozbudowane rozwiązania korzystają jednak z NLP, by dać rozmówcom chatbotów wrażenie rozmowy z prawdziwym, żywym konsultantem. Firmy zajmujące się implementacją tego typu rozwiązań działają także w Polsce [8].

Percepcja i systemy wizyjne

Dzięki możliwości udostępniania modelom sztucznej inteligencji danych z sieci sensorów, np. pomiarów temperatury, ciśnienia, kamer termowizyjnych, kamer rejestrujących obraz, możliwa jest ich interpretacja i wyciąganie wniosków spełniających zadane cele. Tutaj również wykorzystywane jest uczenie maszynowe.

Logika rozmyta

Systemy wykorzystujące logikę rozmytą wykorzystywane są zazwyczaj w przemyśle, między innymi w produkcji czy utrzymaniu ruchu, w sytuacjach, kiedy standardowe algorytmy nie mogą sobie poradzić z uwagi na brak wszystkich potrzebnych danych. Algorytmy logiki rozmytej pozwalają na podejmowanie decyzji w pewnym zakresie zadanego parametru. Przy interakcji wielu parametrów ze sobą można tak zaprojektować system, by regulował działanie maszyn w ramach podanych zakresów, bez us...

Pozostałe 70% treści dostępne jest tylko dla Prenumeratorów

Co zyskasz, kupując prenumeratę?
  • 6 numerów czasopisma "Menedżer Produkcji"
  • Dostęp do wszystkich archiwalnych artykułów w wersji online
  • Dodatkowe dokumenty do pobrania i samodzielnej edycji
  • ...i wiele więcej!
Sprawdź

Przypisy