Mesterséges Intelligencia eredete

Szerintem nagyon sokan nem is gondolnák, hogy a Mesterséges Intelligencia, vagy csak röviden MI az 1943-as időszakra vezethető vissza. S ez azért érdekes, mert például a lyukkártyás számítógépeket 1958–65 környékén kezdték el használni, Magyarországon, természetesen egyetemi körülmények között.

Warren McCulloch

Ő már 1943-ban javasolta a mesterséges neuron modellt.  Igaz ez az elmélet, már meglehetősen kezdetlegesnek számít, hiszen a mesterséges neuron modell lényege, hogy minden neuron vagy bekapcsolt, vagy kikapcsolt állapotban van, és ahol az átkapcsolás „be” állapotba akkor történik, amikor a neuront kellő számú szomszédos neuron stimulálja.

Stimulál

Ebben a szóban a lényeg, hisz ez ösztönöz, ingerel jelentéssel bír, azonban maga az elmélet ügye a bináris jelenségre épít, amelyet ugyan a háztartások többségében levő számítógépek mai napig is használnak, 0 – nincs esemény 1– van esemény, de természetesen már léteznek merőben új elven működő processzorok is.

A Google és a Nasa berkeiben mindenképpen.

Kimutatták már azt is, hogy az összekapcsolt neuronok valamilyen hálózatával, minden kiszámítható függvény előállítható, s viszonylag egyszerűbb hálózatstruktúrákkal az összes logikai művelet ÉS, VAGY, NEM, előállítható.

Neurális alapú számítógép, az első, a Mesterséges Intelligencia kiinduló pontja❓

Princeton Egyetemről gördült ki Marvin Minsky és Dean Edmonds egyetemi hallgatók munkássága révén, 1951-ben. Az összeállított gép a Snarc nevet kapta, amely legalább 3000 elektroncsőből állt, és az akkori B-24-es bombázó vadászgép automatapilóta mechanizmusát felhasználva, 40 darab neuronból álló hálózatot szimulált. Valójában Minsky phD munkássága amiről beszélünk, s érdekesség még, hogy ennek a munkásságnak a jövőjét, tehát a phD anyag pozitív fogadtatását, egy magyar ember, Neumann János támogatta, ugyanis Minsky phD bizottságának a tagja volt.

Látható, hogy az MI alapjainak, sok kezdeményezést lehetne tekinteni, de mégis az igazi elképzelés megfogalmazása egy évvel korábbra 1950-re datálódik, amikor is a „Computing Machinery and Intelligence” című cikkben Alan Turing által, le lett fektetve az MI elképzelésének alapjai, amikor értekezett a gépi tanulás folyamatairól, a genetikus algoritmusokról, valamint a megerősítéses tanulás fogalmáról.

Megerősítéses tanulás

Az állatok pszichológiáját kutatók, 60 éve intenzíven tanulmányozzák. A megerősítéses tanulás (reinforcement learning) feladata az, hogy optimális (vagy közel optimális) stratégiát tanuljunk az adott környezethez. Álláspontom szerint, valahol a megerősítéses tanulási folyamat az, amely az MI komplexitását, azaz a felmerült problémákat átfogja. Ez az a folyamat , amikor azt mondjuk, hogy egy ágenst behelyezünk egy új környezetbe és azt vizsgáljuk, hogy milyen önfejlesztésre képes, miből, mit tanul. Ha a tanuló ágens (program) megfelelő negatív jutalmat kap, minden olyan szituációban, amikor rosszul teljesített, akkor az ágens önállóan megtanulhatja azokat a folyamatokat, amelyek révén, cselekvését siker koronázza.

1999-es esztendőből egy érdekes emlékem

Linux Journal nevű havi magazin ’99-es márciusi kiadványának 40. oldalán olvashattam egy kitűnő tartalommal bíró cikket,

„Autonomous Vehicles” címmel, ami magyarra fordítva talán úgy írható le leginkább, hogy önirányító járművek. 👇

Argo Projekt

Szimplán a Linux kernel felhasználásával egy egyszerű Pentium MMX bázisú processzor használatával (200Mhz, 32MB RAM) a fentiekben általam hivatkozott megerősítéses tanulás kivitelezhető volt. A leprogramozáshoz viszont meglepően nem a mesterséges intelligenciával mondhatni rokonságban levő programnyelvek valamelyikét választották, hanem az annak idején Linxura elérhető Netwide Assembler-t (NASM) azaz szimplán gépi kódot. A projekt eredménye az lett, hogy az autó szépen ment magától, a neki előirányzott útvonalon, a közlekedés szabályait betartva, mindenféle emberi beavatkozás nélkül, biztonságban az Olasz csizma egész területén.

A Mesterséges Intelligencia szektorában, vannak érdekes vívmányok, amelyek a különböző tudományos folyóiratokban is elolvashatóak, de nem tudom megállni, hogy felhívjam a figyelmet, azon sok sületlenségre, amelyet azért az Internet bugyra ki tud okádni saját magából. Nem kívánom megnevezni, melyik – nemcsak online elérhető újság – cikkei között lehetett 2017-ben akkora idiótaságot olvasni, hogy az ember feje ketté állt 😄 Például, hogy a Facebook üzemeltetőinek saját két chat robotjukat le kellett tiltania, merthogy ezeket a facebook arra tervezte, hogy megtanuljanak kommunikálni az emberekkel, de kifejlesztettek egy saját nyelvet, és a szoftverek egymás között kommunikáltak, hogy az emberek azt ne értsék. Szóval, azért az ilyenek megkacagtatóak, de félelmetes, hogy mennyi szeméttel tudják az online szférát ellátni.

Tudományok gyökere

Kétséget kizáróan a filozófia. Ebből vezethető le az összes tudomány, s úgy gondolom a Mesterséges Intelligenciában nagyon sok tudomány találkozik,

például a pszichológia mindenképpen!

Az MI alkalmazási területei

Az MI alkalmazása a játékok és a robotirányítási alkalmazások területén egyértelműen megjelenik.

A megerősítéses tanulás első fontos alkalmazása Arthur Samuel dámajáték programja volt (1959 – 1967) – egyben ez volt a tanuló programok egyik legjelentősebb példánya.

De Gerry Tesauro TD-Gammon rendszere (1992) jól mutatja a megerősítéses tanulási technikák erejét. A TD-Gammon projekt az önmagában való tanulás egy kísérlete volt. A TD-Gammon csupán az egyes játszmák végén adott egyetlen jutalomjelet. A kiértékelő függvény reprezentációját egy teljesen összekötött, egyetlen (40 elemből álló) rejtett réteggel felépített neuronhálóval oldotta meg.

Ötlet otthoni kísérletezésre, költséges játékos hobbi 😉

Egyébként Mesterséges Intelligenciával, ha kicsit tehetősebbek vagyunk, de már mi magunk is kísérletezhetünk otthoni körülmények között. Pár nappal ezelőtt sétáltam egy bevásárlóközpontban, Budapest Alleen-belül valamelyik bolt, nem emlékszem már a nevére, de láttam egy érdekes, hogy is mondjam csak, inkább kísérletező felnőtteknek való játékot 😎 Azt hiszem talán az UbTECH valamelyik kiadása lehetett.

De a lényeg az, hogy egy olyan robotot lehet beszerezni kb. 250 ezer forint ellenében, amelyre különböző interfészeken keresztül, számítógéppel is rá tudunk csatlakozni, s mi magunk tudjuk kódolni, s tanuló algoritmusokat írni. Érdekes, játékos kísérletek lehetnek, az biztos!

Jövőbeli irányvonal

A jövő számítógépe mindenféleképpen a Qubit azaz kvantumbit processzorok irányába mutat, amely a Mesterséges Intelligencia számára még további távlati lehetőségeket nyit. Egyelőre a Google rendelkezik ilyen géppel és a Nasa. Amíg egy klasszikus bit maximum a 0-át vagy az 1-et veheti fel, addig a Qubit képes a két állapot szuperpozíciójában lenni. A Google 72 qubitos számítógéppel rendelkezik.

Egy kicsit még Qubit témában, hogy érthető legyen

Két qubit négy állapotot vehet fel (00, 01, 10, 11). Minél több qubit kapcsolódik össze, annál erősebb lesz a hatás, és a felvehető állapotok a kettő n-edik hatványa szerint nőnek, ahol n a qubitek számát jelenti: 10 qubit tehát már 1024 értéket tartalmazhat, 50 Qubit pedig több mint egybilliárdot azaz a felvehető állapotok száma 1 125 899 906 842 624. Az IBM rukkolt elő elsőként a maga 50 Qubitos gépével, s erre kontrázott rá a Google a maga 72 bites Qubitos gépével.