AI-blog

Érdekességek, elmélkedések és kutatási eredmények a mesterséges intelligencia, robotika és egyéb sci-finek ható tudomány területeiről.

kommentek

Linkek

A gondolkodó gép

2010.04.22. 16:30 | Haibane | 5 komment

Címkék: gondolatok elmélet

Ezt a bejegyzést egyfajta alapozásnak szánnám, úgy gondolom fontos egy kicsit beszélni az alap gondolatokról, célokról és lehetőségekről, mégha ez sok ember számára triviális is. Tudom, hogy ezt talán a blog kezdetekor kellett volna megírni, de csak most jutott rá időm.

Alapfogalmak

Kezdjük az elején, a fogalmak letisztázásával. A mesterséges intelligencia (MI, vagy angolul AI) számtalan módon definiálva lett az elmúlt 60 évben, én valahogy a következő módon próbálnám leírni:

A mesterséges intelligencia tudománya az olyan számítás elméletével foglalkozik, amely képes észlelni, értelmezni (érvelni) és cselekedni.

Mivel ez a definíció a számításra épül, egyfajta gépiességet sugall, így a legtöbb pszihológiai gondoltattól eleve különbözik, ugyanakkor eltér a számítástechnikában elfogadottól is, mivel olyan (emberi) fogalmakra épül mint észlelés, érvelés és cselekvés.

Mint minden tudományágat, a mesterséges intelligenciát is több részterületre bonthatjuk, a wikipedia ide vonatkozó oldala elég részletesen kifejti, de én csupán két nagyobb, nem egészen független területet szeretnék említeni. Az egyik ilyen területnek nevezhetjük az információ, vagy tudás leírását (leképezését) és azokat a módszereket, amik ezeket használni tudják. Ilyen módszerről írtam egyik korábbi bejegyzésben. A másik érdekes rész pedig a tanulás folyamata, erre is számtalan megoldás és elmélet létezik manapság, ahogy időm engedi szeretnék bemutatni pár igen érdekes megoldást.

Fontos még látni, hogy az MI kutatás egyik célja, hogy olyan eszközöket kínáljon a mérnökök számára, amikkel valós problémákat tudnak megoldani, bonyolultabb, sokrétűbb gépeket tudnak készíteni felhasználva olyan elméleteket, mint például az információ (tudás) leírása, használata. Emellett az MI mögött húzódó tudomány célja, hogy fényt derítsen arra, hogy ezek az ötletek és elméletek milyen szintű és minőségű intelligenciát mutatnak.

A képzelet határtalan

Manapság nem nehéz észrevenni, hogy életünket egyre jobban körülveszik a számítógépek, elég csak a zsebünkbe rejtett mobiltelefonra gondolni, vagy az autónkban lévő sok intelligens kütyüre. Ahogy a világ előrehaladtával egyre komolyabb kihívásokkal nézünk szembe, úgy alakul ki az igény még jobb, még "okosabb" megoldásokra. Talán most még sci-finek tűnik, de pár év múlva természetessé válhat ezek alkalmazása olyan helyeken mint:

  • Mezőgazdaság, ahol a intelligens robotok betegségek ellen megóvják, megmetszik a fákat, esetleg vegyes gazdaság esetén időzítik a szüretet.
  • Gyártás, ahol az unalmas, vagy veszélyes helyeken robotok végzik az összeszerelést, karbantartást, ellenőrzést.
  • Orvoslás, ahol a segítség a páciensek állapotának a követésében, diagnosztizálásban, kórházi ellátásban életmentőnek bizonyulhat.
  • Háztartásban, fűnyírás, mosás, takarítás, vagy akár főzési tippek és bevásárlás.
  • Oktatásban, ahol a számítógépek megértik, hogy a diákok miért követnek el bizonyos hibákat, nem csak javítják őket. Emellett ma már nincs is talán olyan tudományterület, ahol a számítógépes segítség ne lenne szinte elengedhetetlen.

Mi lesz az emberekkel?

Bár ezek a megoldások elsőre nagyon pozitívan hatnak, mégis sok ember él abban a hitben, hogy a gépek fejlődésének előrehaladtával és a cégek folyamatos profitéhségének köszönhetően az emberek kiszorulhatnak a saját munkahelyeikről. Személy szerint én úgy látom, hogy a pénzügyi világot jobban érdeklik az új lehetőségek semmint a költségek végtelen lefaragása. Ezen felül hozzájön még az is, hogy a legtöbb esetben egy emberi munkaerőt lecserélni valahol a nehéz és a lehetetlen között van, ugyanis nem nagyon tudjuk, hogy miként lehet az emberi érzékelést, értelmezést és cselekedetet tökéletesen egy gépre ruházni. Gondoljunk csak arra, hogy még egy igen jól megprogramozott és tanított számítógépes program sem képes vetekedni az idősebb, tapasztaltabb orvosok képességeivel.

Úgy gondolom az emberek és a gépek nagyon jól ki tudják egészíteni egymást, együtt lehetőség van olyan feladatok megoldására, melyekre külön-külön nem nyílna lehetőség sem.

A bejegyzés trackback címe:

https://aiblog.blog.hu/api/trackback/id/tr281942887

Kommentek:

A hozzászólások a vonatkozó jogszabályok  értelmében felhasználói tartalomnak minősülnek, értük a szolgáltatás technikai  üzemeltetője semmilyen felelősséget nem vállal, azokat nem ellenőrzi. Kifogás esetén forduljon a blog szerkesztőjéhez. Részletek a  Felhasználási feltételekben és az adatvédelmi tájékoztatóban.

TimeToLive 2010.04.23. 18:59:56

"Gondoljunk csak arra, hogy még egy igen jól megprogramozott és tanított számítógépes program sem képes vetekedni az idősebb, tapasztaltabb orvosok képességeivel."

Véleményem szerint pedig még ez is lehetséges, mert a gépek is tudnak "tapasztalatot" gyűjteni. Viszont tény, hogy ez nem lesz egyerű. Ugyanis a tapasztalat nem más, mint egy megtanult "hatékony "módszer alkalmazása más helyzetekre. Ehhez viszont a következőket kell tennie a gépnek:

1. Egy tapasztalati tudásbázist felépíteni, humán szakértők segítségével.
2. Egy új helyzetről felismerni, hogy miben "hasonló" az eddig tapasztaltakhoz.
3. Kiválasztani a "leghatékonyabbat".
4. Az új tapasztalatokat beépíteni az adatbázisba.

A fenti lépések iteratív végrehajtásával képes lesz a gép önálló döntések meghozatalára.

Bár ezt egyszerű leírni, de a megvalósítás nagyon nehéz.
Ugyanis a következó problémákkal kell szembenéznie egy ilyen gépnek:

1. Hogyan kell felépíteni a kezdeti tudásbázist. Azaz hogyan tanítsuk meg a gépet, mi a jó módszer, ha az egy bonyolult folyamat (elég a fent említett orvosi, sebészeti példára gondolni - itt nem lehet mindent paramétert megtanítani, mert még mi emberek sem tudjuk, milyen paraméterekre, környezeti változókra kell figyelni).

2. Hogyan lehet felismerni, hogy egy új helyzet miben hasonló a régiekhez. Ha teljesen új, akkor ahelyett, hogy egy ismert módszerhez folyamodjon, meg kell tanulnia, mi az új hatékony megoldás. Ez viszont nagyon költséges lehet. Tehát létfontosságú a hasonlóságok megtalálása, és a létező tudás kihasználása.

Mindkét téma nagyon friss még, bár már vannak (egész jó) kezdeményezések: az első probléma megoldására pl ott van a reverse reinforcement learning, míg a másodikra a transfer learning.

stnksrbtks 2010.04.25. 15:55:12

@TimeToLive: te jo isten, nem gondoltam volna, hogy rajtam kivul mas is hallott a reverse/inverse reinforcement learningrol az orszagban... hol hallottal errol? :)

TimeToLive 2010.04.26. 01:34:25

@stnksrbtks: Mar nem is emlekszem, de valoszinuleg anno egy ismerosom beszelt rola :) Amugy ez a reward shaping egy fajtaja, ismeretlen kornyezetben. Sajnos ezt a teruletet sem ismerem igazan, de a kollegaim kozul sokan reward shaping-gel foglalkoznak.

Amugy te vmilyen robot tanitasra hasznalod az inverse RL-t? :)

stnksrbtks 2010.04.26. 18:10:22

@TimeToLive: nem, en az uj modszerek kifejlesztesevel foglalkozok, plusz csinaltam egy-ket erdekes alkalmazast a nyelvfeldolgozas teruleten...

reward shaping, az is jo moka! a kommented idopontja alapjan arra tippelek, hogy valahol nyugaton tortenik mindez... helyes megerzes? :)

TimeToLive 2010.04.29. 00:06:59

@stnksrbtks:azert nincs olyan messze az a nyugat :) Lehet hogy mar ismered, de Andrew Ng honlapjan jo dolgokat talalhatsz inverse RL-lel kapcsolatban.