Umìlá inteligence: poèítaèové simulace

Umìlá inteligence: poèítaèové simulace

Vìtšina prvotního výzkumu zpracovávání informace se zamìøila na práci založenou na poèítaèových simulacích lidské inteligence, stejnì jako na poèítaèové systémy, které užívaly optimální metody øešení problémù. Programy obojího typu lze klasifikovat jako pøíklady umìlé inteligence (AI; artificial intelligence). Poèítaèe ve skuteènosti nemyslí - je nutné programovat je, aby se chovaly, jako kdyby myslely, to znamená, že musí být programovány, aby simulovaly kognitivní procesy. Tímto zpùsobem dávají nahlédnout do podrobností lidského zpracovávání informací pøi kognici. Poèítaèe jsou v podstatì pouze kusy hardwaru - fyzických složek vybavení - odpovídající na instrukce. I jiná zaøízení odpovídají na instrukce - napø. pokud umíte zacházet s videorekordérem, tak videorekordér odpovídá na vaše instrukce a udìlá, co mu „øeknete“.

Pro badatele jsou poèítaèe zajímavé tím, že jim lze zadávat velmi složité informace známé pod oznaèením poèítaèové programy, bìžnìji software. Ty poèítaèi øíkají, jak má odpovìdìt na novou informaci. Nová informace mùže pøijít z rozlièných zdrojù: a) z prostøedí (napø. instrukce: „Jakmile stoupne teplota nad 24, zapni chlazení“ - program vykoná instrukci, jakmile obdrží informaci z prostøedí, že teplota pøekroèila uvedenou mez); b) od nìkoho, kdo je v interakci s poèítaèem (napø. program vykoná instrukci, jakmile dostane pøíkaz: „Vykonej program kontrolující pravopis“); a dokonce i c) z vlastních procesù (napø. v prùbìhu výkonu instrukce programu jako: „Opakuj tento krok 10x, poté opakování ukonèi a pøejdi k dalšímu kroku“). Pøedtím než zaèneme probírat inteligentní programy, je nutné do hloubky uvážit, co by nás mohlo vést - pokud vùbec nìco - k oznaèení poèítaèového programu jako „inteligentního“.

#Mùže být poèítaèový program „inteligentní“?

#Turingùv test

Pravdìpodobnì první vážnì mínìný pokus vyrovnat se s otázkou, zda mùže být poèítaèový program inteligentní, se pøièítá Alanu Turingovi (1963). Je založen na myšlenkách, které Turing vyslovil roku 1950. Turing vymyslel test, v jehož prùbìhu èlovìk hodnotí respondentovu inteligenci. Základní myšlenka Turingova testu je založena na otázce, zda pozorovatel dokáže rozlišit výkon poèítaèe od výkonu èlovìka, jehož výkon by byl obecnì považován za výkon do jisté míry inteligentní. V konkrétní podobì navržené Turingem se testu úèastní poèítaè, lidský respondent a èlovìk, jenž se táže. Tento èlovìk vede dvì odlišné „konverzace“ s interaktivním poèítaèovým programem. Cílem tážícího se jedince je zjistit, kterou z tìchto dvou konverzací vedl èlovìk komunikující prostøednictvím poèítaèe, a kterou vedl sám poèítaè. Tážící se èlovìk se mùže zeptat obou stran na cokoli. Poèítaè se ho však pokouší oklamat a pøivést k pøesvìdèení, že je èlovìkem. Lidský respondent se snaží doložit, že je èlovìk, a to žena, nebo muž. Poèítaè úspìšnì projde Turingovým testem tehdy, jestliže tážící se èlovìk není schopen rozlišit poèítaè od èlovìka.

Test nerozlišitelnosti poèítaèe od èlovìka se bìžnì užívá pøi vyhodnocování inteligence poèítaèového programu. Test se obvykle neužívá zpùsobem, který popsal Turing. Lze napø. nìkteré druhy výstupu vytvoøené poèítaèem prohlédnout a vyhodnotit co do srovnatelnosti s lidským výkonem. V nìkterých pøípadech se lidská data získaná z úloh zamìøených na øešení problémù porovnávají s daty vytvoøenými poèítaèem, poté se vyhodnotí míra jejich vzájemného vztahu. Jestliže kupø. poèítaè øeší èíselné øady, napø. 1, 4, 9, 16  (v níž místo pøirozeného èísla urèujícího poøadí vystupuje jeho druhá mocnina), lze porovnat reakèní èasy a druhy chyb poèítaèe a lidí øešících stejný problém (napø. Kotovsky a Simon, 1973; Simon a Kotovsky, 1963). Samozøejmì, že je reakèní èas poèítaèe daleko rychlejší, než je tomu u lidí, vìdce však více zajímají typické pomìry a zákonitosti reakèních èasù než celkový reakèní èas. Jinak øeèeno, základní problém není, zda poèítaèe øeší nìjaký problém v dobì kratší, nebo delší než lidé, ale otázka, zda øešení problému, jenž trvá poèítaèi delší dobu, trvá relativnì déle i lidskému øešiteli.

Stává se, že cílem poèítaèových modelù není vyrovnat se lidskému výkonu, ale pøekonat jej. V tomto pøípadì je cílem programu spíše než simulace lidské inteligence vytvoøení maximální umìlé inteligence. Otázka, zda se výkon poèítaèe dá porovnat s lidským výkonem, nemá už dlouho své opodstatnìní. Tìžištìm zájmu je, do jaké míry je poèítaè s to kvalitnì vyøešit zadaný úkol. Kupøíkladu poèítaèový program hrající šachy v typickém pøípadì hraje zpùsobem zdùrazòujícím „brutální sílu“ - poèítaèové programy vyhodnocují extrémnì vysoké poèty možných krokù, mnohé z nich by èlovìka ani nenapadlo vzít v potaz (napø. Berliner, 1969; Bernstein, 1958). Program IBM jménem „Deep Blue“ právì užitím brutální síly porazil v roce 1997 svìtového šachového velmistra Garryho Kasparova. Brutální síla se rovnìž užívá v programech hrajících dámu (napø. A. L. Samuel, 1963). Tyto programy se bìžnì hodnotí podle toho do jaké míry jsou s to porazit jeden druhého, nebo, což je ještì významnìjší, lidské protihráèe.

Probrali jsme nìkteré otázky povahy inteligentních poèítaèových programù, takže svou pozornost obrátíme k nìkterým skuteèným programùm. Jejich popis dává pøedstavu, jakým zpùsobem se vyvíjel výzkum AI, a také pøedstavu o tom, do jaké míry modely AI ovlivnily práci kognitivních psychologù. Pøedchozí pøíklady ukázaly, že se mnoho raných programù AI zamìøovalo na øešení problémù.

#Logický teoretik (LT)

Jeden z nejranìjších inteligentních programù vytvoøili Allen Newell, Clifford Shaw a Herbert Simon (1957b). Tento program pojmenovaný Logický teoretik (Logic Theorist, LT) byl vytvoøen za úèelem dùkazu teorémù v elementární symbolické logice. Mùže být napø. požádán, aby dokázal teorém „Jestliže P nebo Q je pravdivé, pak je B pravdivé nebo P nebo Q je pravdivé.“ LT byl s to dokázat tento teorém tak, že jej porovnal s axiomem (logický výrok akceptovaný jako pravdivý). „Jestliže A je pravdivé, pak B nebo A je pravdivé“ (napø. „Jestliže bude pršet, pak bude pršet nebo snìžit“, nebo pro pravdivost logického nebo dostaèuje, že jeden - nebo oba - èlenové výroku jsou pravdivé).

K dùkazu originálního teorému užil LT pravidlo substituce. Podle nìj mùže být jakýkoli výraz dosazen (substituován) za jakoukoli promìnnou v jakémkoli teorému za pøedpokladu, že se substituce provádí na každém místì teorému, kde se tato promìnná objevuje. LT tento teorém dokázal substitucí „P nebo Q“ za „A“ v logickém axiomu. Tím se výrok „Jestliže je A pravdivé, pak B nebo A je pravdivé“ mìní na výrok „Jestliže je P nebo Q pravdivé, pak je B pravdivé nebo P nebo Q pravdivé“, èímž je teorém dokázán.

Pøedložený pøíklad je relativnì jednoduchý. Užitím pouhých ètyø pravidel, vèetnì pravidla substituce, byl však LT schopen dokázat podstatnì komplikovanìjší teorémy. Newell a jeho kolegové tím ukázali, že k øešení úlohy, která døív vyžadovala jedince s dobrou znalostí vìci - stejnì jako s inteligencí -, je možné naprogramovat stroj. LT byl sice schopen dokazovat teorémy, øešení dalších druhù problémù však z dùvodu své úzké funkce nebyl schopen najít. V další fázi Newell a jeho spolupracovníci napsali program, jenž pøekroèil schopnosti LT a umìl øešit širší rozsah problémù.

#Øešitel obecných problémù

Nový program jménem Øešitel obecných problémù (nebo Obecný øešitel úloh - General Problem Solver, GPS) byl vytvoøen k øešení širších a obecnìjších problémù, než byly druhy problémù, které byl s to øešit LT (Newell, Shaw a Simon, 1957a). GPS vychází z pøedpokladu, že zpracovávání informace je spíše doménovì obecné než doménovì (oborovì) specifické. By GPS užívá k øešení problémù øadu odlišných metod, pracují tyto metody pøi øešení problémù obecnì s jediným typem heuristiky. Heuristický GPS užívá analýzu prostøedkù a cílù, která øeší problémy tak, že postupnì snižuje míru rozdílu mezi souèasným stavem (kde se nacházíte v souèasnosti) a cílovým stavem (kam se chcete dostat, viz kap. 11). Obrázek 14.5 ukazuje schematický vývojový (prùbìhový) diagram (modelová cesta pro dosažení cíle nebo øešení problému) popisující jak dokáže GPS transformovat jeden objekt (nebo jeden problémový stav) na jiný užitím analýzy prostøedky-cíle.

Analýzu prostøedky-cíle je možné užít na široký poèet problémù (napø. mnohotahové problémy popsané v kapitole 11, pøi nichž nepøátelé a milovníci lesa musí pøekroèit øeku pomocí jednoho èlunu pro 2 osoby). GPS v podobì formulované v padesátých a šedesátých letech 20. století dokázal užít heuristiku na problémy typu dùkazu logických teorémù nebo nìkteré jiné problémy popsané v kapitole 11. Programy GPS a LT jsou typickými pøedstaviteli rané práce vykonávané na Carnegie-Mellonovì univerzitì. Skupina Newell-Simon z této univerzity však nebyla jediným týmem, který se namáhal s vytvoøením inteligentních programù. V Massachusettském technologickém institutu (MIT) se o vytvoøení programù AI zajímala skupina prvotnì vedená Marvinem Minským. Programy MIT se odlišovaly od programù Carnegie-Mellonovy univerzity vìtším dùrazem na získávání sémantických informací - tj. na užití smysluplných slovních informací (Minsky, 1968).

#SHRDLU

Poèátkem sedmdesátých let 20. století vyvinul Terry Winograd (1972), vìdec pracující v MIT, SHRDLU, obecnì chápaný jako pøelom ve vývoji AI. SHRDLU (pojmenování plyne ze základního øetìzce písmen tradièního sázecího stroje užívaného v tiskárnách) slouží coby základ pro øízení robota. Winogradùv robot žije ve „svìtì kostek“, v nìmž se úkoly týkají provádìní rùzných manipulací se souborem kostek lišících se velikostí, tvarem i barvou. Svìt obsahuje zelenou krychli, èervený jehlan atd. Na obrázku 14.6 je nìkolik pøíkladù druhù prvkù obývajících svìt kostek SHRDLU.

@Obr. 14.5 (Obr. 14.5): Vývojový diagram

V prùbìhu vývoje GPS navrhli Allen Newell, Clifford Shaw a Herbet Simon pøi zavádìní analýzy prostøedkù a cílù k dosažení cíle vývojový diagram.@@

@Obr. 14.6 (Obr. 14.6): Svìt programu SHRDLU

Robot Terry Winogradova byl naprogramován k èinnosti ve svìtì trojrozmìrných kostek, jenž obsahoval prvky, jako jsou kostky na obrázku.@@

Operátor programu napø. mùže instruovat robota (prostøednictvím poèítaèového programu), aby sebral velkou èervenou kostku. Robot ji potom sebere. V jiném pøípadì se mùže operátor programu zeptat, kolik kostek není v krabici, robot poté odpoví poètem kostek mimo krabici. Nìkdy robot programové povely nevykoná: instrukce jsou dvouznaèné nebo vyžadují objasnìní. Jestliže je napø. požádán, aby nadzvihl jehlan, zeptá se, který ze dvou jehlanù to má být. Program také nìkdy sdìlí, že nezná odpovìï, napø. tehdy, je-li požádán, aby postavil jehlan na jehlan.

SHRDLU zpracovává informace v pojmech svìta kostek. Jiné programy však operují ve velmi odlišných svìtech. Jeden ze zajímavìjších je svìt, v nìmž je psychoterapeut na jedné stranì a pacient na stranì druhé.

#ELIZA a PARRY

Do svìta psychoterapie spadají dva programy, ELIZA a PARRY. První z nich pøejímá roli nedirektivního psychoterapeuta, druhý roli psychoterapeutova paranoického pacienta. Cílem èinnosti nedirektivního psychoterapeuta je zjistit pacientovy pocity, reflektovat je a pomoci pacientovi jeho vlastním pocitùm porozumìt a nauèit se s nimi zacházet. Prohlédnìte si napø. v tabulce 14.4 èást interakce mezi programem ELIZA a pacientem, jenž s tímto programem pracuje. V této èásti se zdá, že ELIZA má na svého pacienta klinický náhled. ELIZA však není tak bystrá, jak se zdá. Užívá klíèová slova a fráze z pacientových výrokù k tomu, aby vytváøela reflexe vlastní, aniž by v širším slova smyslu chápala, co pacient øíká.[1] Joseph Weizenbaum (1966) z MIT, tvùrce programu ELIZA, volil obor nedirektivní psychoterapie, protože mìl za to, že odpovìdi nedirektivního psychoterapeuta se napodobují snadno, na rozdíl od napodobení lidí z jiných povolání, kteøí své znalosti a expertní zkušenosti prezentují v interakci s jinými lidmi direktivnìji.

Jestliže je možné napodobit psychoterapeuta, proè ne pacienty? Kenneth Colby (1963), kvalifikovaný psychiatr, vytvoøil napodobeninu paranoidního pacienta, jenž má starosti, jak ukazuje èást dialogu v tabulce 14.4, s tím, že po nìm jde mafie. Colbyho simulace paranoického jedince není pouhou množinou odpovìdí, které „znìjí paranoidnì“. Napodobení vychází z teorie neurotických procesù paranoidních lidí. Jejich primárním zámìrem je zjistit zámìry druhého èlovìka. Sdìlení druhého èlovìka jsou hodnocena s cílem pomoci tomuto zámìru. Sdìlení jsou vykládána jako zlovolná, benevolentní nebo neutrální. Výklad ve smìru zlovolnosti, vùèi nìmuž je paranoidní èlovìk zvláštì vnímavý, mùže pocházet z pøesvìdèení, že ho druzí lidé zamýšlejí fyzicky nebo psychicky poškodit.

Tab. 14.4: Programy simulující systémy pøesvìdèení: Eliza a Parry

Colby docílil nìco víc než pouhé typické formální ohodnocení svého programu. Požádal skupinu 33 psychiatrù, aby si pøeèetli pøepisy „rozhovorù“ jednak s programem PARRY, jednak se skuteènými paranoiky. Nikomu z nich však neøekl, že se budou zabývat i výroky produkovanými poèítaèovým modelem. Pøibližnì polovina psychiatrù považovala model za paranoidnìjší, než byli skuteèní pacienti.

Colbyho model se odlišuje od mnoha jiných tím, že nemodeluje jen abstraktní kognitivní procesy, ale i soustavu èi druh pøesvìdèení. Novìjší Colbyho program provádí kognitivní terapii mírné deprese, užívá pøi tom jak textový, tak dialogový typ interakce s postiženou osobou (Colby, 1995).

#Programy napodobující expertizu

Na rozdíl od výzkumných programù na východním pobøeží v Yale na MIT a Carnegie-Mellonovì univerzitì se výzkum AI na západním pobøeží, zvláštì na Stanfordu, zamìøil na expertní systémy: poèítaèové programy, které se chovají zpùsobem, jakým se chová úzce specializovaný odborník. O globální model lidské inteligence ani o rozšíøení vymezeného expertního systému se toto pracovištì nepokoušelo ani teoreticky. Vìdci se spíše snažili napodobit výkon jen v jediné doménì, èasto úzké, nicménì na úrovni expertní zkušenosti, která pøekraèovala to, co by dokázal program, jenž by byl pøíliš doménovì obecný.

Tab. 14.5: Program napodobující expertizu: mycin

Nìkolik programù bylo napø. vytvoøeno za úèelem diagnostiky rozlièných lidských onemocnìní. Uvážíme-li opravdu vysoké náklady (finanèní i lidské), které si vyžádá mylná diagnóza, je možný význam tìchto programù zcela jistì obrovský. Pravdìpodobnì nejznámìjší a nejstarší program tohoto druhu je MYCIN (Buchanan a Shortliffe, 1984; Shortliffe, 1976). MYCIN se dá užít k detekci, a potenciálnì dokonce i k léèení nìkterých bakteriálních infekcí. MYCIN zpracovává výsledky krevních testù, napø. poètù èervených a bílých krvinek, nebo hladiny glukózy v krvi. Poté navrhne diagnózu onemocnìní a vhodné léèení. Dokonce urèí i míru relativní spolehlivosti své diagnózy. MYCIN je založen na organizovaném systému výrokù jestliže-pak (viz tab. 14.5, která ukazuje èást systému výrokù užívaných MYCINEM pøevedených do podoby èitelné èlovìku). Všimnìte si, že program sdìluje míru své jistoty (0,6) týkající se identifikace patogenních mikroorganismù, které klasifikoval jako bakterie. MYCIN pracuje s pøibližnì 500 pravidly (výroky jestliže-pak) a dokáže urèit asi 100 rozlièných druhù bakteriálních infekcí.

Validita MYCINU byla testována jak co do diagnostiky, tak co do terapeutických doporuèení. Jeho výkon bylo možné úspìšnì porovnat s výkonem èlenù lékaøské fakulty Stanfordovy univerzity. Výkon programu byl lepší než výkon studentù a rezidentù[2] téže fakulty (Yu a kol., 1984). Již døíve se ukázalo, že je dost efektivní pøi pøedpisu medikace pro meningitidu (zánìt mozkových blan). Z toho plyne, že ve své relativnì úzké expertní doménì je MYCIN zøetelnì pùsobivý expertní systém.

Pro lékaøskou diagnostiku byly vytvoøeny i další expertní systémy. Napøíklad program INTERNIST (R. A. Miller, Pople a Myers, 1982) diagnostikuje širší spektrum diagnóz než MYCIN, nicménì se jeho diagnostická výkonnost v jeho širší doménì s výkonem zkušeného internisty nedá porovnat. Tento program je ilustrací toho, èemu se nìkdy øíká problém vztahu šíøe pásma a spolehlivosti (bandwidth-fidelity problem). Èím širší je vlnové pásmo rádia nebo jiného pøijímaèe (v nìmž lze vyladit stanici - nezamìòovat s šíøkou pøenášeného pásma; pozn. red.), tím nižší je míra jeho spolehlivosti (vìrnosti kvality signálu). Podobnì - èím širší je spektrum problémù, na nìž je zamìøen program AI, tím ménì se lze spolehnout na to, že nìkterý z nich úspìšnì vyøeší.

Další expertní systémy øeší odlišné druhy problémù vèetnì nìkterých otázek zkoumaných pøírodními vìdami. Napøíklad raný expertní systém DENDRAL, vyvinutý na Stanfordu, pomáhá vìdcùm urèit molekulární stavbu novì objevených organických slouèenin. MetaDENDRAL, jeho zdokonalená verze, vytváøí základnímu programu DENDRAL nová pravidla užívaná v prùbìhu tìchto identifikací (Buchanan a kol., 1976).

#Otázky zabývající se inteligencí inteligentních programù

Programy umìlé inteligence, jako jsou ty, které jsou popsány výše, mají samozøejmì své kritiky. Uvažme nìkteré z hlavních námitek, jež byly vùèi zmínìným programùm vzneseny. Odborníci se rozcházejí v míøe významu, který jednotlivým námitkám pøisuzují. Koneckoncù by si každý z nás mìl vyhodnotit takové pøipomínky sám pro sebe.

Nìkteré z námitek vùèi umìlé inteligenci poukazují na meze souèasného hardwaru i softwaru. Lidský mozek napø. zpracovává øadu informaèních zdrojù soubìžnì. S ohledem na architekturu poèítaèového hardwaru dokáže vìtšina poèítaèù (prakticky všechny rané, a dokonce i vìtšina souèasných) zvládat v jednom okamžiku jen jednu instrukci. Modely založené na poèítaèových simulacích tedy dosti závisí na sériovém zpracování informací (krok za krokem, v každém okamžiku jeden). Na druhé stranì zapojení rùzných poèítaèù do neuronální sítì však nyní dokáže napodobit paralelní zpracovávání informací (øada krokù provádìných soubìžnì). Z toho plyne, že sériové zpracovávání se už všech modelù umìlé inteligence netýká.[3]

#Nemají intuici

Další mez umìlé inteligence se vztahuje k odlišné charakteristice lidské inteligence - k intuici. Hubert Dreyfus a Stuart Dreyfus (1990) mají za to, že poèítaèe mohou být dobrými a kompetentními manipulátory symbolù na základì pøedem pøipravených algoritmù, nicménì jim chybí intuice. Podle tìchto autorù se intuice projevuje v pocitech odlišujících skuteèné experty od lidí vybavených jen knižními znalostmi nicménì bez zkušenosti, která by je opravòovala v prùbìhu konfrontace s obtížnou situací maximálnì využít své znalosti. Dreyfusovi argumentují v zásadì v tom smìru, že poèítaèe excelují v matematickém a deduktivním, nikoli v intuitivním aspektu myšlení.

Napøíklad letadlo DC-10 spoleènosti United Airlines muselo nouzovì pøistát - všechny tøi jeho hydraulické systémy byly poškozeny troskami pocházejícími z turbíny, která se utrhla v prùbìhu letu a zasáhla zadní èást letadla, kde jsou tyto tøi hydraulické systémy propojeny. Pilot DC-10 zavolal technický štáb a žádal radu, co má dìlat v situaci, kdy pøišel o hydrauliku. Techniètí experti nebyli schopni posádce letadla pomoci, s takovou situací se do té doby nesetkali a nemìli instrukce, na jejichž základì by se mìlo jednat. Posádka letadla však využila svou intuici a podaøilo se jí letadlo øídit kombinací výkonu zbylých motorù. Média a další poté oslavovali pilota a jeho posádku za intuici, která jim pomohla øešit situaci, na níž neexistovaly smìrnice a na kterou nebyl napsán žádný poèítaèový program. Výsledkem bylo, že nouzové pøistání v Sioux City, ve státì Iowa, pøežily asi dvì tøetiny pasažérù.

Pozn. pøekl.: První otázka v této souvislosti zní, co je intuice a zda se tato vlastnost dá považovat za souèást inteligence. Chování pilota a posádky by se dalo spíše než intuicí vysvìtlit zkušeností, odvahou a chladnokrevností. Damasio a kol. otázku intuice øešili v øadì prací, z nichž plyne její povaha a mechanismus. Jejich teorie se jmenuje teorie somatických markerù. Øada experimentù i dalších typù výzkumu dokazuje, že intuice expertù v porovnání s výsledky adekvátních statistických metod prakticky vždy selhává. Svìt je prostì kontraintuitivní. Viz napø. Sutherland, S.: Irrationality. Rutgers University Press, 1992.

Argumentace, podle níž poèítaèe nevykazují intuitivní inteligenci, neprošly bez povšimnutí. Nìkolik badatelù zabývajících se otázkou, jak lidé øeší problémy (viz kap. 11), zkoumalo poèítaèové simulace øešení problémù. Jejich výzkum je dovedl k pøesvìdèení, že pøinejmenším nìkteré znaky intuice na poèítaèích modelovat lze. Kupøíkladu Pat Langleyová, Herbert Simon, Gary Bradshaw a Jan Zytkow (1987) napsali množinu programù (programy „Bacon“) napodobujících procesy, které se týkaly rùzných významných vìdeckých objevù. Tito autoøi jsou pøesvìdèeni, že jejich programy intuici mají, nadto že v intuici není nic mystického. Podle nich je intuici možné pochopit v pojmech stejného mechanismu zpracovávání informací, které lze užít i ke konvenèním podobám øešení problémù (což experimentálnì doložila zmínìná Damasiova skupina - pozn. pøekl.).

John Holland, Keith Holyoaková, Richard Nisbett a Paul Thagard (1986) v podobném duchu simulovali rozsáhlé èásti teorie induktivního uvažování - šli za informace zadané v problému a získali øešení, které z prvkù problému nelze deduktivnì vyvodit. Je snadné argumentovat, že takový program aspoò v nìjakém slova smyslu intuitivní je, nebo jde za dané informace. I jiné programy tvoøí úsudky, které jdou za prostá fakta uložená v jejich databázích.

#Inteligence a zdání inteligence

Autorem patrnì fundamentálnìjšího zpochybnìní umìlé inteligence je spíše filozof než kognitivní psycholog. John Searle (1980) vznesl námitku proti základní myšlence tvrdící, že poèítaèe je možné považovat za skuteènì inteligentní. Jádrem jeho námitky je problém pojmenovaný „Èínský pokoj“. Pøedstavte si, že Searle sedí v uzavøeném pokoji a má èínsky psaný spis, který má pøeložit. Èínsky vùbec neumí. Pøedpokládejme však, že kromì èínsky psaného spisku dostal ještì další èínskou pøíruèku, v níž jsou pravidla pøekladu z èínštiny do angliètiny. Nadto obdržel tøetí text, v nìmž jsou pravidla pro formulaci odpovìdí na otázky vznesené v prvním spisku napsaném èínsky. Searle poté na první spisek odpoví tak, že odpovìï má nejen smysl, ale je v dokonalé èínštinì. V prùbìhu doby, pøedpokládejme, Searle natolik svou manipulaci s pravidly zdokonalí, že jeho odpovìdi budou ve všech ohledech stejnì dokonalé, jako by byly odpovìdi rodilého Èíòana, jenž pøesnì rozumí tomu, naè byl tázán. Ve skuteènosti Searle stále neumí èínsky ani zbla. Prostì užívá pravidla.

Podle Searla se programy, které se zdají chápat rùzné druhy vstupù a pak inteligentnì odpovídat (jako je Winogradùv program SHRDLU), chovají stejnì jako Searle v èínském pokoji. Poèítaèe nechápou vstupy, které se jim dostávají, o nic víc, než Searle rozumí èínštinì. Poèítaèe pouze operují na základì množiny pøedepsaných pravidel. Searle tvrdí, že poèítaèe ve skuteènosti nevidí ani nechápou vztah mezi vstupem a výstupem, ale užívají pøedem dané vztahy, na jejichž základì pøi povrchním pohledu vypadají inteligentnì. Podle Searla tyto programy nejsou nositeli umìlé inteligence, pouze se zdají vykazovat inteligenci.

Dalo se pøedpokládat, že badatelé AI nesoutìžili, kdo první z nich pøijme Searlovu argumentaci a pøizná bláznovství svých pokusù modelovat AI. Øada vìdcù nabídla odpovìï Searlovì výzvì, podle níž poèítaèe nejsou tím, zaè se vydávají. Napøíklad Richard Abelson (1980) argumentoval tím, že užití systémù pravidel v Searlovì druhé a tøetí pøíruèce je ve skuteènosti inteligentní. Abelson dále argumentuje tím, že dìti, které zvládají jazyk, také nejprve užívají pravidla dosti naslepo a teprve pozdìji zaènou chápat jak tato pravidla, tak jejich užití. Jiní uvádìli dùkazy, že pochopení vykazuje systém jako celek (zahrnující Searla i jeho instrukce). Nìkteré poèítaèové programy dokonce ukázaly schopnost napodobit pøinejmenším mírný vývoj dovedností a získávání znalostí, by se existující programy lidské schopnosti zmnožit svou vlastní inteligenci nepøibližují.

Pozn. pøekl.: Za pozornost stojí zejména analýza Searlova argumentu podaná manželi Churchlandovými - ta dùkaz èínského pokoje s ohledem na soudobé poznání vyvrátila. Searlùv argument podle Churchlandových pomíjí, že paralelnì distribuovaný systém, nadto nadaný plasticitou, je nositelem porozumìní jako celek. Jediný neuron také není nijak inteligentní. Ètyøiadvacet miliard neuronù a tøi biliony jejich vzájemných spojení již nositelem inteligence být mohou. Pokud by v èínském pokoji pracovaly tøi biliony Searlù, jako celek by se èínsky nauèily. V praxi argument èínského pokoje vyvrací zejména artilekty, viz výše.