S A D R Ž A JStrana

Uvod............................................................................................................................................................2

Predistorija..................................................................................................................................................2

Prvi praktični rezultati i nastanak pojma veštačke inteligencije..................................................................3

Zlatno doba i nastanak paradigmi...............................................................................................................5

Suočavanje sa realnošču, kriza i oporavak...................................................................................................6

Prva prekretnica – pobeda računara nad svetskim prvakom u šahu...........................................................7

Druga prekretnica – autonomno vozilo.......................................................................................................7

Treća prekretnica – pobeda računara u kvizu Jeopardy..............................................................................8

Zaključak....................................................................................................................................................10

1

1. UVOD

Veštačka inteligencija (VI) velikom brzinom ulazi u naše živote. Prepuštamo uređajima za navigaciju u našim automobilima da nas dovedu do željenog odredišta, foto-aparatima da u kadru pronađu lice osobe i sami na njega postave fokus, a od programa za obradu teksta već odavno očekujemo da ispravljaju naše greške u kucanju. U poslednjih par decenija, računari su postali bolji od čoveka u oblastima za koje smo smatrali da zahtevaju inteligenciju poput igranja šaha ili odgovaranja na pitanja. Ovaj rad pokušaće da pruži odgovor na pitanje kako je nauka (i ljudska civilizacija uopšte) stigla do ove tačke razvoja veštačke inteligencije.

Veštačka inteligencija je grana računarskih nauka koja se bavi proučavanjem i oblikovanjem računarskih sistema koji pokazuju neki oblik inteligencije. To su sistemi koji mogu učiti nove koncepte, sistemi koji mogu zaključivati i donositi zaključke o svetu koji ih okružuje, sistemi koji mogu razumeti prirodni jezik ili spoznati i tumačiti složene vizuelne scene, sistemi koji mogu obavljati i druge vrste veština koje zahtevaju čovekovu vrstu inteligencije Pored ove definicije postoje i druge, a to su :

Veštačka inteligencija je naučna oblast u kojoj se izučavaju izračunavanja da bi se izračunavanjem omogućila percepcija, rezonovanje i činjenje.

VI je jedna od najmlađih naučnih oblasti ali i oblast koja se veoma brzo razvija. Proučavanje istorije ideja koje su predhodile nastanku VI kao i kratke ali burne istorije ove oblasti omogućava bolje razumevanje sadašnjeg stanja razvoja VI, veza sa drugim oblastima i sagledavanje mogućnosti i rizika koje nosi dalji razvoj.

2. PREDISTORIJA

Koreni veštačke inteligencije leže u  filozofiji, a težnja čoveka da sam bude tvorac inteligencije  prisutna je u mitovima i umetnosti. Iako tek zadnjih pola veka  postižemo praktična dostignuća na polju veštačke inteligencije, njena istorija, kao istorija ideje, fantazije, očekivanja i promišljanja traje bar od Homera.

Istorija proučavanja i formalnog definisanja pravila donošenja zaključaka, u zapadnoj civilizaciji počinje sa Aristotelom. On je definisao tri osnovna zakona mišljenja (zakon identiteta, odbacivanja kontradikcije i isključenja trećeg) i silogizme, pravila na osnovu kojih se zaključci (novo znanje) izvode iz premisa (postojećeg znanja).  Lajbnic, Hobs, Dekart i mnogi drugi veliki umovi nadgradili su Aristotelovu logiku u pokušajima da stvore formalni sistem, model ljudskog uma, koji bi bio zasnovan na kombinovanju simbola. Nastavljajući u istom pravcu, Bul, De Morgan i Frege stvorili su matematičku logiku koja je osnov većine današnjih dostignuća veštačke inteligencije. Kraj XX veka doveo je do porasta interesovanja i za fazi logiku, blisku istočnjačkoj filozofiji.

2

S obzirom da je inteligencija često vezivana za život, nezaobilazni deo tradicije na kojoj počiva veštačka inteligencija čine pokušaji da se iz nežive materije stvori veštački čovek ili bar neka druga vrsta veštačkog života. Književna i filmska dela žanra naučne fantastike anticipirala su mnoga dostignuća ali i moralne dileme veštačke inteligencije. Isak Asimov, američki pisac i biohemičar, poznat je po svom književnom serijalu o robotima. On je predložio četri zakona robotike koja su i danas aktuelna:

0.       Robot ne sme naškoditi čovečanstvu, ili svojom pasivnošću dozvoliti da se čovečanstvu naškodi.

1.       Robot ne sme naškoditi čoveku, ili svojom pasivnošću dozvoliti da se čoveku naškodi, osim kad je to u suprotnosti s nultim zakonom.

2.       Robot mora slušati ljudske naredbe, osim kad su one u suprotnosti s nultim ili prvim zakonom.

3.       Robot treba štititi svoj integritet, osim kad je to u suprotnosti s nultim, prvim ili drugim zakonom.

Početak prave istorije veštačke inteligencije u drugoj polovini XX veka bio je nova inspiracija umetnicima. Opasnosti koje nosi razvoj veštačke inteligencije do sada su umetnički najubedljivije opisali britanski pisac i pronalazač Artur Klark i američki režiser Stenli Kjubrik u knjizi i filmu „2001: Odiseja u svemiru“ iz 1964 godine. Ipak, većina robota u umetnosti je prijateljski raspoložena prema ljudima. Neki od njih, poput R2-D2 iz „Ratova zvezda“ ili Marvina iz „Autostoperskog vodiča kroz Galaksiju“ postali su deo popularne kulture.

3. PRVI PRAKTIČNI REZULTATI I NASTANAK POJMA VEŠTAČKE INTELIGENCIJE

Tridesete godine XX veka donele su značajne prodore u istraživanjima vezanim za digitalna električna kola. Klod Šenon, dvadesetogodišnji student tehnike na MIT-u, odlučio da upiše i kurs filozofije na kome se sreo sa Bulovom algebrom. Posledica ukrštanja tehničkog i matematičko-filozofskog uvida u problematiku bio je Šenonov diplomski rad  iz 1936. godine. U njemu je, 21-godišnji diplomac pokazao da se primenom Bulove algebre na digitalna električna kola može rešiti bilo koji logički ili numerički problem. Profesor Gardner sa Harvarda smatra da je to najuticajniji diplomski rad XX veka.

Drugi svetski rat je podstakao finansiranje primenjenih istraživanja u oblasti računarstva. Prvi moderni računari bili su konstruisani za vojne potrebe. U Nemačkoj, Konrad Zuse je 1941 dizajnirao prvi programabilni računar koji je postao operativan - „Z3“ za potrebe analize vibracije krila.  Prvi elektronski, digitalni programabilni računar „Kolos („Colossus“) napravio je britanski tim na čelu sa Tonijem Flauersom krajem 1943. godine da bi se pomoću njega razbijale nemačke vojne šifre. Prvi elektronski računar opšte namene ENIAC razvijan je u SAD tokom drugog svetskog rata i postao je operativan tokom 1946. godine.

3

U drugoj polovini četrdesetih godina, Norbert Viner je napravio ključne prodore u profilisanju kibernetike, nauke o opšim zakonitistima upravljanja sistemima, njihovog regulisanja putem povratne sprege i prenosa informacija unutar sistema. Vinerova knjiga „Kibernetika“ iz 1948. godine postala je bestseler, postavila je teorijske osnove oblasti i upoznala je širu javnost sa mogućnostima kreiranja mašina koje bi posedovale sposobnost samoregulacije .

Alan Turing je u svom uticajnom radu.  iz 1950.god. postavio prvi kamen u filozofiji veštačke inteligencije tako što je dao predlog testa pomoću koga možemo da utvrdimo da li je neka mašina inteligentna: ako u konverzaciji sa njom ne možemo da je razlikujemo od čoveka. Da bi mašina položila Turingov test, treba da ima sposobnosti [1 str. 3] obrade prirodnog jezika, predstavljanja znanja, donošenja zaključaka i učenja. Turing je smatrao da fizička simulacija osobe nije nepohodna za inteligenciju. Prošireni, takozvani totalni Turingov test koji uzima u obzir i fizičku simulaciju, pored četiri pobrojane sposobnosti obuhvata još dve: sposobnost opažanja objekata, kao i robotiku (kretanje i manipulisanje objektima). Ovih šest disciplina pokrivaju danas najveći deo istraživanja u oblasti veštačke inteligencije.

Nastanak prvih upotrebljivih računara i razvoj kibernetike podstakao je mnoge matematičare, psihologe, inženjere i druge naučnike da aktivno počnu da istražuju mogućnost kreiranja „veštačkog mozga“. Istraživanja su pokazala da je mozak mreža međusobno povezanih ćelija, neurona. Neuroni prosleđuju informacije jedni drugima pomoću električnih impulsa. Marvin Minski je zajedno sa Dinom Edmondsom 1951. god. konstruisao prvu veštačku neuronsku mrežu. 

Sredinom pedesetih godina XX veka, više naučnika razvijalo je hipotezu da je logička osnova funkcionisanja ljudskog mozga manipulacija simbolima. Na osnovu Šenonove teorije da mašina može rešiti bilo koji numerički problem i činjenice da se između simbola i brojeva može postaviti korelacija, počeo je da se razvija novi pravac u istraživanju mogućnosti kreiranja mašina koje mogu da misle.

Alen Njuel i Herbert Simon su 1955. godine napravili prvi program koji je imao za cilj oponašanje ljudske inteligencije. „Logic Theorist“ je dokazao 38 od prve 52 teoreme iz Raselove i Wajthedove „Pricipia Mathematica“. Simon je smatrao da su oni time rešili drevni problem odnosa um-telo, pokazujuči kako materijalni sistem može imati osobine uma.

Grupa do tada već iskusnih istraživača u ovoj oblasti, među kojima su bili Marvin Minski i Klod Šenon, organizovala je 1956. godine u Dartmutu konferenciju na kojoj su razmatrana dotadašnja dostignuća i budući pravci razvoja. Na predlog američkog naučnika Džona Makartija, kasnijeg dobitnika Turingove nagrade i kreatora programskog jezika LISP, oblast je nazvana veštačka inteligencija (atificial inteligence, AI).

Nakon Dartmutske konferencije počinje prvo „zlatno doba“ veštačke inteligencije koje karakterišu  nastanak novih paradigmi,  velika očekivanja i značajne investicije.

4

4. ZLATNO DOBA I NASTANAK PARADIGMI

Jedna od prvih paradigmi nastalih u „zlatnom dobu“ je posmatranje inteligentnog ponašanja kao pronalaženja najefikasnijeg niza akcija – koraka koji dovode do rešenja problema (Means-ends Analysis, MEA, reasoning as search) . Do rešenja se dolazi postepeno, korak po korak, uz memorisanje prethodnih koraka koje se koristi za ispravke ukoliko se put kojim se krenulo pokaže kao ćorsokak. Takav način rezonovanja je primenljiv kada je moguće kvantifikovati razliku između trenutnog stanja i željenog cilja i uporediti je sa razlikom koja će nastupiti nakon svakog sledećeg potencijalnog koraka. Bira se onaj korak koji razliku do željenog cilja najviše smanjuje. Pristup se pokazao efikasnim kod problema tipa pronalaženja najkraćeg puta od tačke A do tačke B ili puta kroz lavirint. Ipak, za mnoge probleme iz realnog života broj mogućih „putanja“ do cilja je prevelik da bi ovakav pristup bio delotvoran.

Prva istraživanja i prvi rezultati u oblasti veštačke inteligencije bila su zasnovana na primeni logičkih pravila i manipulaciji simbolima. Krajem pedesetih godina Džon Makarti je predložio novi način kreiranja inteligentnih sistema zasnovanih na logici. Za raziku od Njuelovog i Simonovog „Logic Theorist“ programa iz 1955. u kome je način zaključivanja (heuristika) bio sastavni deo programa koji se piše za svaki problem posebno, Makarti je predložio sistem u kome je heuristika sastavni deo sistema, a programiranje se svodi na saopštavanje činjenica-premisa računaru pomoću pogodnog formalnog jezika. Ova paradigma je dobila ime logičko progamiranje, i u narednim decenijama se razvijala kroz programski jezik Prolog (1972) a danas se često koristi za pronalaženje odgovora na osnovu podataka u velikim bazama podataka u kojima se premise čuvaju u obliku subjekat-predikat-objekat (triplestores).

Na Dartmutskoj konferenciji, Rej Solomonov, američki naučnik ruskog porekla, izneo je predlog mašine koja donosi zaključke na osnovu predhodnih primera kojima je obučavana. Razvoj te ideje u narednim decenijama stvorio je posebnu oblast veštačke inteligencije koja je danas poznata kao mašinsko učenje (machine learning). Ta oblast za cilj ima razvoj algoritama koji omogućavaju računarima da unapređuju sopstveno ponašanje kroz učenje na osnovu empirijskih podataka iz baza podataka ili sa senzora.

Burne 50-te godine XX veka donele su i napredak ali i kontroverze oko veštačkih neuronskih mreža. Neuronske mreže su blisko povezane sa mašinskim učenjem zato što su u najvećem broju slučajeva adaptivne, u smislu da na osnovu učenja prilagođavaju snagu veza između neurona. Američki naučnik Frank Rosenblat je 1957. godine predstavio prvi algoritam nazvan „Perceptron“ koji je omogućavao primenu neuronskih mreža na problem klasifikacije. Na osnovu skupa ulaznih signala iz spoljašnjeg sveta (slika, zvuk, brojevi...), neuronska mreža je generisala na svom izlazu klasu kojoj ulazi pripadaju. Algoritam i konstrukcija Rosenblatove neuronske mreže bila je za današnje pojmove jednostavna a mogućnosti ograničene. Marvin Minski i Sejmur Papert su na osnovu Perceptrona 1969. kritički pisali o mogućnostima neuronskih mreža što je dovelo do smanjenog interesovanja za njih sve do 80-tih godina od kada su ponovo u centru pažnje istraživača.

Šezdesete godine XX veka donose i prve rezultate u obradi prirodnog jezika (natural language processing, NLP), oblasti veštačke inteligencije koja se bavi računarskom ekstrakcijom informacija iz tekstova pisanih prirodnim jezikom ili govora kao i generisanjem rezultata

5

računarske obrade u formi prirodnog jezika.  NLP sposobnosti su neophodne da bi neka mašina čoveku delovala kao drugi čovek i položila Turingov test.

5. SUOČAVANJE SA REALNOŠČU, KRIZA I OPORAVAK

Početni uspesi u oblasti veštačke inteligencije doveli su do velikih očekivanja javnosti, vlada i investitora, koja su bila podgrevana od strane vodećih naučnika. Tako je Simon 1965. godine rekao da će za dvadeset godina mašine moći da rade sve što rade i ljudi. Minski je početkom sedamdesetih rekao da će za tri do osam godina postojati mašine sa inteligencijom prosečnog čoveka [13]. I mnoga književna dela i filmovi predviđali su brz razvoj veštačke inteligencije. Setimo se samo računara Hal iz Kjubrikovog filma „2001: Odiseja u svemiru“. Međutim, pokazalo se da su i naučnici i umetnici potcenili težinu problema kreiranja veštačke inteligencije. Rešavanje problema iz realnog sveta, poput prepoznavanja lica, govora ili automatskog prevođenja nije bilo moguće sa hardverom i algoritmima iz sedamdesetih godina.

Velika očekivanja su dovela i do značajnog finansijskog ulaganja o oblast veštačke inteligencije. U SAD, glavni finansijer je preko svojih agencija (DARPA) bilo Ministarstvo odbrane. Kada se pokazalo da su očekivanja bila nerealna, fondovi su naglo smanjeni, što je dovelo do kraja prvog „zlatnog doba“ veštačke inteligencije.

Do obnavljanja dinamike u istraživanjima vezanim za veštačku inteligenciju došlo je početkom osamdesetih godina kada su istraživači „spustili durbin“ i umesto sistema koji bi imali opštu inteligenciju, počeli da stvaraju sisteme čije je upotreba bila limitirana na usku oblast, ali su u toj oblasti bili zaista korisni. Takvi sistemi nazvani su ekspertski sistemi i oni su ponovo povećali interesovanje investitora za oblast. Ekspertski sistem XCOM, razvijen 1980. na Karnegi Melon Univerzitetu u Pensilvaniji, kompaniji DEC donosio je uštedu od 20-40 miliona dolara godišnje asistirajući prodavcima računarske opreme i rezervnih delova. Nakon decenija američke dominacije, osamdesetih godina Japan ulazi na velika vrata u oblast veštačke inteligencije pošto je vlada Japana investirala 850 miliona dolara u istraživanja u oblasti računarstva. 

U pozadini ekspertskih sistema je znanje ljudi-stručnjaka za određenu oblast. Uspeh ekspertskih sistema naveo je mnoge istraživače da fokus usmere na sisteme koji su u stanju da obrađuju veliku količinu prikupljenog znanja na različite načine. Tako je nastala nova disciplina, inženjering znanja (knowledge engineering), koja se bavi integracijom znanja u računarske sisteme da bi se rešili problemi koji inače zahtevaju visok stepen ljudske ekspertize.

Periodi uspona i padova interesovanja za veštačku inteligneciju ili pojedine njene segmente nastavili su da se smenjuju i u narednim decenijama. Posle krize krajem šezdesetih, početkom osamdesetih godina istraživanja američkog fizičara Džona Houpfilda i psihologa Dejvida Rumelharta ponovo su u centar pažnje dovela neuronske mreže. Koristeći njihova dostignuća, tokom devedesetih napravljeni su prvi efikasni sistemi za prepoznavanje teksta i govora zasnovani na neuronskim mrežama.

6

Krajem osamdesetih, više istraživača je počelo da zastupa tezu da mašina mora da ima telo i senzore (čula) kao preduslov za inteligenciju, odnosno da veštačka inteligencija bez robotike nema previše smisla. „Nouvelle AI“, pristup veštačkoj inteligenciji čiji je pionir Australijanac Rodni Bruks, smatra da pre nego što napravimo „humanoide“, treba da napravimo sisteme sa nivoom inteligencije insekata, koji su u stanju da se kreću i izbegavaju prepreke na putu.  

5.1 Prva prekretnica – pobeda računara nad svetskim prvakom u šahu

Šah je jedna od najraširenijih intelektualnih igara u svetu sa tradicijom dužom od 1000 godina. Tradicionalno se dobri šahisti smatraju inteligentnim, mada neka novija istraživanja dovode u pitanje korelaciju između šahovske veštine i bilo kakve vrste prirodne inteligencije. Sedamdesetih godina XVIII veka, mađarski pronalazač Farkaš Kempelen konstruisao je „automatizovanu“ mašinu za igranje šaha poznatu kao „The Turk“ kojom je izazivao pažnju po evropskim dvorovima. Zapravo, radilo se o iluziji jer je mašinom upravljao vešt operator sakriven ispod šahovske table.

Od šezdesetih godina cilj mnogih istraživača u oblasti veštačke inteligencije bio je da naprave pravi sistem koji će igrati bolje od bilo kog čoveka, ali raspoloživi hardver nije omogućavao ostvarenje tog cilja. Brz rast procesorske snage i memorijskih kapaciteta računara tokom osamdesetih i devedesetih godina, sve je više smanjivao razliku između vrhunskih igrača šaha i najboljih sistema. Konačno, maja 1997. godine, Deep Blue, šahovski računar razvijen od strane IBM-a, pobedio je tada aktuelnog svetskog prvaka u šahu Garija Kasparova.  Meč se sastojao od 6 partija, a odnos pobeda bio je 2:1 za Deep Blue, uz 3 remija. Dalji razvoj softvera i hardvera doveo je do toga da danas već i besplatni šahovski programi koji rade na prosečnim personalnim računarima opšte namene igraju u rangu velemajstora.

5.2 Druga prekretnica – autonomno vozilo

Šah je igra u virtuelnom svetu sa ograničenim skupom pravila i nije čudo što je prvi veliki uspeh u oblasti veštačke inteligencije postignut upravo u ovoj oblasti. Suočavanje sa problemima iz fizičkog sveta je mnogo kompleksnije: svako pravilo ima mnogo izuzetaka a često se na putu do željenog cilja pojavljuju i nepredviđene situacije koje nisu regulisane pravilima. Jedna od takvih oblasti je vožnja automobila. Od kraja sedamdesetih godina u Japanu, Evropi i Americi u akademskim sredinama vrše se istraživanja u oblasti autonomnih vozila – vozila koja bi mogla bezbedno da stignu od tačke A do tačke B bez ljudske intervencije.

Još od „hlađenja“ za veštačku inteligenciju početkom sedamdesetih, američka vlada i ministarstvo odbrane su promenili strategiju finansiranja istraživanja tražeći upotrebljive rezultate u oblastima koje smatraju značajnim. U okviru te strategije, američki Kongres je ovlastio DARPA agenciju da organizuje takmičenja i dodeljuje novčane nagrade za rezultate u oblastima koja popunjavaju prostor između fundamentalnih istraživanja i vojne upotrebe. Jedno od takvih takmičenja bilo je „DARPA Grand Challenge“ u kome se nudila novčana nagrada timu koji napravi upotrebljivo autonomno vozilo. Na prvom takmičenju, održanom 2004. godine nijedno od prijavljenih vozila nije uspelo da pređe predviđenu, 240km dugu rutu kroz pustinjske

7

i planinske puteve Kalifornije i Nevade, a najuspešnije vozilo stiglo je tek do 12-tog kilometra. Već sledeće, 2005. godine, čak pet vozila stiglo je do cilja, a nagradu je dobilo najbrže vozilo, „Stenli“ sa Stenford univerziteta. „Stanford Racing Team“ je predvodio profesor nemačkog porekla, Sebastian Tran. Tokom 2006. i 2007. održana su uspešna DARPA sponzorisana takmičenja u kretanju autonomnih vozila u urbanim sredinama.

Već danas (prva polovina 2012. godine) u mnoge serijske automobile se kao pomoć vozaču ugrađuju tehnologije razvijene kroz DARPA Grand Challenge, a profesor Sebastian Tran drži besplatan on-line kurs na kome svi zaintersovani koji imaju predhodna znanja iz matematike i programiranja za 6 nedelja mogu da nauče da naprave softver za autonomno vozilo. Tokom pisanja ovog rada, u maju 2012. godine, u Nevadi je izdata prva saobraćajna dozvola za autonomno vozilo.

5.3 Treća prekretnica – pobeda računara u kvizu Jeopardy

Odgovaranje na pitanja postavljena na prirodnom jeziku je veliki izazov za sve istraživače u oblasti veštačke inteligencije. Eksplozija javno dostupnih informacija „o svemu“ (npr. Wikipedia) ali i veliki napredak koji je početkom XXI veka postignut u različitim oblastima veštačke inteligencije (posebno obradi prirodnog jezika, pretrazi dokumenata, reprezentaciji znanja, rezonovanju i mašinskom učenju) omogućio je kreiranje računara koji su u stanju da odgovaraju na takva pitanja.

TV kvizovi poput „Želite li da postanete milioner“ privlače velku pažnju širokog auditorijuma. Najbolji učesnici, pored značajnih novčanih nagrada, dobijaju i reputaciju inteligentnih sveznalica. Jedan od najstarijih i najpoznatijih kvizova takve vrste je američki kviz „Jeopardy“ koji se emituje preko TV mreže NBC od 1964. godine. U ovom kvizu, tri učesnika se takmiče među sobom a pogrešni odgovori nose negative poene. 

U februaru 2011. IBM-ov sistem „Watson“ ubedljivo je pobedio na kvizu Jeopardy najbolje žive takmičare. Tokom takmičenja, Watson je morao da se pridržava pravila koja su važila i za ostale učesnike: pitanja su mu postavljana na prirodnom jeziku, nije imao pravo da koristi spoljašnje resurse (ali jeste lokalnu kopiju Wikipedije) i morao je da gradi taktiku koja je podrazumevala procenu sigurnosti u ispravnost sopstvenog odgovora.

U poslednjih par godina (početak druge dekade XXI veka) odgovaranje na pitanja postavljena na prirodnom jeziku postaje jedna od funkcija pametnih mobilnih uređaja (smartphones). Tako je SIRI (Speech Interpretation and Recognition Interface) postao sastavni deo iPhone 4S pametnog telefona lansiranog krajem 2011. SIRI komunicira sa vlasnikom telefona na prirodnom jeziku, u stanju je da odgovara na pitanja i daje preporuke za restorane ili filmove kao i da se vremenom prilagođava svom vlasniku.

8

  Ključni događaji istorijskog razvoja veštačke inteligencije

Prapočetak Alan Turing, Koncept univerzalne računarske mašine.

(1937.), Manchester Univ.

Velika Britanija

Početak McCulloch, Walter Pitts, Model veštačkih neuronskih mreža.

(1943.), Columbia Univ.

U.S.A.

ENIAC-EDVAC kompjuteri John von Neumann, Manhattan projekat nuklearne bombe.

(1941-1945.), Princeton Univ.

U.S.A.

Heuristički pristup

u traženju rešenja Claude Shannon, Programiranje kompjutera za šahovsku igru.

(1950.), Princeton Univ. U.S.A.

Prvi neuro-kompjuter Marvin Minsky, Dean Edmonds & John von Neumann

(1951.), Princeton Univ. U.S.A.

Letnja radionica John McCarthy, Marvin Minsky, Claude Shannon,

(1956.), Dartmouth College Mašinska inteligencija, veštačke neuronske mreže i

U.S.A. teorija automata. Definisana oblast: veštačka inteligencija.

Period uzdizanja oblasti AI John McCarthy, LISP – programski jezik. Advice Taker -

(1956.-1958.), MIT U.S.A. program za generisanje resenja problema, npr. transporta do aerodroma; prvi program baziran na prezentiranju znanja.

Razvoj veštačkih neuronskih Widrow, Hopfield, Kohonen, Rumelhart&McClelland, Grossberg, mreža, (1960. – danas) Haykin, Kosko, Paralelno distribuirano procesiranje signala.

Teorija fuzzy skupova Lofti Zadeh, Mamdani, Sugeno, Kosko,

(1965.–danas) Berkeley Univ. Fuzzy skupovi, logika i algoritmi.

9

U.S.A.

Razvoj ekspertnih sistema Feigenbaum, Shortliffe, Leibowitz, DENDRAL, MYCIN, EMYCIN,

(rane 1970. do sredine 1980.) PROSPECTOR, PROLOG - programski jezik vešt. inteligencije.

Stanford Univ. U.S.A.

Evolutivne strategije Rechenberg, Holland, Koza, Schwefel, Fogel, Goldberg,

(rane 1970. – danas) Genetički algoritmi i programiranje; Optimizirano pretraživanje.

6. ZAKLJUČAK

Veštačka inteligencija, poput nuklearne energije, nosi ogromnu moć koja može biti upotrebljena za dobrobit ali i za namerno ili nenamerno uništenje čovečanstva, pogotovo u kombinaciji sa bionikom i genetikom. Odgovornost istraživača je velika, ali istorija nastanka atomske bombe pokazuje da su njihove mogućnosti da usmeravaju korišćenje sopstvenih pronalazaka prilično ograničene, a u ratnim uslovima praktično nikakve.

Razvoj VI doneće mnoge koristi ali i mnoge rizike ljudskoj civilizaciji. U koristi spadaju eliminacija napornih, dosadnih i rizičnih poslova, bezbednija proizvodnja i putovanje, dostupnije informacije, povećanje šansi za održivi razvoj. Među realnim i bliskim rizicima izdvajaju se smanjenje broja radnih mesta, greške u radu autonomnih sistema i gubitak privatnosti. Među daljim, ali ne manje zastrašujućim rizicima je i nestanak ljudske rase kao posledica razvoja veštačke inteligencije. Umesto nestanka ljudske rase, intelektualni i kulturni pokret pod nazivom transhumanizam predviđa prevazilaženje bioloških ograničenja čoveka korišćenjem veštačke inteligencije i bionike. Transhumanistički mislioci smatraju da će vremenom ljudska bića biti transformisana u bića s toliko poboljšanim sposobnostima da će opravdati novo ime, „postčovek“.

10