V minulém článku jsme se snažili pochopit, co přesně je umělá inteligence. Protože umělá inteligence je technologie, jejímž cílem je napodobit lidské chování, můžeme s jistotou říci, že odvětví umělé inteligence budou zahrnovat ty entity, které nás odlišují od strojů. Pojďme se tedy stručně seznámit s jednotlivými odvětvími umělé inteligence a pokusme se je přiřadit k lidským činnostem!
1. Strojové učení: Jedná se o techniku, která umožňuje počítači, aby se sám učil tím, že mu poskytne dostatečné množství dat. Stejně jako lidé, strojové učení trénuje systém k předpovídání výsledku na základě minulých zkušeností. Algoritmus strojového učení rozpoznává vzory v daných datech, trénuje model a předpovídá výsledek, aniž by bylo nutné jej pro totéž explicitně programovat.
Jeden z mých profesorů uvedl pozoruhodný příklad, který potvrzuje, že strojové učení je stejné jako trénování dítěte, aby se postavilo světu. Dítě se přiblíží ke svíčce, spálí si prst a teď je zraněné! Nedokázalo pouze zdůvodnit, co se právě stalo. Spojme si to s trénováním algoritmu. Když mu svíčka popálí prst podruhé, dítě je nyní poučené a ví, co mohlo popálení způsobit. To může chvíli pokračovat, dokud dítě nakonec nepřijde na to, že příčinou popálení prstu je plamen ze svíčky. Nyní, když je náš „model“ sestaven, jej vyzkoušejme. Až se dítě příště přiblíží ke svíčce, pozná, že mu plamen může ublížit, a zcela se jí vyhne. S jistotou můžeme říci, že náš model je úspěšně natrénován! Přesně takto probíhá strojové učení.
2. Neuronové sítě: Vzhledem k tomu, že se již nějakou dobu jedná o módní slovo, může se některým z nás zdát neuronová síť jako složitý pojem. Věřte mi, že pokud si odmyslíte matematiku neuronové sítě, je poměrně jednoduché ji pochopit. Jediné, co musíte udělat, je nakrmit svůj model vstupy v první vrstvě, určit skryté vrstvy a výstupem by byla vaše poslední vrstva. Úkolem skrytých vrstev je extrahovat důležité informace z poskytnutých vstupů, aby bylo možné předpovědět výsledek. Můžeme zvolit libovolný počet skrytých vrstev, ale musíme být opatrní, protože to může vést k nadměrnému přizpůsobení a ve výsledku zfalšovat přesnost našeho modelu.
Pokud jste obeznámeni s biologií neuronu, neuronové sítě pro vás možná budou srozumitelnější. Vstupní vrstva, jako dendrit, je receptor, který přijímá vstupní informace, neuron zpracovává informace jako skryté vrstvy a axon přenáší zpracované signály a funguje jako výstupní vrstva.
3. Robotika: Robotika je zajímavá tím, že je spojením strojírenství, elektrotechniky, informatiky a několika dalších vědních oborů. Zabývá se návrhem, výrobou a provozem robotů, aby plnily úkoly, k nimž byly sestrojeny.
Roboty jsou „tělem“ inteligentního systému, koordinují se s programem a jeho výstupy tak, aby plnily určitou funkci, dost podobně jako kosterní a svalový systém lidského těla, že? Je úžasné vidět, jak lze roboty sestrojit tak, aby byli podobní životu, podobně jako Sofie, není daleko den, kdy bychom my lidé mohli mít konečně robota za přítele!“
4. Expertní systém: Nyní víme, jak můžeme naprogramovat stroj, aby se učil jako člověk, ale přemýšleli jste někdy o tom, jak přimět stroj, aby myslel jako člověk? No, a tady přicházejí ke slovu expertní systémy. Expertní systém je aplikace umožňující počítači napodobit rozhodovací schopnosti člověka. Třemi součástmi expertního systému jsou uživatelské rozhraní, inferenční engine a znalostní báze.
Podobně jako naše oči, uživatelské rozhraní přijme uživatelský dotaz a předá jej inferenčnímu enginu. Inferenční motor je jako náš mozek, má určitou posloupnost pravidel pro řešení problému a odkazuje se na znalostní bázi, aby poskytl zdůvodnění. Znalostní báze je jako naše paměť, je to obrovské úložiště informací získaných od odborníků v dané oblasti. Proto úspěch expertního systému velmi závisí na přesnosti jeho znalostí.
5. Fuzzy logika: My lidé jsme velmi náchylní k tomu, abychom řešili dilema, a proto by bylo spravedlivé, kdyby systémy, které navrhujeme, byly vycvičeny tak, aby dokázaly čelit i takovým situacím. Fuzzy logika je technika, která se zabývá řešením problémů majících nejistotu. Představte si, že se podíváte na oblohu a za krásného slunečného dne uvidíte několik tmavě šedých mraků. Matoucí, že?“
Můžete určit, zda bude pršet, nebo ne? Mohli byste říci „rozhodně ano“ nebo „rozhodně ne“? Zde vám pomůže fuzzy logika! Na rozdíl od booleovské algebry nevyžaduje fuzzy logika absolutní hodnoty ‚True‘ nebo ‚False‘. Ve skutečnosti můžete mít při práci s fuzzy logikou mezihodnoty jako ‚částečně pravdivé‘ nebo ‚částečně nepravdivé‘. Fuzzy architektura se skládá ze čtyř komponent – báze pravidel, fuzzifikace, inferenčního stroje a defuzzifikace. Báze pravidel se skládá ze souboru pravidel a podmínek if-then poskytnutých experty, kterými se řídí rozhodování. Fuzzifikace se používá k převodu ostrých vstupů (hodnot předaných do systému ke zpracování) na fuzzy množiny. Inferenční systém pak určí stupeň shody pro každé pravidlo a podle toho rozhodne, která pravidla mají být spuštěna. Vyvolané vstupy se pak kombinují a vytvářejí řídicí akce. Defuzzifikace převádí fuzzy množiny získané z inferenčního systému na ostré hodnoty a poté je předává jako výstup.
6. Zpracování přirozeného jazyka: Zkoušeli jste někdy komunikovat s někým, kdo nemluvil vaším jazykem, a on vám nerozuměl? Docela náročné, že? A teď si představte, že se snažíte komunikovat s počítačem, není to ještě náročnější? Co znamenají slova a fráze pro počítač, který rozumí pouze jazyku nul a jedniček? Naučit stroje rozumět naší komunikaci se nemusí zdát jako snadný úkol. No, ano i ne.
Proces, při kterém stroj čte, dešifruje, rozumí a dává smysl lidské interakci, se nazývá zpracování přirozeného jazyka. Stručně řečeno, systém přirozeného jazyka funguje následujícím způsobem- Člověk něco řekne stroji, stroj zaznamená zvuk a přemění zvuk na text. Systém NLP pak text rozebere na jednotlivé složky, pochopí kontext konverzace a záměr osoby. Na základě výsledků stroj určí, který příkaz má být proveden. Přesně takto komunikují lidé, posloucháme, co druhá osoba říká, snažíme se pochopit význam její řeči a pak ve stejném kontextu vydáme vhodnou odpověď. Je to tak?“
Myslím, že můžeme s jistotou říci, že umělá inteligence je ještě zábavnější, když se ji pokusíme korelovat s lidskými činnostmi. Nesouhlasíte s tím? No, to je pro tento článek vše. V tom příštím vás seznámím s některými aplikacemi umělé inteligence, zůstaňte s námi!