Czym jest inteligencja?
Okazuje się, że na drodze do zdefiniowania inteligencji istnieje wiele przeszkód. Inteligencja to coś przypisywanego przyczynie obserwowanych zmian lub stanów, uznawanych przez obserwującego za przejaw inteligencji. Zbiór charakterystycznych przejawów inteligencji nie jest jednomyślnie określony i wybitnie zależy od światopoglądu osoby obserwującej. Co więcej, niektórzy ludzie skłonni są nazywać pewne ludzkie działania inteligentnymi, a te same działania zwierząt lub maszyn, zdecydowanie odmawiając im inteligencji, tłumaczą w inny sposób. Słuszne wydaje się wyjaśnienie Alana Turinga, że źródłem takich opinii jest próba ochrony wiary w to, że „człowiek jest w jakiś subtelny sposób wyższy ponad resztę stworzenia” (Turing, 1972). Może to być także nieudolna próba uchwycenia manifestacji duszy, albo pozostałość po definicji Cycerona, którego zdaniem inteligencja oznacza zdolności umysłowe człowieka, co w rzeczywistości stanowi jedynie odłożenie problemu na karb jeszcze trudniejszego pytania o umysł.
Na przestrzeni lat psycholodzy próbowali stworzyć test mierzący inteligencję. Do tej pory jednak nie udało się zbudować rzetelnego narzędzia międzykulturowego. Oznacza to, że nie tylko w zależności od kultury różne przejawy inteligencji są bardziej lub mniej wzmacniane przez środowisko, ale same narzędzia służące do jej pomiaru nie są obiektywne i wyróżniają te aspekty inteligencji które funkcjonują w paradygmacie badacza. W ten sposób testy stworzone przez białych badaczy pochodzących z Europy badały inteligencje na podstawie wzorców zachowań, wiedzy, zdolności charakterystycznych dla ich społeczeństwa. Historia pokazuje, że emigranci przybywający z innych rejonów, nie mogli przejść pomyślnie takich badań gdyż mieli zupełnie inny zestaw wiedzy, wartości, zachowań itp.( Aronson, 1997).
Problem związany ze ściślejszym zdefiniowaniem, czym jest inteligencja polega na tym, że to od nas zależy, co uznajemy za jej przejaw. Prawdopodobnie nie można podać bardziej szczegółowej definicji, która nie byłaby wewnętrznie sprzeczna i jednocześnie wystarczająco obiektywna. Można jednak dokonać zestawienia przykładowych faktów, które służą za przesłanki przypisywania czemuś inteligencji. Oto kilka z nich:
• Rozumienie tekstów, mowy.
• Uczenie się.
• Pamiętanie.
• Porozumiewanie się.
• Posługiwanie się językiem.
• Rozumowanie.
• Intencjonalność.
• Znajdowanie rozwiązań problemów.
• Cechy odbierane jako twórczość, sztuka, wyrażanie emocji.
• Wpływ na otoczenie: stopień i sposób zagospodarowania przestrzeni.
Wspomniano już, że u niektórych osób następuje znoszenie się tych przesłanek z poglądem, że bez względu na obserwacje, jeśli to zwierzę czy maszyna, to inteligencji posiadać nie może. W pewnym stopniu możliwe jest pozbawienie obserwatora możliwości odwoływania się do tego rodzaju przesądów, stosując odpowiednie warunki obserwacji, czyli takie, w których obserwacji poddawać się będą jedynie fakty ze zbioru przesłanek dla inteligencji. Właśnie tego rodzaju badanie zaproponował Turing. Zaproponował, aby maszynę uznać za myślącą, a więc posiadającą inteligencję, jeśli osoba rozmawiająca z programem, pozbawiona innych możliwości kontaktu jak poprzez terminal komputerowy, będzie się myliła w ocenie czy jej rozmówca jest człowiekiem czy maszyną, tak samo często jak w przypadku, kiedy na miejscu programu znajdować się będzie człowiek. Istnieje rzesza osób, które skłonne są zaakceptować taki tekst.
Należy do nich m. in. Stanisław Lem, który byłby skłonny uznać maszynę za inteligentną, gdyby ta potrafiła opowiedzieć własnymi słowami jakąś przedstawioną jej anegdotę lub historię. Zastrzega sobie jednak prawo, aby dla ostrożności test kilka razy powtórzyć.
Typowy test Turinga nie obejmuje jednak wszystkich przesłanek przemawiających za inteligencją, m. in. nie uwzględnia mimiki, umiejętności posługiwania się narzędziami, czy oceny stopnia wpływu na otoczenie.
Można wyróżnić dwie najważniejsze cechy inteligencji:
• Inteligencja jest cechą.
• Inteligencja nie jest obserwowalna bezpośrednio.
Zgodnie z definicją, inteligencja może istnieć tylko przypisana do kogoś lub czegoś, będąc cechą tego podmiotu. Jest to cecha rzeczy, wywodzona w drodze szacowania na podstawie obserwowanych faktów, w trybie indywidualnego, subiektywnego oceniania.
Sztuczna inteligencja (ang. Artificial Intelligence – AI)
Termin „sztuczna inteligencja” został wprowadzony przy okazji konferencji naukowej w 1956 roku przez Johna McCarthy’ego ze Stanford University. W oparciu o przyjętą definicję inteligencji, definicja sztucznej inteligencji nie jest trudna. Zgodnie z definicją, badaniu podlegają tylko fakty wskazujące na cechę inteligencji, nie zaś sama inteligencja. W konsekwencji, sztuczna inteligencja zajmuje się maszynową realizacją tych zagadnień, które należą do zbioru faktów, służących za przesłanki przypisywania czemuś inteligencji. Mając na uwadze takie rozumienie sztucznej inteligencji, definicję tę można z niewielkim zastrzeżeniem sprowadzić do postaci, którą podał Marvin Minsky: „Sztuczna inteligencja jest nauką o maszynach realizujących zadania, które wymagają inteligencji wówczas, gdy są wykonywane przez człowieka”. Zastrzeżenie dotyczy faktu, że wymóg inteligencji może być spełniony tylko przez obserwatora, który decyduje, czy dane zadanie rzeczywiście wymaga inteligencji, a jak już wiadomo – jest to opinia subiektywna, która nie poddaje się obiektywnym badaniom. W odniesieniu do wykorzystywanej definicji inteligencji, podać można nieco zmienioną definicję sztucznej inteligencji opartą na słowach Minsky’ego: Sztuczna inteligencja jest nauką o maszynach realizujących zadania, które należą do zbioru przesłanek przypisywania czemuś inteligencji. Wyróżnia się wiele dziedzin sztucznej inteligencji.
Łatwo zauważyć, że stanowią one próby maszynowej realizacji działań, będących przesłankami do przyznania czemuś cechy inteligencji.
Współczesne zastosowanie AI
( Źródło: http://pl.wikipedia.org/wiki/Sztuczna_inteligencja )
Technologie oparte na logice rozmytej – powszechnie stosowane do np. sterowania przebiegiem procesów technologicznych w fabrykach w warunkach „braku wszystkich danych”.
Systemy ekspertowe – systemy wykorzystujące bazę wiedzy (zapisaną w sposób deklaratywny) i mechanizmy wnioskowania do rozwiązywania problemów.
Maszynowe tłumaczenie tekstów – systemy tłumaczące nie dorównują człowiekowi, robią intensywne postępy, nadają się szczególnie do tłumaczenia tekstów technicznych.
Sieci neuronowe – stosowane z powodzeniem w wielu zastosowaniach łącznie z programowaniem „inteligentnych przeciwników” w grach komputerowych.
Uczenie się maszyn – dział sztucznej inteligencji zajmujący się algorytmami potrafiącymi uczyć się podejmować decyzje bądź nabywać wiedzę.
Eksploracja danych – omawia obszary, powiązanie z potrzebami informacyjnymi, pozyskiwaniem wiedzy, stosowane techniki analizy, oczekiwane rezultaty.
Rozpoznawanie obrazów – stosowane są już programy rozpoznające osoby na podstawie zdjęcia twarzy lub rozpoznające automatycznie zadane obiekty na zdjęciach satelitarnych.
Rozpoznawanie mowy i rozpoznawanie mówców – stosowane już powszechnie na skalę komercyjną.
Rozpoznawanie pisma (OCR) – stosowane już masowo np. do automatycznego sortowania listów, oraz w elektronicznych notatnikach.
Sztuczna twórczość – istnieją programy automatycznie generujące krótkie formy poetyckie, komponujące, aranżujące i interpretujące utwory muzyczne, które są w stanie skutecznie „zmylić” nawet profesjonalnych artystów, w sensie, że nie rozpoznają oni tych utworów jako sztucznie wygenerowanych. W ekonomii, powszechnie stosuje się systemy automatycznie oceniające m.in. zdolność kredytową, profil najlepszych klientów, czy planujące kampanie reklamowe. Systemy te poddawane są wcześniej automatycznemu uczeniu na podstawie posiadanych danych (np. klientów banku, którzy regularnie spłacali kredyt i klientów, którzy mieli z tym problemy).
Inteligencją obejmują m.in. takie dziedziny nauki jak: informatyka, psychologia, antropologia, językoznawstwo, matematyka, elektronika, neurofizjologia i filozofia. W badaniach nad sztuczną inteligencją dąży się do tego, aby stworzyć taki program, który uczyłby się podobnie jak człowiek, wyciągał wnioski z zebranych danych i potrafił rozwiązywać skomplikowane zadania (wpisywane np. w języku naturalnym).
Przetwarzanie języka naturalnego( ang. natural language processing, NLP)
NLP to dział sztucznej inteligencji, w którego skład wchodzą:
• Teoria gramatyk i języków formalnych.
• Poszukiwanie sposobów reprezentacji wiedzy zawartej w tekstach.
Ze względu na astronomiczne możliwości, jakie język naturalny daje ludziom, nie budzi zdziwienia fakt, że prowadzi się próby skonstruowania programów, które również będą mogły się nim posługiwać. Podejmowane są prace ukierunkowane na programy:
• Rozumiejące język naturalny na poziomie mówionym i pisanym.
• Prowadzące dialog w języku naturalnym.
• Potrafiące przygotowywać streszczenia i komentarze do tekstów.
• Wydobywające informacje z tekstów (wyszukiwarki).
• Nauczające języków obcych.
• Wspomagające prace z tekstami (analiza sensu, gramatyki).
• Tłumaczące teksty.
Do podstawowych problemów NLP zalicza się braki w opisie dowolnego języka naturalnego (nawet angielskiego, który jest głównym przedmiotem badań). Głównym inicjatorem prób sformalizowania opisu języka naturalnego jest :
Zasady tworzenia fraz (reguły łączenia wyrazów).
Zasady tworzenia całych zdań.
Zasady tworzenia dłuższych tekstów.
Zasady odczytywania znaczenia wypowiedzeń.
Zasady wyboru alternatywnych form elementów, zależnie od kontekstu.
Przedstawiciele jednego z nurtów NLP zakładają istnienie w mózgu człowieka zbioru zasad gramatyki uniwersalnej. Założenie to opiera się na fakcie, że wszystkie języki naturalne posiadają pewien zespół cech wspólnych. Poszukiwania te nie dały jednak jeszcze oczekiwanych rezultatów (Searle, 1995). W wyniku prowadzonych badań, okazało się, że głównymi przeszkodami na drodze do sformalizowania gramatyki języka naturalnego są:
• Konstrukcje zawierające elementy domyślne.
• Swobodny szyk wyrazów w wypowiedzeniu.
• Człony współrzędnie złożone.
Analiza języka naturalnego jest, teoretycznie, bardzo atrakcyjną metodą porozumiewania się z komputerem. Jeden z pierwszych tego typu systemów SHRDLU, wzbudził ogromny entuzjazm naukowców, pracując zaskakująco dobrze na ograniczonych blokach słów i w obrębie ograniczonego języka. Entuzjazm szybko jednak wygasł, gdy system zderzył się z bardziej realnymi sytuacjami i prawdziwą złożonością oraz dwuznacznością słów. Sama definicja rozumienia jest dużym problemem analizy języka naturalnego. Wydaje się, że rozpoznanie języka naturalnego wymaga szerokiej wiedzy o świecie zewnętrznym i zdolności do przekształcania go. Z tego powodu rozumienie języka naturalnego nazywane jest często problemem AI-complete (problemem sztucznej inteligencji), który polega na tym, żeby dobrze rozumieć nasz świat i język, sztuczna inteligencja musiałaby postrzegać go tak samo jak my.
Zastosowania NLP:
(Źródło: http://pl.wikipedia.org/wiki/Przetwarzanie_języka_naturalnego)
Automatyczna sumaryzacja – program komputerowy, który automatycznie streszcza tekst, zawierające w streszczeniu najważniejsze informacje.
Foreign language reading aid – program pomagający w czytaniu języka obcego.
Foreign language writing aid – program pomagający w pisaniu w języku obcym.
Information Extraction (IE) – program analizujący niestrukturyzowany tekst w celu wydobycia z niego informacji; wydobywa z dokumentów fakty, a użytkownik je analizuje.
Information Retrieval (IR) – program zajmujący się gromadzeniem, wyszukiwaniem i odzyskiwaniem informacji. Jest to oddzielny dział w informatyce (bardziej zbliżony bazom danych) zależny jednak od metod NLP (np. redukcji). Niektóre ze współczesnych badań starają się wypełnić przepaść pomiędzy IR a NLP. IR znajduje zbiór dokumentów, a użytkownik je analizuje. Tłumaczenie automatyczne – automatyczne tłumaczenie tekstu z jednego języka na drugi.
Named Entity Recognition (NER) – jest jednym z zadań IE. Wskazuje, które ze słów w tekście są nazwami własnymi. W niektórych językach nazwy własne nie są pisane wielkimi literami.
Natural Language Generation (NLG) – zadanie polegające na tłumaczeniu danych z języka komputerowego na język naturalny. Natural language understanding – poddział NLP zajmujący się rozumieniem języka naturalnego przez komputer. OCR – oprogramowanie służące do rozpoznawania znaków graficznych np. z zeskanowanego tekstu. Anaphora Resolution – program, który wyszukuje do czego odnosi się dana anafora w tekście. Question answering – program, który odpowiada używając języka naturalnego na pytania zadawane w tym języku. Mogą to być pytania z jedną odpowiedzią (jak na przykład „Jakie miasto jest stolicą Kanady?”), lub z wieloma (np. „Jaki jest sens życia?”).
Rozpoznawanie mowy – potrafi zapisać tekst rozmowy z pliku dźwiękowego. (Odwrotność przetwarzania tekstu na mowę, syntezy mowy).
Spoken dialogue system – system, który rozpoznaje mowę i posiada moduł syntezy mowy. Text simplification – operacja upraszczająca gramatykę i strukturę tekstu.
Synteza mowy – operacja polegająca na przetwarzaniu tekstu na mowę.
Korekta tekstu – zadanie polegające na zaznaczaniu błędów w tekście pisanym.
