"To, co się wyłoniło z mroków jaskiniowych, z głębin tysiącleci, my pragniemy w jednym krótkim zwarciu przekazać maszynom, ażeby z nich wykrzesać rozum. Ponieważ jednak w końcu Prometeuszowi udało się, co zamierzył, ośmielę się przyznać, że jestem z obozu tych, którzy wierzą, że inteligencję jako zdolne do rozwoju ziarno uda się nam w końcu i w maszynach zasadzić. Zdaje mi się bowiem, że nie wierzyć i w taką możliwość jest łatwiej, a właściwością ludzką chwalebną raczej jest poszukiwanie trudności, które po żmudnych klęskach umiemy wreszcie zwyciężyć." [Stanisław Lem, Bomba megabitowa, s. 78-79].
Słowem wstępu
Sztuczna Inteligencja (ang. Artificial Intelligence) nie jest dziedziną techniczną (inżynieryjną); coraz bardziej z subdziedziny informatyki staje się nauką o systemach poznawczych – obejmującą wiedzę o ludziach, maszynach i zwierzętach, których cechą wspólną jest to, że posiadają inteligencję.
Sztuczna Inteligencja nie jest nauką o maszynach myślących – w sensie testu Turinga – czyli maszynach / programach komputerowych, które bazują na kompetencjach w posługiwaniu się danym językiem naturalnym; to tylko część z badań nad SI, związana z problematyką Natural Language Processing (NLP): z metodą tworzenia i wdrażania sieci semantycznych czy oprogramowaniem określanym mianem Intelligent Dialogue Systems (IDS), służącym do swobodnej konwersacji. Stąd – muszę zmartwić niektórych – argument chińskiego pokoju autorstwa Johna Searle’a ma się nijak do SI jako takiej – być może jest przeszkodą dla prac z zakresu NLP (i to też przy pewnych założeniach filozoficznych ), ale nie stanowi takowej dla badań, modelowania i symulowania inteligentnych systemów poznawczych. Wszak inteligencja to nie kompetencje językowe; jeśli przyjąć, że myślenie jest domeną ludzi (i niektórych maszyn?), to inteligencja jest też domeną zwierząt.
W metaforycznym „Wczoraj” Sztuczna Inteligencja była dyscypliną, w której modelowano / symulowano procesy umysłowe matematyków, w czasie ich pracy nad dowodzeniem twierdzeń z zakresu matematyki i logiki matematycznej. Gdzie uczono maszyny gry w szachy; uczono jak mają się uczyć. W ramach prac nad systemami ekspertowymi – przekazywano im wiedzę i uczono wykorzystywać ją w praktyce eksperckiej – budując doradców w dziedzinach wymagających rozległej wiedzy (np. w medycynie). To także prace z zakresu rozpoznawania wzorców – rozpoznawania obrazów (stosowane dzisiaj w oprogramowaniu dołączanym do skanerów typu Optical Character Recognition (OCR), rozpoznawania twarzy (Face Recognition), głosu, zapachów, etc. Przez kilka dziesięcioleci trzymano się programu Marvina Minsky’ego, wyznaczonego definicją Sztucznej Inteligencji jego autorstwa: „Sztuczna Inteligencja jest dziedziną wiedzy, która postawiła sobie za cel i przedmiot badań maszyny, które potrafiłyby rozwiązywać zadania, przy rozwiązywaniu których człowiek korzysta ze swojej inteligencji”.
„Dziś” Sztuczna Inteligencja (jeśli chodzi o badania rozwojowe) w sporym stopniu odbiega od obrazu SI z „dnia poprzedniego”. Powody są dwa: po pierwsze – część z prowadzonych badań znalazła już swoje pozytywne rozwiązania (komputery dowodzą twierdzeń matematycznych, włączywszy te, z którymi ludzie sobie rady dać nie mogli, posiadają coraz lepsze kompetencje w rozpoznawaniu wzorców, grają lepiej w szachy niż ludzie, itd.) – na tych polach SI przeszło z fazy badawczej do wdrażania rozwiązań. Po drugie – badacze SI coraz częściej w pracach zaczynają poszukiwać teoretycznych podstaw dla swych informatycznych rozwiązań. Zwracają swoją uwagę w kierunkach psychologii, nauk o mózgu, a w ostateczności w kierunku nauk kognitywnych (Cognitive Science).
Te „małe kroczki” poszczególnych badaczy, są „siedmiomilowym krokiem” dla całej dziedziny badań. Krokiem ku przyszłości.