SlideShare uma empresa Scribd logo
1 de 41
Baixar para ler offline
Cztery Wykłady Słupskie
Czym jest
w istocie
Sztuczna
Inteligencja?
Ewolucja
Internetu
Co to jest
Bitcoin
i Blockchain?
Czym jest
„Cyfrowość”
(Digital)?
Czym jest w istocie
Sztuczna Inteligencja?
Plan wykładu
Four Slupsk Lectures. I. Artificial Intelligence
Sztuczna inteligencja
 Nie mamy dziś ogólnie zaakceptowanej definicji Sztucznej Inteligencji!
 Mamy bardzo złą „popularną” definicję (wywodzącą się z literatury i filmu Science Fiction)
wyrażoną np. w:
„The exciting new effort to make computers think … machines with minds, in the full and literal
sense.” (John Haugeland, autor koncepcji GOFAI - Good Old-Fashioned Artificial Intelligence)
 Jeden z najbardziej popularnych podręczników Sztucznej Inteligencji (Russell and Norvig,
„Artificial Intelligence: A Modern Approach”) podaje aż cztery definicje:
o Systemy, które „myślą” jak ludzie
o Systemy, które „zachowują się” jak ludzie
o Systemy, które „myślą” racjonalnie
o Systemy, które „zachowują się” racjonalnie
DOBRA, ROBOCZA DEFINICJA:
 „Sztuczna inteligencja (Artificial Intelligence)
jest nauką oraz zbiorem technologii
obliczeniowych, inspirowanych, (choć zwykle
działających w zupełnie inny sposób) –
metodami, jakimi posługują się ludzie
używający swojego umysłu, inteligencji
i cielesności, aby postrzegać, uczyć się,
wnioskować i podejmować stosowne działania.”
 Definicja tu przytoczona oparta jest o
definicję zawartą w słynnym raporcie AI100
„One Hundred Years Study on Artificial
Intelligence”: http://ai100.stanford.edu/
• Prekursorem Sztucznej Inteligencji jest
Alan Turning – genialny matematyk i
kryptoanalityk. Twórca matematycznego
modelu komputerów – ważnego do dziś.
• Sztuczna Inteligencja jako dyscyplina
naukowa powstała w wyniku bardzo
długiego i burzliwego rozwoju
zapoczątkowanego w roku 1956 przez
John’a McCarthy, który zorganizował w
Dartmouth (USA) słynny „Letni Projekt
badawczy Sztucznej Inteligencji”.
• J. McCarthy, M. L. Minsky, N. Rochester,
C.E. Shannon. “Dartmouth Summer
Research Project On Artificial Intelligence”.
• Lata 60-te XX wieku – finansowanie projektów AI przez Department of Defense.
• Optymizm:
Herbert Simon: "machines will be capable, within twenty years, of doing any work a man can do."
Marvin Minsky: "within a generation ... the problem of creating 'artificial intelligence' will
substantially be solved."
• Był to jednak optymizm przedwczesny – w latach 70-tych następuje zatrzymanie finansowania AI –
rozpoczyna się okres zwany „AI Winter” – „Zima Sztucznej Inteligencji”
• Lata 80-te – Rozwój Systemów Eksperckich – „Expert systems”
• Lata 90-te – Rozwój „Data mining”, diagnostyka medyczna
• Koniec wieku - symboliczne zwycięstwo Deep Blue (IBM) nad Gary Kasparow (Maj 1997)
• Pierwsze lata XXI wieku – Rozwój machine-learning (IBM Watson zwycięża w Jeopardy – 2011)
• 2010-2015 – Rozwój technologii „Deep Learning” „Neural networks” i „Big Data”
• 2015 – rok dynamicznego wzrostu ilości projektów AI …
 Ograniczona Sztuczna Inteligencja (Narrow AI, Soft AI) jest zastosowaniem bardzo szerokiego
spektrum algorytmów komputerowych do rozwiązywania problemów wymagających
inteligentnej analizy, logicznego wnioskowania oraz podejmowania działań, jakie dotychczas
zwykle były domeną intelektu człowieka.
 Opisując zjawisko „Narrow AI” nie można wskazać jednego dominującego sposobu
rozwiązywania występujących w nim problemów.
 Cechą charakterystyczną tego kierunku jest stosowanie algorytmów, które są bardzo specyficzne
dla specyficznych problemów.
 I tak na przykład najlepsze współczesne algorytmy rozpoznawania i analizy obrazów są zupełnie
inne od algorytmów analizy języka naturalnego (NLP – Natural Language Processing) czy też
algorytmów Automatycznej Analizy Mowy - ASR (Automated Speech Recognition)
 Ogólna Sztuczna Inteligencja (Hard AI, General AI, AGI – Artificial General Intelligence):
 To dziedzina badań odnosząca się do nadal SPEKULATYWNEJ przyszłej Sztucznej Inteligencji,
która charakteryzuje się inteligentnym zachowaniem przynajmniej tak zaawansowanym jak
istota ludzka w bardzo szerokim zakresie funkcji kognitywnych.
 Pomiędzy Ograniczoną a Ogólną Sztuczną Inteligencją występuje dziś gigantyczna przepaść.
 Wszelkie usiłowania aby przejść (ewolucyjnie) od Ograniczonej go Ogólnej Sztucznej Inteligencji
nie przyniosły żadnego efektu mimo dziesięcioleci badań i eksperymentów.
 Ogólna Sztuczna Inteligencja stała się przedmiotem wielu spekulacji, z których najbardziej
znana to teoria Singularności (Ray Kurzweil) przewidująca eksplozję inteligencji maszynowej
oraz możliwości takie jak np. „upload” zawartości umysłu do komputerów.
 Ale - czy Ogólna Sztuczna Inteligencja jest w ogóle możliwa ….?
Wielu wybitnych naukowców uważa, że NIE!
Argumentacja jest bardzo silna:
Twierdzenie Turinga i jego konsekwencje
„He went on to prove that there was no solution to the decision problem
by first showing that the halting problem for Turing machines
is undecidable: It is not possible to decide algorithmically whether
a Turing machine will ever halt.” https://en.wikipedia.org/wiki/Alan_Turing
 Skoro  Wszystkie znane dziś systemy komputerowe SĄ maszynami Turinga
 Oraz  Ludzki umysł posiada zdolność (nie algorytmiczną) rozwiązania „problemu stopu”
 Wnioskujemy  komputery nie mogą mieć zdolności posiadanych przez ludzki umysł
 ZNACZENIE TWIERDZENIA GÖDEL’A.
„Gödel's incompleteness theorems are two theorems of mathematical logic that demonstrate the
inherent limitations of every formal axiomatic system containing basic arithmetic. (…)
The theorems are widely, but not universally, interpreted as showing that Hilbert's program to find
a complete and consistent set of axioms for all mathematics is impossible.”
https://en.wikipedia.org/wiki/Godels_theorem
 ZNACZENIE TWIERDZENIA GÖDEL’A - ARGUMENT LUCAS-PENROSE’A:
„The argument claims that Gödel’s first incompleteness theorem shows that the human mind is
not a Turing machine, that is, a computer. The argument has generated a great deal of
discussion since then. The influential Computational Theory of Mind, which claims that the human
mind is a computer, is false if Lucas’s argument succeeds. Furthermore, if Lucas’s argument is
correct, then “strong artificial intelligence,” the view that it is possible at least in principle to
construct a machine that has the same cognitive abilities as humans, is false.
(http://www.iep.utm.edu/lp-argue/) „
PONADTO:
wielu badaczy (w tym sam Penrose) sugerowało, że jeśli poznamy lepiej zjawiska kwantowe
zachodzące w mózgu, i odtworzymy je w „kwantowym komputerze” – otworzy to drogę do
Sztucznej Inteligencji…
ALE …
Pogląd
słynnych fizyków …
… i psychologów
Najciekawsze argumenty pochodzą z rozważań Davida Deutsch’a:
https://aeon.co/essays/how-close-are-we-to-creating-artificial-intelligence
Z jednej strony Deutsch nie akceptuje argumentu opartego na twierdzeniu Turinga:
Ale konkluduje:
Narrow AI
Ograniczonej Sztucznej
Inteligencji
 Uczenie maszynowe (Machine Learning)
 Analiza Języka Naturalnego /
Syntetyczna Mowa
 Rozpoznawanie i analiza obrazu /
Maszynowe Widzenie
 Planowanie aktywności ludzi i systemów
- systemy kolaboracyjne
 Robotyka
 Autonomiczne systemy transportowe
 Diagnostyka i roboty medyczne
 Maszynowa Reprezentacja Wiedzy,
maszynowe Wnioskowanie
 Systemy Eksperckie
 Apple’s Siri
 Google Now
 Microsoft Cortana
 Amazon Alexa
 Google Search
 Self Driving cars
 MakoLab SESSA
http://bostondynamics.com
https://www.youtube.com/watch?v=-e9QzIkP5qI
https://www.youtube.com/watch?v=xi0kilLREJ0
TIM BERNERS-LEE
oraz JIM HANDLER
wyznaczają kierunki
(po raz trzeci w historii)
Postulują, że jedynie
Semantic Web może pomóc
w stworzeniu „social machines”
–agentów praktycznie
pomagających nam w życiu
https://www.weforum.org/agenda/2016/01/the-fourth-industrial-revolution-what-it-means-and-how-to-respond/
https://www.whitehouse.gov/blog/2016/05/03/preparing-future-artificial-intelligence
http://www.bbc.com/earth/story/20170215-the-strange-link-between-the-human-mind-and-quantum-physicshttps://www.technologyreview.com/s/428235/intel-reveals-neuromorphic-chip-design/
 Ostrzeżenie Stephena Hawkinga
 Lęk Elona Muska
 Systematyczna wykładnia zagrożeń
przez Nick’a Bostroma (Oxford)
Nie są zatem pozbawione sensu usiłowania zbudowania swoistej „etyki” dla Sztucznej
Inteligencji. https://www.cs.ox.ac.uk/efai/tag/principles-of-robotics/
Izaak Asimov sformułował „trzy prawa robotów” (1942):
 Robot nie może skrzywdzić człowieka, ani przez zaniechanie działania dopuścić, aby człowiek
doznał krzywdy.
 Robot musi być posłuszny rozkazom człowieka, chyba, że stoją one w sprzeczności z Pierwszym
Prawem.
 Robot musi chronić samego siebie, o ile tylko nie stoi to w sprzeczności z Pierwszym lub
Drugim Prawem. https://en.wikipedia.org/wiki/Three_Laws_of_Robotics
Koncepcji „Maszyny Deontycznej” Roberta Trypuza i Piotra Kulickiego (KUL/MakoLab):
Robert Trypuz, Piotr Kulicki, „Deontic machine for prima facie duties”
Jeśliby taka ogólna AI powstała na bazie
tradycyjnych (klasycznych – czyli
mieszczących się w definicji „Maszyny
Turinga”) technik obliczeniowych,
nie sposób będzie utrzymać pogląd
o „nieredukowalnym” umyśle. Konieczna
byłaby rewizja koncepcji osoby ludzkiej, jako
bytu duchowo-cielesnego, gdyż nie da się
wtedy już utrzymać założenia o
substancjalności i niezależności bytowej
ostatecznej podstawy świadomości, czyli
ludzkiej duszy.
Jeśli natomiast taka „General AI” powstałaby
za pomocą metod bliskich „Quantum
Computing” musielibyśmy dodatkowo
z całą pewnością odrzucić kartezjański
dualizm „duszy” i „ciała”, ale też być może
nawet bardziej subtelne koncepcje relacji
duszy i ciała występujące z jednej strony
w tradycji Arystotelowskiej, a z drugiej –
w ujęciach fenomenologicznych osoby
ludzkiej.
Istnienie możliwej do
technologicznego stworzenia
„Ogólnej AI” naruszyłoby też
pewność, z jaką w naszej
kulturze a szczególnie w
tradycji religii Abrahamowych,
wypowiadamy się o
szczególnej roli człowieka w
porządku stworzenia i jego
duchowo-cielesnej naturze.
Być może warto, aby właśnie w
tym kontekście, filozofowie
oraz przedstawiciele
poglądów religijnych
wzmocnili istniejący, ale
niezbyt aktywny dialog,
zarówno pomiędzy sobą jak
również z innymi tradycjami
religijnymi i zapoczątkowali
poważne rozważania na temat
Sztucznej Inteligencji?
Być może powstanie Ogólnej
AI nie musi zaprzeczać
odmienionej, ale nadal
głęboko duchowej koncepcji
człowieka? Warto tutaj
zwrócić uwagę, iż np.
w buddyzmie znajdujemy
interesujący, choć niewątpliwie
kontrowersyjny pogląd,
niewykluczający sztucznej
inteligencji ze zdolności do
osiągnięcia oświecenia
duchowego.
Oczywiście, wszystkie tego typu rozważania są oparte na
jedynie hipotetycznym istnieniu „Strong AI”.
Dzisiaj tak rozumianej Sztucznej Inteligencji nie ma
i należy zachować daleko idącą ostrożność, zarówno
zakładając jej szybkie powstanie jak i też zaprzeczając
takiej możliwości…
Rola Nauki
i Uniwersytetów
w rozwoju AI
Szczególnie ważne dla AI są następujące kierunki dydaktyki:
 Algorytmy optymalizujące
 Analiza danych
 Niestandardowe bazy danych
 Maszynowe uczenie
 Maszynowe wnioskowanie
 Rozpoznawanie obrazów i mowy
 Reprezentacja wiedzy
Rola badań nad językiem:
 Komunikacja z nowoczesnymi inteligentnymi systemami wymaga
rozpoznawania i generowania mowy ludzkiej – kompetencje w zakresie NLP
(Natural Language Processing) są dziś bardzo potrzebne
 Automatyczna analiza tekstów i rozpoznawanie znaczeń jest bardzo ważnym
elementem wielu nowoczesnych systemów cyfrowych. Lingwistyka – może
odegrać ogromną rolę w tworzeniu takich systemów.
 Nowoczesne kierunki takie jak kognitywistyka pozwalają na kształcenie
specjalistów w dziedzinach powiązanych z „Narrow AI”
 Informatyka współczesna potrzebuje dziś wsparcia zaawansowanej logiki
i filozofii.
 Filozofowie i etycy mogą zaangażować się w tworzenie klimatu społecznej
akceptacji dla „Narrow AI”
 Systemy Sztucznej Inteligencji, w tym systemy „autonomiczne” (w tym np.
„self-driving cars”) wymagają bardzo starannego i racjonalnego opracowania
zagadnień etycznych.
 Niezmierne istotne zagadnienie w rozstrzyganiu odpowiedzialności działań
systemów AI !
 Racjonalizacja zagadnień etycznych może prowadzić do możliwości
reprezentacji etyki za pomocą danych i programów.
 Absolwenci humanistyki mogą odegrać ogromną rolę w tworzeniu regulacji
prawnych stosowania AI.
 Budowanie ontologii, systemów i aplikacji semantycznych, repozytoriów
wiedzy – wymaga dogłębnej znajomości logiki i klasycznej ontologii.
 Dziedziny takie jak epistemologii i metafizyka są również bardzo pomocne.
 Klasyczne wykształcenie filozoficzne pobudza zdolność do krytycznego
myślenie – niezbędną w pracy w tych dziedzinach.
 Cyfrowa rzeczywistość jaka nas
otacza już dziś nabiera postaci
ECOSYSTEMU.
 Niestety, nikt do końca nie
rozumie jej istoty.
 Istnieje potrzeba badań
filozoficznych jakie inspiruje np.
Pierre Tielhard de Chardin – por.
jego pojęcia NOOSFERA, Punkt
OMEGA ?
Image designed by St. Edward’s University graphic design students
Badania nad umysłem i naturą
inteligencji
https://www.theguardian.com/science/2012/oct/03/philosophy-artificial-intelligence
3/10/2012
Four Slupsk Lectures. I. Artificial Intelligence

Mais conteúdo relacionado

Semelhante a Four Slupsk Lectures. I. Artificial Intelligence

Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavolwiktor1990
 
Silna sztuczna inteligencja - stan wiedzy, perspektywy rozwoju i problemy ety...
Silna sztuczna inteligencja - stan wiedzy, perspektywy rozwoju i problemy ety...Silna sztuczna inteligencja - stan wiedzy, perspektywy rozwoju i problemy ety...
Silna sztuczna inteligencja - stan wiedzy, perspektywy rozwoju i problemy ety...Tomasz Zalewski
 
Nurty transhumanizmu
Nurty transhumanizmuNurty transhumanizmu
Nurty transhumanizmuArtur Gunia
 
From Semantic Web to AI. A lecture at JPII University in Lublin
From Semantic Web to AI. A lecture at JPII University in LublinFrom Semantic Web to AI. A lecture at JPII University in Lublin
From Semantic Web to AI. A lecture at JPII University in Lublinsopekmir
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavolwiktor1990
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavolwiktor1990
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavolfayter55
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavolfayter55
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavolwiktor1990
 
Zawody przyszłości raport
Zawody przyszłości raportZawody przyszłości raport
Zawody przyszłości raportRadioGdansk
 
Wybrane prawne aspekty robotyki
Wybrane prawne aspekty robotyki Wybrane prawne aspekty robotyki
Wybrane prawne aspekty robotyki Romek Bieda
 
Dane, inteligencja i wiedza w epoce cyfrowej - trendy, szanse, wyzwania
Dane, inteligencja i wiedza w epoce cyfrowej - trendy, szanse, wyzwaniaDane, inteligencja i wiedza w epoce cyfrowej - trendy, szanse, wyzwania
Dane, inteligencja i wiedza w epoce cyfrowej - trendy, szanse, wyzwaniaDominik Batorski
 
Sztuczna inteligencja w prawie.
Sztuczna inteligencja w prawie.Sztuczna inteligencja w prawie.
Sztuczna inteligencja w prawie.Tomasz Zurek
 
Prezentacja_W_A
Prezentacja_W_APrezentacja_W_A
Prezentacja_W_Awiktor1990
 
Knowledge to Inspire - The Economic Singularity
Knowledge to Inspire - The Economic SingularityKnowledge to Inspire - The Economic Singularity
Knowledge to Inspire - The Economic Singularityquestus_polska
 
IBM Business Connect Piotr Mechlinski
IBM Business Connect Piotr MechlinskiIBM Business Connect Piotr Mechlinski
IBM Business Connect Piotr MechlinskiPiotr Mechliński
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavolwiktor1990
 

Semelhante a Four Slupsk Lectures. I. Artificial Intelligence (20)

Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavol
 
Silna sztuczna inteligencja - stan wiedzy, perspektywy rozwoju i problemy ety...
Silna sztuczna inteligencja - stan wiedzy, perspektywy rozwoju i problemy ety...Silna sztuczna inteligencja - stan wiedzy, perspektywy rozwoju i problemy ety...
Silna sztuczna inteligencja - stan wiedzy, perspektywy rozwoju i problemy ety...
 
Nurty transhumanizmu
Nurty transhumanizmuNurty transhumanizmu
Nurty transhumanizmu
 
From Semantic Web to AI. A lecture at JPII University in Lublin
From Semantic Web to AI. A lecture at JPII University in LublinFrom Semantic Web to AI. A lecture at JPII University in Lublin
From Semantic Web to AI. A lecture at JPII University in Lublin
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavol
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavol
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavol
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavol
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavol
 
Dokumentacja foto
Dokumentacja fotoDokumentacja foto
Dokumentacja foto
 
Zawody przyszłości raport
Zawody przyszłości raportZawody przyszłości raport
Zawody przyszłości raport
 
Biorobotyka2
Biorobotyka2Biorobotyka2
Biorobotyka2
 
Wybrane prawne aspekty robotyki
Wybrane prawne aspekty robotyki Wybrane prawne aspekty robotyki
Wybrane prawne aspekty robotyki
 
Dane, inteligencja i wiedza w epoce cyfrowej - trendy, szanse, wyzwania
Dane, inteligencja i wiedza w epoce cyfrowej - trendy, szanse, wyzwaniaDane, inteligencja i wiedza w epoce cyfrowej - trendy, szanse, wyzwania
Dane, inteligencja i wiedza w epoce cyfrowej - trendy, szanse, wyzwania
 
BIO AFFECTIVE ART
BIO AFFECTIVE ARTBIO AFFECTIVE ART
BIO AFFECTIVE ART
 
Sztuczna inteligencja w prawie.
Sztuczna inteligencja w prawie.Sztuczna inteligencja w prawie.
Sztuczna inteligencja w prawie.
 
Prezentacja_W_A
Prezentacja_W_APrezentacja_W_A
Prezentacja_W_A
 
Knowledge to Inspire - The Economic Singularity
Knowledge to Inspire - The Economic SingularityKnowledge to Inspire - The Economic Singularity
Knowledge to Inspire - The Economic Singularity
 
IBM Business Connect Piotr Mechlinski
IBM Business Connect Piotr MechlinskiIBM Business Connect Piotr Mechlinski
IBM Business Connect Piotr Mechlinski
 
Prezentacjavol
PrezentacjavolPrezentacjavol
Prezentacjavol
 

Mais de sopekmir

GraphChain
GraphChainGraphChain
GraphChainsopekmir
 
Using Blockchain for Digital Identifiers. The case of LEI.
Using Blockchain for Digital Identifiers. The case of LEI.Using Blockchain for Digital Identifiers. The case of LEI.
Using Blockchain for Digital Identifiers. The case of LEI.sopekmir
 
LEI.INFO and The ideas for LEI system
LEI.INFO and The ideas for LEI systemLEI.INFO and The ideas for LEI system
LEI.INFO and The ideas for LEI systemsopekmir
 
A possible future role of schema.org for business reporting
A possible future role of schema.org for business reportingA possible future role of schema.org for business reporting
A possible future role of schema.org for business reportingsopekmir
 
Structured Data for the Financial Industry
Structured Data for the Financial Industry Structured Data for the Financial Industry
Structured Data for the Financial Industry sopekmir
 
Industry Ontologies: Case Studies in Creating and Extending Schema.org
Industry Ontologies: Case Studies in Creating and Extending Schema.org Industry Ontologies: Case Studies in Creating and Extending Schema.org
Industry Ontologies: Case Studies in Creating and Extending Schema.org sopekmir
 
Rank | Analyse | Lead | Search
Rank | Analyse | Lead | SearchRank | Analyse | Lead | Search
Rank | Analyse | Lead | Searchsopekmir
 
Nietypowe Aplikacje Blockchain - dla Lodz Blockchain Meetup #2
Nietypowe Aplikacje Blockchain - dla Lodz Blockchain Meetup #2Nietypowe Aplikacje Blockchain - dla Lodz Blockchain Meetup #2
Nietypowe Aplikacje Blockchain - dla Lodz Blockchain Meetup #2sopekmir
 
How Can Blockchain amplify Digital Identifiers? Improving Data Persistence, O...
How Can Blockchain amplify Digital Identifiers? Improving Data Persistence, O...How Can Blockchain amplify Digital Identifiers? Improving Data Persistence, O...
How Can Blockchain amplify Digital Identifiers? Improving Data Persistence, O...sopekmir
 
Blockchain for Digital Identifiers
Blockchain for Digital IdentifiersBlockchain for Digital Identifiers
Blockchain for Digital Identifierssopekmir
 
Representation of molecular structures and related computations on the Sema...
Representation of molecular structures and related computations on the Sema...Representation of molecular structures and related computations on the Sema...
Representation of molecular structures and related computations on the Sema...sopekmir
 
Chemical Semantics at Sopron CC Conference
Chemical Semantics at Sopron CC Conference Chemical Semantics at Sopron CC Conference
Chemical Semantics at Sopron CC Conference sopekmir
 
Chemical Semantics Sopron Talk
Chemical Semantics Sopron TalkChemical Semantics Sopron Talk
Chemical Semantics Sopron Talksopekmir
 
Web Technology Management Lecture IV
Web Technology Management Lecture IVWeb Technology Management Lecture IV
Web Technology Management Lecture IVsopekmir
 
Web Technology Management Lecture III
Web Technology Management Lecture IIIWeb Technology Management Lecture III
Web Technology Management Lecture IIIsopekmir
 
Web Technology Management Lecture II
Web Technology Management Lecture IIWeb Technology Management Lecture II
Web Technology Management Lecture IIsopekmir
 
History of The Web
History of The WebHistory of The Web
History of The Websopekmir
 
Web Technology Management Lecture
Web Technology Management LectureWeb Technology Management Lecture
Web Technology Management Lecturesopekmir
 
Noahide Laws
Noahide LawsNoahide Laws
Noahide Lawssopekmir
 
Tranzakcje
TranzakcjeTranzakcje
Tranzakcjesopekmir
 

Mais de sopekmir (20)

GraphChain
GraphChainGraphChain
GraphChain
 
Using Blockchain for Digital Identifiers. The case of LEI.
Using Blockchain for Digital Identifiers. The case of LEI.Using Blockchain for Digital Identifiers. The case of LEI.
Using Blockchain for Digital Identifiers. The case of LEI.
 
LEI.INFO and The ideas for LEI system
LEI.INFO and The ideas for LEI systemLEI.INFO and The ideas for LEI system
LEI.INFO and The ideas for LEI system
 
A possible future role of schema.org for business reporting
A possible future role of schema.org for business reportingA possible future role of schema.org for business reporting
A possible future role of schema.org for business reporting
 
Structured Data for the Financial Industry
Structured Data for the Financial Industry Structured Data for the Financial Industry
Structured Data for the Financial Industry
 
Industry Ontologies: Case Studies in Creating and Extending Schema.org
Industry Ontologies: Case Studies in Creating and Extending Schema.org Industry Ontologies: Case Studies in Creating and Extending Schema.org
Industry Ontologies: Case Studies in Creating and Extending Schema.org
 
Rank | Analyse | Lead | Search
Rank | Analyse | Lead | SearchRank | Analyse | Lead | Search
Rank | Analyse | Lead | Search
 
Nietypowe Aplikacje Blockchain - dla Lodz Blockchain Meetup #2
Nietypowe Aplikacje Blockchain - dla Lodz Blockchain Meetup #2Nietypowe Aplikacje Blockchain - dla Lodz Blockchain Meetup #2
Nietypowe Aplikacje Blockchain - dla Lodz Blockchain Meetup #2
 
How Can Blockchain amplify Digital Identifiers? Improving Data Persistence, O...
How Can Blockchain amplify Digital Identifiers? Improving Data Persistence, O...How Can Blockchain amplify Digital Identifiers? Improving Data Persistence, O...
How Can Blockchain amplify Digital Identifiers? Improving Data Persistence, O...
 
Blockchain for Digital Identifiers
Blockchain for Digital IdentifiersBlockchain for Digital Identifiers
Blockchain for Digital Identifiers
 
Representation of molecular structures and related computations on the Sema...
Representation of molecular structures and related computations on the Sema...Representation of molecular structures and related computations on the Sema...
Representation of molecular structures and related computations on the Sema...
 
Chemical Semantics at Sopron CC Conference
Chemical Semantics at Sopron CC Conference Chemical Semantics at Sopron CC Conference
Chemical Semantics at Sopron CC Conference
 
Chemical Semantics Sopron Talk
Chemical Semantics Sopron TalkChemical Semantics Sopron Talk
Chemical Semantics Sopron Talk
 
Web Technology Management Lecture IV
Web Technology Management Lecture IVWeb Technology Management Lecture IV
Web Technology Management Lecture IV
 
Web Technology Management Lecture III
Web Technology Management Lecture IIIWeb Technology Management Lecture III
Web Technology Management Lecture III
 
Web Technology Management Lecture II
Web Technology Management Lecture IIWeb Technology Management Lecture II
Web Technology Management Lecture II
 
History of The Web
History of The WebHistory of The Web
History of The Web
 
Web Technology Management Lecture
Web Technology Management LectureWeb Technology Management Lecture
Web Technology Management Lecture
 
Noahide Laws
Noahide LawsNoahide Laws
Noahide Laws
 
Tranzakcje
TranzakcjeTranzakcje
Tranzakcje
 

Four Slupsk Lectures. I. Artificial Intelligence

  • 2. Czym jest w istocie Sztuczna Inteligencja? Ewolucja Internetu Co to jest Bitcoin i Blockchain? Czym jest „Cyfrowość” (Digital)?
  • 3. Czym jest w istocie Sztuczna Inteligencja?
  • 7.  Nie mamy dziś ogólnie zaakceptowanej definicji Sztucznej Inteligencji!  Mamy bardzo złą „popularną” definicję (wywodzącą się z literatury i filmu Science Fiction) wyrażoną np. w: „The exciting new effort to make computers think … machines with minds, in the full and literal sense.” (John Haugeland, autor koncepcji GOFAI - Good Old-Fashioned Artificial Intelligence)  Jeden z najbardziej popularnych podręczników Sztucznej Inteligencji (Russell and Norvig, „Artificial Intelligence: A Modern Approach”) podaje aż cztery definicje: o Systemy, które „myślą” jak ludzie o Systemy, które „zachowują się” jak ludzie o Systemy, które „myślą” racjonalnie o Systemy, które „zachowują się” racjonalnie
  • 8. DOBRA, ROBOCZA DEFINICJA:  „Sztuczna inteligencja (Artificial Intelligence) jest nauką oraz zbiorem technologii obliczeniowych, inspirowanych, (choć zwykle działających w zupełnie inny sposób) – metodami, jakimi posługują się ludzie używający swojego umysłu, inteligencji i cielesności, aby postrzegać, uczyć się, wnioskować i podejmować stosowne działania.”  Definicja tu przytoczona oparta jest o definicję zawartą w słynnym raporcie AI100 „One Hundred Years Study on Artificial Intelligence”: http://ai100.stanford.edu/
  • 9. • Prekursorem Sztucznej Inteligencji jest Alan Turning – genialny matematyk i kryptoanalityk. Twórca matematycznego modelu komputerów – ważnego do dziś. • Sztuczna Inteligencja jako dyscyplina naukowa powstała w wyniku bardzo długiego i burzliwego rozwoju zapoczątkowanego w roku 1956 przez John’a McCarthy, który zorganizował w Dartmouth (USA) słynny „Letni Projekt badawczy Sztucznej Inteligencji”. • J. McCarthy, M. L. Minsky, N. Rochester, C.E. Shannon. “Dartmouth Summer Research Project On Artificial Intelligence”.
  • 10. • Lata 60-te XX wieku – finansowanie projektów AI przez Department of Defense. • Optymizm: Herbert Simon: "machines will be capable, within twenty years, of doing any work a man can do." Marvin Minsky: "within a generation ... the problem of creating 'artificial intelligence' will substantially be solved." • Był to jednak optymizm przedwczesny – w latach 70-tych następuje zatrzymanie finansowania AI – rozpoczyna się okres zwany „AI Winter” – „Zima Sztucznej Inteligencji” • Lata 80-te – Rozwój Systemów Eksperckich – „Expert systems” • Lata 90-te – Rozwój „Data mining”, diagnostyka medyczna • Koniec wieku - symboliczne zwycięstwo Deep Blue (IBM) nad Gary Kasparow (Maj 1997) • Pierwsze lata XXI wieku – Rozwój machine-learning (IBM Watson zwycięża w Jeopardy – 2011) • 2010-2015 – Rozwój technologii „Deep Learning” „Neural networks” i „Big Data” • 2015 – rok dynamicznego wzrostu ilości projektów AI …
  • 11.  Ograniczona Sztuczna Inteligencja (Narrow AI, Soft AI) jest zastosowaniem bardzo szerokiego spektrum algorytmów komputerowych do rozwiązywania problemów wymagających inteligentnej analizy, logicznego wnioskowania oraz podejmowania działań, jakie dotychczas zwykle były domeną intelektu człowieka.  Opisując zjawisko „Narrow AI” nie można wskazać jednego dominującego sposobu rozwiązywania występujących w nim problemów.  Cechą charakterystyczną tego kierunku jest stosowanie algorytmów, które są bardzo specyficzne dla specyficznych problemów.  I tak na przykład najlepsze współczesne algorytmy rozpoznawania i analizy obrazów są zupełnie inne od algorytmów analizy języka naturalnego (NLP – Natural Language Processing) czy też algorytmów Automatycznej Analizy Mowy - ASR (Automated Speech Recognition)
  • 12.  Ogólna Sztuczna Inteligencja (Hard AI, General AI, AGI – Artificial General Intelligence):  To dziedzina badań odnosząca się do nadal SPEKULATYWNEJ przyszłej Sztucznej Inteligencji, która charakteryzuje się inteligentnym zachowaniem przynajmniej tak zaawansowanym jak istota ludzka w bardzo szerokim zakresie funkcji kognitywnych.  Pomiędzy Ograniczoną a Ogólną Sztuczną Inteligencją występuje dziś gigantyczna przepaść.  Wszelkie usiłowania aby przejść (ewolucyjnie) od Ograniczonej go Ogólnej Sztucznej Inteligencji nie przyniosły żadnego efektu mimo dziesięcioleci badań i eksperymentów.  Ogólna Sztuczna Inteligencja stała się przedmiotem wielu spekulacji, z których najbardziej znana to teoria Singularności (Ray Kurzweil) przewidująca eksplozję inteligencji maszynowej oraz możliwości takie jak np. „upload” zawartości umysłu do komputerów.  Ale - czy Ogólna Sztuczna Inteligencja jest w ogóle możliwa ….?
  • 13. Wielu wybitnych naukowców uważa, że NIE! Argumentacja jest bardzo silna: Twierdzenie Turinga i jego konsekwencje „He went on to prove that there was no solution to the decision problem by first showing that the halting problem for Turing machines is undecidable: It is not possible to decide algorithmically whether a Turing machine will ever halt.” https://en.wikipedia.org/wiki/Alan_Turing  Skoro  Wszystkie znane dziś systemy komputerowe SĄ maszynami Turinga  Oraz  Ludzki umysł posiada zdolność (nie algorytmiczną) rozwiązania „problemu stopu”  Wnioskujemy  komputery nie mogą mieć zdolności posiadanych przez ludzki umysł
  • 14.  ZNACZENIE TWIERDZENIA GÖDEL’A. „Gödel's incompleteness theorems are two theorems of mathematical logic that demonstrate the inherent limitations of every formal axiomatic system containing basic arithmetic. (…) The theorems are widely, but not universally, interpreted as showing that Hilbert's program to find a complete and consistent set of axioms for all mathematics is impossible.” https://en.wikipedia.org/wiki/Godels_theorem  ZNACZENIE TWIERDZENIA GÖDEL’A - ARGUMENT LUCAS-PENROSE’A: „The argument claims that Gödel’s first incompleteness theorem shows that the human mind is not a Turing machine, that is, a computer. The argument has generated a great deal of discussion since then. The influential Computational Theory of Mind, which claims that the human mind is a computer, is false if Lucas’s argument succeeds. Furthermore, if Lucas’s argument is correct, then “strong artificial intelligence,” the view that it is possible at least in principle to construct a machine that has the same cognitive abilities as humans, is false. (http://www.iep.utm.edu/lp-argue/) „
  • 15. PONADTO: wielu badaczy (w tym sam Penrose) sugerowało, że jeśli poznamy lepiej zjawiska kwantowe zachodzące w mózgu, i odtworzymy je w „kwantowym komputerze” – otworzy to drogę do Sztucznej Inteligencji… ALE …
  • 17. Najciekawsze argumenty pochodzą z rozważań Davida Deutsch’a: https://aeon.co/essays/how-close-are-we-to-creating-artificial-intelligence Z jednej strony Deutsch nie akceptuje argumentu opartego na twierdzeniu Turinga: Ale konkluduje:
  • 19.  Uczenie maszynowe (Machine Learning)  Analiza Języka Naturalnego / Syntetyczna Mowa  Rozpoznawanie i analiza obrazu / Maszynowe Widzenie  Planowanie aktywności ludzi i systemów - systemy kolaboracyjne  Robotyka  Autonomiczne systemy transportowe  Diagnostyka i roboty medyczne  Maszynowa Reprezentacja Wiedzy, maszynowe Wnioskowanie  Systemy Eksperckie
  • 20.  Apple’s Siri  Google Now  Microsoft Cortana  Amazon Alexa  Google Search  Self Driving cars  MakoLab SESSA
  • 24. TIM BERNERS-LEE oraz JIM HANDLER wyznaczają kierunki (po raz trzeci w historii) Postulują, że jedynie Semantic Web może pomóc w stworzeniu „social machines” –agentów praktycznie pomagających nam w życiu
  • 28.  Ostrzeżenie Stephena Hawkinga  Lęk Elona Muska  Systematyczna wykładnia zagrożeń przez Nick’a Bostroma (Oxford)
  • 29. Nie są zatem pozbawione sensu usiłowania zbudowania swoistej „etyki” dla Sztucznej Inteligencji. https://www.cs.ox.ac.uk/efai/tag/principles-of-robotics/ Izaak Asimov sformułował „trzy prawa robotów” (1942):  Robot nie może skrzywdzić człowieka, ani przez zaniechanie działania dopuścić, aby człowiek doznał krzywdy.  Robot musi być posłuszny rozkazom człowieka, chyba, że stoją one w sprzeczności z Pierwszym Prawem.  Robot musi chronić samego siebie, o ile tylko nie stoi to w sprzeczności z Pierwszym lub Drugim Prawem. https://en.wikipedia.org/wiki/Three_Laws_of_Robotics Koncepcji „Maszyny Deontycznej” Roberta Trypuza i Piotra Kulickiego (KUL/MakoLab): Robert Trypuz, Piotr Kulicki, „Deontic machine for prima facie duties”
  • 30. Jeśliby taka ogólna AI powstała na bazie tradycyjnych (klasycznych – czyli mieszczących się w definicji „Maszyny Turinga”) technik obliczeniowych, nie sposób będzie utrzymać pogląd o „nieredukowalnym” umyśle. Konieczna byłaby rewizja koncepcji osoby ludzkiej, jako bytu duchowo-cielesnego, gdyż nie da się wtedy już utrzymać założenia o substancjalności i niezależności bytowej ostatecznej podstawy świadomości, czyli ludzkiej duszy. Jeśli natomiast taka „General AI” powstałaby za pomocą metod bliskich „Quantum Computing” musielibyśmy dodatkowo z całą pewnością odrzucić kartezjański dualizm „duszy” i „ciała”, ale też być może nawet bardziej subtelne koncepcje relacji duszy i ciała występujące z jednej strony w tradycji Arystotelowskiej, a z drugiej – w ujęciach fenomenologicznych osoby ludzkiej.
  • 31. Istnienie możliwej do technologicznego stworzenia „Ogólnej AI” naruszyłoby też pewność, z jaką w naszej kulturze a szczególnie w tradycji religii Abrahamowych, wypowiadamy się o szczególnej roli człowieka w porządku stworzenia i jego duchowo-cielesnej naturze. Być może warto, aby właśnie w tym kontekście, filozofowie oraz przedstawiciele poglądów religijnych wzmocnili istniejący, ale niezbyt aktywny dialog, zarówno pomiędzy sobą jak również z innymi tradycjami religijnymi i zapoczątkowali poważne rozważania na temat Sztucznej Inteligencji? Być może powstanie Ogólnej AI nie musi zaprzeczać odmienionej, ale nadal głęboko duchowej koncepcji człowieka? Warto tutaj zwrócić uwagę, iż np. w buddyzmie znajdujemy interesujący, choć niewątpliwie kontrowersyjny pogląd, niewykluczający sztucznej inteligencji ze zdolności do osiągnięcia oświecenia duchowego.
  • 32. Oczywiście, wszystkie tego typu rozważania są oparte na jedynie hipotetycznym istnieniu „Strong AI”. Dzisiaj tak rozumianej Sztucznej Inteligencji nie ma i należy zachować daleko idącą ostrożność, zarówno zakładając jej szybkie powstanie jak i też zaprzeczając takiej możliwości…
  • 34. Szczególnie ważne dla AI są następujące kierunki dydaktyki:  Algorytmy optymalizujące  Analiza danych  Niestandardowe bazy danych  Maszynowe uczenie  Maszynowe wnioskowanie  Rozpoznawanie obrazów i mowy  Reprezentacja wiedzy
  • 35. Rola badań nad językiem:  Komunikacja z nowoczesnymi inteligentnymi systemami wymaga rozpoznawania i generowania mowy ludzkiej – kompetencje w zakresie NLP (Natural Language Processing) są dziś bardzo potrzebne  Automatyczna analiza tekstów i rozpoznawanie znaczeń jest bardzo ważnym elementem wielu nowoczesnych systemów cyfrowych. Lingwistyka – może odegrać ogromną rolę w tworzeniu takich systemów.
  • 36.  Nowoczesne kierunki takie jak kognitywistyka pozwalają na kształcenie specjalistów w dziedzinach powiązanych z „Narrow AI”  Informatyka współczesna potrzebuje dziś wsparcia zaawansowanej logiki i filozofii.  Filozofowie i etycy mogą zaangażować się w tworzenie klimatu społecznej akceptacji dla „Narrow AI”
  • 37.  Systemy Sztucznej Inteligencji, w tym systemy „autonomiczne” (w tym np. „self-driving cars”) wymagają bardzo starannego i racjonalnego opracowania zagadnień etycznych.  Niezmierne istotne zagadnienie w rozstrzyganiu odpowiedzialności działań systemów AI !  Racjonalizacja zagadnień etycznych może prowadzić do możliwości reprezentacji etyki za pomocą danych i programów.  Absolwenci humanistyki mogą odegrać ogromną rolę w tworzeniu regulacji prawnych stosowania AI.
  • 38.  Budowanie ontologii, systemów i aplikacji semantycznych, repozytoriów wiedzy – wymaga dogłębnej znajomości logiki i klasycznej ontologii.  Dziedziny takie jak epistemologii i metafizyka są również bardzo pomocne.  Klasyczne wykształcenie filozoficzne pobudza zdolność do krytycznego myślenie – niezbędną w pracy w tych dziedzinach.
  • 39.  Cyfrowa rzeczywistość jaka nas otacza już dziś nabiera postaci ECOSYSTEMU.  Niestety, nikt do końca nie rozumie jej istoty.  Istnieje potrzeba badań filozoficznych jakie inspiruje np. Pierre Tielhard de Chardin – por. jego pojęcia NOOSFERA, Punkt OMEGA ? Image designed by St. Edward’s University graphic design students
  • 40. Badania nad umysłem i naturą inteligencji https://www.theguardian.com/science/2012/oct/03/philosophy-artificial-intelligence 3/10/2012