Curs nr.

1
Introducere în inteligenţa artificială
1 Scurt istoric

Inteligenţa artificială reprezintă un domeniu al ştiinţei calculatoarelor care s-a constituit

în scopul emulării comportamentului inteligent la maşini, în speţă la calculatoare.
Constituirea ca domeniu ştiinţific autonom, cu obiect de studiu propriu, cu metode şi
tehnici de lucru specifice s-a realizat la începutul anilor „50, urmare a dezvoltării şi maturizării
cercetărilor proprii, precum şi a sprijinului de care a beneficiat inteligenţa artificială din partea
unor domenii conexe, precum: matematica, psihologia, fiziologia, în special a creierului.
În 1950 este formulat testul lui Turing, care defineşte cerinţele pe care trebuie să le
satisfacă un calculator pentru a fi considerat inteligent. A. Turing a formulat acest test sub forma
unui joc de indentificare în trei. Doi dintre parteneri, desemnaţi prin A şi B, sunt izolaţi senzorial
de cel de-al treilea - C, care are sarcina de a preciza, în fiecare moment, identitatea partenerului
său de dialog (A sau B). În cadrul interacţiunii, participantul A cooperează cu C în sensul că nu
îşi ascunde identitatea, în timp ce B caută să îl deruteze pe C, dându-se drept A. La un moment
dat, B este înlocuit printr-un calculator. Dacă performanţele lui C în identificarea partenerilor nu
se îmbunătăţesc după realizarea acestei schimbări, atunci calculatorul care l-a înlocuit pe B poate
fi caracterizat drept inteligent.
Testul lui Turing este important întrucât defineşte inteligenţa în termeni comportamentali.
O entitate (naturală sau artificială) trebuie considerată inteligentă în raport de comportamentul său
În 1957 este lansat primul produs de inteligenţă artificială, Logic Theorist, produs
destinat demonstrării automate de teoreme şi realizat de către A. Newell, J.C. Shaw şi H. Simon.
În rezolvarea problemei se pleca de la teorema care trebuia rezolvată realizându-se deplasarea
spre axiome, prin eliminarea progresivă a diferenţelor dintre starea curentă a problemei şi scopul
propus.
Imediat după lansarea acestui produs, realizatorii săi au demarat un proiect mult mai
ambiţios, denumit General Problem Solver, prin care se urmărea realizarea unui produs capabil să
rezolve o gamă largă de probleme. Produsul urma să încorporeze metode de raţionament
generale, care să îl facă aplicabil în domenii extrem de variate. Iniţiatorii acestui proiect au plecat
de la premiza că la baza comportamentului inteligent stau o serie de mecanisme de gândire
generale, universale, care sunt utilizate în rezolvarea oricărei probleme, în desfăsurarea oricărei
activităţi. Proiectul avea drept obiective identificarea acestor mecanisme abstracte ale gândirii şi
transpunerea lor sub forma unor programe de calcul.
Anii '70 au marcat introducerea şi generalizarea conceptului de cunoştinţe (knowledge),
considerându-se că emularea comportamentului inteligent la maşini este posibilă prin memorarea
şi prelucrarea automată de cunoştinţe. Produsele de inteligenţă artificială încep să fie realizate sub
forma unor sisteme care deţin şi utilizează cunoştinţe, din această cauză şi fiind denumite sisteme
bazate pe cunoştinţe sau sisteme cu bază de cunoştinţe.
Sistemele de inteligenţă artificială cu cel mai mare succes comercial în domeniul civil au
fost, în această perioadă, sistemele expert. DENDRAL, MYCIN şi PROSPECTOR reprezintă
sisteme de automatizare a expertizei umane într-o serie de domenii, precum: chimia, medicina,
geologia. În deceniul şapte astfel de sisteme au convins comunitatea economică de valenţele
cercetărilor din domeniul inteligenţei artificiale.
La începutul anilor '80 în Japonia este iniţiat proiectul calculatoarelor de generaţia a
cincea. Generaţia a cincea de calculatoare era prefigurată drept generaţia sistemelor de prelucrare
automată a cunoştinţelor (Knowledge Information Processing Systems). Aceste sisteme urmau să
se caracterizeze prin puternice facilităţi de prelucrare a cunoştinţelor, prin avansate facilităţi de
gestiune a bazelor de cunoştinţe şi interfeţe inteligente om-maşină. În locul setului standard de

1
operaţii aritmetico-logice, procesoarele urmau să realizeze inferenţe (raţionamente elementare),
viteza lor exprimându-se prin număr de inferenţe/secundă. Ca limbaj maşină, proiectul viza
utilizarea limbajului Prolog. După trecerea celor zece ani cât a durat proiectul, au fost raportate o
serie de succese, în special în domeniul hardware-ului paralel, dar au fost făcute mai puţine
referiri în ceea ce priveşte software-ul de prelucrare a cunoştinţelor.
Decada anilor '80 s-a caracterizat prin extinderea utilizării produselor de inteligenţă
artificială în mediul economic, prin diversificarea metodelor şi tehnicilor de lucru aplicate în
realizarea diferitelor sisteme inteligente. Realizatorii de instrumente software au diversificat
oferta de instrumente pentru generarea de produse de inteligenţă artificială. Totodată, au fost
soluţionate o serie de probleme legate de integrarea sistemelor de inteligenţă artificială cu diferite
tipuri de sisteme hardware şi software.
În prezent, cercetările în domeniul inteligenţei artificiale vizează în continuare
diversificarea metodelor şi tehnicilor de lucru, diversificarea platformelor hardware pe care să se
realizeze implementarea sistemelor de inteligenţă artificială, găsirea unor noi soluţii de realizare a
sistemelor distribuite de inteligenţă artificială, precum şi de hibridizare a sistemelor (de utilizare
combinată a mai multor categorii de metode şi tehnici).

2 Obiectul de studiu al inteligenţei artificiale

Obiectul de studiu al inteligenţei artificiale îl reprezintă comportamentul inteligent şi

posibilitatea de emulare a acestuia la maşini. Prin comportament inteligent se înţelege acel
comportament care implică realizarea de activităţi ce reclamă calităţi intelectuale deosebite, cum
ar fi, de exemplu: posibilitatea de abstractizare, adaptarea la situaţii noi, incomplet cunoscute,
flexibilitate, creativitate ş.a.m.d. Înţelegerea limbajului natural, practicarea matematicii,
rezolvarea unor probleme practice dificile, acordarea de semnificaţie diferitelor forme sunt
exemple de activităţi a căror realizare reclamă inteligenţă, caracterizând deci un comportament
inteligent. Efectuarea acestor activităţi de către maşină, prin urmare automatizarea lor, poate fi
extrem de dificilă. Chiar şi activităţi precum înţelegerea limbajului natural pe care omul le
realizează în mod curent şi care sunt considerate, din această cauză, activităţi comune, chiar
triviale, pot fi extrem de dificil de automatizat.
La începutul constituirii sale ca domeniu ştiinţific, inteligenţa artificială a pus la baza
explicării şi emulării comportamentului inteligent paradigma ce poate fi referită prin sintagma
General Problem Solver, după denumirea ambiţiosului proiect derulat în anii „60. Acest lucru
înseamnă că abordările iniţiale au preluat conceptul de algoritm şi au încercat perfecţionarea
acestuia sub forma unui “algoritm al algoritmilor”(algoritmi de generare de algoritmi de rezolvare
a diferitelor clase de probleme).
Eşecul proiectului cu acest titlu a demonstrat că activităţile ce reclamă inteligenţă trebuie
abordate diferenţiat, ţinând cont de marea lor varietate şi că esenţiale în realizarea acestor
activităţi sunt cunoştinţele. Sfârşitul anilor „70 a marcat momentul unei schimbări de paradigmă
(figura 1) în cadrul inteligenţei artificiale şi anume trecerea la cunoştinţe, considerat drept
conceptul central al inteligenţei artificiale.

ALGORITM
Comportament Comportament
“convenţional” “inteligent”
al maşinilor GENERAL PROBLEM al maşinilor
SOLVER

CUNOŞTINŢE

Fig. 1 - Schimbarea de paradigmă în cadrul inteligenţei artificiale

2
În sens informatic, cunoştinţele reprezintă informaţii care servesc la realizarea diferitelor
activităţi, oferind suport în rezolvarea problemelor. Deşi aspectul pragmatic este esenţial în
definirea conceptului de cunoştinţe, exprimarea acestora trebuie realizată relativ independent de
modul lor de utilizare, deoarece unele şi aceleaşi cunoştinţe pot fi utilizate în mod diferit pentru
rezolvarea diferitelor probleme sau chiar pentru aceeaşi problemă, dar în circumstanţe diferite.
Cunoştinţele constituie informaţii acceptate ca utile în atingerea anumitor scopuri.
Cunoştinţele prezintă, prin urmare, caracteristica de intenţionalitate legată de scopul utilizării lor,
precum şi de încredere în valabilitatea şi utilitatea aplicării acestora.
Cunoştinţele sunt informaţii corelate, integrate unui context specific, pentru care au
semnificaţie şi relevanţă şi în care sunt valabile şi aplicabile.
Informatica convenţională se bazează pe o reprezentare implicită a cunoştinţelor şi o
reprezentare explicită a modului de utilizare a acestor cunoştinţe. Algoritmul constituie de fapt o
schemă de aplicare a unor cunoştinţe care nu sunt menţionate în mod explicit, ci sunt prezente în
contextul de prelucrare în formă implicită.
Spre deosebire de această abordare, inteligenţa artificială a adoptat soluţia reprezentării
explicite a cunoştinţelor, într-o formă relativ independentă de modurile lor de utilizare. În aceste
condiţii, realizarea unui sistem bazat pe cunoştinţe presupune achiziţionarea şi reprezentarea
cunoştinţelor necesare efectuării anumitor activităţi, memorarea acestor cunoştinţe în cadrul
sistemului şi înzestrarea acestui sistem cu mecanisme care să permită aplicarea (utilizarea)
cunoştinţelor. Responsabilitatea deciziilor privind modul efectiv de utilizare a cunoştinţelor
revine sistemului însuşi, care la momentul execuţiei va lua, în mod automat, decizii privind CE
cunoştinţe, CUM şi CÂND să fie utilizate.
Sistemele bazate pe cunoştinţe dispun de o bază de cunoştinţe, de mecanisme de utilizare
a acestora, denumite mecanisme rezolutive, inferenţiale sau de raţionament, precum şi de
interfeţe, cea mai importantă fiind interfaţa utilizator (figura 2).

Mecanismele de
utilizare a cunostintelor
Baza de cunostinte (de rationament,
inferentiale)

Interfata

Fig. 2 - Arhitectura unui sistem bazat pe cunoştinţe

Achiziţionarea cunoştinţelor reprezintă aspectul critic în realizarea sistemelor bazate pe

cunoştinţe, ceea ce a determinat definirea unui model arhitectural care înglobează şi componenta
de achiziţionare automată a cunoştinţelor (figura 3).
Modelul funcţional al sistemelor bazate pe cunoştinţe are la bază următoarele funcţii pe
care trebuie să le îndeplinească un astfel de sistem şi anume:
■ Achizitionarea automata a cunostintelor
■ Reprezentarea cunostintelor
■ Utilizarea cunostintelor
■ Sustinerea utilizarii rezultatelor

3
 Mecanismele de
utilizare a cunostintelor
Baza de cunostinte (de rationament,
inferentiale)

Mecanisme de achizitionare automata a

cunostintelor

Interfata

Fig. 3 - Arhitectura unui sistem bazat pe cunoştinţe cu facilităţi de învăţare automată

3. Conceptul de agent inteligent

În prezent, prototipul de sistem bazat pe cunoştinţe este agentul inteligent (raţional),

inteligenţa artificială fiind considerată drept disciplina care are drept obiectiv studierea si
construirea de agenti rationali
Un agent reprezintă o entitate care percepe mediul prin senzori şi acţionează asupra
mediului prin efectori (figura 4).

perceptii
Mediu
Agent

actiuni

Fig. 4 – Agentul, în interacţiunea cu mediul

Un agent raţional este un agent care face ceea ce trebuie, adică acţionează în scopul obţinerii
succesului. Raţionalitatea este asociată cu succesul aşteptat, luând în considerare ceea ce a fost
perceput. Pentru de defini succesul se utilizează o măsură a performanţei agentului. Prin urmare,
raţionalitatea unui agent este definită în funcţie de următoarele elemente (figura 5):
- măsura de performanţă, care defineşte gradul de succes ;
- secvenţa percepţiilor ;
- ceea ce ştie a priori agentul ;
- acţiunile pe care le poate realiza agentul.

Agentul raţional ideal reprezintă agentul care actioneaza astfel încât să-şi maximizeze
performanţa, pe baza informaţiilor despre mediu dobândite prin percepţii şi a cunoştinţelor
deţinute anterior.

4
 Agent
Senzori
M

perceptii
E

D
Memorie (BC)

Alegere actiuni
U

actiuni

Efectori

Fig. 5. – Modelul general al agentului inteligent

Un program agent reprezintă o functie (un program) prin care se realizeaza trecerea de la
percepţii la acţiuni. Funcţia presupune existenta unei arhitecturi de implementare (hardware si
software). Prin urmare, agentul = arhitectura + programul.

Structura generica a unui program agent este următoarea:

function AGENT(perceptie) returns actiune

static: memorie

memorie ACTUALIZARE-MEMORIE(memorie, perceptie)

actiune CEA-MAI-BUNA-ACTIUNE(memorie)
memorie ACTUALIZARE-MEMORIE(memorie, actiune)
return actiune

Principalele tipuri de agenti sunt :

• Agenti simpli
• Agenti care memoreaza evolutia mediului
• Agenti bazati de scop
• Agenti bazati pe utilitate

Structura generică a unui agent simplu este următoarea :

function AGENT-SIMPLU(perceptie) returns actiune

static: reguli

stare INTERPRETARE(perceptie)
regula MATCHING-REGULA(stare, reguli)
actiune ACTIUNE-REGULA[regula]
return actiune

5
Structura generică a unui agent care memoreaza evolutia mediului este următoarea:

function AGENT-CU-MEMORARE-MEDIU(perceptie) returns actiune

static: stare
reguli

stare ACTUALIZARE-STARE(stare, perceptie)

regula MATCHING-REGULA(stare, reguli)
actiune ACTIUNE-REGULA[regula]
stare ACTUALIZEAZA-STARE(stare, actiune)
return actiune

Structura generică a unui agent bazat pe scop este următoarea:

function AGENT-BAZAT-PE-SCOP(perceptie) returns actiune

static: stare
stare-tinta
rezultat-actiuni

stare ACTUALIZARE-STARE(stare, perceptie)

actiune IDENTIFICARE-ACTIUNE(stare, stare-tinta, rezultat-actiuni)

stare ACTUALIZEAZA-STARE(stare, actiune)

return actiune

Structura generică a unui agent bazat pe utilitate este următoarea:

function AGENT-BAZAT-PE-SCOP(perceptie) returns actiune

static: stare
utilitate-stari
stare-tinta
rezultat-actiuni

stare ACTUALIZARE-STARE(stare, perceptie)

stari-posibile IDENTIFICARE-REZULTAT(stare, rezultat- actiuni)

stare-tinta CEA-MAI-MARE-UTILITATE(stari-posibile,
utilitate-stari)
actiune IDENTIFICARE-ACTIUNE(stare, stare-tinta, rezultat-actiuni)
stare ACTUALIZEAZA-STARE(stare, actiune)
return actiune

Pentru agent, interacţiunea cu mediul reprezintă un aspect esenţial. Mediul are asociate o serie de
caracteristici, fiind caracterizat drept:
- Accesibil-inaccesibil
- Deterministic-nedeterministic
- Episodic-nonepisodic
- Static-dinamic

6
 - Discret-continuu

Structura generică a programului de simulare a mediul agentului este următoarea :

procedure RUN-ENVIRONMENT(stare, UPDATE-EN, agenti, conditie-terminare)

inputs: stare
UPDATE-EN
agenti
conditie-terminare

repeat
for each agent in agenti do
PERCEPT[agent] GET-PERCEPT(agent, stare)
end
for each agent in agenti do
ACTION[agent] PROGRAM[agent](PERCEPT[agent])
end
stare UPDATE-EN(actiuni, agenti, stare)
until conditie-terminare(stare)

4. Domeniile inteligenţei artificiale

Prin obiectul său de studiu, inteligenţa artificială vizează automatizarea activităţilor

dificile, care sunt efectuate cu greutate de către om sau care sunt greu de automatizat, de
transferat la maşină.
Activităţile caracterizate drept dificile şi vizate de inteligenţa artificială au variat în timp.
Astfel, în anii '50 s-a considerat că inteligenţa artificială trebuie să realizeze automatizarea
activităţilor legate de practicarea matematicii, precum demonstrarea de teoreme matematice şi
jocurile cu partener calculator (şah, dame, bridge etc.). Aceste activităţi sunt greu de automatizat
datorită exploziei combinatoriale a calculului care se produce în procesul rezolvării lor, dar şi
prelucrărilor preponderent simbolice pe care le implică, prelucrări insuficient maturizate la acea
dată în domeniul informaticii. În ceea ce priveşte posibilitatea de definire, aceste activităţi se
încadrează în clasa problemelor bine definite. Tot în anii '50, datorită neconştientizării suficiente
a dificultăţilor de transferare spre maşină, se considerau ca activităţi de interes pentru inteligenţa
artificială şi activităţile umane cu un grad ridicat de creativitate. Sunt semnalate în această
perioadă încercări de creaţie muzicală, literară, artistică în general, exclusiv de către calculator.
Această perioadă este cunoscută şi sub numele de perioada clasică a inteligenţei artificiale.
În anii '60 activităţile puternic creative sunt identificate drept activităţi ce nu pot fi
transferate, integral, maşinilor, creativitatea reprezentând un atribut prin excelenţă uman.
Domeniul problemelor combinatoriale, bine definite reprezintă, în continuare preocuparea
predilectă a cercetătorilor din domeniul inteligenţei artificiale, alături de problemele de percepţie
şi robotica. Problemele preferate în această perioadă, denumită şi perioada romantică a
inteligenţei artificiale, au fost cele pentru care exista posibilitatea formulării unei descrieri
complete, precise, în care să fie implicat un volum relativ redus de date, însă într-o activitate de
prelucrare complexă, bazată pe analiza unui număr important de alternative, în vederea generării
soluţiei. Aşa numitele probleme prost sau slab structurate, de tip interpretare rezultate
experimentale, ce presupun o mare cantitate de informaţii şi pentru care nu există o definiţie
precisă erau evitate, fiind considerate în acea perioadă nepotrivite pentru inteligenţa artificială.
În anii '70 accentul se deplasează însă tocmai spre acest tip de probleme. Locul central în
preocupările cercetătorilor din cadrul inteligenţei artificiale este ocupat de probleme de

7
diagnosticare (tehnică, medicală, economică), analiză şi interpretare date, acordare de
semnificaţie pentru datele senzoriale, consultanţă, instruire, asistare a deciziilor tactice şi
strategice, toate reprezentând în esenţă probleme prost definite. Începe acum aşa numita perioadă
modernă a inteligenţei artificiale.
Domeniile inteligenţei artificiale reprezintă zone majore de aplicaţii ale inteligenţei
artificiale structurate conform tipurilor de activităţi considerate drept semnificative pentru acest
domeniu.
Prelucrarea limbajului natural cuprinde atât înţelegerea cât şi generarea mesajelor în
limbaj natural. Este considerat drept cel mai dificil domeniu al inteligenţei artificiale.
Comunicarea în limbaj natural presupune realizarea unor procese extrem de complexe şi încă
puţin cunoscute. Limbajul natural serveşte la vehicularea cunoştinţelor, sub formă de mesaje,
adesea foarte condensate. Înţelegerea limbajului natural este o problemă deosebit de complexă, de
decodificare a acestor mesaje. Un sistem software capabil să înţeleagă un mesaj în limbaj natural
ar trebui să posede tot atâtea cunoştinţe contextuale şi să efectueze tot atâtea prelucrări
informaţionale, câte au fost necesare celui care a redactat mesajul. În prezent, au fost decodificate
şi generate mesaje în limbaj natural pentru fragmente limitate de lexic
De prelucrarea limbajului natural sunt legate o serie de alte aplicaţii de inteligenţă
artificială, precum traducerile automate şi programarea automată. Programarea automată
presupune generarea unui program pe bază de specificaţii redactate un limbaj natural sau într-o
altă formă de nivel înalt. Într-un anumit sens, compilatoarele realizează o programare automată,
prin faptul că generează cod obiect pe baza unor enunţuri exprimate într-un limbaj formal
(limbajul de programare utilizat pentru scrierea programului sursă). Această formă de programare
automată nu este în spiritul a ceea ce se înţelege în cadrul inteligenţei artificiale prin programare
automată, întrucât nu este asigurată cerinţa ca specificaţiile să fie de nivel înalt. Scrierea oricărui
program este legată de demonstrarea faptului că programul respectiv determină obţinerea unor
rezultate corecte (verificarea programului). Toate sistemele de programare automată trebuie să
realizeze această verificare a programului generat.
Modelarea diferitelor forme de raţionament reprezintă un domeniu mai abstract, cu
aplicabilitate în cadrul altor domenii teoretice şi practice. Semnificative pentru acest domeniu
sunt modelarea raţionamentului inductiv, element de bază al sistemelor de învăţare automată şi
modelarea raţionamentului incert, esenţială în cadrul sistemelor expert. În cadrul modelării
raţionamentului, un rol important îl deţine demostrarea automată a teoremelor, tratată uneori drept
domeniu distinct.
Demonstrarea automată a teoremelor presupune abilitatea de a realiza deducţii, plecând
de la o serie de ipoteze, precum şi intuiţie, pentru stabilirea teoremelor anterior demonstrate a
căror utilizare este utilă în demonstraţia curentă. Multe activităţi curente, practice, precum
diagnosticarea, regăsirea informaţiilor pot fi formalizate drept probleme de demonstrare de
teoreme. Formalizarea procesului deductiv, utilizând logica predicatelor de ordinul întâi a
contribuit la mai buna înţelegere a diferitelor forme de raţionament.
Problemele de percepţie acoperă domenii precum vederea şi vorbirea artificială, cu
aplicabilitate în extinderea capacităţilor de interacţiune om-maşină. Problemele de percepţie se
pot încadra în domeniul mai larg al recunoşterii formelor. Conceptul de formă (pattern) este
extrem de general, nefiind limitat la formele vizuale sau auditive şi având semnificaţia de clasă,
de ansamblu cu anumite caracteristici. O aplicaţie importantă a recunoaşterii formelor este
clasificarea automată. Recunoaşterea formelor vizuale şi auditive ridică problema înţelegerii a
ceea ce semnifică forma văzută sau auzită. Această înţelegere este posibilă numai atunci când se
dispune de o mare cantitate de cunoştinţe referitoare la contextul în care se realizează percepţia.
Procesul de percepţie este descompus într-o serie de operaţii. De exemplu, perceperea unei scene
vizuale presupune codificarea scenei de către senzori, sub forma unor valori (date de intrare
brute), determinarea componentelor primitive de bază (linii, curbe etc.), determinarea
caracteristicilor spaţiale, de volum şi reprezentarea scenei printr-un model (o descriere de nivel

8
înalt). Aceste operaţii se bazează, fiecare pe un anumit nivel de descriere a scenei. Principala
dificultate de realizare a acestor operaţii o constituie numărul enorm de descrieri posibile,
candidate la fiecare nivel în parte. Pentru depăşirea acestor dificultăţi sunt definite clase
(categorii) de scene, urmând a se testa dacă ceea ce a fost perceput aparţine unei clase sau alteia.
Fiecare clasă de scene are asociate numeroase cunoştinţe, organizate de regulă în structuri
denumite frame-uri sau scheme.
Jocurile cu partener calculator reprezintă probleme combinatoriale, pentru care
încetinirea sau chiar împiedicarea exploziei combinatoriale a calculelor reprezintă aspectul
teoretic şi practic cel mai important de soluţionat. Cercetările în domeniul inteligenţei artificiale
au vizat obţinerea unor produse pentru care timpul de rezolvare să crească cât mai puţin în raport
de creşterea dimensiunii problemei. În acest sens, au fost definite o serie de metode de controlare
a exploziei combinatoriale. Elementul central în cadrul acestor metode îl constituie cunoştinţele
despre problemă.
Roboţii inteligenţi reprezintă acea clasă de sisteme fizice autonome care pot realiza
planificarea acţiunilor într-un mediu necunoscut sau numai parţial cunoscut. Controlarea
acţiunilor fizice ale roboţilor presupune utilizarea unor tehnici de modelare a stărilor mediului în
care acţionează robotul, mediu cunoscut sub numele de lumea robotului, a unor tehnici de
descriere a procesului de trecere de la o stare la alta, de generare a unor planuri de acţiune şi a
unor tehnici de monitorizare a execuţiei acestor planuri. Reprezentarea lumii robotului se poate
realiza prin frame-uri, reţele semantice etc. Planificarea acţiunilor se poate realiza pe baza unor
cunoştinţe exprimate prin reguli, de forma unor perechi stare-acţiune. Generarea unui plan de
acţiuni pentru atingerea unui anumit obiectiv înseamnă găsirea acelei secvenţe ordonate de reguli,
prin a căror aplicare să se transforme lumea din starea iniţială într-o stare în care obiectivul să fie
atins.
Sistemele expert reprezintă sistemele de inteligenţă artificială cu cel mai mare succes
comercial şi cu o largă difuzare în activitatea economico-socială curentă.

4 Inteligenţa artificială teoretică şi aplicată

Din prezentarea domeniilor, se pot identifica două categorii importante de preocupări în

cadrul inteligenţei artificiale şi anume cele de natură preponderent teoretică şi cele de natură strict
aplicativă. În raport de acestea, inteligenţa artificială se poate structura în două componente, şi
anume:
• inteligenţă artificială teoretică
• inteligenţă artificială aplicată
Inteligenţa artificială teoretică este constituită din preocupările de definire a conceptelor
de inteligenţă artificială, de dezvoltare de noi metode şi tehnici de lucru. Ca scop ştiinţific mai
larg, inteligenţa artificială urmăreşte să contribuie alături de alte domenii ştiinţifice la constituirea
unei teorii generale a inteligenţei (o ştiinţă a inteligenţei), care să reprezinte suportul teoretic al
înţelegerii şi modelării comportamentului uman, precum şi al realizării de maşini inteligente.
Inteligenţa artificială aplicată este constituită din preocupările vizând realizarea de
aplicaţii (sisteme, produse) de inteligenţă artificială în diferite domenii economico-sociale, civile
şi militare.

5 Impactul sistemelor de inteligenţă artificială asupra mediului economic

Prelucrarea nealgoritmică a cunoştinţelor în cadrul sistemelor de inteligenţă artificială o

dus la extinderea ariei de aplicare a tehnologiilor informatice în mediul economic. Se poate
vorbi, pe de o parte, de o extindere pe orizontală, în sensul cuprinderii unor noi domenii
economico-sociale, cum ar fi: activităţile educaţionale, juridice, politice etc., domenii în care
procesele de prelucrare informaţională se algoritmizează cu greu sau chiar nu se pot algoritmiza,

9
datorită naturii preponderent calitative, necuantificabile a informaţiilor. Pe de altă parte, se poste
vorbi de o extindere pe verticală, în sensul cuprinderii în actuala tehnologie informatică a noi
prelucrări, procese informaţionale, precum: evaluarea calitativă, raţionamentul, în sens general.
În al doilea rând, sistemele de inteligenţă artificială reprezintă un mijloc important de
dominare a complexităţii informaţionale. S-a sperat, şi progresele rapide ale tehnologiilor de
realizare a hardware-ului păreau să confirme acest lucru, că odată cu definirea unui algoritm şi
deţinerea unor procesoare de mare putere, acel algoritm poate fi utilizat pentru rezolvarea
problemelor concrete, indiferent de dimensiunea lor. Atât dezvoltările teoretice (teoria
matematică a complexităţii), cât şi dificultăţile practice întâmpinate în rezolvarea unor probleme
de dimensiuni mari au arătat însă că în lupta împotriva complexităţii informaţionale calea
algoritmică are limite clare
În al treilea rând, prelucrarea nealgoritmică a informaţiei in cadrul sistemelor de
inteligenţă artificială poate oferi soluţii mai productive unor probleme abordate şi rezolvate deja
şi în manieră convenţională, algoritmică.În domeniile în care datele şi cerinţele informaţionale se
modifică frecvent, soluţiile algoritmice se adaptează cu dificultate la aceste schimbări, uneori cu
un efort de reproiectare şi programare foarte important. Tehnologiile nealgoritmice permit o
adaptare perfectă la schimbările intevenite în volumul şi structura cunoştinţelor, a cerinţelor
informaţionale etc. O adaptare deosebită o prezintă sistemele inteligente şi la situaţiile cu
informaţie incompletă şi/sau imprecisă.
Soluţiile obţinute cu ajutorul acestor sisteme sunt în unele cazuri (precum cele obţinute
cu ajutorul sistemelor expert) soluţii de o calitate deosebită, prin faptul că se oferă posibilitatea
utilizării, în cadrul raţionamentului automat a regulilor euristice validate de practică, ce concură,
uneori cu succes abordările formale. Experţii umani exprimă de cele mai multe ori expertiza prin
afirmaţii de tipul “de obicei este adevărat că“ sau “se poate spune că“. Adesea, dificultăţile
constau nu atât în prelucrarea informaţiilor de fundamentare a deciziilor, cât în obţinerea acestor
informaţii şi evaluarea importanţei lor.
În situaţiile perfect cunoscute, cu informaţie completă şi precisă, este posibil de realizat
selectarea celei mai bune variante decizionale, dacă numărul alternativelor nu este foarte mare. În
practică însă, informaţiile sunt cel mai adesea incomplete şi incerte, presiunea în luarea deciziei
este mare (pericol iminent de pierderi semnificative, uneori dramatice). În domeniul
managementului, sistemele de inteligenţă artificială au dobândit o largă utilizare, deoarece pentru
orice funcţie managerială există probleme decizionale complexe, prost înţelese, dinamice, definite
prin criterii multiple şi contradictorii de selectare a alternativelor. Aceste probleme decizionale
reclamă utilizarea sistemelor de inteligenţă artificială.
Cel mai important impact al inteligenţei artificiale asupra mediului economic îl reprezintă
însă contribuţia adusă de aceasta la consolidarea conceptului de organizaţie bazată pe cunoştinţe
şi la definirea unor strategii coerente pentru managementul cunoştinţelor economice în cadrul
acestor organizaţii.

10