Danas se često govori o umjetnoj inteligenciji. Iz tog me razloga Dražen zamolio da se primim tipkovnice i napišem seriju kolumna o umjetnoj inteligenciji, kako bismo pojasnili ovo zanimljivo i raznoliko područje. Prvo što je potrebno napraviti je jedan terminološki pregled postojećih naziva, jer se u virtualnom svijetu termini često krivo koriste.
Umjetna inteligencija
Umjetna inteligencija se u Hrvatskoj definira kao grana unutar računarstva, i u određenom smislu to je istina, premda se u periodima povijesti kada je umjetna inteligencija cijenjena ona jako isprepliće s kognitivnom znanosti i njenim sastavnicama. U drugim je pak periodima reducirana na blage nadogradnje svojih dviju osnovnih sastavnica: logike i teorije vjerojatnosti.
Zbog toga, ako se želi dati jedna definicija koja bi vrijedila kroz cijelu njenu povijest, bilo bi ispravnije reći da je umjetna inteligencija računalni pokušaj definiranja filozofijskih tema, poput značenja, uma, znanja, zaključivanja, i sličnog. U periodima kada je entuzijazam za umjetnu inteligenciju manji, umjetna se inteligencija smatra isključivo tehničkom disciplinom koja radi male korake prema vrlo praktičnim ciljevima (optical character recognition je primjer takvog cilja).
Umjetna inteligencija u sebi ima dvije velike tradicije, neat i scruffy. Scruffies rade što god moraju da sustavi funkcioniraju, i za njih je umjetna inteligencija igra oponašanja, a neats se trude s jednim pristupom objediniti sva područja primjene umjetne inteligencije, poput planiranja, prepoznavanja scene, obradu jezika i slično. O područjima umjetne inteligencije ćemo u sljedećim kolumnama reći više, no sada se držimo tradicija. Scruffies nemaju pravu podijelu između sebe jer su po prirodi hakeri kojima je važno da konačni sustav funkcionira, ali ne i da iza njega stoji neki veliki princip.
Neats se dijele na simboličku umjetnu inteligenciju, subsimboličku i probabilističku, i svaki tabor ima svoje shvaćanje što je prava podloga umjetne inteligencije. Simbolisti vide logiku kao osnovu. Ovaj stav je bio dominantan kroz povijest. Subsimbolička umjetna inteligencija smatra da je pravi problem umjetne inteligencije "punjene" simbola. Simboli (IF-ELSE, liste, relacije, itd.) su vrlo jasne računalne tvorevine, i tu, prema subsimboličkoj umjetnoj inteligenciji, nema previše toga što se treba raditi.
Ako imam informacije o osobi u obliku simbola, lako ću s time zaključivati. Ali kako prepoznati osobu na slici koja se sastoji od pixela? Prema subsimboličkoj tradiciji, to je pravi problem, i tu leži razlika između ljudi i strojeva. Jedan veliki argument za subsimboliste je sljedeći: što je teže napraviti, uvjerljivi chatbot ili sustav koji dobro igra šah? Subsimbolisti su uočili da samo zato što je dobro igranje šaha rijetko kod ljudi, kojima logičko razmišljanje i (posebno) pamćenje nisu jača strana, računalima je to vrlo prirodno i jednostavno. Simulirati inteligenciju bi stoga, prema subsimbolistima, trebalo temeljiti na punjenju simbola.
Probabilisti su zanimljiva grupa. Napuštanjem logike kao osnovnog formalizma djeluje da su oni napravili veliki korak prema scruffy tradiciji, ali to nije točno. Oni baziraju sve procese na vjerojatnosti, koja je u određenom smislu nadogradnja logike. Subsimbolisti su pokušali svoje ideje dobiti imitacijom ljudskih sposobnosti (poput na primjer fuzzy logikom i neuralnim mrežama) ali su se od toga malo po malo odmakli, ali probabilisti namjerno koriste simbole koji nisu modelirani po uzoru na ljudske sposobnosti. Primjer takvog simboličkog zaključivanja je Bayesov teorem, kao glavno oruđe probabilista.
Možda ste se pitali tko je pobijedio? Prema Peteru Norvigu, obijedili su neats. Zašto? Jer očekujemo od umjetne inteligencije ne samo efikasnu imitaciju, nego i nešto više. Dodatno, tehnološka priča je pokazala da scruffy pristup u dobu Big Data više nije moguć. Tko je od tri neat grupe pobijedio? Nitko, premda su danas subsimbolisti najjači. Ove tri tradicije i njihov međuodnos su stvarale i dan danas stvaraju umjetnu inteligenciju kao područje koje se bavi proizvodnjom artefakta, i njihovo postojanje i interakcija su najfundamentalnija razvojna snaga umjetne inteligencije.
Strojno učenje
Strojno učenje je jedno od područja umjetne inteligencije. Ono nikako ne može biti scruffy, jer scruffy je nešto što je programirano unaprijed za određeno ponašanje, a strojno učenje je skupina algoritama koja se prilagođava temeljem apsorpcije podataka.
Strojno učenje je zastupljeno u svim tradicijama neats-a: simbolisti imaju učenje stabla odlučivanja, nasumične šume i induktivno logičko programiranje, subsimbolisti imaju umjetne neuronske mreže i duboko učenje, dok probabilisti imaju najširu lepezu algoritama koja se prostire od Bayesijanskog učenja do skrivenih Markovljevih modela. Ove podjele nisu kategoričke, nego ima jako puno preklapanja (npr. logistička regresija je i subsimbolički algoritam i probabilistički algoritam). Svaku od ovih metoda ćemo detaljnije prikazati u budućim kolumnama.
Duboko učenje
Duboko učenje je posebna vrsta strojnog učenja, uz pomoć dubokih umjetnih neuronskih mreža. O njemu ćemo sada najmanje reći jer ćemo mu se posvetiti najviše u budućim kolumnama.
Računalna inteligencija
Računalna inteligencija je disciplina koja je nastala u periodima oskudice u umjetnoj inteligenciji, i u stvari je odvojena od umjetne inteligencije. Računalna inteligencija obuhvaća računalne tehnike koje su modelirane prema stvarima iz prirode ili društva. Kada je umjetna inteligencija jaka, računalna inteligencija se apsorbira u umjetnu inteligenciju, ali kada zavlada oskudica, i umjetna inteligencija se fokusira na male primjene, računalna inteligencija čuva svoje neobične pristupe koji ne daju jake računalne rezultate, ali su zanimljivi zbog svoje inspiriranosti svijetom oko nas. Tri su glavna područja računalne inteligencije: umjetne neuronske mreže, fuzzy logika i genetski algoritmi. Tim redom ide i lakoća apsorpcije u umjetnu inteligenciju u periodima blagostanja, jer se umjetne neuronske mreže brzo prihvate, fuzzy logika je uvijek bila outsider u umjetnoj inteligenciji ali se prihvaćala s vremena na vrijeme, a genetski algoritmi se nikada nisu smatrali dijelom umjetne inteligencije.
Kognitivna znanost
Kognitivna znanost je jos jedna disciplina koja je nastala iz vremena oskudice umjetne inteligencije. Postoji šest znanosti koji se smatraju sastavnicama kognitivne znanosti (i ponekad se ta grupa znanosti naziva "kognitivne znanosti"), a to su antropologija, filozofija, lingvistika, neuroznanost, psihologija i računarstvo. Kognitivna znanost je definirana sedamdesetih godina da bi se opisalo vrijednost proizašla iz istraživanja u umjetnoj inteligenciji koja nisu tada ostvarivala sve tehnološke inovacije koje su bile obećane i financirane. Tijekom drugog razdoblja oskudice, devedesetih, kada je umjetna inteligencija skoro zamrla zbog pojave Interneta (koji je povukao svo financiranje), kognitivna je znanost postala sinonim za one aspekte umjetne inteligencije koji su htjeli ostvariti izvornu misiju umjetne inteligencije--razumjeti i rekreirati ljudsku inteligenciju.
