A mesterséges intelligencia nem egyetlen ötletből pattant ki. Inkább olyan, mint egy nagy fa, amelynek gyökerei különböző tudományágakból táplálkoznak: filozófia, matematika, pszichológia, idegtudomány, informatika, gazdaságtudomány – mind hozzátettek valamit ahhoz, amit ma AI-ként ismerünk. Ezek a területek nemcsak elméleti eszközöket adtak, hanem kérdéseket is, amelyekre az AI megpróbál választ találni.
A filozófia például azzal foglalkozik, hogy mi az és hogyan működik az elme. Arra kérdez rá: lehet-e gondolkodni szabályok mentén? Hogyan vezet a tudás cselekvéshez? Mikor tekinthető valami „intelligens viselkedésnek”? Ezek a kérdések évszázadokon át formálták azt, ahogyan az emberek a gondolkodásról vélekedtek – és ezekből a dilemmákból táplálkozik a modern mesterséges intelligencia is.
Kiemelten fontos gondolat: a mesterséges intelligencia filozófiai alapjai megkerülhetetlenek, ha a célunk nemcsak a működő algoritmus, hanem az értelmezhető és etikus működés.
Az első kísérletek: logika, számítás és a “gondolkodás gépei”
Arisztotelész már időszámításunk előtt megpróbált leírni formális szabályokat arra, hogyan lehet következtetéseket levonni. Például ha tudjuk, hogy “Minden ember halandó” és “Szókratész ember”, akkor levonhatjuk: “Szókratész halandó.” Ez egy szillogizmus – egy egyszerű következtetési szabály, amelyet szabályrendszerként lehet alkalmazni. Ez az alapja a logikának, amely később a mesterséges intelligencia egyik központi pillére lett.
A középkori gondolkodó, Ramon Llull (1232–1315) egy olyan gépet próbált elképzelni, amely forgatható korongok segítségével tudott új kombinációkat létrehozni – tulajdonképpen az első mechanikus gondolkodógép. Bár az eszköze inkább filozófiai eszközként szolgált, az ötlet megelőzte korát.
Leonardo da Vinci és később Blaise Pascal már valódi számológépekben gondolkodtak, olyan gépekben, amelyek számítási műveleteket végeznek. Pascal azt mondta a saját gépéről: „Ez a gép közelebb áll a gondolkodáshoz, mint bármely állat cselekedete.”
A felvilágosodás gondolkodói egyre inkább úgy tekintettek az elmére, mint fizikai rendszerre. Hobbes azt írta: „A gondolkodás nem más, mint számolás – összeadás és kivonás.” Ez volt az első nyílt kísérlet a materialista gondolkodásra, miszerint az elme egy fizikai rendszer, amely természeti törvények szerint működik. Innen származik a modern kognitív tudomány logikai és fizikai alapja.
A tudás forrása: tapasztalat vagy velünk született szabályok?
Az egyik legnagyobb kérdés a mesterséges intelligenciában az, hogy hogyan jutunk tudáshoz. Ezt a kérdést már a klasszikus filozófia is boncolgatta.
Az empiristák (pl. John Locke, David Hume) azt mondták, hogy minden tudás a tapasztalatból származik. Az agy olyan, mint egy tiszta lap (tabula rasa), amit az érzékelés tölt meg tartalommal. Hume szerint az ember általános szabályokat alkot a világban látott ismétlődésekből – ezt ma indukciónak hívjuk.
Ezzel szemben a racionalisták, például Descartes úgy gondolták, hogy az elme születésétől fogva rendelkezik bizonyos beépített szabályokkal.
Ezek a filozófiai viták máig hatnak az AI-ra: ha tanuló algoritmusokat akarunk létrehozni, az az empirikus szemléletet követi. Ha viszont szabályalapú rendszereket, akkor racionalista utat járunk.
Logikai pozitivizmus és formális rendszerek
A 20. század elején a bécsi kör filozófusai – köztük Wittgenstein és Russell – a logikai pozitivizmust képviselték. Ez az irányzat azt állította, hogy minden tudás logikai nyelven megfogalmazható, és hogy az állítások csak akkor értelmesek, ha megfigyelhető tapasztalatokhoz köthetők.
Ez volt az első kísérlet egy formális tudásalapú világkép felépítésére, amelyre később az AI is támaszkodott. A cél az volt, hogy olyan rendszereket hozzanak létre, amelyek képesek logikai szabályrendszerek mentén következtetéseket levonni.
Ebből az elképzelésből született a tudásreprezentáció – a mesterséges intelligencia egyik legalapvetőbb építőköve.
Összefoglalás
A mesterséges intelligencia nem önállóan született, hanem sok száz év gondolkodásának eredménye. Filozófusok, matematikusok, természettudósok és mérnökök járultak hozzá ahhoz, hogy ma gépeink képesek legyenek következtetni, tanulni és döntéseket hozni. Ezek az alapok nélkülözhetetlenek akkor is, amikor olyan kérdésekre keresünk választ, mint: Hogyan tanul a gép? Miként lehet racionálisan cselekedni ismeretlen környezetben?
Ahhoz, hogy megértsük a modern AI-rendszerek működését, elengedhetetlen ezeknek az alapelveknek az ismerete és értelmezése.