Fellendülőben a mesterséges intelligencia kutatása

A kezdet

Az eredeti elképzelések szerint a kísérleteknek azt kell célozni, hogy a majdani intelligens gépek csak az emberre jellemző tulajdonságokkal rendelkezzenek: nyelvhasználat, fogalomalkotás, elvonatkoztatás, nem triviális problémák megoldása, öntökéletesítés. Amennyiben a felsoroltak közül egy vagy több kiviteleződik, komoly előrelépés várható – vélték a mesterséges intelligenciát, mint új tudományterületet 1956 nyarán „kitaláló” szakemberek, többek között John McCarthy, Marvin Minsky és Claude Shannon.

Óriási elvárásokkal vágtak munkába. Emberi viselkedésben tetten érhető intelligencia jegyeit mutató gépet azóta sem sikerült fejleszteni, viszont a részterületeken jelentős eredmények születtek.

Szimbolikus megközelítés

A nyolcvanas évekbeli fénykort követő időszak irányváltását és szkepszisét a hagyományosan értelmezett mesterséges intelligencia kivitelezhetetlenségének és a szimbolikus (logikán alapuló) megközelítés hibáinak felismerése alapozta meg. Utóbbi főként három neves kutató (Douglas Hofstadter, Douglas Lenat, Marvin Minsky) munkáiban, valamint az olyan webes jelenségekben érhető tetten, mint az ontológiák és a szemantikus leírások. (Ugyanakkor – annak ellenére, hogy sokan az optimális MI-ismeretbázisnak tekintik, Tim Berners-Lee többször elmondta: a Szemantikus Web nem mesterséges intelligencia.)

A szimbolikus elvek mentén létrehozott programok legfőbb problémája, hogy csak limitált közegekben teljesítenek jól. A feldolgozandó és „kibányászandó” adat mennyiségének és a számítási kapacitás drasztikus növekedésének következtében az „univerzumok” viszont egyre tágulnak.

Ezek a rendszerek, például Lenat Cyc-ja jelentős finomításokra szorulnak. „Komoly kihívások előtt állunk, ha azt akarjuk, hogy flexibilisebbek legyenek, és legalább a kétéves gyerek szellemi szintjét elérjék” – jelentette ki Rodney Brooks a tudományterület talán legfontosabb éves konferenciáján, a júliusban megrendezett AAAI 07-en.

Konnekcionizmus

Jelenleg az analízist és a felülről lefelé (top-down) építkező módszereket preferáló szimbolista megközelítéssel – az „ódivatú” MI-vel – szembenálló szintézisre törekvő, alulról felfelé (bottom-up) gondolkodó konnekcionizmus térhódítását éljük.

Lényege, hogy az agyműködés kulcselemei szimbolikus szinten nem modellezhetők, és az emberi gondolkodás alapjait adó fizikai rendszert (az agyat, az idegeket és a szinapszisokat), az érzékelési folyamatokat jobban megismerve, MI létrehozására és gondolkodásunk rejtélyének feltérképezésére egyaránt nagyobb esély nyílik.

Egyre többen vélik úgy, hogy a két megközelítés szintézisére lenne szükség. Mindkettő nélkülözhetetlen.

MI a mindennapokban

„A kifejezetten mérnöki munka és alkalmazott tudományok terén elért eredményeket figyelembe véve, a gépi tanulás technikáinak különböző problémákra (webes keresés, pénzügyek, élő rendszerek molekuláris alapjainak megértése) történt alkalmazása tűnik a legsikeresebb MI-részterületnek” – állapította meg a Stanford Egyetem egyik legismertebb számítástudományi szakembere, Terry Winograd. – „Ezek az eredmények, és más területek, például a robotika fejlődése intelligensebb gépekhez vezetnek.”

Brooks a különböző diszciplínák (beszéd/nyelvfeldolgozás, látás, keresés, navigáció, stb.) vívmányait a mindennapi életben hasznosító rendszerekre, Nils Nilsson (többek között) az adatelemzésben, a játékfejlesztésben és animációban tapasztalható jelentős előrelépésre hívta fel a figyelmet.

Úgy tűnik, hogy a közeljövő MI-kutatásában – akárcsak a konnekcionizmus a szimbolikus megközelítéssel szemben – az alkalmazások jóval nagyobb hangsúlyt kapnak az elméleti munkáknál. Ráadásul, ami ma még MI, miután nap, mint nap használjuk, és megszokjuk, már egyáltalán nem tűnik annak.