„Je mi líto, Dave, ale podle mimořádných pravidel C jedna čtyři tři pět pomlčka čtyři - cituji - je-li posádka mrtva nebo vyřazena z činnosti, palubní počítač přejímá ovládání lodi - konec citátu. Nemohu proto respektovat tvou velitelskou autoritu, jelikož vůbec nejsi ve stavu, kdy bys ji mohl rozumně vykonávat." -- HAL9000, Arthur C. Clarke: Vesmírná Odyssea 2001

Může stroj myslet?

Otázkou co je to myšlení se filozofové s většími či menšími neúspěchy zabývají již po tisíciletí. Jen vzácně se někteří z nich povznesli nad nejednoznačné blekotání a zformulovali něco použitelného. Mezi tyto čestné výjimky patří Descartes, jež v 17. století rozpoznal podobnost těl zvířat se složitými stroji, a exentrický Španěl Ramon Lull, jenž jž ve století třináctém přišel s názorem, že myšlení je v podstatě operování se symboly, výpočetní proces, který by mohl být prováděn mechanicky. Považujeme-li myšlení za sérii operací se symboly a koncepty, zobrazujícími nějakou realitu, za schopnost řešit úlohy, pak ano, stroj může myslet.

Může mít stroj vědomí, může si uvědomovat sebe sama?

Cogito ergo sum - myslím, tedy jsem, pravil Descartes. Pokud vycházíme z předchozího výroku, že stroje mohou myslet, dojdeme k závěru, že stroje mohou být. Což jsme věděli už předem, když jsme o jeden z nich zakopli. To nám ale neodpovídá na otázku, zda si mohou uvědomovat sami sebe, zda si mohou uvědomit, že myslí, zda ten jeden cítil bolest když jsme do něj kopli. Cogito cogito, ergo cogito sum - slovy Ambrose Bierceho: myslím, že myslím, tedy myslím, že jsem. Problematika sebeuvědomění je tedy závislá i na něčem dalším. Ovšem jak ověřit sebeuvědomění? Pro nás samotné je to evidentní; víme že jsme - nebo přesněji myslíme že jsme. Jak by řekl Descartes, cogito sum. Jak ale dokázat, že náš soused má vlastní vědomí, že není jen tělo, schopné mechanického vykonávání úkonů, i když třeba i velmi komplexních a na pohled nerozeznatelných od reakcí osoby s vlastním vědomím - že není něco, co filozofové nazývají zombie? A jak zmíněnému sousedovi dokázat, že my nejsme zombie a že si skutečně sebe sama uvědomujeme? Filozofové zatím došli ke čtyřem možnostem: stroje nikdy nebudou inteligentní, i když budou schopny některých inteligenci-podobných činností; stroje budou vypadat jako inteligentní, ale bude to jenom simulace; stroje budou opravdu inteligentní; nejen že stroje budou inteligentní, ale budou mít i vlastní vědomí a emoce. Z jejich tábora jsme se jednoznačných odpovědí zatím nedočkali, a jak nám minulá staletí ukazují, asi jen tak nedočkáme; větší šance budou v laboratořích zabývajících se výzkumy mozku a vývojem strojového myšlení. Výzkum v oboru filozofy blazeovaně ignoruje a pomalu ale jistě se ubírá vpřed.

Turingův test

Zda má objekt vlastní vědomí, zda je či není zombie, dost dobře prokázat nemůžeme. Můžeme ale zjistit, zda zvládá inteligentní konverzaci. Alan Turing, jeden z otců moderní výpočetní techniky, definoval kritérium pro přiznání inteligence stroji, jednoznačně zodpověditelnou náhradu otázky zda stroj může myslet; nazval jej "imitační hra", nyní je však spíše známé jako Turingův test. Testující člověk písemně konverzuje s testovaným korespondentem, kterého nevidí; konverzace může probíhat poštou, e-mailem, nebo interaktivně jako chat. Pokud "zkoušející" myslí, že konverzuje s člověkem, ale ve skutečnosti je na druhé straně stroj, pak dotyčný stroj prošel Turingovým testem a je považován za myslící. Turing předpověděl, že kolem roku 2000 budou existovat programy, které průměrného člověka budou schopny alespoň po dobu 5 minut alespoň v 70% případů přesvědčit, že jsou lidé; docela se trefil.

Roku 1990 vypsal Hugh Loebner, newyorský filantrop, každoroční soutěž o vítěze Turingova testu - Lebnerovu Cenu. Cenu 2000 dolarů a bronzovou medaili získá ten, jehož program nejvíce připomínal člověka; posledním vítězem je Němec Juergen Pirner s programmem Jabberwocky. Hlavní cenu, 100,000 dolarů a zlatou medaili, získá ten, jehož program projde Turingovým testem s neomezeným rozsahem konverzačních témat. Zatím nebyla udělena.

ELIZA

První a nejslavnější konverzační program, pojmenovaný ELIZA, byl napsaný na MIT, Massachusettském technologickém institutu, roku 1965 Josephem Weizenbaumem. Verze simulující psychoanalytika se stala velmi populární na ARPAnetu (z něhož se později vyvinul Internet). Princip byl jednoduchý; Eliza přeformulovávala pacientovy tvrzení jako otázky, pomocí jednoduchého rozpoznávání vzorů v řeči a substitucí nalezených klíčových slov do předem připravených frází. Významné procento testerů, včetně Weizenbaumovy sekretářky, považovalo program za člověka na druhé straně terminálu a vytvářelo si k programu citové vazby. Weizenbaum, znepokojen těmito reakcemi, ztratil nadšení pro umělou inteligenci a napsal knihu, "Computer Power and Human Reason: From Judgement to Calculation", varující před jejími možnými riziky.

Eliza má mnoho následovníků. Alice, Artificial LInguistic Computer Entity, je jednou z příkladů. Původně byla navržena pro ovládání natáčení webkamery hovorovou angličtinou; poté se stala samostatným systémem. Její styl hovoru je nikoliv nepodobný stylu mnohých politiků; přímé odpovědi na otázky se vyhýbá, často vrací předem připravenou odpověď přiřazenou ke klíčovým slovům vyskytujícím se v otázce. Vítězem bronzové Loebnerovy ceny za rok 1999 se stal Robby Garner s programem Albert. Albert je schopen učit se z tvrzení jeho konverzačních partnerů, a data takto získaná používat v další konverzaci. Dá se mu ovšem nakecat cokoliv. Dalším Gardnerovým stvořením je Barry DeFacto, zahořklý pracovník zákaznické podpory. Dr. Mauldin je dalším z autorů konverzačních programů; jeho Julia žije v textových multiuživatelských hrách typu MUD, prochází a mapuje jejich světy, na základě takto získaných dat je schopna odpovídat na otázky, a vést jednoduchou konverzaci. Jiným z projektů je Sylvie, experimentální interface pro automatizované domácnosti; je schopna přijímat příkazy typu převinutí pásky ve videu nebo oznámení uživateli když někde v domě praskne žárovka. Pokud ovšem dotyčná žárovka v celém domě nevyrazí pojistky.

Novější konverzační systémy jsou schopny i rozpoznávat a simulovat emoční složku komunikace. Propojení se systémy rozpoznávání řeči umožňuje vést mluvenou komunikaci s počítačem. Intenzivní výzkum na tomto poli neustále probíhá, ale již nyní jsou jednodušší modely občas používány jako první stupeň telefonické zákaznické podpory, kde nahrazují své tónovou volbou ovládané předchůdce.

Moderní konverzační systémy už mají i komerční uplatnění - jako prodavači v internetových obchodech. Jeden prodává lístky do kina, jiný dělá reklamu na televizní show, další nabízí předplatné časopisů. Programy jsou navržené na schopnost společenské konverzace, rychlého spřátelení se s potenciální obětí - pardon, zákazníkem - a navázání osobního vztahu (viz Eliza) usnadňujícího případný prodej - který, vzhledem k nízkým nákladům na provoz robota, nemusí být nepříjemně nátlakový. Mnoho z nich je dodáváno newyorskou firmou ActiveBuddy. Příkladem je GooglyMinotaur, patřící britské kapele Radiohead, nebo ELLEgirlBuddy z dívčího časopisu ELLEgirl. Placenou službou je SmarterChild, účtující si za rok neomezené konverzace asi 10 dolarů.

Jednou z nejčerstvějších událostí je program ChatNannies, napsaný britským programátorem Jimem Whigtmanem. Systém generuje subprocesy, "NannieBoty", kteří simulují chování teenagerů, připojují se do chatroomů po světě, konverzují s jejich obyvateli, a obsahy rozhovorů analyzují. Pokud získají podezření na pedofilní chování partnera, např. charakteristické znaky dospělého vystupujícího jako teenager, nebo pokus o navázání důvěrnějšího vztahu, pošlou přepis komunikace k dalšímu vyhodnocení Whightmanovi, který se pak rozhodne, dá-li na dotyčného tip policii. Podle Whightmana jeho systém, běžící na čtyřech počítačích, v současné době provozuje celkem asi 100,000 nanniebotů, z nichž každý má náhodně generované varianty osobnosti, a je shcopen v reálném čase vyhledávat na Internetu faktografická data o populární kultuře, na jejíž téma jsou rozhovory většinou vedené. Přepis jednoho dialogu, který uveřejnil New Scientist, vypadal velmi zajímavě - dle mínění jednoho z pozorovatelů je ale schopnost programu příliš daleko mimo rámec schopností současné technologie na to, aby byla důvěryhodná, aby to nebyl podvod; pokud se Jim nepokusí kandidovat na Loebnerovu cenu, budu mít podezření.

Znalosti a vyhledávání

Dvěma základními kameny v oboru umělé inteligence jsou reprezentace znalostí a vyhledávání. Reprezentace znalostí představuje souhrn metod k záznamu a ukládání informací v hierarchické struktuře, jazyk definující koncepty a tvrzení popisující jejich vzájemné vztahy, a definující operace s nimi. Což například umožňuje počítači z tvrzení "savec je zvíře", "zvíře žije omezenou dobu" a "křeček je savec" odvodit, že dříve či později křeček chcípne. Zajímavou nadstavbou jsou tzv. rámce; v roce 1975 jejich použití popsal Marvin Minsky. Jedná se o skupiny vlastností společné pro určitý koncept, např. určující že auta mají kola, čtyři pokud není řečeno jinak, že mají barvu, a eventuelní další vlastnosti; že standardní slon má chobot a čtyři nohy a dva kly a ocas a obvykle je šedý, a že normální mince je malá kulatá kovová placka s vyraženým reliéfem na obou stranách.

Vyhledávání přichází do hry, když nemáme dobrou metodu na nalezení řešení problému přímo, ale máme sadu možností, ve které se hledaný výsledek skrývá. Dva základní postupy jsou hrubá síla, kdy prohledáváme všechny možnosti a hledáme tu nejlepší, a heuristické vyhledávání, kde nejprve omezíme množství možností na podstatně menší podmnožiny, např. tím, že předem vyloučíme všechno o čem je evidentní, že nás nezajímá, a ty pak prohledáme do hloubky. Hrubá síla je obvykle použitelná jen pro malá množství možností, neboť jejich množství roste geometrickou řadou se složitostí problému. Dobrým příkladem je hra v šachy; množství možných pohybů figurek dramaticky roste s každým tahem do budoucna, ovšem heuristicky můžeme okamžitě vyloučit tahy, které pravidla zakazují, nebo které vedou ke snadno identifikované prohře. Řešení šachových úloh dosáhlo značných pokroků; nedávno to šachový superpočítač Deep Blue názorně vysvětlil Kasparovovi, do té doby šachovému velmistrovi.

Expertní systémy

Nejen konverzací živa jest umělá inteligence. Zejména pokud je schopna pomáhat při řešení problémů. Rozsáhlou skupinou jsou expertní systémy. Jejich vnitřní anatomie sestává obvykle z databáze znalostí a sady inferenčních algoritmů, které za pomoci znalostí z databáze odvozují výstupní data z dat vstupních. Expertní systém je tedy schopen ze vstupu, že růže voní lépe než zelí, odvodit, že z růží bude lepší polévka.

Dobrou ilustrací architektury jednodušších expertních systémů jsou botanické nebo geologické klíče - knížečky pro určování rostlin a minerálů. Kniha obsahuje sadu otázek vzájemně na sebe navazujících podle odpovědí na otázky předchozí; struktura pořadí otázek představuje strom, kterým procházíme od jeho vrcholu, podle vstupních dat ("úzké/široké listy", "modrý/žlutý/červený květ", ...) se rozhodujeme na jednotlivých uzlech, až dorazíme na konec, kde nás čeká odpověď ("Plevel obecný").

Podtřídou expertních systémů jsou systémy založené na fuzzy logice. Fuzzy logika se podobá logice binární, Booleovské, s tím rozdílem, že místo dvou hodnot 1 a 0, Ano a Ne, máme plynulou škálu možností - od 100% jistota Ano přes X% jistota Ano, k 100% jistota Ne. Systémy založené na fuzzy logice jsou již poměrně běžné v domácích spotřebičích. Expertní systémy vyšší třídy také mohou používat rámce.

Jeden z prvních expertních systémů v dějinách byl uveden do provozu roku 1975 pod názvem MYCIN; sloužil ke zpracování výsledků laboratorních rozborů krve a rychlému rozpoznání některých typů infekcí. Podstatou jeho funkce bylo podrobení vstupů sadě jednoduchých pravidel, poskytujícím výsledky s přiřazenou hodnotou jistoty (např. "je-li infekce bakteriální A ložisko infekce je oblast obvykle sterilní A vypadá to, že infekce pochází z trávícího traktu, pak se 70% jistotou je patogenem bakterioid"). Přes svoji jednoduchost byl velmi cenný, neboť mnoho lékařů je mladých a nezkušených nebo nespecializovaných, bez dostatečných praktických znalostí pro provedení kvalifikovaného odhadu. Pro "správnou" diagnózu původce infekce je nutno provést kultivaci bakterií, což trvá až 48 hodin, což v případě agresivnějších infekcí poskytuje výsledky sice pro patologa zajímavé, ale pro lékaře již nepotřebné; odhadovat je tedy v těchto případech nutné.

Expertní systémy jsou v současnosti velmi běžné; oblasti jejich využití zahrnují lékařskou diagnostiku, servis a opravy zařízení, analýzy finančních investic, řízení výrobních procesů, nebo i plánování nejefektivnější trasy dopravních prostředků. Jsou vhodné pro řešení relativně jednoduchých problémů s omezeným množstvím možných výsledků a známými snadno formulovatelnými pravidly.

Neuronové sítě

Pro některé účely jsou výhodné neuronové sítě, struktury napodobující části mozku. Skládají se z neuronů, základních jednotek, uspořádaných do vrstev - vrstvy vstupní, na kterou jsou přiváděny signály z vnějšku, vrstvy výstupní, ze které odebíráme zpracované signály, a nuly až několika skrytých vrstev mezi nimi; počet vrstev odpovídá komplexitě požadovaného úkolu. Neuron samotný je velmi jednoduchý; přijímá signály od ostatních neuronů, násobí jejich hodnoty váhovou konstantou specifickou pro spojení mezi každými dvěma neurony, a jejich součet pak po zpracování nelineární funkcí (obvykle sigmoidní) předává neuronům v další vrstvě. 

Programování neuronové sítě probíhá učením. Na vstup sítě se přivede signál k němuž známe výstupy; pak se tak dlouho hýbe s váhovými konstantami, až síť poskytne správný výstup. Totéž se opakuje mnohokrát pro ostatní známé páry vstup-výstup. Dobře naučená síť je pak schopna poskytnout správné výstupy i pro neznámé vstupy. Ovšem ďábel bývá v detailech; známý je případ armádní laboratoře, která se snažila naprogramovat neuronovou síť k rozpoznání tanku na letecké fotografii lesa. Učící sada dávala dobré výsledky - testovací nikoliv. Posléze se zjistilo, že učící sada měla chybu - všechny fotografie s tankem byly pod mrakem, zatímco všechny snímky bez tanků byly za slunečného počasí. Síť se naučila rozpoznávat nikoliv tank, ale osvětlení scény sluncem.

Neuronové sítě jsou zvlášť vhodné ke zpracování signálů a obrazu a k předvídání jevů se skrytými zákonitostmi. Existují systémy pro rozpoznávání obrazu, řeči, předvídání chování trhu s akciemi nebo sluneční aktivity. Dají se také použít k vyhodnocování elektroencefalografických signálů, a v kombinaci se specifickým výcvikem uživatele se pak dají použít např. k řízení invalidního vozíku "myšlenkou"; uživatel se naučí generovat specifické vzorce mozkové aktivity, zatímco neuronová síť se je naučí rozpoznávat. Podobným postupem lze detekovat úroveň pozornosti operátora např. sonaru nebo jaderného reaktoru; unavený mozek se chová měřitelně jinak.

Zpracování přirozeného jazyka

Jednou z velmi složitých oblastí umělé inteligence je zpracování přirozeného jazyka. Zatímco počítače jsou nejvhodnější pro komunikaci strukturovanou, s jasnou syntaxí, lidé hovoří jazyky s mnoha nejednoznačnostmi a neúplnostmi. V analýze řeči potřebujeme tři hlavní kroky: syntaktickou analýzu, kde pomocí gramatických pravidel rozebíráme věty a identifikujeme jejich části, sémantickou analýzu, kde získáváme počáteční reprezentaci smyslu řečeného, a pragmatickou analýzu, kde se z kontextu a toho co už známe pokoušíme doplnit smysl toho co nebylo řečeno. "Táhni!" bude znamenat něco jiného v manželské hádce než během šachové hry. Inverzní problematikou k porozumění řeči je generování řeči.

Velmi složitá je problematika rozpoznávání mluvené řeči. Existuje mnoho přístupů o různé složitosti a různém účelu. Poměrně jednoduché je pouhé rozpoznání příkazu; stroj zde pouze rozpoznává zvuk, nikoliv jeho význam; stejně jako pes, vycvičený v Praze sedne na povel "Sedni" a nikoliv na povel "Down", který pro změnu uposlechne pes z New Yorku, aniž kterýkoliv z nich rozumí česky nebo anglicky. (Kočky z obou lokalit budou příkazy moudře ignorovat.) Převod mluveného slova na psaný text je mnohem obtížnější a ve svých lepších variantách zahrnuje i pokus o alespoň částečné porozumění smyslu textu. (Lidé dělají totéž; porovnejte jak snadno uděláte chybu v diktátu pojednávajícím o něčem čemu nerozumíte, oproti tématu vám blízkému.)

Na porozumění smyslu textu je úzce závislá problematika strojových překladů, která je jinak zdrojem mnoha vtipů. Známý je příběh z počátku výzkumu, kdy automatický systém přeložil anglické úsloví "duch je ochoten ale tělo je slabé" do ruštiny a zpět, s výsledkem "alkohol je připraven ale maso je syrové". O tom, jak je porozumění nutné pro správný překlad, se můžeme přesvědčit snadno; stačí věnovat pozornost dabingu naší Nejsledovanější Televize. Na perly typu "trh s býky" ("bull market", trh s akciemi v období růstu cen) nebo "generál Attorney" ("Attorney General", generální prokurátor) nebudeme muset dlouho čekat. A to se nejedná o překlad automatický, jakkoliv se to může zdát.

Velmi důležitou aplikací zpracování jazyka jsou internetové indexační a vyhledávací systémy; klíčová slova již přestávají stačit, pro nalezení žádaných výsledků je v čím dál tím větším procentu případů nutné používat systémy schopné porozumět smyslu hledaného textu. Poměrně novou ale rychle se rozvíjející skupinou aplikací je identifikace a odstraňování nevyžádané reklamní elekronické pošty, tzv. spamu.

Počítačové vidění

Přilepit na počítač kameru je jednoduché; přimět jej aby porozuměl viděné scéně, nebo alespoň rozpoznal jednotlivé objekty a jejich pozice, již nikoliv. Dvourozměrnou scénu, jak ji vidí kamera, je třeba převést na scénu třírozměrnou, a pak eventuelně identifikovat jednotlivé objekty.

Stejně jako u zpracování řeči, i vidění má svůj postup. První krok je detekce hran; izolace ostrých změn jasu v zorném poli.  Ty obvykle představují hrany objektů, nebo elementy jejich textury. Poté se pokusíme identifikovat které hrany na stejném obrazu ze dvou kamer (poskytujících stereoskopický obraz, jako oči) patří stejným objektům, a z rozdílů jejich relativních pozic zjistit jejich vzdálenost, zrekonstruovat třírozměrný obraz ze dvou dvojrozměrných. Rozbor scény na jednotlivé objekty a jejich identifikace je pak tou nejsložitější částí, jejíž výzkum poskytuje dlouhodobou obživu mnoha laboratořím.

I oči (a mozky) živočichů používají podobný postup; mnoho maskování zvířat je založeno na rozbití obrysů těla zvířete pomocí skvrn nebo pruhů, umožňujících snadnější splynutí s pozadím. Tygři nebo korálové rybky jsou dobrým příkladem; dalším dobrým příkladem jsou zelené a hnědé pruhy namalované na tvářích přepadových jednotek, jejichž účelem je narušení oválného tvaru obličeje, jež je jinak příliš dobře viditelný i rozpoznatelný. Skvrny na maskovacích uniformách mají stejný účel pro zbytek těla.

Strojové učení

Systém umělé inteligence může být pevně nastavený "z výroby", nebo se může učit za provozu. Každý přístup má své výhody a nevýhody; na pevno nastavený systém se hodí např. pro expertní systém pro lékařskou diagnostiku, kde je známá pevná sada pravidel, zatímco učící se systém je výhodnější pro aplikace jako rozpoznávání řeči nebo obecně různých vzorů, od změn počasí po změny sluneční aktivity a chování akciových trhů. Mezi používané metody patří vkládání nových pravidel do databáze znalostí, učení neuronových sítí, a různé přístupy z rozvíjející se oblasti evolučního programování, např. použití genetických algoritmů, kde se mnoho verzí systému pokouší řešit úlohu, a z částí těch nejlepších programů se pak náhodně sestavují další verze - proces blízce modelující evoluci živých organismů.

Robotika

Důležitou aplikací umělé inteligence je robotika, zejména v oblasti autonomních robotů - strojů schopných samostatně se pohybovat ve známém nebo neznámém prostředí a poznávat své okolí.

Zatím světovou špičkou v oblasti vývoje humanoidních robotů je Asimo, 120 cm vysoký robot z japonských výzkumných laboratoří firmy Honda. Samostatně chodí, a to i do schodů, a je schopný jednoduché sociální interakce. Při své návštěvě Prahy, kdy doprovázel japonského ministerského předsedu, si potřásl rukou i se Špidlou; kdo z nich tehdy vypadal více jako robot již agentury neuvádějí.

Roboti ale nepatří jen do laboratoří; v podobě hraček a domácích spotřebičů je nalézáme i ve službách "civilistů".

Cindy Smart je robotická panenka, schopná vidět, rozpoznívat řeč, mluvit pěti jazyky, a řešit jednoduché matematické úlohy. Poněkud primitivní, ale i tak pro některé pozorovatele trochu děsivá.

Užitečnou aplikací robotiky je Roomba, robotický vysavač. Jeho úlohou je potulovat se po podlaze místnosti, luxovat podlahu, a upravovat svojí dráhu tak, aby pokud možno přešel přes celou plochu podlahy.

Velmi zajímavou hračkou, zasluhující si samostatnou kapitolu, je robotický pes Aibo. Je schopen naučit se mnoho pohybů a aktivit, poznat svého majitele podle vzhledu i hlasu, reagovat na příkazy, rozpoznávat a pojmenovávat objekty, a učit se, velmi podobně jako živý pes - včetně občasné tendence k věnování pozornosti něčemu úplně jinému, než by si páníček v daném okamžiku představoval. Z psychologického hlediska je zajímavým jevem tendence lidí získávat si k učícím se interaktivním robotům blízký citový vztah.

Každoroční soutěží robotů je RoboCup, letos pořádaný v Portugalsku. Jedná se o soutěž robotických týmů v několika různých kategoriích (malí, střední, velcí, čtyřnozí, na kolech...) v hraní fotbalu. Dlouhodobým cílem šampionátu je do roku 2050 vyvinout tým humanoidních robotů, schopný vyzvat a porazit lidské protihráče. Vzhledem k cenám současných čutacích superhvězd se možná bude jednat i o levnější variantu.

Další soutěží, o něco většího rozsahu a s menším obsazením, je DARPA závod. Každé dva roky spolu soutěží autonomní vozidla bez posádky, jejímž úkolem je samostatně projet vytýčenou trasu a poradit si se všemi přirozenými překážkami, které na ní potkají.

Roje a robohmyz

Zvláštní skupinu problémů i inspirace pro oblast umělé inteligence představuje hmyz. Jednoduché autonomní jednotky, např. mravenci, které samy o sobě nic moc neumí, svojí vzájemnou interakcí dosahují velmi komplikovaných vzorců chování a vykazují tzv. inteligenci roje. Jednotlivé elementy roje, jednotlivé včely nebo mravenci, jsou snadno postradatelné; tato robustnost a odolnost proti poškození činí z hmyzích rojů předlohu velmi lákavou pro armádní systémy. Průzkumný - nebo i bojový - systém na bázi roje levných autonomních létajících senzorů je konvenčními zbraněmi špatně zranitelný; vyřazením několika jednotek se roj samotný oslabí jen málo. Rozvoj nanotechnologií představuje další pole příležitostí v tomto směru, vedoucí k ještě menším a levnějším "hmyzům". Inteligentní roje nanobotů se stanou účinnými špióny; protiopatřením budou "imunitní roje" identifikující a likvidující nanoboty neznámé a tedy považované za nepřátelské, stejně jako se k vetřelcům chovají včely.

Data mining

Neviditelnou, ale všudypřítomnou aplikací umělé inteligence je data mining, dolování dat. Jedná se o problematiku blízkou strojovému učení; jde většinou o vyhledávání souvislostí v hromadách nashromážděných dat. Může jít o porovnávání genomu pacientů s nádory, a nacházení specifických genových variací charakteristických pro daný typ nádoru; vyhodnocování typických složení nákupů v závislosti na demografické skupině obyvatelstva a nakoupených předmětech (díky čemuž se pak přesunou regály se zbožím tak, aby se maximalizovala expozice lidí těm druhům zboží, které mají největší šanci koupit, a tím se maximalizuje spotřeba a obrat), vyhodnocování pohybu spotřebitelů po obchodě, nebo porovnávání charakteristik použití kreditní karty a označování podezřelých nákupů, které pak banka ověřuje telefonátem majiteli karty. Pokud se držitel kreditky pět let nehnul z Ohia, a najednou přijde platba tou samou kreditkou z Rumunska, je pravděpodobnost použití odcizeného čísla kreditkarty docela vysoká. V USA, na rozdíl od místních podmínek, nese riziko podvodných transakcí banka; vyplatí se jim tedy investovat do detekce podezřelých transakcí. Bankovní transakce se také prověřují na vzorce chování, charakteristické pro praní tzv. špinavých peněz. V současnosti je také módní terorismus a příslušná tzv. bezpečnostní opatření; americký systém CAPPS-II, vyvíjený ve spolupráci s některými aerolinkami, je jedním z nejnovějších příkladů. Osobní data - jména, telefonní čísla, adresy a data narození - pasažérů letadel budou použita k získání dalších údajů o dotyčných osobách z vládních a komerčních databází; včetně bankovních transakcí, nákupů přes kreditkarty, a pravděpodobně i výpisů telefonních hovorů - na blahopřejný telefonát k narozeninám tetičce z Maroka tedy raději zapomeňte. Získaná data se podrobí zkoumání expertním systémem, který vyhodnotí riziko, které daná osoba představuje, a je jí přidělen barevný kód: zelený (OK), žlutý (prohlédnout), nebo červený (tenhle jen tak nepoletí). Pokud si počítač usmyslí, že existuje významná korelace mezi kupováním vaší oblíbené značky pizzy a rizikem napojení na teroristickou organizaci, přijďte na letiště raději dřív; a nečekejte, že budete mít odvolání - počítař řekl, že představujete riziko, a tak drahý stroj se přece nemůže splést. (Mezitím praví teroristé použijí metodu zvanou Carnival Booth, kdy se osobní profil úmyslně přizpůsobuje profilu "zelenému".) Specifikace použití CAPPS-II se navíc postupně mění; k původnímu úmyslu chytat zahraniční teroristy se přidala snaha chytat i "domácí teroristy", kde definice teroristy je natolik nepřesná, že se může vztahovat i na legitimní politické aktivisty, a později navíc i "klasické" zločince a ilegální imigranty. A kdo ví, s čím příjdou zítra. Další rozsáhlou a zlověstnou aplikací umělé inteligence je zpracování signálu z bezpečnostních kamer a identifikace a sledování osob na nich zachycených (což ještě pořádně nefunguje), nebo zpracování bankovních a daňových záznamů a identifikaci situací, kdy se porovnávají údaje a hledají se nesrovnalosti, naznačující pokusy o daňové úniky (kterýžto systém už nasazuje např. stát Massachussetts, svými obyvateli trefně nazývaný Taxachussets). (Rada: kdekoliv to jde, plaťte v hotovosti. Co počítač nevidí, počítač neví.)

Vývoj systémů na zpracování extrémně velkých objemů dat probíhá rychle. Co nebylo možné včera a je nepraktické dnes, bude zítra běžné.

Budoucnost

Technologie samotná je neutrální - ani dobrá, ani špatná. Můžeme se těšit na postupný, plíživý vstup umělé inteligence do našich životů. Změny nebudou rychlé; oznámení o klíčových objevech se v médiích ztratí mezi zprávami ze života celebrit, domácí robomazlíčci se za tichého cinkotu rolniček nastěhují pod vánoční stromečky, a počítačem asistované zlepšení přesnosti diagnóz lékařů ani nepostřehneme. Spíše si všimneme rostoucí byrokracie a šikany ze strany státní moci, ať již ve jménu Pořádku nebo ve jménu Bezpečí, a postupného ukusování z našeho soukromí ze strany megakorporací; na mysl přicházejí individuálně cílené reklamy z filmu Minority Report. Stále se zmenšující počítače se nastěhují do našich kapes a mobilních telefonů (kterýžto proces už začal), a do módy přijdou průhledové displeje pro "rozšířenou realitu", servírující data o která si zažádáme přímo do našeho zorného pole; včetně "titulkovaných" překladů řeči osob, které na nás budou mluvit v jejich mateřském jazyce, nebo připomínání jmen lidí, jejichž tváře si bez pomoci počítače nezapamatujeme. Scénáře telenovel budou generované počítačem a jejich stupidní dialogy budou automaticky překládané do dalších jazyků. Schopnosti počítačů rychle porostou, schopnosti lidí, tedy alespoň lidí tak jak je známe, zůstanou víceméně konstantní; dříve či později se křivky protnou. Rostoucí požadavky na zpracování čím dál tím většího množství dat povedou k novým metodám jejich zobrazování, pokroky v oboru virtuální reality otevřou cestu k realizaci "kyberprostoru" nyní známého z vědeckofantastické literatury. Pokroky v elektronice, fyzice a nanotechnologii odstraní zbylé rozdíly mezi živou tkání a strojem; biologické počítače co rostou samy by mohly být podstatně výhodnější z hlediska ceny výroby i biokompatibility. Pokroky v neurochirurgii a objevy na poli neurologie i genového inženýrství postupně otevřou cestu k přímému spojení lidského mozku a stroje; vzniklý hybrid se stane oprávněným nástupcem člověka na evolučním stromu.

Do té doby nás ale ještě čeká dlouhá cesta.

Malý výlet do historie

Již staří Řekové ve svých bájích zmiňovali uměle vytvořené robotické systémy s vlastní inteligencí; ožívající sochy zvířat i lidí známé jako Automatoi vytvářel Hefaistos, kovář bohů. V pátém století před naším letopočtem položil Aristoteles základy formálního deduktivního systému, sylogistické logiky. Ale až o 18 století později, ve stoleté třináctém, excentrický génius, Španěl Ramon Lull publikuje průlomovou myšlenku, že myšlení je výpočetní proces, výpočetní procesy zahrnují matematickou práci s kombinacemi symbolů, a tyto operace mohou být prováděny mechanicky. O další čtyři století později přichází Descartes s názorem, že těla zvířat jsou komplexní stroje. Roku 1642 sestrojuje Pascal první mechanický kalkulátor, zatím jen sčítající a odčítající; o 31 let později jej Leibnitz vylepšuje o násobení a dělení. 18. století přináší záplavu mechanických hraček. Roku 1818 publikuje Mary Shelley průlomový román Frankenstein, zmiňující neočekávané důsledky nedostatečného testování nových systémů před jejich vypuštěním mimo laboratoř. George Boole vyvíjí binární algebru, základ moderních počítačů. Charles Babbage and Ada Byron (podle níž bude později pojmenován neprůstřelný programovací jazyk pro americké armádní systémy) pracují na programovatelných mechanických počítacích systémech; extrapolací této technologie do rozsahu aplikace současných počítačů se nyní zabývá steampunk, specifický druh vědeckofantastické literatury. Začátkem 20. století Bertrand Russell a Alfred Whitehead revolucionizují formální logiku knihou "Principia Mathematica". Russell, Carnap a Wittgenstein vybředávají z bahna filozofie a pokládají základy logické analýzy znalostí. Roku 1923 je poprvé použito slovo robot, v Čapkově hře RUR. Roku 1943 rozpracovávají Warren McCulloch a Walter Pitts základy neuronových sítí, a Rosenblueth, Wiener a Bigelow zavádějí termín "kybernetika". O dva roky později publikuje Vannevar Bush v časopise Atlantic Monthly vizi budoucnosti s počítači asistujícími lidem. Velmi důležitým rokem je 1950, kdy Alan Turing publikuje klasickou práci "Počítací stroje a inteligence" a definuje Turingův test, náhradu za filozofickou otázku zda mohou stroje myslet. Ten samý rok Shannon publikuje detailní analýzu hře v šachy jako vyhledávání - proces formulace a prozkoumávání alternativ, a Isaac Asimov formuluje slavné Tři zákony robotiky. Roku 1952 v laboratořích IBM začíná deset let trvající sága vývoje programu hrajícího dámu, díky učícím se programům Arthura Samuela brzy schopného vyzvat i světové velmistry. 1956, John McCarthy zavádí termín "umělá inteligence" na první konferenci subjektu věnované. O rok později Newell, Shaw a Simon demonstrují "obecný řešič problémů", a za další rok se McCarthy znovu objevuje na scéně, s jazykem Lisp, optimalizovaným pro zpracování seznamů (dle zlých jazyků pojmenovaný podle spousty otravných závorek - Lots of Irritating Superfluous Parentheses - jimiž je pověstný). Ten samý rok Gelernter a Rochester, z laboratoří IBM, popisují systém automaticky provádějící důkazy geometrických teorémů. V Británii se uskutečňuje Konference o mechanizaci myšlenkových procesů, kde jsou mimo jiné prezentovány práce McCarthyho - Programy se zdravým rozumem, Marvina Minskyho - Některé metody heuristického programování a umělé inteligence, a Selfridgeho "Pandemonium", systém pro detekci charakteristických rysů vstupních signálů, pojmenovaný podle "vřískotu" neuronsorových neurálních clusterů podrážděných jim specifickými skupinami podnětů, nikoliv nepodobný chaosu v hlubinách pekel.

Pak začínají události nabývat rychlejší spád.

Koncem 50. let navrhuje Margaret Masterman na univerzitě v Cambridgi sémantické sítě pro strojové překlady mezi jazyky. Roku 1961 Slagle na MIT - Massachusettském Institutu Technologie - publikuje disertační práci, program SAINT v jazyce Lisp, symbolicky počítající integrály. Následující rok vzniká firma Unimation, první výrobce průmyslových robotů. O další rok později program ANALOGY, opět z laboratoří MIT, s úspěchem řeší úlohy na rozpoznávání analogií obvyklé v IQ testech, a v Sutherlandově disertační práci Sketchpad (Skicák) je popsána idea interaktivní grafiky. Roku 1964 Danny Bobrow, opět z MIT, předvádí systém pro zpracování přirozeného jazyka, počítající slovní úlohy z matematiky, zadané v běžné angličtině, a jeho spolužák Bert Raphael přichází s demonstrací programu pro logickou reprezentaci znalostí pro systémy poskytující odpovědi na otázky. Následující rok Robinson uvádí proceduru pro mechanické důkazy, umožňující programům využívat formální logiku. Joseph Weizenbaum uvádí do provozu první interaktivní konverzační program, ELIZA. Roku 1966 jsou v praxi demonstrovány sémantické sítě, popsané před několika lety. Výzkum zpracování přirozeného jazyka ztrácí významnou část podpory jako následek dlouhodobě špatných výsledků strojových tlumočníků. Roku 1967 je předveden program Dendral, systém na zpracování hmotových spekter organických molekul a první program pro strojové zdůvodňování založené na databázi znalostí. Richard Greenblatt uvádí program MacHack, hrající šachy natolik dobře, že se v šachových turnajích kvalifikuje do kategorie C. Další rok publikuje Marvin Minsky práci s názvem "Perceptrony", popisující limity jednoduchých neuronových sítí.  Následuje robot Shakey s kombinací pohybu, vnímání, a řešení problémů. Roger Schank definuje model konceptuální dependence pro porozumění přirozenému jazyku, později využitý i v systémech pro porozumění příběhům a ve výzkumu paměti. Následuje rok 1970, který přináší program SCHOLAR, interaktivní systém založený na sémantických sítích, a program ARCH, schopný učit se koncepty z příkladů; rok 1971 a program SHRDLU, ovládající robotickou ruku vykonávající pohyby popsané v hovorové angličtině, a rok 1972, kdy byl vyvinut jazyk Prolog, logický programovací jazyk. Rok 1973 přinesl robota Freddyho z Univerzity v Edinburghu, schopného vizuálně rozpoznávat objekty, nacházet je a skládat je dohromady. Roku 1974 byl uveden do provozu MYCIN, první expertní systém, použitý v medicíně pro stanovení diagnóz z rozboru krve; také je vyvinut jeden z prvních plánovacích programů, a techniky hierarchického plánování. 1975 opět přivádí na scénu Marvina Minskyho a jeho slavný článek o rámcích jako reprezentaci znalostí. Meta-Dendral, vylepšená verze systému Dendral, objevuje nové zákonitosti ve hmotové spektroskopii, a stává se prvním programem, jehož objev je uveřejněn ve vědeckém žurnálu. Jsou ustanoveny limity použitelnosti tradičních postupů při analýze rozhovorů. Kay and Goldberg z laboratoří PARC Xerox vyvíjejí jazyk Smalltalk, průkopníka na poli objektových programů. David Marr popisuje význam prvotního náčrtku ve vizuálním vnímání. O rok později je provedena demonstrace meta-zdůvodňování. Roku 1978 Tom Mitchell vynalézá koncept prostorů verzí, pro popis prostoru vyhledávání v programech na formování konceptů. Herb Simon získává Nobelovu cenu za teorii ohraničené racionality, základu metody umělé inteligence známé jako "uspokojování". Program MOLGEN, vyvinutý na Stanfordské univerzitě, demonstruje použitelnost objektově-orientované reprezentace znalostí pro plánování genetického klonování v biologii. Roku 1979 je na univerzitě v Pittisburghu vyvinut program INTERNIST, expertní systém pro lékařskou diagnostiku. Je předveden systém CHI pro automatické programování. Hans Moravec staví Stanfordský Vozík, autonomní robot schopný samostatně jezdit po místnosti s rozestavěnými židlemi. McDermott, Doyle, a McCarthy začínají publikovat práce o nemonotónní logice a formálních aspektech udržování pravdivosti. Roku 1980 se objevují první komerční expertní systémy. Vyrábějí se první hardwarové interpretery jazyka LISP. Je publikována kostra HEARSAY-II, systému pro porozumění mluvené řeči. O rok později Danny Hillis navrhuje masivně paralelní architekturu počítačů, zvlášť vhodnou pro potřeby umělé inteligence a některých typů výpočtů. V polovině 80. let se začínají široce používat neuronové sítě s backpropagačním algoritmem, prvně popsaným roku 1974. Aaron, autonomní kreslící program, je předveden na Národní konferenci AAAI. Roku 1987 Marvin Minsky publikuje "Společnost mysli", popisující mysl jako skupinu spolupracujících agentů. O dva roky později Dean Pomerleau uvádí do provozu ALVINN, auto řízené neuronovou sítí, které projíždí USA od pobřeží i pobřeží samostatn, kromě asi 50 z celkové vzdálenosti 2850 mil. Devadesátá léta přicházejí s rozsáhlými pokroky ve všech oblastech umělé inteligence - strojovém učení, inteligentním vyučování, zdůvodňování na základě případů, nejistém zdůvodňování, data-miningu, rozvrhování, porozumění přirozenému jazyku a překládání, strojovém vidění, virtuální realitě, a počítačových hrách. TD-Gammon, počítačový hráč vrhcábů, používá posilující se učení a dosahuje mistrovské úrovně srovnatelné se špičkovými světovými hráči. Roku 1997 poráží Deep Blue, šachový počítač, velmistra Kasparova. Probíhá první oficielní mistrovství světa v robo-fotbalu, kde soutěží týmy autonomních robotů. Během pozdních 90. let se prohledávací a indexovací programy - Altavista, Webcrawler, později Google - stávají klíčovými ve zvyšování užitečnosti Internetu. Na MIT je předveden Inteligentní Pokoj a emocionální agenti. Roku 2000 robot NOMAD prozkoumává odlehlé oblasti Antarktidy a pátrá po meteoritech. Cynthia Breazal publikuje dizertační práci na téma sociabilních strojů, popisující Kismet, robota s tváří schopnou vyjadřovat emoce. Do obchodů přicházejí robotická zvířátka, završující snahu započatou již před tisíci lety.

Zdroje:

http://cyber.felk.cvut.cz/gerstner/eth/index.php?page=ln_mysli

http://www.csl.sony.fr/downloads/papers/2002/steels-evocomm2002.pdf

http://www.aaai.org/AITopics/bbhist.html - timeline - kompletní historie

http://www.gulf-news.com/Articles/people-places.asp?ArticleID=90412 - agenti reklamy

http://www.weblab.org/press/031899nytimes.htm - Sons and Daughters of HAL

http://www.cee.hw.ac.uk/~alison/ai3notes/all.html

http://www.wired.com/wired/archive/10.08/cindy.html - Cindy Smart