SVEUČILIŠTE U RIJECI

POMORSKI FAKULTET U RIJECI

Ivan Vidić

UMJETNA INTELIGENCIJA

SEMINARSKI RAD

Rijeka, 2011.

SVEUČILIŠTE U RIJECI

POMORSKI FAKULTET U RIJECI

UMJETNA INTELIGENCIJA

Predmet: Nove tehnologije u dijagnostici i upravljanju

Mentor: Izv.prof.dr.sc. Vinko Tomas

Student: Ivan Vidić

Matični broj: 15500/e

Studij: Elektroničke i informatičke tehnologije u pomorstvu

Rijeka, rujan, 2011.

SADRŽAJ

1. UVOD 4

2. EKSPERTNI SUSTAVI 5

3. ISTRAŽIVANJE UMJETNE INTELIGENCIJE 6

3.1 Zaključivanje, razmišljanje i rješavanje problema 6

3.2 Prezentiranje znanja, planiranje i učenje 7

3.3 Kretanje, manipulacija i percepcija 7

3.4 Razumijevanje uobičajenog jezika i socijalne vještine 8

3.5 Opća inteligencija 8

4. UMJETNA INTELIGENCIJA KAO INŽENJERSTVO I ZNANOST 9

5. NAČINI UČENJA INTELIGENTNOG STROJA (ROBOTA) 10

5.1 Učenje od okoline i o okolini 10

5.2 Teorija simulacije uma 11

5.3 Neuronske mreže 12

6. ZAKLJUČAK 13

1. UVOD

Umjetna inteligencija (UI) je spoj znanosti i inženjerstva u svrhu izgradnje strojeva i računalnih simulacija sposobnih za inteligentno ponašanje, što znači da se to odnosi na svaki neživi sustav koji pokazuje sposobnost snalaženja u novim situacijama. Da bi to bilo moguće primjenjuju se saznanja iz mnogih područja znanosti kao što su filozofija, psihologija, računalne znanosti, lingvistika te istraživanja o aktivnosti mozga. Zato možemo reći da inteligentna robotika istražuje na koji se način inteligentni strojevi najbolje mogu iskoristit, te kako utječu na okolinu. Znanstvenici na ovom području nastoje izgraditi sustav koji razumije okolinu te na neki način simulirati njihovu vlastitu svijest, ali dosad sva računalna umjetna inteligencija spada pod ograničenu UI zato jer je ograničena samo na rješavanje određenih problema i zadataka. Naziv UI se uobičajeno koristi za računalne sustave, ali se i često neosnovano primjenjuje i za robote iako njihov sustav ne mora nužno biti inteligentan. U ovom radu će biti obrađena UI općenito.

2. EKSPERTNI SUSTAVI

Ekspertni sustavi su računalni programi koji sadržavaju specifična znanja o jednom ili više područja. Dizajnirani su na taj način da oponašaju znanje eksperta iz nekog područja. Ekspertni sustave su razvili znanstvenici na području UI, a počeli su se komercijalno primjenjivat 80-ih godina i do danas se primjenjuju u sve više područja. Najčešće ih primjenjuju organizacije sa visokim stupnjem saznanja i iskustva u određenom području, te se pomoću ekspertnih sustava na lakši način prenose znanja i sa time omogućava brže i efikasnije rješavanje problema. Ekspertni sustavi koriste znanja i postupke zaključivanja koji se sastoje od niza pravila pomoću kojih se analiziraju informacije koje se dobijaju od korisnika sustava o specifičnoj vrsti problema. Na osnovu tog računalo obrađuje informacije i daje povratne u svrhu rješavanja problema.

Komponente sustava se sastoje od:- komunikacijskih međusklopova- modula zaključivanja- baze podataka

Komunikacijski sklopovi omogućavaju komunikaciju između korisnika i sustava, pri tome se nastoji omogućiti što jednostavnija interakcija za krajnjeg korisnika, pri kojoj on ima uvid u tijek donošenja zaključaka sustava. Zatim sustav preko modula zaključivanja koji radi na osnovu predefiniranih algoritama za rješavanje zadataka korisniku predočuje rješenja koja dobija iz baze podataka ili donosi zaključke na taj način da pronađe nova svojstva i rezultate iz ranije pohranjenih podataka iz baze. Baza podataka u ekspertnim sustavima su ekspertni prikaz radne okoline ili svijeta u kojem taj sustav rješava zadatke, odnose se na probleme na koje sustav nailazi te na načine na koji ih rješava. Tako da možemo reći da baza podataka sadrži objekte i relacije među njima, činjenice, setove pravila, opis stanja i ciljeva sustava, metode rješavanja problema, hipoteze, opise tipičnih situacija, ograničenja i procese. Jedan od najvećih problema pri izradi ovih sustava je precizna prezentacija znanja krajnjem korisniku. Ekspertni sustavi su dizajnirani da bi rješavali zadatke i pomagali u odlučivanju u područjima financiranja, medicine, proizvodnje, računovodstva, kontrole procesa i ostalim područjima, ali oni ipak spadaju pod ograničenu UI zato jer su usko orijentirani i često griješe ako se koriste izvan domene za koju su dizajnirani.

3. ISTRAŽIVANJE UMJETNE INTELIGENCIJE

Istraživanja koja se danas vrše u polju UI su se podijelila na puno zasebnih područja među kojima često nedostaje potrebne komunikacije i zajedničkog rada koji bi rezultirao bržim napretkom, zato jer razni znanstvenici koji se bave UI imaju drugačije poglede na to što bi trebala bit UI i na koji način bi trebala bit kreirana.

3.1 Zaključivanje, razmišljanje i rješavanje problema

U počecima istraživanja UI znanstvenici su se koristili algoritmima koji su imitirali “korak-po-korak“ ljudsko razmišljanje i zaključivanje u rješavanju slagalica, igranja igara ili donošenja logičkih zaključaka. Nakon tog su razvijene metode zaključivanja iz ne potpunih i ne sigurnih informacija pomoću koncepta mogućnosti i ekonomičnosti. Za veće probleme i zadatke većina ovih algoritama zahtjeva velike hardverske resurse zato jer dolazi do takozvane kombinatorne eksplozije koja predstavlja obradu velikog broja operacija odjednom. Količina radne računalne memorije prelazi velike granice kada dođe do problema većih razmjera, te onda računalo nije u stanju funkcionirat i obrađivat problem do kojeg je došlo na način na koji bi trebalo. Iz tih razloga se algoritmi nastoje što više usavršit da bi se mogli što uspješnije nosit sa zadatcima i problemima do kojih može doći, to ima velik prioritet u razvoju UI. Ljudski mozak probleme rješava brzim, intuitivnim odlukama prije nego opreznim, “korak-po-korak“ zaključivanjem koje je na početku razvijanja UI bilo model po kojem se simuliralo ljudsko zaključivanje. Istraživanja su napredovala i uspijeva se imitacijom kreirati sličan sustav ljudskom mozgu koji logički rješava probleme, ovakav pristup daje važnost razvitku “svjesnog“ postupanja za bolje razumijevanje problema i približavanje ljudskom razmišljanju. Znanstvenici to pokušavaju postići pomoću neuronskih mreža, koje nastoje simulirati strukturu unutar ljudskog i životinjskog mozga. Neuronske mreže su spojevi živčanih stanica koji su međusobno interaktivni kroz operacije obrade signala. O njima će se govoriti kasnije u radu.

Pojednostavljeni prikaz višeslojne umjetne neuronske mrežeIzvor: Wikipedia – neuronska mreža

3.2 Prezentiranje znanja, planiranje i učenje

Prezentiranje znanja je oduvijek bilo najveći problem i područje kojem znanstvenici pridodaju najviše pažnje. Strojevi od kojih se očekuje da će moći rješavati komplicirane probleme morat će imat velika saznanja o svijetu u kojem se nalaze, kao što su objekti, njihova svojstva, kategorije, relacije između različitih objekata, razne situacije, događaje, stanja i vrijeme, uzroke i posljedice te mnoga druga manje istražena područja. Najveći problemi u prezentiranju znanja su uobičajeno razmišljanje, razum i instinktno razmišljanje.Uobičajeno razmišljanje je potrebno simulirati zbog načina na koji ljudi rješavaju probleme poput apstraktnog razmišljanja i predočavanja, što je teško postići zbog toga što u stvarnom svijetu nije sve 0 ili 1 kao u binarnom u kojem stroj “razmišlja“. Ljudski razum je potreban inteligentnom stroju da bi se mogao “snalaziti“ u uobičajenim situacijama, te sam širiti svoje znanje korištenjem Interneta i ostalih izvora informacija. Ljudi također rješavaju zadatke i probleme na način da reagiraju instinktno zbog intuicije i saznanja iz prijašnjih sličnih situacija, to se događa podsvjesno. Znanje u tom obliku je potrebno i inteligentnim strojevima da bi mogli logički rješavat zadatke i prezentirat svoje znanje koje je proizašlo iz donošenja zaključaka na taj način. Da bi inteligentni strojevi uspješno rješavali probleme i zadatke za koje su konstruirani moraju moći postaviti si ciljeve i isplanirati taktiku kako da ostvare te ciljeve. To se postiže razvijanjem decentraliziranih sustava koji mogu samostalno donositi odluke i predviđati posljedice tih odluka, te na taj način određivati strategije i akcije za buduće radnje, ali se nastoji razviti i kolektivna svijest te timski rad između pojedinih inteligentnih jedinica. Takvo “razmišljanje“ se postiže sa algoritmima za matematičku optimizaciju i obradu podataka i sustavima međusobne interakcije među sustavima. Učenje UI sustava i strojeva je centralni objektiv istraživanja u području UI. Razvoj učenja bazira se na ne nadziranom učenju u kojem stroj ili sustav uči sam na način da usvaja oblike ponašanja i postupaka svoje okoline.

Postoje još i nadzirano učenje u kojem inteligentni stroj uči kategorizaciju objekata i imitaciju učitelja, i to na način da za uspješno obavljen zadatak bude nagrađen dok za loše obavljen zadatak dobija kaznu. Stroj izvršava učenje tako što koristi matematičke modele i algoritme da bi simulirao teoriju ljudskog odlučivanja kroz računalnu teoriju učenja.

3.3 Kretanje, manipulacija i percepcija

Polje robotike je usko povezano sa UI. Inteligencija je potrebna kod robota čija je zadaća manipulacija objektima, navigacija, snalaženje u prostoru, prepoznavanje okoline i planiranje kretanja. Zbog tih problema roboti imaju razvijenu percepciju preko raznih senzora kao što su kamere, mikrofoni, sonari i ostali kako bi se mogli što bolje snalaziti u stvarnom svijetu, tj. kako bi mogli pravilno interpretirati slike, zvukove iz okoline i uspoređivati ih sa već poznatima. Računalni vid je mogućnost robota da vidi oko sebe, uz to razvijaju se i ostale mogućnosti robota kao što su prepoznavanje govora, prepoznavanje izraza lica i prepoznavanje objekata u svojoj okolini.

3.4 Razumijevanje uobičajenog jezika i socijalne vještine

Razumijevanje uobičajenog jezika je polje koje se bavi istraživanjem interakcije između ljudi i strojeva pomoću govora što sličnijeg svakodnevnom, uobičajenom ljudskom govoru. Sa svrhom lakšeg upravljanja strojem. Stroj procesira govor na taj način da generira ekvivalentno tom govoru informacije u sebi razumljivom obliku (rastavlja riječi, stvara logičke izraze) zato jer tako može lakše iskoristiti dobivene informacije. Dakle možemo reći da je sposobnost razumijevanja uobičajenog jezika mogućnost inteligentnog stroja da čita i razumije što ljudi govore. Znanstvenici rade na tome da omoguće inteligentnom stroju da samostalno koristi izvore znanja dostupne ljudima i na taj način proširuje svoje znanje. Neke od osnovnih tehnologija u ovom području su pretraživanje tekstova, pretraga ključnih riječi, te softverski prijevod sa jednog na drugi uobičajeni jezik.

Socijalne vještine su kreiraju kod inteligentnih strojeva iz razloga da bi mogli uspješno usavršavat interakciju sa ljudima. Što znači da moraju moći prepoznati emotivna stanja kod ljudi i predvidjeti njihove postupke u skladu sa time, za te zadatke se koriste tehnologije kao što su teorija odlučivanja i sposobnost simuliranja ljudskih osjećaja. Za potpunu interakciju su potrebne iste povratne informacije od stroja tako da on također mora moći izraziti svoje “osjećaje“, kako bi bio pristojan i ugodan za interakciju sa okolinom, dok bi ne ograničena UI značila da razvija sam svoje osjećaje i u skladu sa njima reagira i planira sljedeće akcije.

3.5 Opća inteligencija

Znanstvenici nastoje jednoga dana kombiniranjem svih prije spomenutih područja uspjeti kreirati stroj opće inteligencije, koji će prelaziti ljudske mogućnosti ili bar većinu njih. Većina vjeruje da će za to biti potrebno stvoriti “umjetnu svijest“ i imitaciju ljudskog mozga. Ali znanstvenici su još daleko od toga jer i uobičajene stvari kao što su prevodi teksta, zahtjeva da stroj prati autorove naputke i prevodi u skladu sa njima, da razumije što autor teksta želi reći i vjerno reproducira to što autor želi poručiti. Za takve zadatke još uvijek je nemoguće iskoristiti računala jer njihovi rezultati nisu ni blizu ljudskim. Također nameću se i razna moralna pitanja oko razvijanja stroja opće inteligencije, a i znanstvenici se ne slažu u puno pogleda kao što su, da li se uopće može inteligencija interpretirati kroz niz jednostavnih, predodređenih pravila i zadataka.

4. UMJETNA INTELIGENCIJA KAO INŽENJERSTVO I ZNANOST

Sustavi umjetne inteligencije se često primjenjuju danas. Tehnike UI se koriste npr. od strane kompanija kreditnih kartica za detekciju ukradenih kartica. Također se koristi u računalnim šahovskim igrama, inteligentnim agentima za pretraživanje informacija na Internetu, za određivanje načina snimanja Hubble-ovog svemirskog teleskopa, te za pomoć pri dijagnozi bolesti. Inteligentni roboti su bili korišteni i za čišćenje područja nakon Černobilske katastrofe. Za izgradnju inteligentnih strojeva UI koristi razne tehnike iz svih područja te znanosti.

Zadaci koji su nama zahtjevni i predstavljaju velik problem računala “smatraju“ laganima i obrnuto. Iako postoje programi za igranje šaha koji se natječu protiv svjetskih prvaka, zahtjevno je izgraditi robota koji može nesmetano hodati ili igrati se s loptom. Tako da računala mogu izvršavati teška računanja, no ne mogu učiti uspješno kao dijete. Razumijevanje zašto je to tako, te kako to omogućiti i unaprijediti je znanstvena strana umjetne inteligencije, što je zapravo pokušaj razumijevanja naše vlastite inteligencije. Možemo iskoristiti inteligentne strojeve kao simulaciju za otkrivanje odgovora što je to inteligencija, te kako ona funkcionira. Kada uspijemo shvatiti na koji način radi ljudski ili životinjski mozak, možemo izgraditi računalni model i provjeriti da li je naša teorija ispravna. Iz toga proizlazi da je jednostavnije testirati teorije o inteligenciji, izgradnjom inteligentnih strojeva, nego analizirati ljude i životinje. Na taj način UI je usko povezana sa drugim područjima znanosti koje pokušavaju shvatiti što to znači biti čovjek, te kakav je uistinu naš način razmišljanja i što je to svjesno razmišljanje.

Budućnost UI je kreiranje inteligentnog stroja opće inteligencije. Ljudska razmišljanja su podijeljena zbog mogućeg uspjeha u istraživanju umjetne inteligencije, zbog eventualne prevelike ovisnosti o njima. Dolazi do puno moralnih pitanja vezanih uz UI. Npr. ako liječnik koristi ekspertni sustav pri dijagnozi bolesti i on mu da krivi odgovor i na taj način direktno utječe na ljude, tko snosi odgovornost zbog toga? Da li je odgovoran doktor ili sam kreator i inženjer sustava? Iz tih razloga će se u budućnosti unutar umjetne inteligencije morati razviti područja etike i pravila društvenih odnosa.

Za sada, većina ljudi je oduševljena rezultatima UI te ih sa odobravanjem prima u društvo bez da se dublje upozna sa tom problematikom. Istraživanja bi nam uskoro trebala donijeti programe koji će omogućiti prirodnije korištenje inteligentnih računala. Na način da se omogući pričanje uobičajenim jezikom sa njima, te da će nam inteligentni strojevi moći pomagati nadzorom onoga što pokušavamo napraviti i dati nam određene savjete i pomoć, ili nam jednostavno samo olakšati svakodnevni život. Od UI se očekuje da će nam jednoga dana pomoći u rješavanju problema koji se ne mogu riješiti upotrebom tradicionalnih pristupa inženjerstvu i znanosti.

5. NAČINI UČENJA INTELIGENTNOG STROJA (ROBOTA)

Učenje inteligentnog stroja je jedno od najvažnijih područja istraživanja UI. Učenje se realizira pomoću matematičkih algoritama, uobičajeni algoritmi koji se upotrebljavaju u tu svrhu su algoritmi za:

- Nadzirano učenje- Ne nadzirano učenje- Polu-nadzirano učenje- Napredno učenje- Predviđanje- Učenje kako učiti

5.1 Učenje od okoline i o okolini

Robote nastojimo kreirati sposobne za socijalnu interakciju sa ljudima, uključujući prirodnu komunikaciju i suradnju. Istražuje se kako imitacija kao socijalno učenje može biti iskorištena za izrađivanje inteligentnih robota koji funkcioniraju u socijalnoj interakciji sa ljudima. Znatan je napredak u izgradnji inteligentnog stroja sposobnog za učenje i prepoznavanje i imitaciju izraza lica. Robote kreiraju tako da te sposobnosti usvaja kroz jednostavne igre sa čovjekom (učiteljem), koristeći tehnike inspirirane biološkim čimbenicima i zakonima.

Do ovakvog pristupa problematici je najviše utjecao način na koji djeca uče komunicirati sa roditeljima i počinju razumijevati akcije i izražavanje drugih, te uče o njihovim namjerama, emocijama i postupcima. Ovakav pristup je nastao vođen hipotezom da interakcija imitiranjem između djeteta i roditelja (učitelja), počinje sa mimikom lica, te predstavlja značajan početni korak razvoja uobičajenog i primjerenog socijalnog ponašanja, predviđanja akcija drugih, te na kraju razumijevanja ljudi kao društvenih bića. Ljudi (i neke životinje) pokazuju jako velik, fleksibilan i bogat niz društvenih mogućnosti, koji proizlazi iz mogućnosti interpretacije, predviđanja i pravilne reakcije na ponašanje drugih, te privlačenje pozornosti na veoma različit i kompleksan način. Razvoj proračunskih sistema koji analiziraju i obrađuju navedene socijalne sposobnosti je ključan korak u razvoju robota, animiranih inteligentnih likova, te drugih računalnih strojeva i programa koji pokazuju inteligenciju i sposobnosti u interakciji s ljudima, koji su u mogućnosti pomagati ljudima kao vrijedni partneri, koji uče iz okoline i prirodnih uputa, te koji su intuitivni u pristupu komunikaciji. Ali ipak, danas većina tehnologija (simulacijski softver, ekspertni sustavi, inteligentni strojevi, računala i sl.) u velikom postotku slučajeva znaju kako treba postupiti i riješiti problem, ali su često nedorađeni u društvenom pogledu pa potrebnu akciju ne mogu u potpunosti ispravno izvršiti. Rezultat toga su frustracije krajnjeg korisnika koji ih tada odbacuje iako mogu biti od velike pomoći za rješavanje određenog problema. Danas se povećao razvoj robota koji su konstruirani da pomažu starijima i nemoćnima u svakodnevici. Ti roboti trebali bi biti posebno osjetljivi na ljudske zahtjeve, npr. kao što je podsjećanje na uzimanje lijekova na nenametljiv način. Druga svrha povećanog razvoja robota je omogućavanje timskog rada između čovjeka i robota. Primjer za tu vrstu suradnje je NASA - in Robonaut, koji služi kao pomoć astronautima na svemirskim zadacima, održavanju svemirskih stanica, popravljanju kvarova kako astronauti ne bi sami morali izlaziti izvan letjelice te time riskirati na opasnim mjestima i slično. Da bi došlo do ostvarivanja ovakve suradnje robot mora imati mogućnost prepoznati što čovjek radi i razumjeti cilj koji čovjek želi postići, te na koji način mu on može pomoći u rješavanju problema.

Kako bi inteligentni strojevi mogli surađivati i djelovati sa ljudima moraju biti u mogućnosti zaključiti kakvo je ljudsko mentalno stanje (misli, namjere, uvjerenja, želje i sl.) opažanjem ponašanja i interakcijom. Razvitak takvih sposobnosti kod inteligentnih strojeva poznata je kao Teorija uma ili Teorija razuma. Ljudi tu sposobnost postižu opažanjem drugih, usvajanjem njihovih postupaka te uspoređivanjem sa samim sobom. Primjećivanje sličnosti sa okolinom je bitan čimbenik preuzimanja uloge ili perspektive druge osobe, što ljudima omogućuje da suosjećaju sa svojim partnerima. Ova vrsta apstraktnog razmišljanja, pretpostavljanja i kreativnosti može nam pomoći da predvidimo i razumijemo tuđe emocije, ponašanje i predočimo pravilne odgovore koji se baziraju na ovim saznanjima. To nam omogućava da zaključimo koje su namjere i cilj druge osobe što je osnovna vještina za uspješnu suradnju i razvitak timskog rada.

5.2 Teorija simulacije uma

Teorija simulacije je dominantna hipoteza o prirodi spoznajnih mehanizama koji su baza za Teoriju uma. Teorija simulacije objašnjava da simulacijom i imitacijom akcija drugih i njihovih ponašanja i osjećaja, korištenjem vlastitih ponašajnih i stimulacijskih mehanizama, možemo doći do predviđanja njihovog ponašanja. Te teorije su temelj za razvoj robota koji bi imao potpunu interakciju sa okolinom, razvijene društvene vještine, sposobnosti učenja, pravilne komunikacije, razumijevanja okoline i situacija do kojih dolazi u njegovom okruženju. Razmišljanjem kao da je ljudska osoba, mogao bi koristiti vlastiti spoznajni, ponašajni i motivacijski sustav za razumijevanje onoga što se odvija u umovima drugih. Tim načinom simulacije uma robot bi razumio ljude i okolinu na sličan način na koji ih razumije čovjek. Činjenica je da ovakav razvoj robotike i UI vodi do uspoređivanja stanja uma robota i onog ljudskog, sa čime bi se povećala sposobnost robota da uspoređuje stanje uma svog uma sa osobom s kojom se nalazi u interakciji, te usvoji uzorke ponašanja i nauči nešto iz ponašanja druge osobe.

5.3 Neuronske mreže

Umjetne neuronske mreže su predmet istraživanja znanstvenika u svrhu simulacije uma koji bi omogućio razvitak teorije uma u inteligentnim strojevima. Umjetne neuronske mreže su mreže međusobno povezanih procesnih elemenata čije je ponašanje slično ponašanju biološkog neurona (živčane stanice). Procesni elementi u neuronskoj mreži su povezani na sličan način povezanosti neurona u kori mozga. U umjetnoj neuronskoj mreži obrada informacija se također izvodi u jedinicama koje zovemo neuronima ili elementima za obradu. Izraz neuron označava osnovnu jedinicu u modelu neuronske mreže koja je namijenjena obradi podataka. Umjetni neuron ima više ulaza od kojih prima informacije, zbraja ih se pomoću zbrojne funkcije i tako stvara svoju internu aktivaciju. Mreže se dizajniraju tako da se stvori model koji ima više slojeva neurona koji su međusobno povezani, pripremaju se ulazni i izlazni podaci i odabire algoritam koji će neuronska mreža koristiti za učenje i procesiranje podataka. I tada započinje učenje. Neuronske mreže nadmašuju ostale računalne tehnologije kod problema predviđanja, klasifikacije u skupine, te prepoznavanja uzoraka.

Prikaz računalnog neuronaIzvor: ERIS – neuronske mreže

Otkrivena je vrsta neurona kod majmuna, koja je nazvana zrcalni neuroni, predložena kao mogući neurološki mehanizam koji povezuje imitacijske sposobnosti i potvrđuje teoriju simulacije uma kroz predviđanja tuđih ponašanja. Unutar područja majmunove predmotoričke kore lubanje, ti neuroni pokazuju sličnu aktivnost kada životinja opazi ciljano orijentiranu akciju drugoga, kao što je rukovanje nekim objektom i kada on sam zatim izvodi istu akciju. To otkriće dovelo je do hipoteze da postoji povezano kodiranje generiranih i percipiranih akcija. Neuroni po tome imaju važnu ulogu u mehanizmima koje koriste ljudi i životinje kada povezuju svoje i ponašanje okoline i na tome temelje svoje postupke.

6. ZAKLJUČAK

U radu je opisana umjetna inteligencija kroz područja i teorije istraživanja. Projekti UI nastali u sveučilišnim laboratorijima često se iskorištavaju u komercijalne i vojne svrhe. Inteligentni strojevi se mogu iskoristiti u svakom području ljudske djelatnosti, zbog širokog spektra mogućnosti. Sustavi za podršku odlučivanju mogu puno pomoći raznim stručnjacima, doktorima u donošenju zaključaka. Razvoj robota kao inteligentnih strojeva napreduje sa razvojem i ostalih tehnologija, ali najveća prepreka razvoju su moralne dvojbe kod određivanja granica do kojih bi razvoj trebao ići. Već danas je moguće iskoristiti tehnološka otkrića i integrirati ih u ljudsko biće u zdravstvene svrhe, ali razmišljanja su podijeljena na tom području jer su mnogi skeptični prema takvim rješenjima zbog toga što smatraju da se briše granica između čovjeka i stroja. Korištenjem novih tehnologija i saznanja nastoji se simulirati čovjek od najjednostavnijih pokreta pa do imitacije ljudskog razmišljanja i samo je pitanje moralnih načela do kuda su znanstvenici spremni doći kroz svoja istraživanja.

LITERATURA

[1] wikipedia.org – artificial intelligence, 2011.

[2] wikipedia.org – neural network, 2011.

[3] eris.foi.hr, 2011.

[4] Umjetna inteligencija - Umjetne neuronske mreže, Fakultet prometnih znanosti, školska godina 2008/2009.

[5] aaai.org, 2011.

[10] Journal of Field Robotics, 2006.