Десет најважнијих момената у развоју вештачке интелигенције (за сада)

Од првих прича Исака Асимова о роботима до AlphaGo, вештачка интелигенција је имала своје успоне и падове. Ипак, њена историја је тек почела. Вештачка интелигенција је и даље у периоду своје најраније младости, али већ су се одиграли неки важни догађаји. Неки од њих су привукли пажњу стручњака за културу, док су други тек мало усталасали умртвљену атмосферу у научним установама. Вештачка интелигенција је имала неколико својих битних момената који су је подстакли да иде напред на најбољи могући начин.

1. Исак Асимов пише три закона роботике (1942. година)

У својој причи „Коло-наоколо“ Асимов је први пут у потпуности изложио своја три закона роботике: Први закон: Робот не сме да повреди човека или својом неактивношћу дозволи да човек буде повређен.

Други закон Робот мора да извршава наређења која му дају људи, осим кад су таква наређења у сукобу са Другим законом.

Трећи закон: Робот мора да штити своју егзистенцију све док таква заштита није у сукобу са Првим и Другим законом.

Прича „Коло-наоколо“ је прича о Спидију, роботу који се налази у таквој ситуацији у којој му је немогуће да успостави равнотежу између Трећег и прва два закона. Све приче Асимова из збирке „Ја, Робот“, натерале су заљубљенике у научну фантастику, али и многе научнике, да размишљају о могућности постојања машина које размишљају. Чак и данас многи покушавају да смислено и разумно примене законе, које је Асимов навео, на модерну вештачку интелигенцију.

2. Алан Тјуринг предлаже игру имитације (1950. година)

„Предлажем да размотримо питање ’Могули машине да мисле?’“ Том реченицом почиње Тјурингов истраживачки семинарски рад из 1950. године, који је развио оквир за размишљање о интелигенцији машина. Питао се, ако би машина могла да подржава разумно понашање људи, зашто је не бисмо могли назвати разумном. Теоретско питање подстакло је чувену Тјурингову „игру имитације“, вежбу у којој се човек испитивач налази пред изазовом да направи разлику између писаних одговора које је направила машина и оних које је направио човек. Ниједна машина која би прошла такав тест није постојала у Тјурингово време, али његов тест је обезбедио полазну тачку за одређивање интелигенције машина. Помогао је у обликовању филозофије вештачке интелигенције.

3. Конференција о вештачкој интелигенцији у Дармуту (1956. година)

До 1955. године, научници широм света почели су да концептуално размишљају о неуронским мрежама и природним језицима, али није постојао јединствени концепт који би обухватио различите врсте машинске интелигенције. Професор математике на Дармутском колеџу Џон Мекарти осмислио је термин „вештачка интелигенција“ који је обухватио све поменуте концепте.

Мекарти је предводио групу која се пријавила за добијање неповратних средстава од државе којима би финансирали конференцију коју су планирали за следећу годину. Позвали су многе врхунске научнике и стручњаке у Дармот хол да дођу у лето 1956. године. Учени људи су разматрали многе потенцијалне области изучавања вештачке интелигенције, укључујући учење, расуђивање, језик, сазнавање, друштвене игре (посебно шах) и људску интеракцију са интелигентним машинама, као што су лични роботи. Опште мишљење свих присутних на конференцији је било да вештачка интелигенција има огроман потенцијал да допринесе побољшању живота људи. Дали су и општи оквир области истраживања у којима би машинска интелигенција могла да има утицај. Конференција је покренула и оснажила област истраживања вештачке интелигенције што ће допринети њеном даљем развоју у наредним годинама.

4. Франк Розенблат гради перцептрон (1957. година)

Основна структура неуронске мреже назива се перцептрон. Представља низ улаза који податке пријављују чвору који затим израчунава улазе и стиже до класификације и нивоа поузданости. На пример, улази могу да анализирају различите аспекте слике и „гласају“ (са различитим нивоима сигурности) о томе да ли је на њој приказано лице. Тада чвор може израчунати „гласове“ и нивое поверења и постићи консензус. Данашње неуронске мреже, које раде на моћним рачунарима, повезују милијарде таквих структура. Међутим, перцептрони су постојали и пре снажних рачунара. Крајем педесетих, млади истраживачки психолог по имену Франк Росенблат изградио је електромеханички модел перцептрона који је назван Марк И Перцептрон, а који се данас налази у Смитсонијану. Била је то аналогна неуронска мрежа која се састојала од мреже фотоелектричних ћелија осетљивих на светло повезаних жицама са банкама чворова који садрже електричне моторе са отпорницима. Росенблат је развио „Перцептрон алгоритам“ који је усмеравао мрежу да постепено подеси своје улазне снаге док оне не би стално тачно идентификовали објекте, омогућавајући му ефикасно учење.

Научници су расправљали о значају перцептрона и током осамдесетих. Био је значајан за стварање физичке реализације неуронске мреже, која је до тада била углавном научни концепт.

5. Вештачка интелигенција доживљава своју прву зиму (седамдесете прошлог века)

Вештачка интелигенција провела је већи део своје историје у истраживачком царству. Током већег дела шездесетих година владине агенције, попут америчке Агенције за напредне истраживачке одбрамбене пројекте (DARPA), улагале су огромне количине новца у истраживања и уопште се нису распитивале о евентуалној заради од својих инвестиција. Истовремено, истраживачи вештачке интелигенције често су преувеличавали потенцијалну моћ свог рада да би одржавали прилив новца. Све се то променило крајем шездесетих и почетком седамдесетих. Два извештаја, извештај Саветодавног одбора за аутоматску обраду језика (ALPAC) америчкој влади 1966.године и извештај „Лајтхил“ за британску владу из 1973. године, истраживали су вештачку интелигенцију на прагматичан начин и објавили врло песимистичне анализе о потенцијалу технологије . Оба извештаја довела су у питање опипљив напредак различитих области истраживања вештачке интелигенције. Извештај „Лајтхил“ је тврдио да би било врло тешко развити способност вештачке интелигенције у областима каква је препознавање говора која би могла да буде од користи влади и војсци.

Због тога су и америчка и британска влада почеле су да смањују средства за научно истраживање вештачке интелигенције. ДАРПА, кроз коју су средства за истраживање вештачке интелигенције слободно текла током већег дела шездесетих, сада је захтевала да истраживачки пројекти имају тачно одређен временски рок и детаљне описе резултата. То је изгледало као прво разочарење вештачке технологије која можда никада неће достићи могућности људског нивоа. Прва „зима“ вештачке интелигенције трајала је током седамдесетих и осамдесетих.

6. Стиже друга зима вештачке интелигенције (1987. година)

Осамдесете су почеле развојем и успехом „експертних система“, који су складиштили велике количине специјализованих знања и опонашали доношење одлука људских стручњака. Технологију је првобитно развио Карнеги Мелон за корпорацију Digital Equipment Corporation, a корпорације су технологију брзо почеле да примењују. Међутим, експертни системи захтевали су скуп, специјализовани хардвер, што је постало проблем када су радне станице Sun Microsistems и лични рачунари Apple и IBM постали доступни са сличном снагом и нижим ценама. Тржиште рачунара са експертним системима пропало је 1987. године, а главни добављачи машина напустили су тржиште.

Успех експертних система раних седамдесетих подстакао је ДАРПА да повећа улагање у истраживања вештачке интелигенције, али то се поново променило јер је агенција опет одузела велики део средстава за све програме развоја вештачке интелигенције, осим за неколицину изабраних. Поново је појам „вештачке интелигенције“ постао готово табу у истраживачкој заједници. Да би избегли да буду непрактични сањари који моле да добију финансијска средства, истраживачи су почели да користе различита имена за рад везан за вештачку интелигенцију, као што су „информатика“, „машинско учење“ и „аналитика“. Ова друга „зима“ зашла је у 2000-те.

7. Deep Blue компаније IBM побеђује Каспарова (1997. година)

Јавни профил вештачке интелигенције добио је замах 1997. године када је шаховски рачунар Дееп Блуе компаније ИБМ победио тадашњег светског првака Гарија Каспарова у шаху. У серији од шест партија одиграних у телевизијском студију, Дееп Блуе је добио две, Каспаров је добио једну, а три партије су завршиле ремијем. Каспаров је победио старију верзију рачунара Дееп Блуе-а годину дана раније.

Дееп Блуе је имао много рачунарске снаге и користио је приступ „бруталне снаге“, процењујући 200 милиона могућих потеза у секунди да би пронашао најбољу могућу. Људи имају способност да испитују само око 50 могућих потеза по једном потезу у игри. Дееп Блуе је био је сличан вештачкој интелигенцији, али рачунар заправо није размишљао о стратегији и учењу док је играо, као што ће то касније чинити системи. Ипак, победа рачунара Дееп Блуе над Каспаровим на импресиван је начин вратила вештачку интелигенцију у жижу јавности. Неки су били фасцинирани, другима је било непријатно када је машина победила шаховског велемајстора. Инвеститори су били импресионирани. Победа рачунара подигла је вредност компаније на берзи.

8. Неуронска мрежа види мачке (2011. година)

До 2011. године, научници на универзитетима широм света разговарали су о стварању неуронских мрежа. Те године инжењер у „Гуглу“ Џеф Дин упознао је професора рачунарске науке на Станфорду Ендруа Нга. Њих двојица су покренули идеју о изградњи велике неуронске мреже, дајући јој огромну рачунарску снагу уз помоћ компанијиних сервера и хранећи је огромним скупом сликовних података. Неуронска мрежа коју су изградили ослањала се на 16.000 серверских процесора. Нахранили су га са 10 милиона случајних, неозначених одсечака екрана са Јутјуба. Дин и Нг нису тражили од неуронске мреже да пронађе неке конкретне информације или да означи слике. Када се неуронске мреже крећу на овај начин без надзора, природно ће покушати да пронађу обрасце у подацима и изврше њихову класификацију.

Неуронска мрежа је три дана обрађивала сликовне податке. Као резултат је дала три мутне слике које приказују визуелне обрасце које је стално видела на сликама у тесту – људско лице, људско тело и мачку. То је истраживање представљало велики помак у употреби неуронских мрежа и ненадзирано учење у задацима рачунарског вида. Догађај је такође обележио почетак пројекта Google Brain.

9. Џефри Хинтон ослобађа дубоке неуронске мреже (2012. година)

Годину дана после напретка Дина и Нга, професор са Универзитета у Торонту Џефри Хинтон и два његова студента изградили су модел неуронске мреже рачунарског вида назван AlexNet, који ће учествовати у такмичењу препознавања слика под називом ИмагеНет. Такмичари су морали да користе своје системе за обраду милиона пробних слика и да их идентификују са највећом могућом тачношћу. AlexNet је победио на такмичењу са стопом грешке мањом од половине грешке другопласираног. Само у 15,3 процената случајева тачна ознака није била у његових првих пет највероватнијих одговора. Претходни најбољи резултат био је 26 процената.

Победа је уверила све да су дубоке неуронске мреже које раде на графичким процесорима далеко боље од осталих система у прецизном препознавању и класификацији слика. Тај догађај је, можда више него било који други, покренуо тренутну ренесансу дубоких неуронских мрежа, и Хинтону обезбедио статус „покретачем дубоког учења". Заједно са сарадницима на истраживању освојио је престижну Тјурингову награду за 2018. годину.

10. AlphaGo односи победу над човеком у друштвеној игри Go (2016. година)

Још 2013. године, истраживачи у британској стартуп компанији DeepMind објавили су рад у коме су приказали како користе неуронску мрежу да играју педесет старих игрица на Атарију и, наравно, победе. Компанија „Гугл“ импресионирана таквим резултатима уграбила је DeepMind за (како се наводило) 400 милиона долара. Ипак, дани славе компаније ДеепМинд тек су долазили.

Неколико година касније, научници компаније DeepMind, сада у оквиру „Гугла“, прешли суса Атари игара на један од дугогодишњих изазова, јапанску игру Go. Развили су модел неуронске мреже под називом AlphaGo, који је направљен да игра Go и учи играјући се. Софтвер је играо хиљаде игара против других AlphaGo верзија, учећи и из својих победничких и губитничких стратегија.

Успео је. AlphaGo је у марту 2016. године победио највећег Go играча на свету, Лија Седола, четири према један у низу игара. Цео догађај је забележен у документарцу. Гледајући филм, тешко је отети се осећају туге кад је Sedol поражен. Чинило се да су људи – а не само један човек - поражени. Недавни напредак у дубоким неуронским мрежама имао је тако снажан утицај да стварна прича о вештачкој интелигенцији можда тек почиње. И даље ће бити много наде, узбуђења и нестрпљења, али чини се да је сада јасно да ће вештачка интелигенција утицати на сваки аспект живота 21. века - можда на начине још дубље од интернета.

Рачунарски факултет Рачунарски факултет 011-33-48-079