Καθώς η τεχνολογία εξελισσόταν οι μηχανές έγιναν πολύ ικανές στην εκτέλεση ορισμένων εργασιών δύσκολων για τον άνθρωπο. Όσο όμως αυξανόταν ο αριθμός των μηχανών, που έπαιρναν μέρος σε καθημερινές εργασίες, αποκαλύφθηκε ταυτόχρονα η μεγαλύτερή τους αδυναμία, που δεν είναι άλλη από την ανικανότητα προσαρμογής σε διαφοροποιούμενες συνθήκες περιβάλλοντος. Αυτό μπορεί να γίνει αντιληπτό με ένα απλό παράδειγμα. Σκεφτείτε έναν ρομποτικό βραχίονα που βιδώνει μια βίδα σε μια γραμμή παραγωγής ενός εργοστασίου. Πάνω στον διάδρομο έρχονται όλα τα κομμάτια το ένα μετά το άλλο και σταματούν στο σημείο, που πρέπει, ώστε ο βραχίονας να βιδώσει το κομμάτι. Φανταστείτε τώρα πως λόγω μιας λάθος κίνησης ένα κομμάτι δεν έχει τοποθετηθεί σωστά και η βίδα βρίσκεται λίγα εκατοστά από το σωστό σημείο. Σε αυτήν την περίπτωση ο βραχίονας είναι ανίκανος να καταλάβει τη μεταβολή και να αλλάξει τη θέση του. Ο επιβλέπων εργάτης το βλέπει και το μετακινεί λίγα εκατοστά για να εκτελέσει την εργασία. Παρατηρούμε λοιπόν πως ο άνθρωπος παίρνει μια απόφαση βασιζόμενος στις μεταβολές του περιβάλλοντος, ενώ η μηχανή είναι ανίκανη να προσαρμοστεί. Προβλήματα σαν το παραπάνω σήμερα έχουν ήδη επιλυθεί με τη χρήση της τεχνητής νοημοσύνης.
Η τεχνητή νοημοσύνη
Η τεχνητή νοημοσύνη είναι είδος νοημοσύνης που επιδεικνύουν οι μηχανές, ενώ η φυσική νοημοσύνη συναντάται στα έμβια όντα. Στη θεωρία της επιστήμης της Πληροφορικής η τεχνητή νοημοσύνη συναντάται σε κάθε συσκευή που αντιλαμβάνεται το περιβάλλον της και λαμβάνει δράσεις, ώστε να μεγιστοποιήσει την παραγωγικότητά της και να επιτύχει τους στόχους της.
Ο όρος τεχνητή νοημοσύνη χρησιμοποιείται για να χαρακτηρίσει μια μηχανή που μιμείται λειτουργίες του ανθρώπινου εγκεφάλου, όπως η μάθηση και η επίλυση προβλημάτων.
Τα κλασικά προβλήματα της τεχνητής νοημοσύνης περιλαμβάνουν τον σχεδιασμό και την επίλυση ενός προβλήματος, επεξεργασία γλώσσας, λογικούς συλλογισμούς, αντίληψη του περιβάλλοντος καθώς και την ικανότητα χειρισμού διαφόρων αντικειμένων. Η προσέγγιση του προβλήματος επιτυγχάνεται με τη χρήση μαθηματικών εργαλείων βασισμένων σε πιθανότητες, στατιστική καθώς και ορισμένα μοντέλα λογικής. Το εύρος του αντικειμένου της τεχνητής νοημοσύνης καλύπτει τις επιστήμες των μαθηματικών, της πληροφορικής, της ψυχολογίας, της φιλοσοφίας και της γλωσσολογίας.
Στόχος της τεχνητής νομοσύνης
Ο γενικός ερευνητικός στόχος της τεχνητής νοημοσύνης είναι η δημιουργία τεχνολογίας που επιτρέπει στους υπολογιστές και τις μηχανές να λειτουργούν με έξυπνο τρόπο. Το γενικό πρόβλημα της προσομοίωσης (ή της δημιουργίας) νοημοσύνης έχει αναλυθεί σε υποπροβλήματα. Αυτά αποτελούνται από συγκεκριμένα χαρακτηριστικά ή δυνατότητες που οι ερευνητές αναμένουν να παρουσιάσει ένα ευφυές σύστημα.
Αιτιολογία, επίλυση προβλημάτων
Οι πρώτοι ερευνητές ανέπτυξαν αλγόριθμους που μιμούνταν βήμα προς βήμα τον συλλογισμό που χρησιμοποιούν οι άνθρωποι, όταν λύνουν προβλήματα ή κάνουν συλλογισμούς. Η λογική των αλγορίθμων αυτών είναι ο σχεδιασμός ενός δέντρου αποφάσεων με όλες τις πιθανές εκδοχές που μπορούσαν να προκύψουν. Από αυτές η μηχανή επέλεγε την κατάλληλη ανάλογα με τα δεδομένα.
Μέχρι τα τέλη της δεκαετίας του 1980 και της δεκαετίας του 1990, η έρευνα για την τεχνητή νοημοσύνη είχε αναπτύξει μεθόδους αντιμετώπισης ελλιπών πληροφοριών και καταστάσεων, χρησιμοποιώντας έννοιες από τη μαθηματική θεωρία πιθανοτήτων και την οικονομική θεωρία. Ωστόσο, αυτοί οι αλγόριθμοι αποδείχθηκαν ανεπαρκείς για την επίλυση μεγάλων προβλημάτων συλλογιστικής, επειδή αντιμετώπισαν μια «συνδυαστική έκρηξη»: έγιναν πολύ αργοί καθώς τα προβλήματα γίνονται περισσότερο πολύπλοκα. Στην πραγματικότητα, ακόμα και οι άνθρωποι σπάνια χρησιμοποιούν την αφαιρετική λογική βήμα προς βήμα, ενώ επιλύουν τα περισσότερα από τα προβλήματά τους χρησιμοποιώντας γρήγορες, διαισθητικές κρίσεις.
Γνώση κοινής γνώσης
Η μέθοδος είναι κλασσική πλέον για την τεχνητή νοημοσύνη. Η προσέγγιση αυτή περιλαμβάνει ορισμένα «έμπειρα συστήματα» που προσπαθούν να συγκεντρώσουν σαφή γνώση που κατέχουν σε κάποιο στενό πεδίο. Για παράδειγμα «τα μήλα είναι φρούτα», «το λεμόνι είναι ξινό», «ο σκύλος είναι ζώο». Έτσι, επιχειρούν να συγκεντρώσουν τη «γνώση κοινής γνώσης» που κατέχεται από τον μέσο άνθρωπο σε μια βάση δεδομένων που περιέχει εκτεταμένες γνώσεις για τον κόσμο. Ανάμεσα στα πράγματα που περιλαμβάνει μια περιεκτική βάση γνώσεων κοινής γνώσης είναι: αντικείμενα, ιδιότητες, κατηγορίες και σχέσεις μεταξύ αντικειμένων, καταστάσεις, γεγονότα, καταστάσεις και χρόνος, αιτίες και συνέπειες για το τι ξέρουν οι άλλοι. Περιλαμβάνονται στη βάση αυτή φυσικά και πολλοί άλλοι, λιγότερο καλά ερευνημένοι τομείς. Ουσιαστικά δημιουργούν μια αποθήκη γνώσεων και στη συνέχεια, ανάλογα με το είδος της απόφασης που καλούνται να πάρουν, οι μηχανές ανατρέχουν σε αυτήν τη βάση και διαβάζουν την πληροφορία, όπως θα έκανε ένας άνθρωπος σε μια εγκυκλοπαίδεια ή σε μια διαδικτυακή μηχανή αναζήτησης.
Αυτοματοποιημένος προγραμματισμός ή σχεδιασμός τεχνητής νοημοσύνης
Ο αυτοματοποιημένος προγραμματισμός και ο απλός προγραμματισμός τεχνητής νοημοσύνης, είναι ένας κλάδος που αφορά στην υλοποίηση στρατηγικών δράσης, συνήθως για εκτέλεση από αυτόνομα ρομπότ και μη επανδρωμένα οχήματα. Σε αντίθεση με τα κλασικά προβλήματα ελέγχου και ταξινόμησης, οι λύσεις είναι περίπλοκες και πρέπει να ανακαλυφθούν και να βελτιστοποιηθούν. Η μέθοδος αυτή περιλαμβάνει αλγορίθμους, οι οποίοι έχουν τη δυνατότητα να προσαρμόζονται στις συνθήκες που συναντά το ρομπότ στο περιβάλλον και να εκτελούν κάποιες εργασίες, ώστε να διορθώνουν τυχόν αποκλίσεις σε περίπτωση που διαπιστωθούν. Παραπάνω αναφέραμε το παράδειγμα του ρομποτικού βραχίονα και της βίδας. Ένας αλγόριθμος αυτοματοποιημένου προγραμματισμού λαμβάνει την εικόνα από μια κάμερα, υπολογίζει την απόκλιση της βίδας από τη θέση στόχο και μετακινεί το βραχίονα στο νέο σημείο της βίδας, ώστε να εκτελέσει την εργασία. Ο προγραμματισμός σχετίζεται επίσης με τη θεωρία αποφάσεων.
Μηχανική Μάθηση
Η μηχανική μάθηση, σήμερα είναι το πιο ενδιαφέρον κομμάτι της τεχνητής νοημοσύνης με χιλιάδες επιστήμονες καθημερινά να προσπαθούν να λύσουν τα προβλήματά της. Η βασική ιδέα γύρω από τη μηχανική μάθηση είναι η βελτιστοποίηση αλγορίθμων ηλεκτρονικών υπολογιστών που βελτιώνονται αυτόματα κάθε φορά που εκτελούνται. Έτσι έχουμε μια μηχανή στην οποία δίνουμε κάποια αρχικά δεδομένα ενός προβλήματος και στη συνέχεια κάθε φορά που εκτελεί έναν «κύκλο» και επεξεργάζεται τα δεδομένα τροποποιεί κατάλληλα και τον ίδιο τον αλγόριθμό της, ώστε να είναι αποτελεσματικότερη την επόμενη φορά που θα κάνει υπολογισμούς. Το βασικό πρόβλημα αυτής της τεχνικής είναι η σωστή συλλογή δεδομένων που θα λάβει η μηχανή. Χρειάζονται πολλά σε αριθμό και αντιπροσωπευτικά δεδομένα για όλες τις καταστάσεις, ώστε ο αλγόριθμος μάθησης να έχει καλά αποτελέσματα. Έτσι σήμερα η επιστήμη προσπαθεί να βρει μεθόδους αποτελεσματικής συλλογής δεδομένων μηχανικής μάθησης. Εφαρμογές της μεθόδου σήμερα συναντώνται στα κινητά τηλέφωνα, στην ψηφιακή αναγνώριση εικόνας και ήχου, στις εφαρμογές της Google και σε πολλές πλατφόρμες πληροφορικής καθώς και στη πρόβλεψη του καιρού ή οικονομικών μοντέλων.
Πεδία δράσης της τεχνητής νοημοσύνης
Επεξεργασία φυσικής γλώσσας
Μία από τις πρώτες απόπειρες χρήσης της τεχνητής νοημοσύνης ήταν στην επεξεργασία της φυσικής γλώσσας, που θα έδινε στις μηχανές τη δυνατότητα να διαβάζουν και να κατανοούν τον άνθρωπο. Ένα επαρκώς ισχυρό σύστημα φυσικής επεξεργασίας γλώσσας θα επέτρεπε τη σύνδεση των φυσικών γλωσσών και την απόκτηση γνώσεων από τις μηχανές απευθείας από ανθρώπινες γραπτές πηγές, όπως κείμενα. Σήμερα υπάρχουν απλές εφαρμογές επεξεργασίας φυσικής γλώσσας που περιλαμβάνουν την ανάκτηση πληροφοριών, την εξόρυξη κειμένου, την απάντηση ερωτήσεων και τη μηχανική μετάφραση κειμένων (μεταφραστής Google).
Μηχανική αντίληψη
Η αντίληψη μιας μηχανής είναι η δυνατότητα χρήσης συναγερμών από αισθητήρες (όπως κάμερες, μικρόφωνα, αισθητήρες αφής, σόναρ και άλλα) για την εξαγωγή πληροφοριών από το περιβάλλον. Η όραση υπολογιστών είναι η δυνατότητα ανάλυσης και επεξεργασίας εικόνων. Μερικά συγκεκριμένα προβλήματα είναι η αναγνώριση ομιλίας, η αναγνώριση προσώπου και η αναγνώριση αντικειμένων.
Χειρισμός αντικειμένων και κίνηση
Το πεδίο της ρομποτικής συνδέεται στενά με την τεχνητή νοημοσύνη καθώς απαιτείται ευφυΐα, ώστε τα ρομπότ να εκτελούν εργασίες χειρισμού αντικειμένων και αυτόνομης πλοήγησης. Χωρίς τεχνητή νοημοσύνη εργασίες όπως εντοπισμός, χαρτογράφηση χώρου και σχεδιασμός τροχιάς της κίνησης δεν θα ήταν πραγματοποιήσιμες. Οι αλγόριθμοι αυτοί βοηθούν, ώστε το ρομπότ να σχεδιάζει το χάρτη του περιβάλλοντός του, να καταλαβαίνει πώς να πάει από ένα σημείο του χώρου στο άλλο και να εκτελέσει την κίνηση, η οποία συχνά περιλαμβάνει και αποφυγή εμποδίων στον χώρο. Στο πλαίσιο της αναπτυξιακής ρομποτικής, αναπτύσσονται μαθησιακές προσεγγίσεις, ώστε να επιτρέπουν στα ρομπότ να συσσωρεύουν νέες δεξιότητες μέσω της αυτόνομης εξερεύνησης του χώρου. Σήμερα ήδη κυκλοφορούν στο εμπόριο ηλεκτρικές σκούπες, που έχουν τη δυνατότητα να κινούνται αυτόνομα στον χώρο και μαθαίνουν με το πέρασμα των ημερών τη διαρρύθμιση και τη θέση των επίπλων.
Συναισθηματική νοημοσύνη
Ο συναισθηματικός υπολογισμός είναι η μελέτη και ανάπτυξη συστημάτων που αναγνωρίζουν, ερμηνεύουν, επεξεργάζονται και προσομοιώνουν τις ανθρώπινες συμπεριφορές. Πρόκειται για ένα διεπιστημονικό πεδίο που καλύπτει τις επιστήμες των υπολογιστών και την ψυχολογία. Ένα κίνητρο για την έρευνα είναι η ικανότητα να προσομοιώνει την ενσυναίσθηση, όπου η μηχανή θα είναι σε θέση να ερμηνεύει τα ανθρώπινα συναισθήματα και να προσαρμόζει τη συμπεριφορά της για να δώσει μια κατάλληλη απάντηση σε αυτά τα συναισθήματα.
Το συναίσθημα και οι κοινωνικές δεξιότητες είναι σημαντικές για δύο λόγους. Πρώτον, η μηχανή είναι σε θέση να προβλέψει τις ενέργειες των άλλων κατανοώντας τα κίνητρά τους και τις συναισθηματικές τους καταστάσεις, πράγμα που της επιτρέπει να λαμβάνει καλύτερες αποφάσεις. Έννοιες όπως η θεωρία των παιγνίων ή η θεωρία των αποφάσεων, απαιτούν να είναι σε θέση η μηχανή να ανιχνεύει και να μοντελοποιεί τα ανθρώπινα συναισθήματα. Δεύτερον, σε μια προσπάθεια διευκόλυνσης της αλληλεπίδρασης ανθρώπου – μηχανής, μια έξυπνη μηχανή μπορεί να θέλει να εμφανίζει συναισθήματα (ακόμα και αν δεν βιώνει αυτά τα συναισθήματα), να φαίνεται πιο ευαίσθητη στη συναισθηματική δυναμική της ανθρώπινης αλληλεπίδρασης.
Εφαρμογές της τεχνητής νοημοσύνης στη σύγχρονη κοινωνία
Αν και σε πολλούς η τεχνητή νοημοσύνη φαίνεται ακόμα κάτι μακρινό, εντούτοις υπάρχουν πολλές εφαρμογές της σήμερα στην καθημερινή ζωή.
Εικονικός Προσωπικός Βοηθός
Αν έχει κάποιος κινητό τηλέφωνο, ίσως έχει ακουστά τις εφαρμογές Siri, Cortana και Google Now. Οι εφαρμογές αυτές μας βοηθούν να αναζητήσουμε τις πληροφορίες που θέλουμε κάνοντας μόνο μια ερώτηση με τη φωνή μας. Απλώς ενεργοποιήστε την εφαρμογή και ρωτήστε: «Τι υποχρεώσεις έχουμε σήμερα;» ή «Πού είναι το κοντινότερο εστιατόριο;» και η εφαρμογή θα ανταποκριθεί αναζητώντας σχετικές πληροφορίες. Αυτές οι εφαρμογές έχουν επίσης τη δυνατότητα να «μαθαίνουν» τον χρήστη και να περιμένουν πιθανές συχνές ερωτήσεις.
Ηλεκτρονικά παιχνίδια
Ίσως η κλασικότερη εφαρμογή της τεχνητής νοημοσύνης. Τα ηλεκτρονικά παιχνίδια χρησιμοποίησαν αλγορίθμους τεχνητής νοημοσύνης σχεδόν από την αρχή τους, αλλά τα τελευταία χρόνια η πολυπλοκότητά τους έχει αυξηθεί σημαντικά. Σύγχρονα ηλεκτρονικά παιχνίδια έχουν τη δυνατότητα να προσαρμόζουν τη συμπεριφορά του παιχνιδιού ανάλογα με τον τρόπο αντίδρασης του παίκτη στο παρελθόν. Με αυτόν τον τρόπο επιτυγχάνεται πιο συχνά η έκπληξη και αυξάνεται η πολυπλοκότητα ενός τίτλου. Άλλοι τίτλοι πάλι δημιουργούν αντιπάλους που ξέρουν να εκμεταλλεύονται τις συνθήκες του περιβάλλοντος και αντιδρούν ανάλογα με τις κινήσεις του παίκτη με αρκετά αληθοφανή τρόπο. Παρόλο που η τεχνητή νοημοσύνη είναι μικρής σημασίας στα ηλεκτρονικά παιχνίδια, το μέγεθος της βιομηχανίας έχει προχωρήσει αρκετά την εξέλιξη των τεχνικών και των αλγορίθμων σήμερα.
Έξυπνα αυτοκίνητα
Μπορεί να μη βλέπουμε ακόμα στον δρόμο αυτόνομα οχήματα, ωστόσο είναι μια τεχνολογία που θα ενταχθεί πολύ σύντομα στην πραγματικότητά μας. Ήδη δοκιμαστικά πολλές εταιρίες έχουν ξεκινήσει την κατασκευή οχημάτων. Μάλιστα η Google ισχυρίζεται πως έχει αναπτύξει έναν αλγόριθμο που επιτρέπει στα οχήματα να μαθαίνουν να κινούνται με τον ίδιο τρόπο που το κάνουν οι άνθρωποι, μέσω μηχανικής μάθησης από εμπειρία στον δρόμο.
Πρόβλεψη αγορών/χρηματιστήρια
Πολλές μεγάλες εταιρίες ήδη έχουν ξεκινήσει να συλλέγουν δεδομένα ως προς αυτήν την κατεύθυνση. Η πρόβλεψη αγορών είναι η χρήση αλγορίθμων τεχνητής νοημοσύνης από ηλεκτρονικά καταστήματα με σκοπό να προσφέρουν ξεχωριστά στον κάθε πελάτη προσφορές για προϊόντα που τον ενδιαφέρουν βάσει του πόσο συχνά επισκέπτεται το κατάστημα και σε ποιες κατηγορίες προϊόντων. Επιπλέον, μπορεί να ξεχωρίζει τι διαφημίσεις θα δείχνει στους πελάτες της, που επισκέπτονται το ηλεκτρονικό της κατάστημα, βάσει των προτιμήσεών τους. Επίσης τα μοντέλα που προβλέπουν την εξέλιξη μιας μετοχής στο χρηματιστήριο ή ακόμη και η εφαρμογή πολύπλοκων χρηματοοικονομικών διαδικασιών στη διαχείριση της Οικονομίας απαιτούν εφαρμογές τεχνητής νοημοσύνης και μάλιστα όχι απλές.
Προτάσεις για ταινίες και μουσική
Αν και σχετικά απλούστερες στην εφαρμογή τους οι τεχνικές αυτές τεχνητής νοημοσύνης, που είναι πλατφόρμες όπως το Youtube, Spotify και Netflix, χρησιμοποιούνται, για να προτείνουν στον χρήστη περιεχόμενο, βασιζόμενες στις επιλογές που έκανε στο παρελθόν. Οι προτιμήσεις κάθε χρήστη περνούν μέσα από αλγόριθμο μάθησης και προκύπτουν προτάσεις με παρόμοιο θέμα. Αν για παράδειγμα ένας χρήστης προτιμά να βλέπει βίντεο με ταξίδια σε χώρες της Ασίας, είναι πιθανότερο να εμφανιστούν στη λίστα με τα προτεινόμενα περισσότερα παρόμοια βίντεο σχετικά με το θέμα.
Επίλογος
