UMĚLÁ INTELIGENCE II.

Využití neuronových sítí je opravdu široké a nabývá čím dál tím více na významu. Lze je použít například na:

Ø Identifikaci radarových či sonarových signálů (ve vojenství)

Ø Predikci chování (předpověď vývoje burzy, řízení systémů na základě událostí, které teprve přijdou …)

Ø Klasifikaci, třídění (rozhodování bez přítomnosti člověka)

Ø Optimalizaci (hledání např. vhodné trajektorie robota - evoluční algoritmy jsou na tento úkol lepší)

Ø Filtraci (rekonstrukce poškozených) signálů.

Je jasné, že neuronové sítě jsou nejen velmi všestranný algoritmus, ale také to, že jsou jedním z velmi důležitých algoritmů v rámci umělé inteligence. A to jen díky své schopnosti učit se. Jejich použití při tvorbě inteligentních strojů lze očekávat ve formě klasifikátorů či spíše umělých mozků jako takových. Ty pak budou řídit stroje všech druhů v mnoha odvětvích lidské činnosti. Použití neuronových sítí a dalších algoritmů stále více nabývá na významu a lidé se s nimi budou setkávat v běžném životě velmi často, aniž by si to uvědomovali.

Myšlení lze napodobit i jinak. Fuzzy logika je dalším z mnoha algoritmů umělé inteligence. K vytvoření základů teorie fuzzy množin vedla elektrotechnika a regulačního technika L. Zadeho snaha umět vhodně popsat komplikované systémy, na jejichž popis klasická matematika nestačila a tento popis jednoduše využít v praxi. Einsteinův princip řečí fuzzy množin by zněl: "Čím blíže je příslušný problém reálnému světu, tím více fuzzy (neostré) se stává jeho řešení". Co tedy vlastně je fuzzy logika? Klasická logika, která pochází z dob antického Řecka, pracuje na principu dvou ostrých protipólů, kterými se vyjadřuje příslušnost do jedné ze dvou základních tříd: Pravda- Nepravda, Ano - Ne, Černá - Bílá, Špatný - Dobrý apod. Po dlouhá staletí byla považována za jediný druh logiky, i když někdy docházelo k prapodivným paradoxům, což bylo způsobováno mícháním jazyka a metajazyka.

V současné době je fuzzy logika většinově uznávána. Byly vyvinuty fuzzy procesory, které se používají v nových výrobcích pračkou počínaje a řízením složitých systémů jako spalovací motor konče. Fuzzy logika byla s úspěchem použita i ve vesmíru. Byl použit fuzzy regulátor pro řízení automatického ramene raketoplánu, jenž mělo zachytit a držet Hubbleův teleskop. V porovnání s klasickým regulátorem, měl použitý fuzzy regulátor podstatně lepší vlastnosti.

Princip fuzzy logiky spočívá v normalizování (převedení na vhodnou množinu, např. teplota, napětí atd.), vlastní provedení fuzzifikace (každé hodnotě množiny se přiřadí stupeň příslušnosti na základě příslušných termů). Poté se pomocí fuzzy-logických operací a pomocí defuzzifikace získá ostrá hodnota, která nám říká, jak moc daný prvek do dané množiny patří či ne. Stále více se uplatňuje podíl teorie řízení a umělé inteligence v běžném životě. Lze očekávat nárůst zájmu o toto odvětví.

"Binární" logika je okrajovým případem fuzzy logiky. Podle binární logiky může být daná věc řazena jen do dvou tříd (0 a 1). Oproti tomu u fuzzy logiky se dají zařazovat různé objekty do různých tříd v závislosti na tzv. stupni příslušnosti. Z toho vyplývá, že fuzzy logika má mnohem širší a přesnější použití.

Fuzzy logika dokáže zpracovávat nejen klasické matematické operace, ale dokáže také napodobovat lidské uvažování a rozhodování i v takových oblastech jako je lingvistika, psychologie, sociologie a další. Fuzzy logika se používá i v logickém myšlení. Za tímto účelem se vytvářejí pravidla If-Then (Jestliže-Pak), v nichž je v lingvistické formě "zakódována" příčina a jí příslušející následek. Fuzzy logiku lze použít všude tam, kde je zapotřebí inteligentní činnosti obecně.

Darwinova evoluční teorie se nemalou měrou podílí na vývoji a aplikacích umělé inteligence. Evoluční algoritmy podstatně zkracují dobu k řešení. Jedná se o výpočty s tzv. polynomiálním či exponenciálním růstem. Zásadní otázkou evolučních algoritmů je, proč vlastně evoluce probíhá a co způsobuje její vznik. Na úrovni elementární fyziky, respektive na úrovni interakcí lze najít hledanou proměnnou. Fyzika zná čtyři druhy interakcí, a sice gravitační, silnou, slabou a elektromagnetickou. Jednou z hybných sil evoluce je vzájemná interakce a její postupný vývoj.

Evoluce je proces plný náhodných rušení a skoků ve vývoji, které souvisí s tzv. teorií katastrof. Vlastní teorie katastrof pracuje s modely reálného světa a hledá katastrofickou množinu, která pak říká, za jakých podmínek a kdy dojde v daném systému ke katastrofě. V případě evoluce se katastrofou může rozumět například zmutování příslušného genu.

První genetický algoritmus byl navržen podle základních principů evoluce na úrovni DNA, odtud jeho název genetický algoritmus. Evoluční algoritmy, stejně jako umělé neuronové sítě, mají svůj původ v biologickém světě. DNA má v sobě zakódován komplexní popis daného jedince. Genotyp a okolní prostředí vytváří fenotyp, který je vlastně sloučeninou genotypu a okolního prostředí. V přírodě hraje DNA důležitou roli.

Vlastní činnost evolučních algoritmů napodobuje evoluční proces v přírodě. Během generací jsou vytvářeni noví potomci, kteří jsou použiti jako rodiče v další generaci. Vlastní cyklus či schéma evolučního algoritmu je následující:

1. Navržení struktury jedince.

2. Vygenerování první populace

3. Zjištění kvality jedinců z populace

4. Volba rodičů v závislosti na bodu 3

5. Tvorba nových potomků

6. Porovnání nových potomků se starými a zamítnutí nevhodných

7. Zpět na bod 3.

Vygenerují se ideální kvalitní jedinci, kteří jsou vhodní pro dané životní prostředí a eliminují se problémy.

Při současném trendu vývoje umělé inteligence lze očekávat, že první umělá bytost, ať reálná či v uměle vytvořeném prostředí, bude schopna alespoň jednoduché komunikace s člověkem, vznikne s velkou pravděpodobností už za našeho života.

Genetické programování může být využito v rámci umělé inteligence velmi rozmanitým způsobem. Nejenže může řešit problémy, ale může také hledat nová řešení. Pokud bude stroj vhodně vybaven množinou základních logických funkcí, pravidel a kalkulů, pak by stroj za pomoci genetického programování mohl být schopen logicky myslet.

Umělá inteligence by měla napodobovat inteligentní chování, ať už se jedná o predikci, klasifikaci, či jiné činnosti. Patří k nim i logické myšlení. Obecně lze říci, že logické myšlení je proces, v němž se obvykle vychází z axiomů (základních nevyvratitelných faktů), které pracují logickými operacemi a měly by vést k nějakému logickému závěru. Dochází k potvrzení či zamítnutí výchozích faktů, tzv. matematické důkazy. Jestliže zanedbáme emoce, můžeme konstatovat, že poměrně velkou část lidského myšlení tvoří logické uvažování.

V období Aristotela, to je do doby před 2000 roky, byly formulovány tři hlavní logické zákony:

v Zákon identity

v Zákon protikladu

v Zákon o vyloučení třetího (každé tvrzení je buď pravdivé nebo nepravdivé).

S dalšími objevy logiky ale dospíváme k názoru, že pravděpodobně nelze zkonstruovat bezchybný stroj ani sestavit a uvést do chodu stroj inteligentnější než jeho tvůrce.

Až doposud probrané algoritmy umělé inteligence jsou schopny řešit mnoho úkolů, nicméně nejsou schopny pracovat samostatně. Ale z výzkumů lze dojít k závěru, že evoluční nastavení má lepší výsledky než nastavení pomocí člověka odborníka.

S rostoucí potřebou umělé inteligence, poroste i její uplatňování v běžném životě. Roboti budou mnohdy vykonávat lidskou činnost. Ke své činnosti by měli vidět, slyšet a mluvit.

Počítačové vidění se dá rozdělit do následujících kroků: (1) získání digitálního obrazu; (2) úprava; (3) rozložení na objekty; (4) jejich popis; (5) klasifikace jednotlivých objektů. Jako slibné se jeví použití fraktální geometrie na popis a následnou klasifikaci. Umělá inteligence by měla porozumět obrazu, analyzovat ho, logicky vyhodnotit a provést očekávanou činnost.

Jednou z dalších vlastností, kterou budou muset mít aplikace umělé inteligence, je rozeznávání řeči vzhledem k tomu, že tímto způsobem se dorozumívají lidé - jejich tvůrci. Lidé komunikují pomocí zvuku, což je akustické vlnění. Stručně pojednám o problematice rozeznávání akustického signálu. Důležité jsou pojmy: (●) zvukové vlny, jejichž podstatou je šíření elastických kmitů částic hmotného prostředí; (●) hluk, šum - jsou nahodilé, neperiodické zvuky; (●) tón - periodický zvuk; (●) tóny čisté - pouze sinusové, bez obsahu vyšších harmonických tónů; (●) tóny složené - i s jinými zvuky; (●) vibrace - pravidelné kolísání kmitočtu; (●) skok - rychlejší kolísání kmitočtu; (●) tremol - větší tónový interval se změnami intenzity; (●) fyziologická akustika: z fyzikální stránky je zvuk charakterizován parametry jako intenzitou, kmitočtem a obsahem harmonických tónů. Těmto základním objektivním veličinám odpovídají veličiny fyziologické - subjektivní. Intenzitě odpovídá hlasitost, kmitočtu výška tónu a spektrální skladbě barva tónu. Kmitočtová charakteristika vnitřního ucha má maximum kolem 800 - 1000 Hz; (●) výška zvuku je fyziologický pojem, založený na subjektivním vjemu zvuku; (●) barva zvuku umožňuje odlišit různé složené zvuky. Barva zvuku určuje počet harmonických složek obsažených ve spektru zvuku a zároveň poměr jejich intenzit k intenzitě základního zvuku (neharmonické i harmonické složky). Sluchový orgán nedovede rozlišovat jednotlivé harmonické složky, ale jen jejich jednotlivé skupiny nazývané formanty. Právě ty jsou charakteristické pro jednotlivé hudební nástroje i pro lidský hlas. Jsou závislé nejen na zdroji zvuku, ale hlavně na rezonátorech, kterými procházejí a kde se s konečnou platností upravují; (●) zvukový signál, kterým rozumíme tlakové změny vzduchového prostředí.

Zvuk je přenášen vlněním, které zachytí lidské ucho. Pomocí tohoto vlnění se pak komunikuje. Jedním z typů zvukových signálů je řeč. Záznam akustického signálu je dnes již poměrně dobře vyřešen. V podstatě jde o jeho převod na elektrické kmity, které se pak zaznamenají na příslušný magnetický nosič typu disketa, pásek nebo optický nosič typu CD atd.

Řeč inteligentního člověka je pak charakterizována jistou akustickou strukturou, lingvistickou strukturou (gramatikou a skladbou) a subjektivním vlivem osobnosti řečníka (intonace, rytmus, barva a hloubka hlasu …). Z toho vychází, že vlastní rozeznávání a hlavně strojové pochopení lidské řeči je nesmírně komplikovaný problém. Snad ještě komplikovanější než počítačové vidění.

Za nejmenší jednotku řeči, která může rozlišovat jednotlivá slova, lze považovat foném. Fonologické výzkumy prokázaly, že v existujících světových jazycích je aktivně využíváno jen asi dvanáct univerzálních diferenciálních příznaků. Tato skutečnost se dá objasnit fyziologickými zvláštnostmi hlasového ústrojí člověka. Pro zajímavost uvádím, že počet fonémů se v existujících světových jazycích pohybuje od 12 do 60. V českém jazyce je 36, v anglickém 42, v ruském 40 atd. Fonémy se spojují do celků, v nichž další základní stavební jednotku představuje slabika. Slovo je určitou kombinací slabik, přičemž jejich počet tvoří vždy celé číslo. Pro představu slovanské jazyky používají přibližně 2 500 - 3 500 slabik a 45 000 - 50 000 slov.

I přes pokroky, kterých bylo dosaženo v této oblasti, nadále existují problémy s rozpoznáváním lidské řeči. Existují i zde algoritmy, které slouží k rozpoznávání, ale nechci zacházet do podrobností.

Proces, při němž se vytváří zvuk, lidský hlas, je mnohem jednodušší než jeho rozpoznání. V zásadě existují dva způsoby generování lidské řeči. První spočívá v tom, že se vytvoří zvuková databáze předem namluvených slov, která se aktivují a přehrávají v závislosti na tom, jak jsou obsaženy v textu, jenž má být přečten. Tento způsob je dnes dost používaný zejména u různých slovníků a překladačů.

Druhý způsob spočívá opět ve vytvoření databáze, která obsahuje matematické charakteristiky slov. Ty pak při čtení využívá ke generování slov ve vhodném zvukovém generátoru, čímž je myšleno software, hardware nebo jejich kombinace, které slouží k rekonstrukci zvuku podle daných charakteristik. Tento způsob není tak náročný na objem dat.

Na to, aby počítač rozuměl lidské řeči, nestačí jen připojit zvukovou kartu s vhodným softwarem. Počítače ovládané hlasem se budou spíše podobat inteligentnímu tvoru než klasickému PC (počítači).

Zatím jsme se zabývali umělou inteligencí, využitelnou hlavně v robotice, tedy ve strojích. Ale již delší dobu jsou prováděny pokusy se stvořením tzv. umělého života "in silico" neboli v počítači. Celkem se vývoj umělého života aplikuje ve třech směrech: v hardware, software a wetware.

Simulování umělého života je sice v plenkách, nicméně dosavadní výsledky potvrzují, že tento směr je velmi slibný. Například v počítačovém systému Tierra si některé druhy evolučně vyvinuly velmi avantgardní metody pro řešení složitých problémů. Také docházelo k jejich zdokonalování jak ve smyslu struktury, tak ve smyslu kvality reakcí. Předpokládá se, že pokud takový systém bude spuštěn na mnohem větším PC nebo systému PC a nechá se běžet dostatečně dlouho, s velkou pravděpodobností dojde k samovolnému vzniku relativně inteligentních organizmů.

Většina inteligentních systémů je vyvíjena tak, aby nám mohla pomáhat s úkoly v našem reálném světě. Automatické sondy s prvky umělé inteligence začínají prozkoumávat planety, inteligentní roboti začínají zkoumat nebezpečné objekty jako je sopka nebo nálož nějakého maniaka, polointeligentní automatické provozy vyrábí různé polotovary bez zásahu člověka. Současně s tímto reálným světem existuje ale i svět počítačů, bez něhož by si život již většina z nás nedovedla představit. Mohl by v takovém prostředí vzniknout inteligentní život? Sám od sebe možná ano, možná ne, ale úmyslně zcela jistě ano.