În ultimele decenii, Inteligența Artificială (AI) a evoluat de la concepte teoretice și experimente inițiale la o prezență concretă și influentă în viața noastră de zi cu zi.
Această tehnologie fascinantă, care imită într-un mod unic procesele cognitive umane, a revoluționat modul în care interacționăm cu lumea digitală și a schimbat paradigmele în numeroase domenii, de la medicină la industria auto.
De la sistemele care facilitează deciziile bazate pe date complexe, la dispozitivele personale care ne înțeleg vocea și comportamentul, Inteligența Artificială a devenit un companion omniprezent, deschizând drumul spre un viitor în care tehnologia și umanitatea se întrepătrund în moduri inimaginabile în trecut.
În acest articol veți putea descoperi parcursul remarcabil al Inteligenței Artificiale, de la originile sale până în prezent, analizând impactul său profund asupra societății și anticipând posibile direcții de evoluție în viitorul apropiat.
Citește și articolul: Ce este ChatGPT.
Cuprins
Inteligența Artificială: de la originile sale până în zilele noastre
Când vine vorba de Inteligența Artificială, gândul ne zboară imediat la tehnologii de vârf, la roboți capabili să înțeleagă și să decidă acțiunile de urmat și la o lume futuristă unde oamenii și mașinile coexistă.
În realitate, Inteligența Artificială și aplicațiile sale sunt mult mai simple decât ne-am putea imagina, fiind folosite azi în diverse domenii ale vieții cotidiene.
Totuși, utilizările ei sunt mai puțin invazive decât ne imaginăm sau decât sunt prezentate adesea în filmele științifico-fantastice, care au găsit în Inteligența Artificială inspirația pentru multe filme, mai mult sau mai puțin de succes.
Ce este Inteligența Artificială și cum s-a dezvoltat?
În termeni tehnici, Inteligența Artificială este un domeniu al informaticii care permite programarea și proiectarea de sisteme, atât hardware cât și software, capabile să doteze mașinile cu anumite caracteristici considerate tipic umane, cum ar fi percepțiile vizuale, spațio-temporale și decizionale.
Astfel, nu este vorba doar de inteligență în sensul capacității de calcul sau de cunoaștere a datelor abstracte, ci și, mai ales, de diferitele forme de inteligență recunoscute de teoria lui Gardner, care includ inteligența spațială, socială, kinestezică și introspectivă.
Un sistem inteligent este creat încercând să reproducă una sau mai multe dintre aceste diferite forme de inteligență, care, deși adesea definite ca pur umane, pot fi de fapt reproduse de anumite mașini.
Cum și când a apărut Inteligența Artificială?
Așa cum este definită astăzi, Inteligența Artificială a apărut odată cu apariția primelor computerelor, iar data ei de naștere este stabilită în 1956.
În acel an, s-a discutat pentru prima dată despre Inteligența Artificială în cadrul unui congres desfășurat în America, care a adunat câțiva dintre cei mai importanți reprezentanți ai ceea ce ulterior a fost denumit Inteligența Artificială, dar care atunci era cunoscut ca Sistem Inteligent.
În cadrul acestui congres istoric, au fost prezentate programe capabile să efectueze anumite raționamente logice, în special în matematică.
De exemplu, programul Logic Theorist, dezvoltat de doi cercetători informatici, Allen Newell și Herbert Simon, era capabil să demonstreze anumite teoreme matematice, plecând de la informații specifice.
După apariția Inteligenței Artificiale, următorii ani au fost marcați de un mare entuziasm intelectual și experimental: universități și companii de IT, în special IBM, și-au concentrat eforturile pe cercetare și dezvoltarea de noi programe și software capabile să gândească și să acționeze ca oamenii, măcar în anumite domenii și sectoare.
Astfel, au apărut programe capabile să demonstreze teoreme tot mai complexe și, mai ales, a fost creat Lisp, primul limbaj de programare care a stat la baza programelor de Inteligență Artificială timp de peste trei decenii.
Particularitatea anilor ’50-’60 a fost mai ales optimismul care susținea toate cercetările și experimentările în acest domeniu: cu toate acestea, dacă pe de o parte s-au dezvoltat programe tot mai sofisticate, capabile să rezolve în special probleme matematice, pe de altă parte au început să apară primele limitări ale Inteligenței Artificiale, care nu părea capabilă să reproducă abilitățile intuitive și de raționare specifice ființelor umane.
În a doua jumătate a anilor ’60, a devenit din ce în ce mai evident că ceea ce fusese realizat până atunci în domeniul Inteligenței Artificiale nu mai era suficient pentru noile nevoi, care erau, în principal, crearea de mașini și programe capabile să depășească simpla soluționare a teoremelor matematice, mai mult sau mai puțin complexe.
Noua tendință care se contura era aceea de a căuta soluții pentru probleme mai apropiate de realitatea umană, cum ar fi soluționarea unor probleme ale căror răspunsuri puteau varia în funcție de evoluția parametrilor în timp real.
Una dintre cele mai mari provocări ale acelei epoci a devenit astfel crearea de software-uri și mașini care să poată raționa și lua decizii pe baza analizei diferitelor posibilități.
Dar acest tip de problemă presupunea, înainte de a putea fi rezolvată, găsirea unei soluții pentru un alt pas, și anume crearea de căi semantice pentru mașini, adică un limbaj care să permită programarea diferitelor posibilități prevăzute de un raționament, fie el simplu sau complex.
Așa cum se întâmplă adesea cu marile descoperiri și cercetări, tranziția de la un pas la altul s-a dovedit a fi departe de a fi simplă: cercetarea în acest sector a suferit o încetinire bruscă, mai ales din cauza scăderii finanțării datorită lipsei de rezultate concrete.
Inteligența Artificială și biologia
Spre deosebire de ceea ce își imaginează majoritatea oamenilor, un nou impuls în cercetarea Inteligenței Artificiale nu a venit din domeniul informatic, ci din cel biologic.
În 1969, unii studenți și cercetători de la Carnegie Institute of Technology au dezvoltat un program numit DENDRAL, care era capabil să reconstruiască o moleculă simplă folosind informațiile obținute de la spectrometrul de masă.
Aceste informații erau legate în principal de masa moleculară a elementului analizat, iar rezultatul se baza mai ales pe cunoștințele aprofundate ale mașinii despre anumite domenii de aplicare.
Deși cercetarea a fost condusă de experți în limbaje de programare, prima sa aplicare a fost într-un domeniu absolut inovativ și, mai ales, a deschis un nou drum și un nou impuls către ceea ce ar fi fost renașterea Inteligenței Artificiale, bazată pe așa-numitele sisteme expert.
Sistemele expert, spre deosebire de software-urile realizate înainte de echipa Carnegie Institute of Technology, erau capabile, datorită unei serii de informații de bază, să găsească soluții specifice pentru anumite scenarii.
Cu un astfel de punct de plecare, pașii următori au fost rapid realizați.
La începutul anilor ’80, primul sistem de Inteligență Artificială a fost utilizat în scopuri comerciale și, mai ales, cercetarea în domeniul Inteligenței Artificiale și-a extins ariile geografice, interesând nu doar Statele Unite, ci și Japonia și Europa.
Noua eră a Inteligenței Artificiale începe cu utilizarea nouă a unui algoritm care, deși conceput la sfârșitul anilor ’60, nu și-a găsit aplicabilitatea maximă din cauza limitărilor sistemelor de învățare ale primelor programe de Inteligență Artificială.
Este vorba despre algoritmul care permite învățarea prin rețele neurale, ale căror experimentări au acoperit atât domenii strict informatici, cât și psihologice.
Această dublă aplicare a permis dezvoltatorilor de Sisteme Inteligente să găsească un spectru larg de aplicații.
În special, primul adevărat succes al Inteligenței Artificiale a fost cel care a implicat confruntarea dintre Deep Blue, o mașinărie realizată de IBM, și campionul mondial de șah de atunci, Garry Kasparov.
Deși primele meciuri au fost câștigate de Kasparov, îmbunătățirile continue aduse sistemului de învățare al lui Deep Blue au permis, în partidele ulterioare, să asigure victoria mașinii.
O victorie care, după cum a confirmat însuși campionul de șah, a fost cu siguranță datorată faptului că mașina atinsese un nivel de creativitate atât de înalt, încât depășea cunoștințele jucătorului însuși.
Alte aplicații ale sistemelor de Inteligență Artificială, foarte cunoscute de publicul larg, sunt cele utilizate pe vehicule capabile să conducă fără un șofer uman la volan.
Acestea sunt vehicule încă în faza experimentală, dar care ating grade de siguranță tot mai înalte, în special datorită utilizării senzorilor și camerelor care, asemenea ochilor și urechilor umane, sunt capabile să perceapă tot ce se întâmplă în timpul conducerii, să ia decizii și să efectueze manevre de siguranță.
Conștiința, cunoaștere și soluționarea problemelor
La baza problemelor legate de dezvoltarea sistemelor și programelor de Inteligență Artificială sunt trei parametri care stau la baza comportamentului uman: un tip de cunoaștere care este practică și aplicabilă, o conștiință care permite luarea deciziilor nu doar conform logicii și capacitatea de a rezolva probleme în moduri diferite, în funcție de contextele în care ne aflăm.
Utilizarea rețelelor neurale și a algoritmilor capabili să reproducă raționamentele tipice ființelor umane în diverse situații a permis sistemelor inteligente să își îmbunătățească tot mai mult diferitele capacități de comportament.
Pentru a realiza acest lucru, cercetarea s-a concentrat nu doar pe dezvoltarea de algoritmi noi, ci mai ales pe algoritmi tot mai numeroși, care să poată imita diferite comportamente în funcție de stimuli ambientali.
Acești algoritmi complecși, integrați în sisteme inteligente, sunt astfel capabili să ‘ia decizii’, adică să facă alegeri în funcție de contextele în care sunt plasați.
De exemplu, în cazul algoritmilor conectați la sistemele inteligente ale vehiculelor, o mașină fără șofer poate decide, în situație de pericol, dacă să vireze sau să frâneze în funcție de situație, adică în funcție de informațiile trimise de diferiți senzori care permit calcularea unei mai mari siguranțe pentru conducător și pasageri prin frânare sau virare.
Deciziile de orice tip, fie că sunt luate de o mașină fără pilot sau de alte sisteme de Inteligență Artificială, sunt luate, așa cum am specificat deja, datorită realizării anumitor algoritmi, care permit definirea unei cunoștințe de bază și a unei cunoștințe extinse, adică create prin experiență.
Pentru a realiza algoritmi tot mai preciși și complecși, a apărut un domeniu specific, numit reprezentarea cunoștinței, care studiază toate posibilitățile de raționament uman și, mai ales, toate posibilitățile de a face această cunoaștere ușor de înțeles mașinilor prin limbaj și comenzi tot mai precise și detaliate.
Când vorbim despre cunoașterea umană și transferul acestei cunoașteri către mașină, de fapt, nu vorbim doar despre cunoaștere sterilă, adică noțiuni învățate din cărți sau alte instrumente de studiu.
Vorbim mai degrabă despre experiență și despre posibilitatea de a înțelege noi informații prin cele deja prezente în sistemul de bază.
Aceste informații sunt furnizate mașinii prin diferite metode, cele mai importante dintre acestea bazându-se pe Teoria Limbajelor Formale și pe Teoria Deciziilor.
În primul caz, când se folosește Teoria Limbajelor Formale, se alege să se utilizeze diferite abordări (cele recunoscute sunt abordarea generativă, recunoașterea, denotația, abordarea algebrică și transformațională) care se bazează pe teoriile Șirurilor și utilizările lor.
Șirurile, de fapt, reprezintă limbaje formale ale căror proprietăți variază în funcție de abordarea utilizată.
Se poate alege, astfel, să se pună accent pe un abordaj sau pe altul în funcție de rezultatele pe care se dorește să le obțină, adică în funcție de tipul de răspuns pe care se vrea să îl primească de la mașină în diferite situații.
Teoria Deciziilor, pe de altă parte, se bazează pe un arbore decizional, care permite evaluarea fiecărei acțiuni sau decizii și a posibilelor consecințe, luând apoi decizia cea mai avantajoasă.
În funcție de setările și scopul programului, sistemul va putea lua decizia care optimizează cel mai bine rezultatul dorit.
Este important de subliniat că situații similare pot avea rezultate diferite în funcție de tipul planului de acțiuni definit de algoritmii mașinii.
Utilizarea Teoriei Deciziilor și a arborelui decizional merită o atenție sporită, deoarece este folosită mai ales în toate acele sisteme inteligente utilizate în viața de zi cu zi.
Cum funcționează un arbore decizional?
Fără a intra în detalii complexe, este suficient de știut că un arbore decizional se bazează pe modele predictive pornind de la o serie de informații inițiale și date de bază.
Aceste date pot fi apoi divizate astfel încât să definească atât structura, adică tipul de previziuni posibile, cât și acuratețea acestora.
Acuratețea datelor permite obținerea de sisteme inteligente care se diferențiază între ele prin răspunsurile pe care le pot oferi, nu atât în funcție de numărul de date pe care se bazează deciziile, ci mai degrabă în funcție de precizia acestora.
Este, de asemenea, important de menționat că volumul de date disponibile pentru procesarea de către Inteligențele Artificiale poate interfera cu precizia modelului utilizat.
Din acest motiv, modelele mai precise prezintă adesea un număr de informații de bază mai redus decât s-ar putea imagina: calitatea modelului este asigurată totuși de tipul datelor de bază și de acuratețea acestora.
Machine Learning: învățarea automată
Unul dintre pașii principali înainte în istoria Inteligenței Artificiale a fost făcut atunci când s-au putut recrea algoritmi specifici, capabili să îmbunătățească comportamentul mașinii (înțeles ca capacitatea de a acționa și de a lua decizii), care astfel poate învăța prin experiență, la fel ca ființele umane.
Dezvoltarea algoritmilor capabili să învețe din propriile erori este esențială pentru realizarea sistemelor inteligente care operează în contexte pentru care programatorii nu pot prevedea a priori toate posibilitățile de dezvoltare și contextele în care sistemul va opera.
Prin învățarea automată (machine learning), o mașină este capabilă să învețe să efectueze o anumită acțiune chiar dacă această acțiune nu a fost niciodată programată printre acțiunile posibile.
Pentru cei neinițiați, probabil învățarea automată reprezintă partea cea mai ‘romantică’ a Inteligenței Artificiale, aceea de pe urma căreia diverși regizori au putut trage interesante idei pentru filmele lor mai mult sau mai puțin cunoscute, în care mașini și roboți se îmbunătățesc în timp tocmai pentru că sunt capabili să învețe prin experiență.
Dincolo de interesul scenic și romantic pe care îl poate avea învățarea automată, în spatele acestei ramuri a Inteligenței Artificiale a existat întotdeauna (și încă există) o cercetare profundă, atât teoretică cât și practică, bazată, printre altele, pe teoria computațională a învățării și pe recunoașterea schemelor (pattern).
Complexitatea învățării automate a condus la necesitatea de a distinge trei posibilități diferite, în funcție de cerințele de învățare care sunt puse mașinii.
Astfel, vorbim despre învățare supervizată, învățare nesupervizată și învățare prin întărire.
Diferența dintre cele trei moduri stă în principal în contextul diferit în care mașina trebuie să se miște pentru a învăța regulile generale și specifice care o conduc la cunoaștere.
În cazul învățării supervizate, mașinii i se furnizează exemple de obiective de atins, arătând relațiile dintre input, output și rezultat.
Din ansamblul de date prezentate, mașina trebuie să fie capabilă să extrapoleze o regulă generală, care să-i permită, de fiecare dată când este stimulată cu un anumit input, să aleagă output-ul corect pentru atingerea obiectivului.
În cazul învățării nesupervizate, pe de altă parte, mașina trebuie să fie capabilă să facă alegeri fără să fi fost mai întâi ‘educată’ în diferitele posibilități de output în funcție de input-urile selectate.
În acest caz, computerul nu are un ‘profesor’ care să-i permită să învețe, ci învață exclusiv din propriile erori.
În cele din urmă, mașinile instruite prin învățare prin întărire se găsesc în interacțiune cu un mediu în care caracteristicile sunt variabile.
Este vorba, deci, despre un mediu dinamic, în interiorul căruia mașina trebuie să se miște pentru a atinge un obiectiv fără a avea niciun fel de indicație, decât, la finalul probei, posibilitatea de a ști dacă a reușit sau nu să atingă scopul inițial.
Învățarea automată a devenit posibilă prin dezvoltarea rețelelor neurale artificiale, adică un model matematic special care, inspirându-se din neuroni și rețelele neurale umane, se orientează spre soluționarea diferitelor probleme în funcție de posibilitățile de a cunoaște input-urile și rezultatele obținute în funcție de alegerile făcute.
Numele de rețea neurală derivă din faptul că acest model matematic este caracterizat de o serie de interconexiuni între toate informațiile diferite necesare pentru diferitele calcule.
În plus, la fel ca rețelele neurale biologice, o rețea neurală artificială are caracteristica de a fi adaptivă, adică de a-și putea schimba structura adaptându-se la necesitățile specifice care derivă din diferitele informații obținute în diferitele faze de învățare.
Din punct de vedere matematic, o rețea neurală poate fi definită ca o funcție compusă, adică dependentă de alte funcții care, la rândul lor, pot fi definite în mod diferit în funcție de alte funcții de la care depind.
Acest lucru înseamnă că nimic, în interiorul unei rețele neurale, nu poate fi lăsat la voia întâmplării: fiecare acțiune a sistemului inteligent va fi întotdeauna rezultatul procesării calculelor destinate verificării parametrilor și definirii necunoscutelor care definesc funcțiile respective.
Inteligența Artificială în viața de zi cu zi
Multe persoane cred că utilizarea sistemelor inteligente este limitată la anumite elite informatice, fără să se gândească la faptul că, de fapt, Inteligența Artificială este folosită pe scară largă și în viața de zi cu zi.
De exemplu, diferitele instrumente de recunoaștere vocală care sunt utilizate în mod regulat, de la smartphone-uri la sistemele de securitate, se bazează pe algoritmi tipici Inteligenței Artificiale, în special pe cei legați de învățare automată.
Foarte cunoscut, în peisajul învățării automate și al Inteligenței Artificiale, este utilizarea acestui instrument în sectorul auto.
Vehiculele capabile să se deplaseze în trafic chiar și fără pilot sunt astăzi ceva ce depășește faza de experimentare, chiar dacă utilizarea lor este limitată doar la anumite sectoare și situații.
Foarte utilizate sunt, în schimb, toate acele aplicații care fac uz de logica Fuzzy, care permit realizarea sistemelor de schimbare a vitezelor în mașinile cu conducere semi-autonomă.
Multe proiecte de Inteligență Artificială sunt utilizate mai ales în domeniul programării jocurilor, de la șah la backgammon.
Chiar aceste două jocuri specifice au adus, de asemenea, o contribuție importantă la dezvoltarea algoritmilor de învățare.
Alte sectoare în care Inteligența Artificială este utilizată în mod regulat includ piața de capital, medicina și robotică.
În plus, sistemele inteligente sunt utilizate și pentru a îmbunătăți în continuare multe sectoare ale informaticii în sine.
În domeniul medical, în final, Inteligența Artificială folosește în special rețele neurale, mai ales în analizele ritmului cardiac, în diagnosticarea unor forme de tumori și în crearea de roboți de asistență.
În cele din urmă, multe smartphone-uri moderne și dispozitive mobile prezintă platforme bazate pe sisteme de Inteligența Artificială, care permit o interacțiune reală între telefon și proprietarul său, esențială pentru diverse funcții.
Anumite telefoane moderne, de exemplu, prezintă senzori capabili să detecteze dacă proprietarul telefonului se deplasează pe jos sau cu un vehicul: în acest caz, telefonul se poate seta automat pe modul de conducere pentru a asigura cea mai mare siguranță în utilizare.
În continuare, unele telefoane vor aprinde automat lanterna incorporată când vor detecta că proprietarul se deplasează în întuneric.
Funcțiile sunt diferite și foarte variate în funcție de telefoane, dar toate sunt destinate îmbunătățirii confortului și siguranței celor care le folosesc.
Citește și articolul: Aplicații inteligența artificială.
Viitorul Inteligenței Artificiale
Dacă până acum câțiva ani principala problemă a tuturor oamenilor de știință implicați în cercetarea Inteligenței Artificiale era aceea de a putea demonstra posibilitatea realistă de a utiliza sisteme inteligente pentru utilizări comune, astăzi, când acest obiectiv a fost pe larg atins, ne întrebăm des care ar putea fi viitorul Inteligenței Artificiale.
Cu siguranță mai este mult de parcurs, mai ales în anumite sectoare, dar conștientizarea că Inteligența Artificială reprezintă astăzi o realitate și nu doar o ipoteză, duce la dubii mai ales în ceea ce privește diferitele posibilități de utilizare a sistemelor inteligente și impactul lor asupra țesutului social și economic.
Și dacă, pe de o parte, entuziasmul pentru evoluția tehnologică este cu siguranță foarte evident în diverse sectoare, pe de altă parte, frica că în scurt timp mașinile ar putea înlocui complet omul în multe locuri de muncă s-a insinuat tot mai insistent în mințile multora.
Evoluția tehnologică a condus deja în trecut la înlocuirea forței de muncă umane cu mașini și computere care, într-un mod mai rapid și mai ales mai economic, au fost utilizate în diverse sectoare.
Cu utilizarea masivă a Inteligenței Artificiale, este posibil să se piardă și mai multe locuri de muncă, dar este de asemenea adevărat că se vor deschide tot mai multe căi pentru crearea de noi tipuri de profiluri profesionale.
Dar contrastul dintre om și mașină este un sector mult mai amplu care nu este doar legat de evoluția Inteligenței Artificiale și a sistemelor inteligente, ci și, mai ales, de morală și etica profesională și de utilizarea corectă a mașinilor în respectul omului.
Probabil că direcția care va fi luată nu este încă bine delimitată, dar ar putea conduce la o nouă revoluție culturală și industrială.