SCURTA INTRODUCERE IN INTELIGENTA ARTIFICIALA

PARTEA I

*Cosoi Catalin – catalin.cosoi@gmail.com

Universitatea Politehnica Bucuresti – Facultatea de Automatica si Calculatoare

REZUMAT

Dezvoltarea spectaculoasa a calculatoarelor in ultimii cincizeci de ani a permis

cercetatorilor in domeniu sa incerce utilizarea calculatoarelor pentru probleme
din ce in ce mai dificile si din ce in ce mai apropiate de complexitatea
problemelor solutionate de om, fapt ce a dus la aparitia unui nou domeniu al
stiintei calculatoarelor: inteligenta artificiala. In ziua de azi aceasta denumire
acopera mai multe subcategorii care s-au evidentiat de-a lungul anilor, printre
care se pot enumera recunoasterea formelor si a vorbirii, retele neurale, robotica,
extragerea textului din imagini, etc.

sistemelor de calcul si a programelor care

1. INTRODUCERE
Cum se poate defini inteligenta aritficiala? Exista
numeroase definitii sau incercari de a prezenta
acest subiect insa nici una nu poate fi considerata
ca fiind cea mai generala. Multitudinea acestor
definitii provine tocmai din faptul ca domeniul,
fiind legat de insasi esenta naturii umane, este
deosebit de provocator. Descrierea cea mai
acceptata a fost data de John McCarthy în 1955:
“crearea unei masini care se comporta într-un
mod care ar fi considerat inteligent daca un om s-
ar fi comportat asa”. Alte exemple care au fost
acceptate sunt cele prezentate mai jos:
Inteligenta artificiala este proprietatea unui
sistem de a fi capabil de a învata.
Inteligenta artificiala este domeniul stiintei
calculatoarelor care se ocupa de studiul si crearea
prezinta o forma de inteligenta: sisteme care
invata noi concepte, care pot rationa si deduce
concepte utile intr-un domeniu al lumii
inconjuratoare, sisteme care pot intelege limbajul
natural sau percepe si intelege un peisaj, intr-un
cuvint sisteme care necesita capacitati inteligente
specifice omului.
Inteligenta artificiala este ştiinţa, parte a
informaticii, care proiectează sisteme artificiale
cu comportament inteligent – adică sisteme ce
manifestă proprietăţi pe care în mod obişnuit le
asociem cu existenţa inteligenţei în
comportamentul uman - înţelegerea limbajului,
învăţare, raţionament, rezolvarea de problemelor,
etc. Astfel de sisteme pot răspunde flexibil în
situaţii ce nu au fost anticipate de programator.
Un program inteligent este un program care
manifesta o comportare similara cu aceea a
omului cind este confruntat cu o problema
similara. Nu este necesar ca programul sa
rezolve sau sa incerce sa rezolve problema in
acelasi mod in care ar rezolva-o oamenii.
Inteligenta artificiala este studiul facultatilor
mentale pe baza modelelor computationale.
Inteligenta artificiala este studiul procesului prin
care calculatoarele pot fi instruite sa faca lucruri
care, pentru moment, sint facute mai bine de
oameni.
Marvin Minsky, intrebat ce este inteligenta
artificiala, a raspuns: "Exista intotdeauna
persoane care au nevoie sa defineasca totul
pentru a realiza ceva. De ce?"
Se poate observa din aceste definitii ca anumite
curente de opinii privesc inteligenta artificiala ca
o modalitate de cercetare, descoperire si simulare
(copiere) a modului de functionare a inteligentei
umane. Aceasta perspectiva a condus la
numeroase cercetari in inteligenta artificiala si la
dezvoltarea unor noi domenii cum ar fi stiinta
cunoasterii, domeniu studiat de psihologi,
lingvisti, informaticieni, filozofi, si domeniul
retelelor neuronale, numit si inteligenta
artificiala la nivel subsimbolic. O alta abordare a
fost insa una mai pragmatica, si anume
rezolvarea unor anumite tipuri de probleme
folosind algoritmi ce simuleaza gandirea umana.
In momentul aparitiei acestui concept, atentia
multor cercetatori s-a indreptat in aceasta
directie. O buna perioada de timp, dezvoltarea
acestui domeniu a fost strans legata de
dezvoltarea calculatoarelor. Implicit, totul
incerca sa fie transpus in limbaj masina, astfel
incat gandirea era considerata asemanatoare
proceselor care aveau loc in interiorul unei
masini iar obiectele erau descrise prin
proprietatile pe care le contineau. Cercetarea se
baza pe psihologie, punându-se accent pe
inteligenta lingvistica (de exemplu: testul
Turing). Acest test este o propunere pentru a se
verifica aptitudinea/capacitatea unei masini de a
purta o conversatie umana în limbaj natural:
exista un “juriu” uman care converseaza cu
oameni si computere printr-un canal text. În
cazul în care juriul nu poate sa-si dea seama care
este computerul, atunci acesta a trecut testul.
Primele aplicatii practice ale acestui domeniu au
aparut imediat după al doilea război mondial, si
anume programe care rezolvau puzzle-uri sau
care jucau anumite jocuri. Jocurile cu care s-a
experimentat au fost cele de şah, X si 0, avioane,
etc. Ideea era foarte simplă - fiind dată o poziţie
pe tablă, se încerca să se genereze toate
secvenţele posibile de mutări de la acel moment
mai departe, considerînd că adversarul alege
întotdeauna mutarea cea mai bună. Dacă o
secvenţă ajungea într-o stare cîştigătoare, atunci
ea era cea de urmat. Problema practică era insa
mai subtila, deoarece numarul de posibilitati era
suficient de mare inca sa nu poata fi rezolvat de
calculator intr-un timp acceptat. Solutia care s-a
abordat a venit din comportamentul uman.
Observandu-se modul de lucru al unor sahisti de
performanta si algoritmul pe care acesta il
folosesc de a-si alege mutarile, au ajuns la
concluzia ca indiferent de algoritmul folosit,
chiar si calculatorul trebuie sa-si imbunatateasca
modul de lucru in functie de experientele
anterioare.
Celălalt domeniu care a fost propus in aceasta
perioada a fost demonstrarea automata de
teoreme. Acest domeniu se aseamănă cu cel al
jocurilor prin faptul că performanţele sunt simplu
de evaluat. Calculatorul primeste ca date de
intrare un set de axiome si un set de reguli de
referinta. Daca un astfel de program reusea, un
mare set de probleme nerezolvate inca isi puteau
gasi raspunsul intr-un timp relativ scurt.
În această arie au fost create mai multe
programe, printre care si “The Logic Theorist” al
lui Newell, care demonstra teoreme din primul
capitol al cărţii ``Principia mathematica'' de
Whitehead şi Russell, şi programul lui Gelenter
care rezolva probleme simple de geometrie.
Insa aceste programe rezolvau probleme de o
complexitate relativ mica si nu puteau avea inca
o utilitate bine definita. In aceasta perioada a
urmat un scurt declin al inteligentei artificiale, si
o parte considerabila dintre cercetatori si-au
pierdut interesul pentru acest domeniu.
Cei care au ramas fideli acestei directii au
continuat cercetarea incercand alta directie:
procesarea limbajului natural. Un program
faimos al timpului a fost ELIZA. ELIZA era
capabila sa simuleze comportamentul unui
psiholog, conversînd cu pacienţii si
determinandu-i pe acestia sa vorbeasca si sa
constientizeze problemele pe care le aveau.
Programul ştia un set mic de cuvinte cheie, şi
avea una sau mai multe reguli pentru fiecare
dintre ele. Cînd întîlnea un astfel de cuvînt în
propoziţiile pacientului său, folosea una din
regulile corespunzătoare cuvîntului respectiv, in
felul asta conversatia se purta intr-un mod
oarecum firesc iar pacientul era convins sa-si
continue povestea.
Un amănunt mai special despre ELIZA este
impactul pe care ea l-a avut asupra pacienţilor săi
umani. Autorul ei, Weizenbaum, a fost uimit să
constate “cît de rapid şi de puternic oamenii au
ajuns să se implice emoţional în comunicarea cu
calculatorul şi cît de mult şi-l imaginau ca pe o
fiinţa umană”. Programul ELIZA este inca
disponibil pe internet si poate fi in continuare
testat. Se poate accesa la: http://www-
ai.ijs.si/eliza/eliza.html.
Un alt program (poate de altfel cel mai important
din acea perioada) a fost SHRDLU
http://hci.stanford.edu/~winograd/shrdlu/ El era
în capabil sa accepte comenzi date, care ulterior
sa fie folosite pentru a modifica o lume de
cubuleţe. De asemenea, SHRDLU răspundea
unor întrebări legate de configuraţia blocurilor
(ceea ce in viitor va determina un nou val de
atentie asupra inteligentei artificiale in programe
de recunoastere a formelor. Mai mult, SHRDLU
putea să construiască planuri ca să îndeplinească
comenzi de tipul “Pune piramida albastră peste
blocul verde”. Insa daca se aflau alte figurine
peste blocul verde, acesta le indeparta si apoi
executa comanda primita.
Un alt exemplu este MYCIN, un program care
simula un doctor. Dandui-se simptomele
pacientului, pe baza unor reguli prestabilite
anterior de catre programator, programul era
capabil sa intoarca verdictul. Regulile erau insa
destul de simple, un exemplu fiind: “Daca
pacientul are temperatura peste 38 de grade
atunci este vorba de meningita”. Cu toate
acestea, in urma unor teste facute la care au
participat atat programul cat si doctori
specializati, rezultatele au fost oarecum
asemanatoare, ceea ce a demonstrat ca exista si
unele probleme care pot fi rezolvate aproape la
fel de bine si de catre calculator, chiar daca se
considera ca ele pot fi abordate doar de catre
specialistul uman. Cu toate ca avea capacitati
limitate si nu avea un grad de securitate ridicat,
MYCIN a fost inceputul erei sistemelor expert.
In ziua de azi, inteligenta artificiala este
impartita in doua directii majore: inteligenta
artificiala puternica si inteligenta artificiala
slaba. Cea puternica este cea care face afirmatia
ca este posibila crearea unui calculator care sa
gandeasca la un nivel cel putin asemanator
oamenilor. Genul acesta de inteligenta artificiala
este defapt visul de la care s-a plecat in
dezvoltarea acestui domeniu si care este in
continuare doar in stadiul de fictiune. Inteligenta
artificiala slaba afirma doar ca se pot scrie
programe care sa se comporte inteligent in
interactiunea cu oamenii si ca pot simula
gandirea umana. Exemple care deja sunt utilizate
in viata de zi cu zi sunt programele de
recunoastere a vocii sau a obiectelor dintr-o
poza.
Punctul de vedere al inteligenţei artificiale slabe
acceptă conştiinţa ca rezultat al acţiunilor fizice
ale creerului şi faptul că orice acţiune fizică
poate fi reprodusă computaţional, dar simularea
computaţională nu trezeşte sau nu presupune şi
conştiinţă. Spre deosebire de punctul de vedere
mecanicist un robot care trece testul Turing în
mare măsură simulează înţelegerea fără ca
aceasta să aibă cu adevărat loc, la nivelul
reacţiilor o persoană şi o maşină se manifestă la
fel, dar maşina simulează conştiinţa, o raportează
doar, pe cînd o fiinţă o experimentează.
Sub titlul general de inteligenta artificiala se
ascund mai multe subdomenii care au pornit de
la o idee initiala si apoi s-au separat de restul
prin rezolvarea unui anumit timp de probleme
sau prin metoda care este folosita.
Retelele neurale: Sisteme care incearca sa
simuleze inteligenta prin reproducerea
conexiunilor fizice care sunt intalnite in creier si
a sinapselor care au loc intre acestea.
2. RETELE NEURALE
Reţelele neurale artificiale încearcă să se apropie
de modelul creierului uman. Spre deosebire de
maşinile Von-Neuman care se caracterizează
prin existenţa unei unităţi procesoare care
execută instrucţiuni stocate în memorie, într-o
secvenţă aflată sub controlul numărătorului de
program, alte arhitecturi propuse încearcă să
exploateze cât mai eficient paralelismul care este
de obicei inerent. "Procesoarele" care formează
reţelele neuronale, sunt denumite neuroni
artificiali. Mai corect spus reţele neurale,
caracterizează ansambluri de elemente de
procesare simple, puternic inteconectate şi
operând în paralel, care urmăresc să
interacţioneze cu mediul înconjurător într-un
mod asemănător creierelor biologice şi care
prezintă capacitatea de a învăţa. Nu există o
definiţie general acceptată a acestor tipuri de
sisteme, dar majoritatea cercetătorilor sunt de
acord cu definirea reţelelor artificiale ca reţele de
elemente simple puternic interconectate prin
intermediul unor legături numite interconexiuni
prin care se propagă informaţie numerică.
Originea acestor reţele se gaseste în studierea
reţelelor bioelectrice din creier formate de
neuroni şi sinapsele acestora. Principala trăsătură
a acestor reţele este capacitatea de a învăţa pe
bază de exemple, folosindu-se de experienţa
anterioară pentru a-şi îmbunătăţi performanţele.
Principala deosebire a reţelelor neurale faţă de
alte sisteme de prelucrare a informaţiilor îl
constituie capacitatea de învăţare în urma
interacţiunii cu mediul înconjurător, şi
îmbunătăţirii performanţelor. O reprezentare
corectă a informaţiilor, care să permită
interpretarea, predicţia, şi răspunsul la un stimul
extern, poate permite reţelei să construiască un
model al procesului analizat. Acest model va
putea răspunde astfel unor stimuli neutilizaţi în
procesul prelabil de învăţare. Informaţiile
utilizate în procesul de învăţare pot fi : informaţii
disponibile a priori sau perechi intrare-ieşire(care
stabilesc relaţii de tipul cauză-efect), iar modul
de reprentare internă urmăreşte un set de regului
bine documentate. Aceşti algoritmi pot fi
clasificaţi după mai multe criterii cum ar fi :
disponibilitatea răspunsului dorit la ieşirea
reţelei, existenţa unui model analitic, tipul
aplicaţiei în care sunt utilizaţi, dar cele mai multe
documentaţii se rezumă la două clase mari:
învăţarea supravegheată (care presupune existeţa
în orice moment a unei valori dorite a fiecărui
neuron din stratul de ieşire) şi învăţarea
nesupravegheată (în care reţeaua extrage singură
anumite caracteristici importante a datelor de
ieşire, în urma unui gen de competiţie între
neuronii elementari). În ultima perioadă se
remarcă încă o clasă de algoritmi, algoritmii de
învăţare folosind un critic, rezultaţi în urma
observaţiilor experimentale făcute pe animale,
acestia fiind de tipul recompensă/pedeapsă.
3. ALGORITMI GENETICI
Algoritmii genetici sunt o familie de modele
inspirate de teoria evolutiei, sunt programe
inteligente capabile sa solutioneze probleme
folosind un concept al evolutiei speciilor. Acesti
algoritmi codifica solutiile posibile ale unor
probleme specifice intr-o structura de date de tip
cromozom si aplica acestor structuri operatori de
recombinare, pentru a pastra informatia utila. Un
cromozom este un vector sau un sir de gene.
Pozitia unei gene este numita locusul ei. Valorile
pe care le poate lua o gena sunt numite alele,
sunt multimi finite de numere intregi, intervale
de numere reale, sau chiar structuri complexe de
date. Alele variaza de la un locus la altul. Sarcina
unui algoritm genetic e sa descopere cromozomi
din ce in ce mai buni, pana la atingerea unei
valori a raportului dintre evaluarea asociata unui
sir si evaluarea medie a tuturor sirurilor
populatiei despre care se stie ca este optimala,
sau pana cand algoritmul genetic nu mai poate
aduce imbunatatiri. Intr-un sens mai larg, un
algoritm genetic este orice model bazat pe ideea
de populatie si care foloseste selectie si operatori
de recombinare pentru a genera noi puncte intr-
un spatiu de cautare. Multe modele au fost
introduse de cercetatori dintr-o perspectiva
experimentala. Algoritmii genetici se pot folosi
la crearea unor retele neuronale mai compacte si
mai eficiente, reglarea parametrilor unui sistem
expert fuzzy pentru controlul proceselor,
imbunatatirea performantei unui sistem expert
prin incorporarea rationamentului bazat pe
cazuri, etc.
4. SISTEME EXPERT
Sistemele expert constituie o clasă particulară de
sisteme informatice bazate pe inteligenţa
artificială, având drept scop reproducerea cu
ajutorul calculatorului a cunoştinţelor şi
raţionamentelor experţilor umani. Un asemenea
sistem este capabil să colecteze şi să stocheze
expertiza acumulată de persoane cu calificare
superioară şi experienţă vastă şi să o difuzeze în
cadrul intreprinderii sau să o încorporeze în
sisteme informatice de asistare a deciziilor.
Realizarea sistemelor expert impune utilizarea
unor metodologii de lucru specifice, care să ţină
cont de particularităţile acestor sisteme
inteligente, în raport de sistemele software
convenţionale şi anume:
ƒ construirea unui sistem inteligent presupune
considerarea problemei de rezolvat în sens mult
mai larg decât simpla rezolvare a acesteia. Acest
lucru se explică prin faptul că definirea
problemei şi a posibilităţilor de rezolvare sunt
mai greu de realizat decât în cazul sistemelor
convenţionale.
ƒ la realizarea unui sistem expert schemele de
rezolvare convenţionale trebuie să fie incluse în
mulţimea posibilităţilor de rezolvare a
problemelor, alături de cele specifice inteligenţei
artificiale.
Ceea ce caracterizează, în ansamblul lor
metodologiile de realizare a sistemelor expert
este faptul că ele se bazează pe paradigma
realizării evolutive a sistemelor software, care
diferă de modelul liniar, al trecerii o singură dată
printr-o serie de etape, faze, activităţi etc.
Conţinutul diferitelor etape şi modul în care este
dirijată reluarea acestora reprezintă elementele
specifice fiecărei metodologii în parte.
Realizarea sistemelor expert impune
desfăşurarea următoarelor tipuri de activităţi:
Investigare, în scopul cunoaşterii cât mai
detaliate a domeniului pentru care se realizează
sistemul;
Analiză, în principal pentru identificarea şi
formalizarea cunoştinţelor;
Proiectare, de ansamblu şi de detaliu a
sistemului expert;
Programare a componentelor de sistem;
Evaluare a sistemului expert şi/sau
componentelor acestuia;
Activităţi de punere în funcţiune, exploatare şi
întreţinere a sistemului expert.
Specific metodologiilor de realizare a sistemelor
expert este îmbinarea acestor tipuri de activităţi,
pe parcursul întregului ciclu de realizare.
Concomitent cu investigarea se realizează atât
analiza, cât şi proiectarea preliminară a
sistemului. Pentru fazele ulterioare, proiectarea
se îmbină cu analiza şi cu programarea. În acest
fel, nu se pot pune în evidenţă etape orientate în
exclusivitate pe un singur tip de activitate.

5. BIBLIOGRAFIE

1 Adina Magda Florea – Bazele logice ale

inteligentei artificiale – note de curs (Facultatea
de Automatica si Calculatoare, Universitatea
Politehnica Bucuresti)
2. Inteligenta Artificiala – Raluca Vasilescu
3. Aurelian Popa – Relizarea sistemelor expert