Tento rozhovor, ktorý vyšiel v Pravde na nedeľu začiatkom 1989 roku, som zaznamenal u Petra Fedora priamo na jeho novom pracovisku. S odstupom viac ako troch desaťročí sa uisťujem, že pod slnkom sa naozaj nič nemení. Najmä nie k lepšiemu…
Číslo 64 je magickým zaklínadlom pre každého ctiteľa kráľovskej hry- šachu. Vyjadruje súčet čiernych a bielych polí, na ktorých sa stáročiami odohrávajú tragédie bez kvapky krvi, súboje, v ktorých padajú vojaci, celé armády, z hry vypadajú dámy a padajú kráľovské koruny. Víťazom vždy zostáva ľudský um. Nazveme ho intelektom.
Na začiatok nášho rozhovoru posadíme majstrovského hráča šachu pred svietiacu sa obrazovku osobného počítača. Stroj mu ponúka výhodu bielych figúr. V pravom hornom rohu už odmeriava čas duelu. Prvá partia však netrvá dlhšie ako 10 minút a končí sa víťazstvom stroja. Ľudská márnomyseľnosť žiada odvetu. Ale ani tá sa neskončila ináč.
Dobrému hráčovi po prehre neostane veľa času na zlosť. Oveľa viac sa venuje analýze príčin. Čo spôsobilo prehru so strojom, ktorého pamäť, nakoniec, „nakŕmil“ človek? Bol počítač chytrejší ako hráč, alebo neomylnejší v opakovaní uloženého programu?
Dokážu stroje myslieť?
-Peter Fedor, pracovník Oddelenia bioenergetiky Ústavu fyziológie hospodárskych zvierat v Ivánke pri Dunaji, je biofyzik, ktorý i napriek tomu, že otázka postavená v titulku nepochádza spomedzi tých, ktoré sa v danom odbore považujú za základné, hľadá odpoveď na jednu z najzložitejších otázok. Najzložitejších a zároveň najintrigujúcejších. Otázky okolo umelej inteligencie (AI) sa už prinajmenšom štvrť storočia vymanili z kráľovstva sci-fi a stali sa celkom všednými problémami. Pokiaľ dnes hovoríme o nich s neutajovaným záujmom, tak predovšetkým preto, lebo s nimi spájame príliš veľké nádeje.
Ruský vedec D. Pospelov už pred pár rokmi upozornil na vzrastajúci záujem odborníkov v tejto oblasti o výsledky výskumov v biológii, fyziológii a psychológii. Už vtedy bolo jasné, že ideálom všetkých systémov umelej inteligencie bude „imitácia prirodzeného intelektu“. Teda nejde už zďaleka iba o technický problém. Modelovaním vybraných aspektov inteligencie na počítačoch sa veľa dozvedáme ako funguje skutočný mozog a naopak. Všetky nové poznatky z oblasti neurobiológie otvárajú nové možnosti zdokonaľovania „mysliacich strojov“.
– Na začiatku osemdesiatych rokov sa v Japonsku objavili „rozumné počítače“, ktoré komunikujú v prirodzenom jazyku. Ich „múdrosť“ sa približovala vedomostiam stredoškoláka. Čakali sme na ďalšiu vlnu počítačovej potopy, ale zatiaľ je pomerne ticho. Je to ticho pred búrkou?
„Znalostné počítače, alebo počítače piatej generácie, expertné systémy, to všetko znie veľmi lákavo, ale podľa môjho názoru neveľmi to súvisí s výskumami inteligencie. Navyše znalostné počítače sú stroje s nedefinovanými vlastnosťami. Uvedomil som si to, keď som pracoval v Ústave technickej kybernetiky SAV. Veď nevieme určiť, čo sú to vlastne poznatky. Vezmime, napríklad, takzvané expertné systémy, ktoré majú za cieľ modelovať uvažovanie experta v istej vednej oblasti, napríklad v medicíne. Triviálne si môžeme poznatky predstaviť v tvare stromu, ktorého vetvy predstavujú reťazce jednoznačných vývodov, smerujúcich od „symptómov“ k „diagnóze“. Ide o rozumne prepísané poznatky z encyklopédie daného odboru s programátorskou „omáčkou“. Ale nie je v nich nič nového, ani inteligentného. Na druhej strane jadrom netriviálnych expertných systémov je matematický model predmetnej oblasti. Ale ani tu nie je nič nové, a ak, tak len z hľadiska jednoduchšej manipulácie s modelom.“
– Žeby sa tým potvrdili obavy A. Andrewsa, že tak ako nemôže človek dobehnúť kam sa začína dúha, tak isto sú odsúdené na zánik všetky pokusy dosiahnuť „duplikát ľudského intelektu v každom aspekte“?
„Zatiaľ som nič takého nepovedal. Hovoril som o istých potemkinovských dedinách, ktoré sa v tejto oblasti stavajú, aby nebolo vidieť , čo ešte nevieme a dalo sa predať aj to málo, čo už vieme. Žiadna matematika nenahradí nedostatok poznatkov v oblasti, ktorá má byť ňou popísaná. Myslím si, že to platí aj v oblasti takzvanej umelej inteligencie. Bez poznatkov o činnosti ľudského mozgu sa tu sotva dostaneme podstatne ďalej.“
-Aké sú teda naše základné nedostatky v poznaní intelektu? Ak pod intelektom máme chápať schopnosť riešiť jasne definované úlohy na základe individuálnych schopností, ktoré sú nám dané.
„Zoberte si taký pojem, ktorý používame veľmi často: porozumieť vete. Vetu možno definovať z hľadiska jej gramatiky a to pomerne presne. Oveľa ťažšie je vyjadriť jej obsah a ešte ťažšie kvantifikovať zámer v nej obsiahnutý. Ak sa máme dorozumieť so strojom v prirodzenom jazyku, musíme vedieť, ako človek vetu chápe. Keď nevieme stroju zadať, ako má spracovať obraz, ktorý obsahuje skutočnosť vyjadrenú vetou, sotva si môžeme predstaviť, že by počítač mohol „porozumieť“ takejto vete. Žiaľ, obrazy väčšiny prirodzených scén nevieme spracovávať tak, aby stroj čo len rozpoznal predmety, ktoré sa v jeho okolí nachádzajú.“
– Vyplýva z toho, že pokiaľ chceme modelovať inteligentný systém, musíme začať skúmať mozog od piky? Ale ľudský mozog obsahuje okolo 10 miliárd neurónov…
„Inej cesty niet. Dokazujú to, mimochodom, i výsledky výskumov v neurobiológii. Tu sa dosahujú najpozoruhodnejšie výsledky v štúdiu nervových procesov, ktoré zabezpečujú jednoduché formy učenia sa slimákov, pijavíc, ale aj pri spracovaní obrazov nervových systémov cicavcov. Tieto výsledky sú použiteľné pri riešení úloh z oblasti umelej inteligencie, najmä pri počítačovom spracovaní obrazov. Problémy však vystávajú, keď pri tom treba použiť poznatky o zobrazovanom svete. Ako ich získať, zapamätať si ich a použiť? Pri hľadaní odpovedí treba postupovať od jednoduchšieho k zložitejšiemu. V prvom rade však musíme problém učenia sa presne formulovať. Môže ísť, napríklad, o spracovávanie obrazov „sveta“, v ktorom robot rieši istý „konštrukčný problém“. Musíme vedieť definovať ciele a stratégie jeho činnosti, možnosti ich zmien a kritéria, ktoré vyhodnotia ich úspešnosť. A to všetko tak, aby sa všetky potrebné údaje dali získať vyhodnocovaním obrazu. Nateraz možno takto študovať len jednoduché úlohy typu „nájdi cestu bludiskom“. Problémy, ktoré sú menej triviálne, sú ťažšie matematizované a naviac, prakticky vždy pri nich narazíme na mimoriadne veľkú výpočtovú zložitosť. Bežné sériové počítače ich nestihli vypočítať v požadovanom čase.“
– Aká je záruka, že riešenie týchto „jednoduchých“ problémov prispeje k pochopeniu zložitejších. Napríklad k objasneniu podstaty myslenia a vnímania?
„Výskum štruktúry a funkcií nervovej sústavy je stále na začiatku, aj keď sa za posledné tri desaťročia objasnila podstata celého radu základných procesov spracovávania informácii nervovými bunkami – neurónmi. Mnohí sa domnievajú, že aktivitou prepojených neurónov možno objasniť psychické procesy v mozgu. Nie je nám však jasné, či poznáme všetky mechanizmy vzájomného pôsobenia neurónov. Človek sa dopúšťa najväčších chýb, ak hľadá riešenie z vopred obmedzenej množiny riešení. Je možné a dokonca pravdepodobné, že podstatu vnímania nemôžu objasniť zavedené neurofyziologické metódy výskumu. Presadiť iné, napríklad fyzikálne, je nielen vecnou otázkou, ale aj organizačnou. Tak je tomu aj pri presadzovaní perspektívnych výskumov v oblasti umelej inteligencie. Niekedy je ťažšie pravdu presadiť, ako sa ku nej dopracovať.“
– V roku 1982 Američan J. Hopfield, ale aj V. Černý z Univerzity Komenského v Bratislave, svojimi prácami obnovili záujem o modelovanie neurónových sietí. V čom, podľa vás, spočíva novosť ich pohľadu a nádejnosť nimi použitých prístupov pri riešení otázok AI?
„Myslím, že celkom nedávno ešte chýbala výskumným prácam v tomto odbore matematická korektnosť. Spomínal som už istú unáhlenosť pri riešení otázok, spojených so spracovaním obrazov, alebo problému porozumenia prirodzenému jazyku, keď sa riešia otázky, ktoré nevieme presne formulovať. Hopfield a Černý vypracovali dve optimalizačné metódy inšpirované štatistickou fyzikou. Obe sú realizovateľné paralelne pracujúcimi sieťami jednoduchých, štatisticky viazaných procesorov, ktoré do istej miery modelujú činnosť neurónových buniek. Výpočty, ktoré tieto siete vykonávajú, sú analogické procesom pomalého chladnutia, pri ktorom je veľmi pravdepodobné, že sa sieť dostane do stavu s najnižšou energiou. V. Černý a I. Novák z Fyzikálneho ústavu SAV ich používajú pri spracovávaní obrazov. Problémy, riešiteľné týmito sieťami, sú formulované tak, že hľadaný výsledok dosiahneme vtedy, keď sieť nadobudne stav s najnižšou energiou.“
– Aké možnosti má u nás fyzik či biofyzik študovať činnosť mozgu experimentálne?
„Experimentálnemu výskumu sa u nás venujú najmä lekári na neurofyziologických pracoviskách. Moja skúsenosť hovorí, že fyzik sa lepšie dohovorí s prírodovedcom ako s lekárom či inžinierom. Zrejme to spočíva vo vzdelaní, ktoré získavajú na vysokej škole. Domnievam sa, že tak ako fyzik študujúci neurónový systém potrebuje poznatky z neurobiológie, tak isto neurobiológ či lekár potrebujú poznatky z matematiky a fyziky. Bez matematických modelov, totiž, sú niektoré javy vonkoncom nepochopiteľné. (…) Fyzik sa skôr doučí biológiu, ako biológ matematiku.“
– Aj keď tu ešte nepracujete dlho, radi by sme poznali zámery biofyzika, skúmajúceho na bioenergetickom pracovisku mechanizmy spracovania informácii v biologických sústavách.
„Termodynamika a štatistická fyzika sú aparátmi, hojne využívanými pri popise bioenergetických procesov. Laco Kováč, vedúci oddelenia, sa už dávno zaoberá vzťahmi medzi procesmi spracovania informácii na bunečnej úrovni a procesmi prenosu energie do bunky. Je autorom originálnej koncepcie kognitívnej biológie. (…) Vždy som túžil pracovať v prostredí, v ktorom sa uplatňujú exaktné metódy výskumu. Všimol som si, že čím exaktnejšie pracuje kolektív, tým lepšie sú vzťahy medzi jeho členmi. Ich kvalita je asi proporcionálna duševnej námahe, spojenej s vykonanou prácou.“