Amikor a mesterséges intelligenciáról (AI – Artificial Intelligence) beszélünk, nemcsak egy technológiai irányzatra gondolunk, hanem egy olyan tudományterületre, amely megpróbálja megérteni, hogyan tud egy gép okosan viselkedni. Az “okos viselkedés” azonban sokféleképp értelmezhető: emberhez hasonló gondolkodásként, emberi viselkedés utánzásaként, logikus következtetésekre épülő döntéshozásként vagy épp racionális cselekvésként. Ez a négy megközelítés jól tükrözi, mennyire sokoldalú és sokdimenziós a mesterséges intelligencia fogalma.
A történeti áttekintésből kiindulva az AI-t kutatók két fontos tengely mentén határozták meg: az egyik az emberi viselkedéssel való egyezés mértéke, a másik pedig az intellektuális folyamat (gondolkodás) vagy viselkedés (cselekvés) fókusza. Ezek alapján négy lehetséges definíció rajzolódik ki:
- Emberhez hasonló gondolkodás
- Emberhez hasonló viselkedés
- Racionális gondolkodás
- Racionális viselkedés
A Turing-teszt: amikor egy gép emberként kommunikál
Az egyik legismertebb meghatározás a Turing-tesztből ered. Alan Turing célja az volt, hogy elkerülje az elvont kérdést: „Gondolkodhat-e egy gép?” Ehelyett azt javasolta: nézzük meg, képes-e egy gép úgy viselkedni, mint egy ember, legalábbis egy beszélgetés során. Ha egy emberi kérdező nem tudja megállapítani, hogy a válaszadó ember vagy gép, akkor az a gép „átment” a Turing-teszten.
Ehhez azonban a gépnek számos képességgel kell rendelkeznie:
- Természetes nyelvfeldolgozás (natural language processing), hogy megértse és generálja a nyelvet.
- Tudásreprezentáció (knowledge representation), hogy emlékezzen a megszerzett információkra.
- Automatikus következtetés (automated reasoning), hogy logikus válaszokat adhasson.
- Gépi tanulás (machine learning), hogy képes legyen alkalmazkodni és tanulni új helyzetekből.
A teljes Turing-teszt – mely már fizikai jelenlétet is igényel – kiegészíti ezeket a képességeket:
- Számítógépes látás (computer vision) és beszédfelismerés, hogy a gép érzékelje a környezetét.
- Robotika, hogy fizikailag is reagálni tudjon.
A Turing-teszt nem cél, hanem eszköz, ami segít megérteni, hogyan épülnek fel ezek a képességek. Nem attól lesz egy gép „intelligens”, hogy megtéveszti az embereket.
Kognitív modellezés: ha a gép úgy gondolkodik, mint az ember
Egy másik megközelítés szerint a cél az, hogy a gép a lehető legjobban tükrözze az emberi gondolkodást. Ez a kognitív modellezés alapja, amely három forrásból táplálkozik:
- Önmegfigyelés (introspekció),
- Pszichológiai kísérletek,
- Agyvizualizáció (például MRI-felvételek).
Egy ilyen modell célja nem csupán a jó válaszok adása, hanem az, hogy az emberi gondolkodási folyamatok mintázatait is tükrözze. Egy klasszikus példa erre a GPS (General Problem Solver) nevű rendszer volt, amely nemcsak megoldotta a problémákat, hanem azok sorrendjében és időzítésében is hasonlított az emberi gondolkodásra.
A kognitív tudomány (cognitive science) ebből a megközelítésből nőtt ki, és az AI mellett a pszichológia, idegtudomány és nyelvészet is részt vesz benne. Fontos hangsúlyozni, hogy ez a megközelítés empirikus kutatásokra épül.
A logikus gondolkodás szabályai: az AI matematikai megközelítése
A harmadik nézőpont az „értelmes gondolkodás” formalizálása, vagyis a logikai szabályokra épülő gondolkodás. Már az ókori görög filozófusok, különösen Arisztotelész, próbálták megragadni az érvelés alapelveit, például a szillogizmusok segítségével.
Az AI ezen iránya az úgynevezett logicist megközelítés. Ez olyan rendszereket jelent, amelyek logikai szabályrendszerek segítségével hoznak döntéseket. Itt a cél nem az emberi gondolkodás másolása, hanem a helyes következtetések gépi előállítása. Ugyanakkor a hagyományos logika csak biztos ismeretekre alapozható – a világ viszont tele van bizonytalansággal. Ezt a problémát valószínűségi modellek oldják fel, amelyek lehetővé teszik a következtetést akkor is, ha az információ hiányos vagy bizonytalan.
Racionális cselekvés: az AI célja, hogy „helyesen” döntsön
Az utolsó – és napjainkban legmeghatározóbb – megközelítés az úgynevezett racionális ügynök (rational agent) modell. Eszerint az AI célja az, hogy a lehető legjobb döntést hozza egy adott helyzetben. Ez lehet tervezés, tanulás, vagy reflexszerű viselkedés is, attól függően, hogy az adott környezet milyen reakciót igényel.
Az ilyen rendszerek előnye, hogy:
- Matematikailag jól meghatározhatók, így tudományosan modellezhetők.
- Általánosabbak, mint a szigorú logikára építő rendszerek.
- Önállóan képesek működni, tanulni és célokat követni.
Egy racionális AI-rendszer képes alkalmazkodni, előre látni, tanulni a tapasztalatokból és a lehető legjobb eredményt elérni. A nehézség abban rejlik, hogy a „helyes” célkitűzést gyakran nehéz egyértelműen megfogalmazni – erről bővebben a következő részben lesz szó.
Összefoglalás
A mesterséges intelligencia célja nemcsak az, hogy gépek „okosan viselkedjenek”, hanem az is, hogy értsük és modellezzük, hogyan születnek az intelligens döntések. Akár emberi viselkedést, akár racionális cselekvést másolunk, a cél mindig az, hogy a gép a lehető legjobban igazodjon a környezetéhez és feladataihoz. A racionális ügynök modell pedig kiváló kiindulópont ehhez.