Hledání praktických aplikací

1. Přesun zájmu k mikroprocesorům
2. Rozvoj pravidlových systémů
3. Příklad úspěchu: Expertní systém DEC XCON
4. Pokračující výzkum a omezení neuronových sítí

Přesun zájmu k mikroprocesorům

V sedmdesátých letech začalo financování výzkumu v oblasti umělé inteligence vysychat – a zájem se přenášel na v té době zcela novou oblast, totiž mikroprocesory a mikropočítače. Ty vůbec nedovolovaly provozování náročných aplikací z oblasti umělé inteligence, takže se zájem posunul do oblasti pravidlových systémů.

Rozvoj pravidlových systémů

Pravidlové (expertní) systémy se svou koncepcí blíží spíše formálním odvozování tak, jak se rozvíjelo na konci padesátých let – a mělo svoje výhody a nevýhody. Zásadní výhodou bylo to, že pravidlový systém je schopen vysvětlit svoje vyvozování krok za krokem, je to kauzální odvozování závěrů ze vstupů, což dovoluje sledovat postup úvahového procesu a také vzniku chyby.

Nevýhodou je, že tyto systémy vyžadovaly v podstatě manuální extrakci informací a jejich popis v pravidlech, čímž se zabýval obor znalostního inženýrství. Nestačilo jenom zaznamenat zkušenost, kterou často expert nedokázal ani formulovat, znalostní inženýr ho obvykle musel pozorovat a znalost formalizovat. Čím lépe šlo popsat vztahy mezi znalostmi, tím byly výsledky lepší.

Příklad úspěchu: Expertní systém DEC XCON

Za nejúspěšnější model počátku 80. let se považuje expertní systém DEC XCON, který sloužil k vytváření objednávek minipočítačových sestav DEC. Každý minipočítač se sestavoval na míru z mnoha modulů, které se musely navzájem propojit kompatibilní kabeláží, vyřešit montáž, napájení a podobně. Expertní systém kontroloval objednávky a upozorňoval, když chybělo něco důležitého pro kompletaci počítače – a na dodatečných objednávkách a opravách jenom v roce 1986 ušetřil 40 milionů USD.

Pokračující výzkum a omezení neuronových sítí

V 80. letech se i nadále experimentovalo s umělými neuronovými sítěmi, ale ty vyžadovaly velmi nákladný hardware a proto se dostávaly mimo hlavní směr zájmu. Výrobci se soustřeďovali na jiné metody analýzy hlasu a písma, například na analýzu pohybových vektorů a také vznikaly zjednodušené formy písma, jako bylo grafitti vyvinuté firmou Palm, které zachovalo většinu tahů, ale zjednodušilo ty znaky, které byly pro rozeznávání textu matoucí.

V 90. letech se pak objevovaly specializované formy umělé inteligence, které řešily opakované úlohy a úlohy vyžadující okamžitou reakci, například z oblasti energetiky a nebo finančnictví. Ty dovolovaly průběžně sledovat a vyvažovat zatížení elektrické distribuční sítě a nebo provádět automaticky obchody, což nakonec vedlo ke vzniku samostatných odvětví, jako jsou vysokorychlostní obchody (HFT, High Frequency Trading).

Článek popisuje přesun zájmu od umělé inteligence k mikroprocesorům v 70. letech, což vedlo k rozvoji pravidlových (expertních) systémů. Tyto systémy umožňovaly krok za krokem vysvětlit úvahový proces a identifikovat vznik chyb, ale vyžadovaly manuální extrakci a formalizaci znalostí. Významným příkladem je expertní systém DEC XCON v 80. letech, který efektivně řešil sestavování minipočítačů. Paralelně pokračoval vývoj neuronových sítí, avšak s omezeným využitím kvůli nákladnému hardware. Článek rovněž zmiňuje 90. léta, kdy se objevují specializované formy AI pro energetiku a finančnictví, vedoucí k inovacím jako je vysokorychlostní obchodování.

Michal Rybka

Michal Rybka je publicista a nadšenec s 20 lety zkušeností v IT a gamingu. Je kurátorem AlzaMuzea a YouTube kanálu AlzaTech. Napsal několik fantasy a sci-fi povídek, které vyšly v knižní podobě, a pravidelně pokrývá páteční obsah na internetovém magazínu PCTuning.