V prvním dílu série AI přichází se podíváme na překvapivě náročné první krůčky zkoumání umělé inteligence. V článku zjistíte nejen jak vypadaly začátky zkoumání AI, ale také první problémy, na které vědci narazili.
Umělá inteligence vznikla jako samostatný obor kyberneticky v roce 1956 na Darmout College, kde v té době působili vizionáři jako Marvin Minsky, John McCarthy, Claude Shannon, Nathan Rochester, Ray Solomonoff, Oliver Selfridge, Trenchard More, Arthur Samuel a nebo Allen Newell. Byla to optimistická éra, kde se předpokládalo, že ještě tato generace bude mít myslící stroje – a tento optimismus byl založen na tom, že se poměrně rychle dělaly pokroky v oblasti logického vyvozování.
Marvin Minsky byl jedním ze zakladatelů oboru umělé inteligence (AI) a významným vědcem v oblasti kognitivních věd a informatiky. Spolu s Johnem McCarthym založil laboratoř umělé inteligence na MIT. Minsky přispěl k rozvoji teorie neuronových sítí, symbolického zpracování informací a vytvořil klíčové koncepty v AI, jako jsou rámce a mikrostruktury.
John McCarthy je často označován za "otce umělé inteligence". V roce 1956 zorganizoval slavnou konferenci na Dartmouth College, která dala vzniknout termínu "umělá inteligence". McCarthy také vyvinul programovací jazyk LISP, který se stal základním nástrojem pro vývoj AI, a přispěl k teorii automatického dokazování.
Claude Shannon je znám jako "otec teorie informace" (ano, další otec). Jeho práce položila základy pro digitální obvody a teoretický rámec pro přenos informací. Shannonovy principy byly klíčové pro vývoj algoritmů a technik, které jsou využívány v moderní umělé inteligenci a zpracování signálů.
Nathan Rochester byl inženýrem u IBM a jedním z prvních, kdo se zabýval automatickým zpracováním informací. Byl klíčovou postavou při organizaci Dartmouthské konference v roce 1956, která formálně zahájila výzkum v oblasti umělé inteligence. Pomáhal také vyvinout jeden z prvních programů pro simulaci neuronových sítí.
Ray Solomonoff byl průkopníkem v oblasti strojového učení a teorie algoritmické pravděpodobnosti. Jeho práce na induktivním usuzování a teoretických základech učení se stala základem pro mnoho moderních metod v AI, včetně Bayesovských modelů a predikčních algoritmů.
Oliver Selfridge je považován za otce perceptronů a jednoho z prvních modelů strojového učení. Vyvinul koncept "pohotovostních detektorů" (pandemonia), které jsou považovány za ranou formu neuronových sítí. Selfridge také přispěl k rozvoji konceptů v oblasti pattern recognition a adaptivních systémů.
Trenchard More byl matematik a informatik, který přispěl k rozvoji teorie algoritmů a teoretických základů výpočetní vědy. Jeho práce se zaměřovala na matematické základy automatického dokazování a formální logiky, které jsou důležité pro rozvoj AI.
Arthur Samuel je známý svou prací na strojovém učení a vytvořením jednoho z prvních programů pro hraní her – konkrétně šachového programu, který se sám zlepšoval hrou. Samuelův výzkum na principu učení posilováním se stal klíčovým pro další rozvoj strojového učení.
Allen Newell byl průkopníkem v oblasti kognitivní psychologie a umělé inteligence. Spolu s Herbertem Simonem vyvinul modely lidského myšlení a rozhodování, včetně General Problem Solver (GPS), jednoho z prvních pokusů o vytvoření obecného řešitele problémů. Newell a Simon získali v roce 1975 Turingovu cenu za své přínosy v oblasti AI.
Už na konci roku 1955 totiž vnikl program Logic Theorist, označovaný jako první program umělé inteligence, který dokázal úspěšně dokázat 38 z 52 teorémů Principia Mathematica. Allen Newell a Herbert Simon popisují pocit, že průlom už musí být blízko, „že už tam skoro jsme“. Jak se ale brzy ukázalo, byla to jenom iluze z počátečního úspěchu.
Během následujícího desetiletí se ukázalo, že některé problémy uměly rané přístupy řešit efektivně, zatímco jiné vůbec ne. Prní problém se týká tak zvané kombinatorické exploze, totiž faktu, že zdánlivě snadno popsatelné a jasně řešitelné úlohy lze řešit jenom při triviální velikosti, ale jakýkoliv reálný problém vede k tomu, že časová složitost řešení roste polynomicky či exponenciálně.
Poměrně rychle se tak přišlo na to, jak jednoduše hrát šachy metodou prohledávání stavového prostoru, kdy se vyhodnotí situace na šachovnici, a pro každý možná tah a protitah se prozkoumají všechny alternativy dál a dál, ale počet možností roste mimo možnosti analyzovat je klasicky. Odhadovaná velikost stavového prostoru šachů je 1046, přičemž složitost prohledávacího stromu je při průměrných 35 alternativách na tah a odhadované průměrné délce 80 tahů ještě mnohem větší: 10123! A nyní zvažte, že odhadovaný počet elementárních částic v celém pozorovatelném vesmíru je „pouze“ 1086 – a z toho je vidět, že pouze mechanicky tento problém řešit nelze.
Šachy jsou ukázkovým příkladem problému pro umělou inteligenci nejen proto, že snaha nalézt jednoduchý algoritmus jak je hrát rychle selhává, ale také proto, že jde možná o první široce známý případ kombinatorické exploze. Už Tomáš Štítný ze Štítného ve své knize „Knížky o šašiech“ zmiňuje příběh, kdy fiktivní mudrc Philometer žádal za vynález šachů jedno zrno obilí na prvním poli a na každém dalším poli pak dvojnásobek. Tento zdánlivě rozumný požadavek ale žádá 264-1 zrn, což je 1,84*1019 zrn, odhadem asi světová produkce obilí za 2000 let!
Jakýkoliv mechanický přístup velmi rychle selhává – a proto trvalo dalších téměř čtyřicet let, než se počítače dostaly u hraní šachů na úroveň plně srovnatelnou s lidmi. To byl ale jenom začátek potíží s umělou inteligencí.
i
Více o historii počítačů
Vznik umělé inteligence jako oboru zkoumání nastal v 50. letech na Darmouth College, kde průkopníci jako Minsky či McCarthy položili hrubé základy oboru. Začátky byly plné jak úspěchů typu programu Logic Theorist, ale také problémů a slepých uliček. Velmi rychle se ukázalo, že Umělou inteligenci nelze pojmout jako čistě mechanických přístup, kvůli absurdně náročným výpočtům, které tak velmi rychle vzniknou. Tento problém známe jako „kombinatorická exploze“, který lze ilustrovat i na zdánlivě snadných úlohách typu šachy. To je ale jen jeden z mnoha problémů, na další se podíváme v následujících dílech série o série AI přichází.
