Veštačka inteligencija

Tema: Pojam i definicija veštačke inteligencije

Profesor: Student:
 Sadržaj:

SADRŽAJ:...............................................................................................................................................................2

UVOD.......................................................................................................................................................................3

ŠTA JE TO INTELIGENCIJA..............................................................................................................................4

ISTORIJSKI PREGLED RAZVOJA...................................................................................................................5

DEFINICIJA VI?..................................................................................................................................................10

SISTEM KOJI SE PONAŠA KAO LJUDI: TJURINGOV TEST.......................................................................................11

SISTEM KOJI RAZMIŠLJA KAO LJUDI: KOGNITIVNI MODEL PRISTUPA.................................................................12

RAZMIŠLJATI RACIONALNO: PRISTUP KROZ ZAKONE MIŠLJENJA........................................................................12

RADITI RACIONALNO:PRISTUP KROZ INTELIGENTNE AGENTE............................................................................12

DRŽAVA UMETNOSTI......................................................................................................................................13

ZAKLJUČAK........................................................................................................................................................14

Literatura:................................................................................................................................................................16

2
 Uvod
„Posle pisma, arapskih brojeva, analitičke geometrije i diferencijalnog računa,
računar je – prema mišljenju Herberta Sajmona – četvrta istorijska prekretnica u razvitku
civilizacije. Da li je to, možda, osokolilo izvesne naučnike da predvide da će veštačka
inteligencija nadmašiti ljudsku? „

Čovečanstvo je sebi dalo naučni naziv Homo sapiens – inteligentan čovek - jer su
naše mentalne sposobnosti toliko važne za naše svakodnevne živote i osećanja o nama
samima.Oblast veštačke inteligencije, takođe VI (artificial intelligence,AI) pokušava da
razume inteligentne entitete.Tako, jedan od razloga jednog ovakvog razumevanja je da
saznamo više o sebi. Ali za razliku od filozofije i psihologije, čije je interesovanje takođe
inteligencija,VI nastoji da izgradi inteligentne entitete kao i njihovo razumevanje. VI je
proizvela mnoge značajne i impresivne proizvode čak i u svojoj ranoj fazi razvoja. Iako niko
ne može predvideti budućnost u detalje, jasno je da kompjuteri na ljudskim nivou inteligencije
(ili bolje) imaju veliki uticaj na naš svakodnevni život i na dalji tok civilizacije.

Veštačka inteligencija je podoblast računarstva. Cilj istraživanja veštačke inteligencije

je razvijanje programa (softvera), koji će računarima omogućiti da se ponašaju na način koji
bi se mogao okarakterisati intelignentim. Prva istraživanja se vežu za same korene
računarstva. Ideja o stvaranju mašina koje će biti sposobne da obavljaju različite zadatke
inteligentno, bila je centralna preokupacija naučnika računarstva koji su se opredelili za
istraživanje veštačke inteligencije, tokom cele druge polovine 20. veka. Savremena
istraživanja u veštačkoj inteligenciji su orjentisana na ekspertske i prevodilačke sisteme u
ograničenim domenima, prepoznavanje prirodnog govora i pisanog teksta, automatske
dokazivače teorema, kao i konstantno interesovanje za stvaranje generalno inteligentnih
autonomnih agenata.

Veštačka inteligencija kao pojam u širem smislu, označava kapacitet jedne veštačke
tvorevine za realizovanje funkcija koje su karakteristika ljudskog razmišljanja. Mogućnost
razvoja slične tvorevine je budila interesovanje ljudi još od antičkog doba; ipak, tek u drugoj
polovini XX vjeka takva mogućnost je dobila prva oruđa (računare), čime se otvorio put za taj
poduhvat.

Potpomognuta napretkom moderne nauke, istraživanja na polju veštačke inteligencije

se razvijaju u dva osnovna smera: psihološka i fiziološka istraživanja prirode ljudskog uma, i
tehnološki razvoj sve složenijih računarskih sistema.

U tom smislu, pojam veštačke inteligencije se prvobitno pripisao sistemima i

računarskim programima sa sposobnostima realizovanja složenih zadataka, odnosno
simulacijama funkcionisanja ljudskog razmišljanja, iako je i dan danas, prilično daleko od
cilja. U toj sferi, najvažnije oblasti istraživanja su obrada podataka, prepoznavanje modela
različitih oblasti znanja, igre i primenjene oblasti, kao na primjer medicina.

Neke oblasti današnjih istraživanja obrađivanja podataka se koncentrišu na programe

koji nastoje osposobiti računar za razumevanje pisane i verbalne informacije, stvaranje
rezimea, davanje odgovara na određena pitanja ili redistribuciju podataka korisnicima
zainteresovanim za određene delove tih informacija. U tim programima je od suštinskog

3
značaja kapacitet sistema za konstruisanje gramatički korektnih rečenica i uspostavljanje veze
između reči i ideja, odnosno identifikovanje značenja. Istraživanja su pokazala da, dok je
probleme strukturne logike jezika, odnosno njegove sintakse, moguće riješiti programiranjem
odgovarajućih algoritama, problem značenja, ili semantika, je mnogo dublji i ide u pravcu
autentične veštačke inteligencije.

Osnovne tendencije danas, za razvoj sistema VI predstavljaju: razvoj ekspertskih

sistema i razvoj neuronskih mreža. Ekspertski sistemi pokušavaju reprodukovati ljudsko
razmišljanjene preko simbola. Neuronske mreže to rade više iz biološke perspektive
(rekreiraju strukturu ljudskog mozga uz pomoć genetskih algoritama). Uprkos složenosti oba
sistema, rezultati su veoma daleko od stvarnog inteligentnog razmišljanja.

Mnogi naučnici su skeptici prema mogućnosti razvijanja istinske VI. Funkcionisanje

ljudskog razmišljanja, još uvijek nije dublje poznato, iz kog razloga će informatički dizajn
inteligentnih sistema, još duži vremenski period biti u suštini onesposobljen za predstavljanje
tih nepoznatih i složenih procesa.

Šta je to inteligencija?
Uobičajeno pod inteligencijom podrazumevamo sposobnost usvajanja, pamćenja i
obrade odredjenjih znanja.Ipak, nijedna definicija veštačke inteligencije nije opšte prihvaćena
(bar ne neka koja bi odgovarala uobičajenom, svakodnevnom smislu i istovremeno precizno i
formalno opisivala pojam). U svakom slučaju možemo smatrati da inteligencija podrazumeva
bar dve sposobnosti: sposobnost pamćenja, skladištenja znanja i mogućnost njegove obrade.
Osoba (ili mašina) bez ikakvog znanja ne može biti smatrana inteligentnom. Takodje,
inteligentnom ne može biti smatrana ni osoba (ili mašina) sa ogromnom količinom
”statičkog” znanja odnosno podataka, ali bez sposobnosti da to znanje obradjuje i da rešava
probleme u vezi sa njim. Postoje i drugi aspekti inteligencije. Jedan od njih je brzina obrade
znanja, koja je, kada su u pitanju računari, zavisna ne samo od procedura za zaključivanje,
već, naravno, i od tehničkih karakteristika pojedinog računara.Sposobnost učenja - usvajanja
novih znanja takodje je jedan od aspekata inteligencije,iako je možemo uvrstiti u sposobnost
rešavanja problema.
Aspektom inteligencije možemo smatrati i sposobnost komunikacije sa drugim
inteligentnim bićima (mašinama), koju takodje možemo uvrstiti u rešavanje problema.
Smatraćemo, dakle, da biće ili mašina imaju atribute intelignetnog, ako imaju navedena
svojstva. Ako se radi o mašini odnosno uredjaju bilo koje vrste sa navedenim svojstvima,
govorićemo o veštačkoj inteligenciji. Podsetimo se i jedne ”klasične” definicije veštačke
inteligencije: ako su u odvojene dve prostorije smeštene jedna ljudska osoba i neka naprava i
ako na identične probleme one pružaju odgovore na osnovu kojih se ne može pogoditi u kojoj
sobi je čovek, a u kojoj naprava, onda možemo smatrati da ta naprava ima atribute veštačke
inteligencije. Nakon svega, dobro je navesti i jednu rigorozniju i možda suvoparniju, ali
verovatno najbolju definiciju veštačke inteligencije — to je disciplina koja se bavi
problemima u kojima se javlja kombinatorna eksplozija.
Za pojam inteligencije suštinska su dva pitanja: pitanje znanja i pitanje zaklju čivanja,
koja, kada govorimo o računarima, odgovaraju pojmovima baze znanja i komponente
zaključivanja. Komponenta zaključivanja (izvođenja) predstavlja takodje neku vrstu znanja -
to je znanje o procesu izvođenja novih informacija iz iz date baze znanja i o pravilima po
kojima se to izvođenje vrši. Znanje ovog tipa zvaćemo meta-znanjem. Sam pojam znanja,
takođe ima više aspekata. Po mnogim filozofskim koncepcijama znanje predstavlja tvrđenja
za koje je utvrđeno ili može biti utvrdjeno da su tačna. Ipak, mi ćemo često imati potrebu da

4
radimo i sa informacijama koje ne moraju da budu tačne, pa ćemo prihvatiti širi pojam znanja
i pod njim podrazumevati i istinite, potvrđene činjenice, ali i hipoteze, nepotpune informacije
i informacije date sa određenim verovatnoćama. Izbor reprezentacije znanja je jedan od
ključnih problema i on je u direktnoj vezi i sa prirodom odredjenog znanja, ali i sa prirodom
mehanizama za zaključivanje. Mehanizmi za zaključivanje moraju biti prilagođeni
reprezentaciji znanja i njegovoj prirodi, pa će u jednom slučaju biti zasnovani
na klasičnoj logici, a u drugom na modalnoj logici, teoriji verovatnoće, fazi
logici itd. Zaključivanjem možemo smatrati proces po kojem se na osnovu baze
znanja može izvesti informacija koja u njoj nije eksplicitno sadržana. Tako, na
primer, ako u bazi znanja imamo činjenice:
I1 : ...
I2 : ...
na osnovu njih moguće je izvesti činjenicu:
I3 : ...
koja zaista nije bila eksplicitno sadržana u polaznoj bazi znanja. Navedeni primer odgovara
uobičajenom zaključivanju koje odgovara ljudskom iskustvu. Često se, medjutim, susrećemo
sa problemima kod kojih je teško precizno zasnovati proces zaključivanja koji odgovara
čovekovom i bićemo prinuđeni da tragamo za sofisticiranijim tehnikama koje odgovaraju tim
zahtevima. U vezi sa formalizacijom prirodnog toka zaključivanja su i problemi monotonog i
nemonotonog zaključivanja. Na kraju uvodnog dela jednostavnim primerom ilustrovaćemo
nekoliko različitih oblika zaključivanja. Razmotrimo odnos veze
(i) i činjenica
(ii)P(a)
(iii)Q(a):
Izvođenje činjenice Q(a) na osnovu (i) i (ii) je potpuno opravdano i odgovara matematičkim
principima deduktivnog zaključivanja. Izvodjenje veze (i) na osnovu niza parova (ii); (iii) za
različite instance argumenta, odgovara nepotpunoj indukciji, nema matematičku egzaktnost, a
u praktičnim primenama pouzdanost mu se povećava sa brojem instanci koje potvrdjuju
hipotezu. Izvodjenje činjenice (ii) na osnovu (i) i (ii) zovemo abdukcijom. Ono takodje
nije egzaktno, a opravdanje ima u odnosu uzroka i posledice. Tako, ako raspolažemo
nizom veza oblika (i) za različita svojstva Qi(i = 1,..., n) i nizom činjenica
Qi(a)(i = 1,..., n), možemo da zaključimo (sa izvesnom pouzdanošću), da
kao uzrok posledicama Qi(a)(i = 1,..., n) važi svojstvo P(a). Ovaj princip zaklju
čivanja često se primenjuje u medicinskim ekspertnim sistemima za utvrdjivanje
(potencijalnog) uzroka na osnovu poznatih simptoma.

Istorijski pregled razvoja

Pojam veštačka inteligencija (VI), nastaje leta 1956. godine u Dartmudu, Hanover
(SAD), na skupu istraživača zainteresovanih za teme inteligencije, neuronskih mreža i teorije
automata. Skup je organizovao Džon Mekarti, ujedno sa Klodom Šenonom, Marvinom
Minskim i N. Ročesterom. Na skupu su takođe učestvovali T. Mur (Prinston), A. Semjuel
(IBM), R. Solomonof i O. Selfridž (MIT), kao i A. Nevil, H. Sajmon (Carnegie Tech, danas
Carnegie Mellon University). Na skupu su postavljene osnove oblasti veštačke inteligencije i
trasiran put za njen dalji razvoj.

5
 Veštačka inteligencija kao istraživačko područje počela je da se pominje desetak
godina ranije, iako filosof Hjubert Drajfus, po svemu sudeći jedan od prvih (a svakako
najupornijih osporavalaca, što je podrobno obrazložio u knjizi „Šta računari ne mogu – kritika
veštačkog uma” iz 1972), pripoveda da se u traganju za korenima možemo vratiti, čak, u doba
Sokrata (450 leta pre naše ere) kada je on (prema Platonu) od Eutifrona tražio „niz pravila
koja nam govore iz časa u čas kako da se ponašamo”. Zar to nije nagoveštaj algoritma
(konačan zbir koraka za rešavanje logičkog i matematičkog problema)?

„Kada čovek razmišlja, on ništa drugo ne radi osim što poima ukupan zbir iz sabiranja
delova, jer um...nije ništa drugo do računanje”, pisao je dva hiljadugodišta kasnije engleski
filosof Tomas Hobs. Genijalni matematičar i filosof Vilhelm Gotfrid Lajbnic, zapisao je:
„Kada se jednom utvrde karakteristični brojevi za većinu pojmova, tada će čovečanstvo
posedovati novi instrument kojim će se uvećati intelekt u dalekom većem obimu nego što su
optički instrumenti pojačali vid, a prevazići će mikroskop i teleskop u onom obimu u kojem je
um superiorniji od čula vida”.
Bulova binarna algebra (Džordž Bul), početkom 19. veka, označila je veliki korak u
ostvarenju, što je Čarls Bebidž prvi (1832) pretočio u tzv. analitičku mašinu. Hauard Ejtken je
1944. dovršio prvi programirajući računar, sa vaukuumskim cevima i bušenim papirnim
trakama.
Čini se da je veoma zapažen članak engleskog matematičara Alana Tjuringa, pod
naslovom „Računarske mašine i inteligencija” (1950), na stranicama filosofskog časopisa
Majnd (Mind), uveliko podstakao nastojanja da se krene u izradu „misleće mašine”. Da bi
odgovorio na to zamršeno pitanje, potpisnik je smislio svojevrsnu logičku proveru, poznatu
kao Tjuringov test, koja se i dan-danas smatra konačnim ispitom (i dokazom) za potvrdu
računarske inteligencije. „Možemo se nadati da će mašine eventualno da se takmiče sa
ljudima na svim čisto intelektualnim poljima”, obrazlagao je on. „Ali koja su ona najbolja da
bi se otpočelo? Čak je i o ovome teško odlučiti. Mnogi misle da je apstraktna aktivnost, kao
što je igranje šaha, najbolja. Moglo bi, isto tako, da se zastupa gledište po kome je najbolje
mašinu snabdeti najboljim čulnim organima i onda je podučavati u tome da razume i govori
engleski. Ovaj proces bi mogao da se odvija kao i uobičajeno podučavanje deteta. Stvari bi se
pokazivale i imenovale i tako dalje. Još jednom da naglasim: ne znam koji je pravi odgovor,
ali mislim da bi trebalo pokušati sa oba pristupa”.
Iste godine Klod Šenon, tvorac teorije informacija, napisao je članak posvećen
mašinama koje igraju šah. Iako nije izmislio program, verovao je da bi „elektronski računar,
programiran na ovaj način, mogao da igra sasvim jaku igru i to brzinom koja bi mogla da se
poredi sa ljudskom brzinom”.
Skup je posledica prvih radova u oblasti. Nevil i Sajmon su na njemu predstavili svoj
program za automatsko rezonovanje, Logic Theorist (koji je napravio senzaciju). Danas se
smatra da su koncept veštačke inteligencije postavili V. Mekulok i M. Pits, 1943. godine, u
radu u kom se predstavlja model veštačkih neurona na bazi tri izvora: spoznaja o fiziologiji i
funkcionisanju moždanih neurona, iskazna logika Rasela i Vajteheda, i Tjuringova
komputaciona teorija. Nekoliko godina kasnije stvoren je prvi neuronski računar SNARC.
Zaslužni za poduhvat su studenti Prinstona, Marvin Minski i D. Edmons, 1951. godine. Negde
iz iste epohe su i prvi programi za šah, čiji su autori Šenon i Tjuring. Slavodobitno su
zabeležili da „intuicija, vidovitost i učenje nisu više isključiva svojstva ljudi: „svaki veći brzi
računar može da se programira kako bi ih isto tako ispoljio”.
Polje proučavanja upotrebe digitalnih računara za oponašanje razumnog ponašanja
postalo je poznato kao – veštačka inteligencija.
Svaki pokušaj da se programiranjem mašina ostvari inteligentno ponašanje,
naglašavao je Hjubert Drajfus, ravno je nastojanju alhemičara da od olova naprave zlato,

6
zaključujući da bi eventualna mašina „koja bi bila sposobna da se služi prirodnim jezikom i da
prepoznaje složene oblike, morala da ima telo”. On je, čak, smatrao da nema razloga „zašto, u
principu, ne bi bilo moguće konstruisati veštački organizam, ako bi se upotrebile komponente
dovoljno slične onima od kojih je sačinjeno ljudsko telo”. Jedino u takvom robotu, sa umom i
telom, u nedigitalnom automatu sposobnom da obrađuje neformalne informacije, video je
moguću inteligentnu mašinu i oponašanje ljudskog uma!

Ali da bi se ostvario takav veštački organizam, neophodan je veliki preokret u nauci koja se
upinje da pronikne u ljudski razum
Hjubert Drajfus je preporučio da, prisećajući se proročanskih reči Gotfrida Vilhelma
Lajbnica, uvažimo poruku Voltera Rozenblita: „Čovek i mašina su sposobni da postignu ono
što nijedno od njih ne može da postigne samostalno”. Te 1972. godine veštačka inteligencija
pretrpela je poraz od kojeg dugo nije mogla da se oporavi. Knjiga „Šta računari ne mogu –
kritika veštačkog uma” pokrenula je, svakako, ozbiljna preispitivanja koja ni do naših dana
nisu okončana.

Ni Stanislav Lem nije propustio priliku da u blistavom delu „Summa technologiae” (1966),
zaviri u inteligenciju zapisavši da je „svaka tehnologija u načelu veštačko produžavanje
prirodne tendencije, urođene u svemu što živi, tendencije ovladavanja okolinom ili bar
nepodleganja sredini u borbi za opstanak”. Iz toga su proistekli brojni pokušaji izrade
pojačivača inteligencije (homeostati) složenosti uporedive sa našom ljudskom. Priroda je
stvarala u pokušajima i promašajima koji traju milijardama godina, „kibernetska evolucija” bi
očas preskočila milione ili stotine hiljada.

„Kada bi čovek, zaista, trebalo da sam sebe preobrazi pod pritiskom tehnologija stvorenih
sopstvenim rukama, kada bi kao svog naslednika trebalo da prizna robota sa savršenim
kristalnim mozgom, bila bi to njegova najveća ludost”, upozorio je poljski mislilac. „To bi
značilo – ni manje, ni više – do isključivo skupno samoubistva rase, zaklonjeno prividom
njenog produžetka mislećim mašinama koje čine deo tehnologije: tako bi, dakle, čovek, u
krajnjoj konsekvenci, dopustio da ga tehnologija koju je on ostvario potisne sa mesta ne
kojem je postojao, iz njegove ekološke niše i da ova tehnologija u neku ruku preraste u novu
veštačku vrstu koja sa istorijske arene uklanja lošije prilagođenu vrstu”.

Čovek ne može da menja svet, a da ne menja samog sebe.

U godinama koje slede skup u Dartmudu postižu se značajni napreci. Konstruišu se

programi koji rešavaju različite probleme. Na primjer, studenti Marvina Minskog će krajem
šezdesetih godina implementirati program Analogy, koji je osposobljen za rešavanje
geometrijskih problema, sličnim onima koji se javljaju u testovima inteligencije, i program
Student, koji rešava algebarske probleme napisane na engleskom jeziku. Nevil i Sajmon će
razviti General Problem Solver (ГПС), koji pokušava imitirati ljudsko rezonovanje. Semjuel
je napisao programe za igru sličnu dami, koji su bili osposobljeni za učenje te igre. Mekarti,
koji je u međuvremenu otišao na MIT, implementira programski jezik Lisp, 1958. godine. Iste
godine je napisao članak, Programs With Common Sense, gdje opisuje jedan hipotetički
program koji se smatra prvim kompletnim sistemom veštačke inteligencije.

Ova serija uspeha se lomi sredinom šezdesetih godina i previše optimistička

predviđanja iz ranijih godina se frustriraju. Do tada implementirani sistemi su funkcionisali u
ograničenim domenima, poznatim kao mikrosvetovi (microworlds). Transformacija koja bi
omogućila njihovu primenu u stvarnim okruženjima nije bila tako lako izvodljiva, uprkos

7
očekivanjima mnogih istraživača. Po Raselu i Norivigu, postoje tri fundamentalna faktora koji
su to onemogućili:
1. Mnogi dizajnirani sistemi nisu posedovali saznanje o okruženju primene, ili je
implementirano saznanje bilo vrlo niskog nivoa i sastojalo se od nekih jednostavnih
sintaktičkih manipulacija.
2. Mnogi problemi koje su pokušavali rešiti su bili u suštini nerešivi, bolje rečeno, dok je
količina saznanja bila mala i ograničena rešenje je bilo moguće, ali kada bi došlo do
porasta obima saznanja, problemi postaju nerešivi.
3. Neke od osnovnih struktura koje su se koristile za stvaranje određenog inteligentnog
ponašanja su bile veoma ograničene.

Do tog momenta rešavanje problema je bilo zasnovano na jednom mehanizmu opšte

pretrage preko kojeg se pokušavaju povezati, korak po korak, elementarne osnove
razmišljanja da bi se došlo do konačnog rešenja. Naravno takav pristup podrazumeva i velike
izdatke, te da bi se smanjili, razvijaju se prvi algoritmi za potrebe kontrolosinja troškova
istraživanja. Na primjer, Edsher Dajkstra 1959. godine dizajnira jedan metod za stabilizaciju
izdataka, Nevil i Ernst, 1965. godine razvijaju koncept heurističke pretrage i Hart, Nilson i
Rafael, algoritam A. U isto vreme, u vezi programa za igre, definiše se pretraga alfa-beta.
Tvorac ideje je inače bio Mekarti, 1956. godine, a kasnije ju je koristio Nevil, 1958. godine.

Važnost shvatanja saznanja u kontekstu domena i primene, kao i građe strukture, kojoj
bi bilo lako pristupati, dovela je do detaljnijih studija metoda predstavljanja saznanja. Između
ostalih, definisale su se semantičke mreže (definisane početkom šezdesetih godina, od strane
Kilijana) i okruženja (koje je definisao Minski 1975. godine). U istom periodu počinju da se
koriste određene vrste logike za predstavljanje saznanja.

Paralelno s tim, tokom istih godina, nastavljaju se istraživanja za stvaranje sistema za

igru checkers, za koji je zaslužan Samuel, orijentisan na implementaciju neke vrste metode
učenja. E. B. Hunt, J. Martin i P. T. Stone, 1969. godine konstruišu hijerarhijsku strukturu
odluka (radi klasifikacije), koju je već idejno postavio Šenon, 1949. godine. Kilijan, 1979.,
predstavlja metod IDZ koji treba da posluži kao osnova za konstrukciju takve strukture. S
druge strane, P. Vinston, 1979. godine, razvija vlastiti program za učenje opisa složenih
objekata, i T. Mičel, 1977., razvija tzv., prostor verzija. Kasnije, sredinom osamdesetih,
ponovna primjena metode učenja na neuralne mreže tzv., backpropagation, dovodi do
ponovnog oživljavanja ove oblasti.
Konstrukcija aplikacija za stvarna okruženja, dovela je do potrebe razmatranja
aspekata kao što su neizvesnost, ili nepreciznost (koji se takođe javljaju prilikom rešavanja
problema u igrama). Za rešavanje ovih problema primjenjivane su probabilističke metode
(teorija probabiliteta, ili probabilističke mreže) i razvijali drugi formalizmi kao difuzni
skupovi (definisani od L. Zadeha 1965. godine), ili Dempster-Šaferova teorija (tvorac teorije
je A. Dempster, 1968., sa značajnim doprinosom G. Šafera 1976. godine).
Još jedan filosof, Džon Serl, upustio se u osporavanje sakupišvi svoja predavanje
između korica na kojima je pisalo: „Svest, mozak i nauka” (1986). Osvrćući se na stanovište
jake veštačke inteligencije da je mozak samo digitalni računar, a svest samo računarski
program, on je podsetio da je zaljubljenike u znanje stolećima zaokupljalo može li mašina da
misli, a sada saznajemo (osamdeset prošlog veka) da na Univerzitetu Karnegi Meloun imaju
takve (izjava Herberta Sajmona) i da je inteligencija pitanje baratanja simbolima, da nije ni u
kakvoj vezi sa ma kojom posebnom vrstom biološkog ili fizičkog materijala (mišljenje Alena
Njuela).

8
I jedan i drugi su isticali, kako je Džon Serl pisao, da ništa ne preuveličavaju navodeći iskaz
nobelovca Frimena Dajsona da su, što se tiče evolucije, računari u prednosti nad ljudima i
najavu Marvina Minskog da će sledeća generacija biti toliko inteligentna da ćemo biti „srećni
ako budu voljni da nas ostave u dvorištu kao svoje ljubimce”. Povrh su dodali tumačenje
Džona Mekartija da se za „mašine tako jednostavne kao što su termostati može reći da imaju
verovanja!”

Džon Serl je upozorio da je posledica takvog stava, najpre, da u „ljudskoj svesti nema ničeg
suštinski biološkog”, da je mozak, sticajem okolnosti, jedan od neodređeno mnogo različitih
vrsta računara sa ugrađenim programom koji čini ljudsku inteligenciju. „Prema ovom
gledištu”, nastavio je, „bilo koji fizički sistem sa odgovarajućim programom i odgoravajućim
ulazima i izlazima imao bi svest, baš u istom smislu u kojem svest imamo vi i ja. Tako, na
prmer, ako ste napravili računar koji energijom napaja vetrenjača i ako bi imao odgovarajući
program, on bi morao da ima svest. A poenta nije da bi, uprkos svemu, on mogao imati misli i
osećanja, nego pre to da bi on morao imati misli i osećanja zato što je sve što je potrebno da bi
se imale misli i osećanja: ugrađivanje odgovarajućeg programa. Biće to veštački mozak i
svest koji su u svakom pogledu jednaki ljudskom mozgu i svesti”. Može li mašina da misli?

„Prva pretpostavka je: mozak uzrokuje svest, da su mentalni procesi, za koje smatramo da
konstituišu svest, uzrokovani i to u potpunosti, procesima koji se odigravaju unutar mozga”,
objašnjavao je on. Računarski programi su, u celini, opisani i određeni svojom sintaksičkom
strukturom, ali sintaksa nije dovoljna za semantiku. Svest sadrži više od toga, ona ima
mentalne sadržaje, semantičke sadržaje, a ne samo sintaksu. Iz toga je proizišao konačni
zaključak Džona Serla: „Nijedan računarski program nije sam po sebi dovoljan da nekom
sistemu podari svest. Ukratko, programi nisu svesni i oni sami po sebi nisu dovoljni za
posedovanje svesti”.

Ma kakvu tvorevinu ljudi načinili, ona bi morala imati mentalna stanja ista kao ljudska
mentalna stanja, moći istovetne moćima ljudskog mozga. Drugim rečima, mentalna stanja su
biološke pojave! I kraju ostaje slobodna volja: ako bi neko napravio mašinu za koju bismo bili
uvereni da ima svest, ostalo bi pitanje da li ona ima i slobodnu volju?
Proslavljenog robotičara Hansa Moraveca 1988. (knjiga „Dečji razum”) rasplamsava
nadanja u veštačku inteligenciju „Najbrži napredak može se postići oponašanjem evolucije
životinjskog uma, težnjom da se mašini dodaje po nekoliko sposobnosti odjedanput, tako da
rezultirajuće ponašanje podseća na sposobnosti životinja sa sve složenijim nervnim sistemom.
Naša inteligencija, kao alat, bi trebalo da nam omogući da sledimo put do inteligencije, kao
cilja, većim koracima od koraka kojima je išao užasno strpljiv, ali slep, proces Darvinove
evolucije”.

Čak je predviđao da se osećajnim robotima postepeno dodaju intelektualne sposobnosti slične

ljudskim, a da će se u konačnom ishodu pojaviti „bića koja na neki način podsećaju na nas, ali
su u svakom pogledu nešto što svet do sada nije video”.
Očigledno je da pitanje: Da li su računari u stanju da oponašaju ljudsku inteligenciju?
ima velike društvene posledice, iako je čovečanstvo veoma daleko od podražavanja ma čega
što bi se moglo tako nazvati. Pominjani Džon Serl je osamdesetih godina nabrojao primere u
kojima su programirani računari položili pojednostavljen Tjuringov ispit, ali je obrazložio da
nisu ispoljili mentalno svojstvo – razumevanje.
Na osnovu ovih istraživanja, počev od osamdesetih godina, konstruišu se prvi
komercijalni sistemi veštačke inteligencije, uglavnom tzv., ekspertski sistemi.

9
 Savremeni problemi koji se nastoje rešiti u istraživanjima veštačke inteligencije,
vezani su za nastojanja konstruisanja kooperativnih sistema na bazi agenata, uključujući
sisteme za upravljanje podacima, utvrđivanje redosleda obrade podataka i pokušaje imitacije
prirodnog jezika, između ostalih.

Definicija VI.

Uprkos vremenu koje je prošlo od kada je Džon Mekarti dao ime ovoj oblasti na
konferenciji održanoj 1956. godine u Dartmudu, nije nimalo lako tačno definisati sadržaj i
dostignuća veštačke inteligencije.

Najverovatnije, jedna od najkraćih i najednostavnijih karakteristika koja se pripisuje

veštačkoj inteligenciji, parafrazirajući Marvina Minskog, (jednog od stručnjaka i najpoznatijih
istraživača veštačke inteligencije), je „konstruisanje računarskih sistema sa osobinama koje bi
kod ljudskih bića bile okarakterisane kao inteligentne“.

Mogli bismo samo reći da to ima veze sa pametnim programima ali istorija nauke
pokazuje da se islo postupno u gađanju cilja. Za razliku od drugih oblasti, u veštačkoj
inteligenciji ne postoji saglasnost oko jedne definicije, nego ih ima više zavisno od različitih
pogleda i metoda za rešavanje problema. Definicije veštačke inteligencije prema više izvora
na slici- 1. Ove definicije variraju duž dve glavne dimenzije.

One sa gornje strane se odnose na proces mišljenja i rezonovanja dok se s donje

strane odnose na ponašanje . Takođe,definicije na levoj strani gledano po vertikali mere
uspeh u smislu ljudskih performansi dok one sa desne strane pokazuju idealni koncept
inteligencije koje ćemo mi zvati racionalnost. To nam daje četiri moguća ciljeva u veštačkoj
inteligenciji, kao što se vidi na slici.

I kao što se moglo očekivati postoje tenzije izmedju humanog i racionalno

fokusiranog pristupa. Humano orejentisan pristup mora biti kao empirijska nauka
,obuhvatajući hipoteze i eksperimentalno ih utvrđivati. Racionalan pristup podrazumeva
kombinaciju matematike i inženjerstva. Ljudi u svakoj grupi ponekad bace klevetanje na rad u
drugim grupama, ali je istina da svaki pravac daje vredan uvid.

10
Sistem koji se ponaša kao ljudi: Tjuringov test

U poznatom takozvanom Tjuringovom testu, koji je Alan Tjuring opisao i objavio u

jednom članku iz 1950. godine, pod naslovom „Computing machineri and intelligence“,
predlaže se jedan eksperiment čiji je cilj otkrivanje inteligentog ponašanja jedne mašine.

Test polazi od jedne igre u kojoj ispitivač treba da pogodi pol dva interlokatora, A i B,
a koji se nalaze u posebnim i odvojenim sobama. Iako oboje tvrde da su ženskog pola, u stvari
radi se o muškarcu i ženi. U izvornom Tjuringovom predlogu urađena je izvesna modifikacija,
pa je ženu zamenio računar. Ispitivač treba da pogodi ko je od njih mašina, polazeći od
njihovog međusobnog razgovora i imajući u vidu da oboje tvrde da su ljudi.

Zadatak treba postići uprkos činjenici da nijedan od interlokatora nije obavezan da

govori istinu, te na primer, mašina može odlučiti da da pogrešan rezultat jedne aritmetičke
operacije, ili čak da ga saopšti mnogo kasnije kako bi varka bila uverljiva.

Po optimističkoj hipotezi samog Tjuringa, oko 2000. godine, već je trebalo da postoje
računari osposobljeni za igru ove igre dovoljno dobro, tako da prosečan ispitivač nema više
od 70% šanse da uradi ispravnu identifikaciju, nakon pet minuta postavljanja pitanja.

Kada bi to danas zaista bilo tako, nalazili bi se pred jednom istinski inteligentnom
mašinom, ili u najmanju ruku mašinom koja ume da se predstavi kao inteligentna.

Ne treba ni pomenuti da su Tjuringova predviđanja bila previše optimistična, što je bio

vrlo čest slučaj u samim počecima razvoja oblasti veštačke inteligencije.

11
 U stvarnosti problem nije samo vezan za sposobnost računara za obradu podataka,
nego na prvom mjestu, za mogućnost programiranja računara sa sposobnostima za
inteligentno ponašanje.

Sistem koji razmišlja kao ljudi: Kognitivni model pristupa

Ako ćemo reći da dati program misli kao čovek,onda moramo imati određeni način
kako čovek razmišlja.Mi moramo da uđemo i vidimo kako stvarno radi ljudski um.Postoje
dva načina da uradimo to: putem samoispitivanja ,samoposmatranja - pokušavajući da
uhvatimo vlastite misli kako one teku – ili preko psiholoških eksperimenata.Nakon što
dovoljno preciziramo teoriju uma tek onda postaje moguće izraziti teoriju kompjuterskog
programa.Da bi program radio on moraju mu se dati ulazni podaci da bi dobili izlaz što znači
da neki mehanizmi u programima mora da se deluje od strane ljudi.Na primer, Newell i
Simon , razvili su GPS (General Problem Solver) koji pokušava imitirati ljudsko rezonovanje
problema.Interdisciplinarna oblast kognitivne nauke kombinuje modele iz veštačke
inteligencije sa eksperimentalnim tehnikama iz psihologije i pokušava da sastavi preciznu i
ispitanu teoriju kako radi ljudski um.Ovde ćemo jednostavno reći da kognitivne nauke i VI
nadopunjuju jedna drugu naročito u oblasti jezika i učenja.

Razmišljati racionalno: Pristup kroz zakone mišljenja

Grčki filozof Aristotel je bio jedan od prvih koji je pokušao da dešifruje „pravo razmišljanje“
koje je nepobitno u procesu rasuđivanja.Njegov poznati silogizam daje obrazac koji daje
uvek tačne zaključke ako mu se naravno daju tačne predpostavke,premise.Na primer ,“Sokrat
je čovek ; svi ljudi su su smrtni ; dakle Sokrat je smrtan.“ Ovi zakoni razmišljanja su ovladali
i postali osnova na polju logike.Još od 1965 težilo se da programi ako im se da dovoljno
vremena i memorije i opise problem u logičkoj notaciji trebalo je da nađu rešenje probleme
ako je ono uopšte postojalo. Intuicija, vidovitost i učenje nisu više isključiva svojstva ljudi:
svaki veći brzi računar može da se programira kako bi ih isto tako ispoljio.

Raditi racionalno:Pristup kroz inteligentne agente

Inteligentni agenti predstavljaju softver koji automatski može da izvrši zadatak koji mu
postavi osoba ili drugi softver (agent). To je sistem, koji u interakciji sa okruženjem , ima
sposobnost da fleksibilno i samostalno reaguje u skladu sa ciljevima koji su mu postavljeni.
Okruženje u kome agenti deluju može biti fizičko (realan svet) ili softversko (računar na
kome su instalirani ili Internet). Agent je bilo šta što može biti viđeno kao posmatranje
njegove okoline preko senzora i ponašanja pod uslovom da je okolina predstavljena putem
činilaca. Automatski agent zamenjuje kamere i infracrvene zrake kao otkrivač za senzore i
raznolike motoričke funkcije za činioce. Agent softvera ima kodirani niz znakova kao
njegovu percepciju i akciju. Racionalni agent je onaj, koji čini pravu stvar. Prava akcija, ona
koja uzrokuje što veću uspešnost agenta. Šta je racionalno u bilo kom datom vremenu zavisi
od čeitiri stvari:
 Vršenje određene mere, koja definiše saglasnost uspeha,
 Sve ono što je agent do sada primetio,
 Šta agent zna o okolini,

12
  Akcije koje agent može izvršiti
Definicija IDEALNOG RACIONALNOG AGENTA: za svaku posebnu sekvencu zapažanja,
idealni racionalni agent treba da uradi bilo šta što akcija očekuje, da bi povećao vršenje mere
na bazi evidencije putem percepcije sekvence i bilo šta što može da nadogradi spoznavanje
koje agent ima. Iz definicije se može na prvi pogled zaključiti da agent, može da ima
propuste. Ako agent prelazi ulicu, i ne gleda na obe strane pre prelaženja prometnog puta,
njegova sekvenca zapažanja neće da mu kaže da se približava kamion velikom brzinom.

Država umetnosti
Ovde su navedeni nekoliko porimera koji govore o tome dokle se već došlo sa
primenom veštačke inteligencije u različitim oblastima ljudkog života.

Internacionalni velemajstor Arnold Denker razmišljao je o figuricama na šahovskoj

tabli ispred njega i sledećem potezu koji može da odigra.Uvideo je da ne postoji nada; morao
je da preda partiju.Njegov protivnik HITECH postao je prvi kompjuterski program koji je
pobedio velikog majstora u šahovskoj igri.(Berliner 1989)

„Želim da putujem iz Bostona za San Francisko,“ rekao je jedan od putnika govoreći u

mikrofon.“Kog datuma želite da putujete?- usledilo je pitanje.Putnik je odgovorio da želi da
putuje 20 Oktobra najeftinijim dostupnim prevozom sa povratkom u nedelju.Program po
imenu PEGASUS je vodio ceo razgovor i obavio celu transakciju što je rezultiralo
rezervacijom i uštedom za putnika od nekoliko stotina dolara,nego kad bi putovao regularno
prevozom.Iako program za prepoznavanje govora dobije bar jednu od deset reči neispravnu
on je u stanju da pređe preko greške i sastavi dijalog koji je njemu razumljiv .( Zue et al., 1994)

Jednom analitičaru je iznenada,u kontrolnoj sobi za letove Jet Propulsion Laboratory

,skrenula pažnju crvena treptajuća poruka na ekranu.Poruka je ukazivala na nepravilnost u
radu Vojadžer letilice koja se trenutno nalazila u blizini planete Neptun. Srećom analitičar je
u mogućnosti da ispravi problem sa zemlje. Osoblje je uvidelo da problem nije za
MARVELA ekspertnog sistema koji prati sva dogadjanja na brodu u realnom vremenu
,rukuje rutinskim zadacima i obaveštava analitičare o mnogo ozbiljnijim problemima.
(Schwuttke,1992).

Brzina vožnje na autoputu izvan Pitsburga je na 55 kmp/h , čovek na mesto suvozača

osećao se ugodno.A zašto i ne bi kad za poslednjih 90 km nije dodirnuo volan ,kočnicu i
gas.Pravi vozač je ustvari robot koji prikuplja podatke o stanju na putu preko kamere,sonarno
kao i održavanje rastojanja od drugog vozila putem lasera .On kombinuje ove ulaze podataka
sa iskustvom koje mu je već zadato još na treningu i tako uspešno vodi računa kako upravlja
vozilom. (Pomerleau, 1993).

Vodeći ekspert za patologiju limfnih čvorova opisuje ekstremno težak slučaj

ekspertskom timu i ispituje datu dijagnozu.Sa posmehom prilazi sistemu gde mu tvorci
sistema sugeriraju kako da pita za objašnjenje date dijagnoze.Sistem ističe glavne činioce
koji su uticali na odluku i objašnjava interakciju nekoliko simptoma u ovom slučaju.Stručnjak
priznaje svoje pogreške na kraju. (Heckerman, 1991)

Iz kamera koje su smeštene odmah pored semafora iznad autoputa na monitoru se

prati saobraćaj.Ako iko od vozača ili suvozača bude pratio glavni ekran može videti „Citroen
2CV je skrenuo iz Place de la Concorde u Champs Ely sees,“ ili „veliki kamion nepoznatog

13
proizvođača zaustavio se kod Place de la Concorde,“ ili obaveštenje o udesu koga je izazvao
motociklista pri čemu sledi automatski poziv službe hitne pomoći. (King et al, 1993; Roller et al.,
1994)
Ovo su samo neki od primera sistema veštačke inteligencije koji postoje danas.Nije magija
niti naučna fantastika nego nauka , inženjerstvo i matematika.

Zaključak
Veštačka inteligencija je jedna od oblasti računarstva koja se poslednjih decenija
najbrže razvija. Paralelno sa tim burnim razvojem rastu i očekivanja od ove discipline. Dok se
za neke oblasti računarstva već smatra da su zaokružene i da se u njima ne očekuju novi
značajni prodori, od veštačke inteligencije se rezultati tek očekuju, uprkos tome što su već
razvijeni mnogi ”inteligentni” sistemi koji funkcionišu izuzetno dobro. Ovo možda možemo
da objasnimo time što ti ”inteligentni” sistemi, i pored varljivih spoljnih manifestacija,
funkcionišu na principima koje, najčešće ne možemo smatrati zaista inteligentnim. Time,
naravno, veštačka inteligencija samo dobija na atraktivnosti, a novi eksperimenti
i teorijska istraživanja predstavljaju put ka novim primenama u najrazličitijim oblastima.
Kako je razvoj veštačke inteligencije oduvek bio zasnovan na komplementarnom povezivanju
teorije i eksperimenata, tako i budući razvoj zahteva proširivanje i učvršćivanje teorijskih
znanja, pre svega matematičkih, ali i znanja o specifičnim oblastima primene, kao i njihovu
adekvatnu formalizaciju.
Veštačka inteligencija predstavlja mešavinu konvencionalne nauke, fiziologije i
psihologije, sve u cilju da se napravi mašina koja bi se, po ljudskim merilima, mogla smatrati
"inteligentnom". Mogućnost stvaranja inteligentnih mašina zaokuplja ljudsku maštu još od
drevnih vremena, ali tek sada, sa brzim tempom razvoja računara i već pedesetogodišnjim
iskustvom na polju istraživanja tehnika VI programiranja, san o pametnim mašinama počeo je
da postaje stvarnost.
Međutim i pored sveg napretka, naučnici se još uvek nisu uhvatili u koštac sa
osnovnim izazovom u razvoju inteligentne mašine - pravljenjem sistema koji oponašaju
ljudski mozak. Nije ni čudo, jer ljudski mozak sa više milijardi neurona predstavlja možda i
najsloženiju tvorevinu u univerzumu.
Alana Tjuringa zanimalo je i nešto drugo, što se proteže do naših dana: da li je ljudski
mozak samo jedna Tjuringova mašina. Ako je, to bi značilo da je već sada moguće sastaviti
mašinu koja bi imala razum i svest, pod uslovom da smo u stanju da napišemo odgovarajući
program jer i najmoćniji savremeni računari nisu ništa drugo do Tjuringove mašine.
Pojednostavljeno rečeno: za objašnjenje razuma i svesti dovoljna je veštačka inteligencija i
ništa više! I to se može uzeti kao pouzdan pokazatelj da računar poseduje sposobnost
mišljenja, inteligencije, razumevanja ili svesti.
„Drugim rečima, ako bi računar bio u stanju da na sva pitanja odgovori istovetno kao
čovek i tako potpuno i dosledno prevari propitivača” – saopštava Rodžer Penrouz poznati
engleski fizičar i matematičar– „tada bih, uz odsustvo dokaza da je suprotno, zaključio da
računar uistinu misli, oseća i tako dalje”. Zato se on usprotivio, ističući da to nije moguće, bar
ne kada je svest u pitanju; razum bi, možda i mogao da se dosegne.
Pojava zvana svest se, dakle, ne može uskladiti sa postojećim teorijama u fizici, iako
Rodžer Penrouz ne smatra da proučavanje i razumevanje mentalnih zbivanja trebalo tražiti
izvan naučnog pogleda na svet; postojeći pogledi i uvidi, nažalost, nisu dostatni za konačno
odgonetanje.

14
Zaključna razmatranja završio je rečima: „... predstavio sam više argumenata koji bi trebalo
da pokažu neodrživost stanovišta – očigledno vladajućeg u savremenom mišljenju – da je naše
razmišljanje suštinski isto kao i dejstvo veoma složenog računara. Svest mi izgleda tako važan
fenomen da jednostavno ne mogu da poverujem da je ona nešto sasvim ,slučajno’ prizvano
komplikovanim proračunom. To je fenomen kojim se saznaje o samoj egzistenciji
univerzuma. Može se tvrditi da univerzum kojim upravljaju zakoni, ali koji ne dozvoljava
svest i nije, uopšte, univerzum. Samo je fenomen svesti onaj koji može prizvati hipotetički
,teorijski’ univerzum u stvarno postojanje”.
Matematičar i logičar Kurt Gedel je još 1931. obelodanio da postoje problemi koji
imaju rešenje, ali se ono ne može dokazati u okviru datog formalnog sistema! Drugim rečima,
postoje istine koje se ne mogu dokazati.

15
 Literatura:

Stuart J. Russell and Peter Norvig - Artificial Intelligence A Modern Approach , 1995

Predrag Janičić i Mladen Nikolić – Veštačka inteligencija ,Februar 2009

Stanko Stojiljkovića - Mozak na čipu: Hoće li mašine iskoreniti ljude

Branislav Jevtović – Inteligentni agenti - PowerPoint Presentation

http://www.b92.net/zivot/nauka.php?nav_id=375919

http://sr.wikipedia.org/sr-el/Вјештачка_интелигенција

http://sr.wikipedia.org/sr-el/Тјурингов _тест

http://www.elitesecurity.org/t112729-Vestacka-inteligencija-VI-Nastanak-poreklo-definicija-
buducnost-VI

http://www.elefmagazin.com/Kultura/Vestacka-inteligencija-u-mitovima-bajkama-i-crtanim-
filmovima.html

16