nadtitulok:
Kniha o klucovej oblasti umelej inteligencie

titulok:
Inteligencia ako vypocet

perex:
Inteligencii vdacime za schopnost robit vypocty. Vypocet 
vsak moze byt aj modelom myslenia - inteligencie.

text:
Maloktora vedna disciplina vzbudzovala tolko ocakavani 
medzi odbornou, ale najma laickou verejnostou ako umela 
inteligencia. Velkolepe a zrozumitelne projekty jej ziskali 
velku publicitu a stedre dotacie, z ktorych odkrajovali nielen 
poctivi vedci. Jej pociatocny zaber bol taky bezbrehy (prispel k 
tomu aj vecne diskutovany nazov umela inteligencia), ze sa v nom 
schovala aj armada hochstaplerov. Nastastie, postupne si vacsina 
z nich nasla utulnejsi pristresok pod siatrami futurologie (ci 
rovno science-fiction), prognostiky alebo kognitivnych vied, 
aspirujucich na funkciu transdisciplinarneho odboru, ktory skuma 
"myslenie". 
Umelej inteligencii sa tak postupne vycistil zaber. Ostali 
skutocne tazke, ale dobre formulovane problemy. Skumanie mysle 
introspekciou a vnutornym prezivanim prenechala filozofii a 
psychologii, skumanie pozorovanim, meranim a pokusmi zase 
biologii a neurovedam. Ostalo jej skumat poznavacie a 
usudzovacie schopnosti pomocou vytvarania teoretickych, 
softverovych a hardverovych modelov. Tie jej priniesli velky 
pokrok pri rieseni uloh ziskavania primarnych informacii 
(rozpoznavanie zvukov, dvoj- a trojrozmernych objektov, 
prirodzenych jazykov atd.) a ich nasledneho spracovania 
(vyvodzovanie priamych i velmi nepriamych dosledkov tychto 
informacii).

Nic, bod, posun
Inteligencia ako vypocet. Tak znie nazov knihy Jana 
Sefranka venovanej teoretickym zakladom klucovej oblasti umelej 
inteligencie - analyze a modelovaniu (pomocou vypoctov) 
inteligentneho spravania, presnejsie, schopnosti usudzovania, 
odvodzovania novych poznatkov. Je pritom jedno, ci sa tak deje v 
ramci lokalneho expertneho systemu, alebo ci informacie 
ziskavame a spracuvame z globalnej pocitacovej siete. Kniha je o 
tom, co volame zdravy sedliacky rozum a Anglosasi common sense. 
O schopnosti vytvarat hypotezy, overovat ich, ale aj zavrhnut, 
ak sa neosvedcili. Je to tazka tema - aj tazke citanie. 
Necakajte nieco na sposob "Clenom Mensa lahko a rychlo".
Jan Sefranek sa svojou knihou dostal velkym oblukom, od 
nedobrovolne-dobrovolne opustenej kariery nadejneho filozofa v 
beznadeji normalizacie cez studium matematiky a povolanie 
informatika, na pomedzie filozofie, matematiky a informatiky. 
Mimochodom, na obale je kresba Devinskej brany s dvojnasobnou 
citaciou (z) diela P. Bartosa Nic, bod, posun. Nebol jediny 
(najma vtedy), kto istoty vedeckeho poznania hladal v exaktnych 
disciplinach. Tie totiz spravidla unikli ideologickemu dohladu 
vtedajsich majitelov krajiny - hoci niektore poctila pozornostou 
Strana. Ta kybernetiku najprv oznacovala za burzoaznu pavedu, 
neskor, s narastajucim vyznamom vypoctovej techniky, pozmenila 
nazor. Dohlad nad zapadnym huncutstvom si vsak ponechala, aspon 
na univerzitnej pode. Volakedajsia Katedra kybernetiky UK bola 
pod specialnou kuratelou, co vytvorilo i zanechalo dusivu 
atmosferu, neprajnu umelej inteligencii. Nastastie pre slovensku 
informatiku nebola jedinym odbornym pracoviskom.

Cesty k novym poznatkom
Zakladnym matematickym modelom myslenia su znalostne 
systemy. Skladaju sa v zasade z dvoch casti: mnoziny poznatkov 
a inferencneho mechanizmu, ktory z nich umoznuje odvodzovat 
dalsie poznatky.
Klasicka logika predstavuje specialny typ znalostneho 
systemu. V najjednoduchsom pripade mozeme zacat budovat mnozinu 
poznatkov z axiom a pomocou odvodzovacich pravidiel dostavat 
nove tvrdenia, poznatky. Vyhodou je, ze ak vychadzame zo 
spolahlivej mnoziny faktov a na odvodzovanie novych poznatkov 
budeme pouzivat len overene "logicke" pravidla, ostaneme na 
pevnej pode - medzi znalosti nezaradime hlupost. Nase myslenie 
ale takto nefunguje. Nastastie. Lebo nevyhodou takehoto postupu 
je neschopnost prekrocit ramec striktneho logickeho usudzovania, 
co moze byt casto jedina cesta k novym poznatkom. Ak sa vydame 
po nej, mozeme prist k necakanym a objavnym zaverom - za cenu, 
ze kde-tu sliapneme vedla. Ale inteligentne spravanie je aj o 
tom, ako sa s takouto slamastikou vysporiadat - bud rezignovat 
aspon na cast predpokladov, z ktorych sme pri odvodeni nezmyslu 
vysli (ak je to mozne), alebo na univerzalnu platnost pouziteho 
usudzovacieho mechanizmu. Pri tom nesmieme zabudnut na jeden 
konkretny problem. Ako efektivne poznatky ukladat a spatne 
vyhladavat a ako efektivne nove poznatky vytvarat. Model, 
ktoreho naroky presahuju moznosti najvykonnejsich pocitacov, nam 
neprinesie vela praktickeho (a mozno ani teoretickeho) uzitku.

Gumovanie v databaze
Najznamejsim nastrojom na uskladnenie poznatkov su 
databazy. Okrem explicitnych informacii obsahuju aj informacie 
implicitne, tie, ktore mozno odvodit. Predpokladajme, ze mame 
databazu obsahujucu historicke zaznamy jednej slovenskej obce o 
rodicoch a detoch a neuplne informacie o farbe ich vlasov. V 
databaze je explicitne uvedene, kto je koho rodicom ci dietatom. 
Mozno z nej vsak odvodit aj informacie o starych rodicoch a 
vnukoch, teda informaciu, ktora sa explicitne v zakladnej 
mnozine poznatkov nevyskytuje. Trochu zlozitejsi mechanizmus 
(nie je dopredu jasne, kolko generacii treba preskumat) odvodi 
aj informaciu o vzdialenejsich pribuzenskych pomeroch. Takto 
ziskane informacie mozeme zaradit medzi nove genealogicke 
poznatky. 
Pomocou informacii o vlasoch sa zase mozeme zahrat na 
insitneho genetika. Vyslovime domnienku - hypotezu: ak maju 
rodicia rovnaku farbu vlasov, zdedia ju aj ich potomkovia. 
Mozeme ju overit na existujucich zaznamoch. Ak ju fakty 
nevyvratili, nielenze nas objav potesi, ale mozeme sa pokusit 
doplnit udaje o tych obyvateloch, pri ktorych farba vlasov v 
zaznamoch chyba. Tu uz vstupujeme na vratku podu - do databazy 
pripisujeme chybajuce udaje o farbe vlasov deti na zaklade 
hypotezy. Rozsirili sme nase poznanie indukciou. 
Rovnako ale mozeme skusit pouzit abdukciu - v istom zmysle 
obratenie klasickeho pravidla modus ponens. To vravi, ze ak 
plati A a z A vyplyva B, tak usudzujeme, ze plati B. Aj v beznom 
zivote toto korektne pravidlo casto nekorektne obraciame. Ak vam 
slecna Katka oznami, ze ak bude prsat, pojde do kina, necakate, 
ze vas na predstaveni pristihne so slecnou Veronikou za 
slnecneho popoludnia. Pritom Katka o svojich planoch v pripade 
pekneho pocasia nic nehovorila. V podstate sme pouzili abdukciu, 
z pravidla ak plati A, tak B usudzujeme o pravdivosti A podla 
pravdivosti B. Ak abdukciu aplikujeme na nasu databazu, skusime 
doplnit dalsie informacie: ak su vsetky deti tmavovlase, rovnako 
aj matka, doplnime chybajucu informaciu o otcovi - zrejme 
brunetovi. 
A kedze cele nase usudzovanie bolo na urovni hypotez, moze 
vzniknut konflikt - v nasej databaze sa vyskytne nestastnik, z 
ktoreho indukcia (rodicia) urobi blondina a abdukcia (deti s 
manzelkou) cierneho ako uhol. Co s tym? Poctivy badatel z neho 
dodatocne neurobi biele miesto v dejinach. Vzniknutu 
nekonzistenciu poznatkov riesi v zasade dvoma sposobmi revizie. 
Zavrhne abdukciu, alebo cestne prizna, ze jeho geneticka 
hypoteza zlyhala - farba vlasov sa nemusi dedit len po rodicoch 
(naladu mu vsak moze zdvihnut hlbsi pohlad do nim vytvorenych 
rodokmenov). Zaroven narazil na klasicky pripad nemonotonneho 
usudzovania. Z vacsieho mnozstva poznatkov neodvodil vacsie 
mnozstvo zaverov. Naopak, v istej chvili musi v databaze potupne 
gumovat udaje o farbe vlasov, ktore predtym tak hrdo doplnil. 
Ale aj tato schopnost patri k inteligencii. Vsak si precitajte.

Damas Gruska 
Autor (1962) je informatik.

Jan Sefranek: Inteligencia ako vypocet.* Iris, Bratislava 
2000.


obrazok Inteligencia.jpg