Tema: Introducerea în inteligența artificială

Obiectivele lecției:
1. Vei face cunoștință cu concepte de inteligență artificială și vei afla ce
înseamnă “învățare automată”
2. Vei afla de ce inteligența artificială este atât de importantă pentru prezentul
și viitorul omenirii
3. Vei cunoaște câteva direcții diferite de cercetare în domeniul inteligenței
artificiale
4. Vei afla cum lucrează învățarea automată, în linii generale

Salut, cum crezi, ce au în comun rachetele lui Elon Musk, reclama pe Facebook,
analizele medicale ale viitorului și pozele de mai jos?

Sursa: thispersondoesnotexist.com

Cat de derutant nu ar fi, răspunsul este Inteligența Artificială, sau IA. Pozele
apropo au fost generata de un algoritm care a văzut multe fețe omenești,
persoanele date nu exista. Imaginează-ți ce posibilități apar dacă ai putea să creezi
imagini a unor persoane inexistente? Sau și mai interesant, dacă ai putea crea chiar
secvențe video!

Cât despre rachetele lui Elon Musk, alea care aterizează vertical și pot fi reutilizate
(vezi poza mai jos, stânga), ele folosesc niște algoritmi de inteligență artificială care
le ajuta să se stabilizeze la aterizare. Din nefericire acei algoritmi sunt prea
complicați și nu o să îi înveți în cadrul acestui curs, dar în cel mai rău caz, o sa obții
bazele, și poate peste câțiva ani, o să fii chiar tu cel care o sa adapteze acei
algoritmi pentru a decola și ateriza pe Marte.

Imagistica medicală poate fi îmbunătățită enorm cu ajutorul inteligenței artificiale,

ajutând medicii să descopere bolile mai repede și mai exact, și să trateze pacienții.
În caz că nu cunoști, imagistica medicală este un termen ce se referă la diferite
analize medicale ce rezultă într-o imagine, de exemplu scanarea cu raze Roentgen,
și studierea ulterioară a rezultatelor (vezi poza mai jos, dreapta).

Stânga: Rachetele Falcon 9 a companiei SpaceX aterizând. Dreapta: o imagine

MRI a creierului uman cu zonele de acțiune a diferitor hormoni.

În final chiar Facebook și Google utilizează IA. Poate ai observat chiar tu cum
uneori discuți cu prietenii despre noul iPhone, sau Google Pixel, sau poate o
posibilă vacanța la mare, și ca prin minune în feed-ul tău apar reclame despre
promoții pentru telefoane mobile și bilete de avion sau hoteluri ieftine exact acolo
unde ai vrut sa pleci. Magie, nu? Ei bine, acumulând și analizând toate datele care
le are pe fiecare din noi, colectate mai mult sau mai puțin etic, aceste companii
livrează reclame care ne-ar interesa cel mai mult.

Deci încă o dată noroc, sper ca introducerea de mai sus ți-a trezit interesul față de
domeniul Inteligenței Artificiale. Sau poate prima oară auzi acest termen,
informația de mai sus este o știre pentru tine, și ti-ar fi interesant să afli cum tot asta
lucrează, mai detaliat.
Inteligența artificială încearcă, ei bine, sa creeze un calculator ce ar putea
gândi - deci rezolva probleme, înțelege relații de cauza și efect, învață, analiza,
poate chiar pune întrebări, cam tot de ce este capabil un om. Cred că am fi ambii
de acord, suna ca un scop ambițios, ce spui?
În ultimii ani omenirea a obținut progrese mari în acest domeniu. Acum tot mai
multe aplicații care le folosim, chiar aspecte ale vieții, încep sa foloseasca într-un
mod sau altul algoritmi de inteligenta artificiala.
Iată din nou acest termen, algoritm. Termenul algoritm înseamnă o secvență
de pași care îi urmezi ca să rezolvi o problema. De exemplu, algoritmul utilizat de un
om pentru a face un ou prăjit este:
1. pune tigaia pe foc
2. toarnă ulei în tigaie
 3. sparge cateva oua
4. adăuga sare și alte condimente după gust
5. cand oul deja nu mai este lichid, transfera din tigaie în farfurie
Deci un algoritm este de fapt o rețetă.

De la recomandarea de prieteni pe Facebook și sugestii de a da tag la poze, până la

analiza radiografiilor și verificarea tranzacțiilor în bănci, diferiți algoritmi de
inteligență artificială sunt, sau pot fi utilizați pentru a face lucrul oamenilor mai
simplu și a aloca mai mult timp pentru a fi creativ, în loc de a lucra monoton și
neinteresant.

La moment una dintre cele mai mari probleme a inteligenței artificiale aplicate este
crearea unui automobil absolut autonom. Aceasta problema este importantă nu
doar din motive de sporire a confortului, dar și din cauză că mașinile robotizate ar fi
cu mult mai atente la trafic și ar evita accidentele cu mult mai bine ca oamenii.
Acestea nu ar putea fi servite la volan, nu ar încalcă regimul de viteza, si nu ar opri
brusc astfel provocând ambuteiaje.

Un automobil autonom al companiei Waymo (parte din Google) pe străzile Phoenix,

Arizona. Este un prototip ce lucrează drept taxi.

Complexitatea unui automobil absolut autonom este imensă. Imaginează-ți, cât de

complicat este un automobil simplu, cu motor, cutie de viteze, întregul sistem media
din salon, kilometri de cablaj și așa mai departe. Acum imaginează-ți că pe lângă tot
asta acesta ar mai trebui și să vadă și să înțeleagă împrejurimile sale, și în linii
generale sa gandeasca.
Acesta trebuie să ia decizii cat mai rapid, uneori decizii complicate din punct de
vedere moral. Un automobil autonom trebuie să poată opera în diverse regime de
luminozitate, trafic, și în orice anotimp și condiții meteo, iar greșelile sunt interzise,
pentru că există riscul de a trauma sau chiar leza fatal oameni.

Chiar sper că în viitor, tu vei fi cel care v-a aduce aportul necesar de a face acest vis
realitate. Dar ca să-ți reușească, trebuie întâi să cunoști ce stă la baza domeniului,
ca fie să nu repeți greșelile altora, sau să renaști idei care înainte nu păreau
plauzibile.

Scurt istoric

Posibilitatea de a crea mașinării la fel de capabile ca omul este un vis al

umanității de secole, poate chiar milenii. Din această dorință reies asemenea
domenii ca robotica și inteligența artificială. Noțiunea dată, inteligență artificială, a
fost propusă încă de părintele domeniului informaticii, Alan Turing. Acesta încă în
anii 50 ai secolului XX analiza posibilitatea creării unor algoritmi și calculatoare
capabile să imite capacitățile cognitive ale oamenilor. Printre altele, poate ai auzit de
testul Turing. Testul Turing este un test de verificare a nivelului de dezvoltare al
algoritmilor de inteligență artificială. Scenariul sună în felul următor: Să presupunem
că avem 3 participanți, o persoană, o mașină și un interogator, fiecare într-o cameră
separată, comunicând prin mesaje. Scopul este ca interogatorul să-și dea seama
cine este mașina și cine este omul după o discuție de 5 minute. În cazul în care
interogatorul afirmă greșit că mașina este de fapt un om, se consideră că aceasta a
trecut testul. Însăși Turing numea acest test Jocul Imitației, și era sigur că în
viitoarele decenii (ține minte, citatul este din anii 50) calculatoarele vor putea cu
ușurință să păcălească interogatorii în 70 sau mai mult procente din cazuri.
Situația la moment este nerezolvată. Pe de-o parte avem numeroși chat boți
care în anumite circumstanțe ne pot face să credem că de fapt interacționăm cu o
altă persoană, pe de alta parte, nu avem un sistem capabil în mod consistent să
păcălească oamenii în ai face să creadă că de fapt este o persoană cu inteligență
“naturală”. Ce este și mai important, din anii 50 până acum, am ajuns să înțelegem
că de fapt testul Turing nu este nici pe departe o metodă concluzivă de a admite că
un sistem este inteligent, nici măcar că pare astfel.
Așa dar pe parcursul istoriei au fost propuse diferite idei despre cum ar fi
posibil de creat algoritmi capabili de a gândi.

Inițial, inteligența artificială a fost influențată de domeniile ce studiază cum

gândim, psihologia, psihiatria ca o ramură mai medicală, și în special logica. Aceștia
sugerau crearea unor algoritmi ce ar lucra cu concepte și reguli logice, la fel cum
gandesc oamenii. De exemplu ar exista în cadrul unui astfel de algoritm conceptul
de pisica, caine, om și mancare. Iar între aceste concepte ar putea fi puse relații, în
baza anumitor reguli, spre exemplu dacă pisica este hrănită periodic de un om,
atunci acel om este stapanul pisicii, sau dacă pisica și câinele au un stapan comun
o perioada indelungata, atunci aceștia pot fi prieteni. O asemenea abordare
abstractă mai este folosită și acum în anumite subdomenii ale inteligenței artificiale.

Exemplu de ierarhie deseori folosită în IA simbolică

 *Sau așa crede Labradorul

Acești algoritmii au primit numele de metode simbolice de IA, adică operează cu

concepte, la fel ca modul uman de a gândi. Poate te-ai prins și tu, că deseori, cand
iti imaginezi o pisica spre exemplu, involuntar, sau poate uneori voluntar, recunoști
faptul ca pisica este ceva, cu anumite proprietăți, are coadă, are 4 picioare, este
blanda (de obicei), are urechi ascuțite, și așa mai departe. Pe langa asta, pisica mai
are și o anumită poziție în ierarhie, pisica este animal, și ființă vie, iar pisici sunt de
diferite feluri, de exemplu un maine coon, sau sfinx este pisică, iar un labrador nu.
Deci la baza inteligenței artificiale simbolice stau conceptul/idea de relații și entități.
Manipuland acestea prin diferite reguli impuse, este posibil spre exemplu de căutat
informație într-o ontologie (gen dicționar+ierarhie), sau de răspuns la anumite
întrebări.
Exemplu de algoritm de învățare automată: Mașină cu vectori de suport. Idea de
bază este de a găsi o linie ce divizează cu o margine cât mai mare clasa de puncte
albastre și cele verzi.

O alta abordare, momentan cu un succes mai mare decat cea simbolică, este
abordarea statistică a inteligenței artificiale. Focusul acestei abordări este de a
crea așa numite modele în baza învățării. Exista algoritmi ce la fel ca și oamenii, pot
fi învățați din exemple. Problema este că acestea necesită cu mult mai multe
exemple decât un om. Pe de alta parte, odată învățat, un astfel de algoritm poate fi
cu mult mai eficient decat un om, spre exemplu în detectarea fraudelor bancare,
sau anumitor boli. Acest model de IA se mai numește învățare automată.
Sursa: https://becominghuman.ai/rise-of-the-machines-ff69ca77569c

O abordare cumva similară cu cea statistica, este cea conexionistă. Aceasta

presupune utilizarea unor algoritmi și sisteme inspirate de structura creierului uman.
Din abordarea statistică acest model de inteligență artificială preia necesitatea de
antrenare, sau învățare. Acest model de IA se mai numește învățare aprofundată.
Învățarea aprofundată este extrem de puternică, fiind comparabilă după capacități
cu un om. Comparația totuși fiind foarte îngustă, spre exemplu în baza unei singure
probleme pentru care algoritmul a fost creat.

Prezentarea generala

În cadrul acestui curs vei învăța despre abordarea statistică a inteligenței artificiale,
așa că este important să înțelegi ce stă la baza acesteia.

Pentru ca un algoritm să poată învăța, sau face statistică, acesta are nevoie de
informație - date. Datele sunt formate din valori de intrare. Datele pot fi în diferite
reprezentări - imagini, texte, sau poate doar combinații de valori. Uneori este
posibilă combinația între diferite reprezentări ale datelor. În dependență de tipul
problemei, datele pot conține nu doar atribute dar și răspunsul corect, sau rezultate.
Figura de mai sus este o parte dintr-un set de date despre ciuperci. Nu încerca să
folosești acest table ca sa culegi ciuperci. Totuși dacă simți ca ciupercile au miros
înțepător, evita sa le mananci.

Ce ține de mecanismele interne ale unui algoritm de învățare supervizată, cel mai
simplu ar fi să-ți explic printr-un exemplu - amintește-ți cum ai început să înveți
tabla înmulțirii. Mai întâi învățai fiecare expresie pe de rost, uneori cu greșeli, și când
greșeai, era cineva care te corecta. La un moment dat ai început să observi anumite
legități, gen înmulțirea a două numere x și y este egală cu înmulțirea a lui y cu x.
Bam, minus 5 reguli de învățat. Sau faptul că înmulțirea la 1 rezultă în aceeași cifră,
și așa mai departe. În final, ai reușit să înmulțești aproape orice număru cu oricare
alt număr, adică ai generalizat cunoștințele tale.

La nivel înalt cam așa învață și un algoritm, întâi memorează, după observă legități,
și în final, sperăm să și generalizeze.

Așadar, termenul supervizat înseamnă că algoritmului i se spune dacă a greșit sau

nu, ca data viitoare să lucreze mai bine. Oarecum inspirat de modul de acumulare a
cunoștințelor la om, învățarea din experiența și exemple, învățarea automată totuși
necesita considerabil mai multe date. Dacă un om ar învăța la fel de eficient (sau
mai bine spus ineficient) ca un asemenea algoritm, acesta ar avea nevoie de zeci
sau sute de mii de exemple și sute de ore de învățare doar pentru a putea distinge o
pisică de un câine. Ne mai vorbind de a distinge între rasele acestora, sau a rezolva
probleme mai complicate.
O problema și mai mare, dar oarecum și mai putin discutată în învățarea automată
este că din motiv că algoritmul învață doar din datele care le primește, este posibil
de a introduce erori în sistem care inițial nu pot fi observate. Un astfel de exemplu
este cazul când armata SUA a început sa testeze un sistem de imagistica
computațională, deci un sistem care poate analiza și înțelege imaginile sau chiar
video, ca un fel de cameră inteligentă, capabilă să recunoască obiectele care le
vede, în cazul dat, mașinile inamicului. Pentru problema data a fost acumulat un set
de date, și dezvoltat un algoritm. În timpul experimentelor preliminare, pe baza
setului de evaluare extras din setul de date, algoritmul lucra extrem de bine,
făcând diferența dintre tancurile SUA și cele ale inamicului. Dar ulterior, în etapele
de testare în lumea reală, algoritmul o dădea în bara fiecare a 2-a oară.

Stanga: Tancul american Abrams M1. Dreapta: Tancul rusesc T90

Straniu, nu? Cum crezi, ce ar fi putut cauza asemenea devieri?

În final a fost descoperită cauza - imaginile cu tancurile inamicului erau majoritatea
cu un fundal de pădure, iar cele ale tancurilor SUA erau făcute fie pe câmpii, fie în
deșert, ca rezultat, algoritmul atrăgea atenția la fundal, dar nu la tancuri.

Pare un exemplu destul de unic, putin legat de realitate, dar de fapt acesta
arată un comportament general. În dependență de cum a fost creat setul de date,
exista posibilitatea ca un grup de utilizatori să fie discriminați, sau în cel mai bun caz
deserviți nesatisfăcător de către sistemul ce utilizează inteligența artificială.

Exerciții
1. În ce produse/servicii pe care le cunoști presupui că sunt utilizați algoritmi de
inteligență artificială? De ce?
2. Ce este un algoritm? Dă un exemplu.

Test

1. Care este ideea de bază a abordări statistice a Inteligenței Artificiale?

3. Ce înseamnă un set de date?
4. Ce înseamnă învățare supervizată?
5. Din ce domenii a fost inspirată abordarea simbolica a Inteligenței Artificiale?

Quiz autoevaluare

1. Inteligența Artificială încearcă să simuleze?

a. Visele umane b. Inteligența Umană c. Capacitățile cognitive ale animalelor
2. 2. Ce utilizează învățarea automată pentru “a învăța”?
a. Date b. Experiențe c. Formule
3. Care din abordările de mai jos nu se referă la IA?
a. Conexionistă b. Integralistă c. Simbolică d. Statistică
4. Un set de date nu conține?
a. Valori b. Atribute c. Statistici d. Coloane
5. Din ce domeniu a fost inspirată abordarea conexionistă a Inteligenței
Artificiale?
a. Biologie b. Matematică c. Statistică d. Psihologie