00. Építészet és digitális elmélet // Mesék és mítoszok számítógépes technológiáról és a mesterséges intelligencia evolúciójáról

Minden korszaknak megvannak a karakterjegyei, innovációi, sajátosságai. A digitális kor magával hozta a számítógépes technológiák fejlődését és a mesterséges intelligencia jelenségét, amely sokszor titokzatos ismeretlenként jelenik meg számos területen. Mi az a tudományos fejlődéspálya, amely befolyással van az építészetre is? Miből merítkezik a tervezés tudományosításának tendenciája? A következő cikkben egy rövid idővonal rajzolódik ki azokból a kulcsfontosságú eseményekről, amelyek a számítógépes technológia és mesterséges intelligencia történetét írták.

Az emberi elme működésének megfejtése mindig is célkitűzése volt a gondolkodóknak. Arisztotelész az emberi gondolkodás folyamatát szimbólumok mechanikus manipulálásaként írta le, majd az 1500-as években Thomas Hobbes az érvelést numerikus számításként javasolta bevezetni. Hobbes 1651-ben megírta a Leviatánról szóló könyvét, melyben felvetette a „mesterséges állat" gondolatát.

Ezzel egy időben már számológépek is épültek. Da Vinci tervezte, és Wilhelm Schickard valósította meg először 1623-ban az első számológépet, majd nem sokkal ezután az 1642-ben megépült Pascaline, amit Leibnitz továbbfejlesztett, s egy olyan mechanikus eszközt épített, amely összeadásra, kivonásra, szorzásra és gyökvonásra is képes volt.

Ezt követte a 17. században Descartes test és elme dualizmusa, David Hume Indukció elve, majd az 1900-as években Carnap és Hampel az elme elméletét már számítási folyamatként fogalmazta meg, míg Babbage elemző motorja az első univerzális számításra képes műalkotásként maradt fenn. [1] S a 20. század nagy mérföldkövei között Gödel Nemteljességi tétele (Incompleteness Theorem), Alan Turing Heath Robinson-ja, majd a Colossus, mint az első általános célú számítógép történelmet írtak, csak úgy, mint Claue Shannon Információelmélete.

A Mesterséges Intelligencia gyökereinek tekinthető történet az 1940-es években kezdődött. A mesterséges neuron legelső matematikai modellje a Threshold Logic Unit volt, amelyet Warren S. McCulloch (1898–1969, amerikai neurofiziológus) és Walter H. Pitts Jr (1923–1969, amerikai logikus) dolgozott ki 1943-ban. Ugyanabban az évben megjelent közös cikkük, "Az idegi tevékenységben immanens eszmék logikai számítása" címmel ("A Logical Calculus of the Ideas Immanent in Nervous Activity") a mesterséges neurális hálózatok koncepciójának kezdete. [2]

Marvin Minskyt ma a mesterséges intelligencia atyjának nevezik, aki a Harvard-on töltött évei során bukkant rá McCulloch és Pitts kutatására, mely érdeklődését a gondolkodás és tanulás működése felé fordította. Az 1950-es évekig az agy működése a pszichológusok és neurológusok területe volt, de amikor az első számítógépek megjelentek az iparban és az egyetemeken, Marvin Minsky a matematikát alkalmazta az emberi elme funkcióinak modellezésére. [3]

Végzős hallgatóként megépítette az első véletlenszerűen vezetékes neurális hálózati tanulógépet, amelyet SNARC-nak (Stochastic Neural Analog Reinforcement Calculator) nevezett el. A hálózat 40 egymással összekapcsolt mesterséges neuront tartalmazott, amelyek mindegyikének volt rövid és hosszú távú memóriája. [3]

Később fókuszát a szimbolikus mesterséges intelligenciára helyezte, amely ahelyett, hogy az agy információfeldolgozási megközelítését próbálná utánozni, az emberi gondolkodás természetéből merít ihletet, és magas szintű, az emberek által értelmezhető fogalmak alapján végez számításokat. A Harvardon 1954-ben folytatta munkáját, matematikailag modellezte az emberi gondolkodás folyamatait, megalapozva a mesterséges intelligencia (AI) néven ismert területet. [3]

A mesterséges intelligencia, mint különálló tanulmányi terület születése arra az évre datálható, amikor Minsky és számos kiváló kollégája egy hivatalos konferencián találkozott a Dartmouth College-ban. [5] Ahol McCarthy megalkotta a mesterséges intelligencia kifejezést. Ezt követően 1958-ban Minsky megalapította az MIT-n az AI Lab-ot. A laboratórium végezte az ARPANET kezdeti munkáinak nagy részét, amely végül a mai internetté fejlődött. [3]

Az MIT-csoporttal párhuzamosan működött egy másik mesterséges intelligencia-csoport Herbert A. Simon és Allen Newell vezetésével Carneige Mellon-ban, amely a kognitív tudományon dolgozott. Egy elméletet dolgoztak ki arra, hogy hogyan lennének céljai egy gépnek. [4] Megoldásuk egyfajta visszacsatolás volt arra, amit Norbert Wiener írt le a kibernetikában. Arthur Samuel, a számítógépes játékok és a mesterséges intelligencia amerikai úttörője 1959-ben, az IBM-nél alkotta meg a „gépi tanulás" kifejezést. Különféle szimbolikus módszerekkel próbálták megközelíteni a problémát, valamint az akkoriban "neurális hálózatoknak" nevezett modellekkel, amelyek többnyire perceptronok és más modellek voltak, amiről később kiderült, hogy nem más, mint a statisztika általánosított lineáris modelljeinek újrafeltalálása.

A logikus, tudásalapú megközelítés egyre nagyobb hangsúlyozása azonban törést okozott az MI (AI) és a gépi tanulás között. A valószínűségi rendszereket az adatgyűjtés és -ábrázolás elméleti és gyakorlati problémái sújtották. A neurális hálózatok kutatását nagyjából ugyanabban az időben hagyta fel az MI (AI) és a számítástechnika. Ezt a vonalat az AI/CS (artificial intelligence/ computer sciences) területen kívül folytatták „konnekcionizmusként" más tudományágak kutatói, köztük Hopfield, Rumelhart és Hinton.

Az 1990-es években indult virágzásnak a külön területté újjászerveződő gépi tanulás. A terület a mesterséges intelligencia eléréséről a gyakorlati jellegű megoldható problémák megoldására változtatta a célját. A hangsúlyt az MI-től örökölt szimbolikus megközelítésekről a statisztikákból és a valószínűségszámításból kölcsönzött módszerek és modellek irányába helyezte el.

1980-es évek ún. AI winter-e (Mesterséges Intelligencia tele) lelassította a kutatásokat, mivel az ekkoriban bekövetkező olajválság redukálta a kutatási forrásokat. A mesterséges intelligencia második hulláma a vállalati támogatásból származó új finanszírozással szakértői rendszerek (expert systems) feltalálásán alapult, ami egy olyan számítógépes rendszer, amely a humán szakértő döntéshozatali képességét emulálja.

Az MIT Media Lab-ot 1985-ben alapították – a The Architecture Machine Laboratory-ból nőtt ki. Kutatása nem korlátozódik a rögzített akadémiai diszciplínákra, hanem a technológiából, a médiából, a tudományból, a művészetből és a designból merít. Nicholas Negroponte, aki építésznek készült, úgy gondolta, hogy a média meghatározó fontosságú lesz a későbbiekben, és 2000-re már nem lesz papír alapú ügyintézés. Kutatócsoportjába meghívta Minskyt és Pappert, akikkel közösen számos ma is használt találmányt alkottak meg.

Az 1990-es évek közepén jött el a második Mesterséges Intelligencia tél, mivel a szakértői rendszereket nagyon nehéz volt kezelni, nagyon adatéhessé váltak, és az adattárolás pedig nehezen kezelhető és költséges volt. Az AI algoritmusok rengeteg adattal dolgoztak, melynek a technikai háttere még nem volt biztosított.

Az új emelkedés a 2000-es évek közepén érkezett, amikor a megfelelő adatmennyiség már rendelkezésre állt, lehetővé vált a felhő alapú tárolás, szinte korlátlan feldolgozási teljesítmény, és új algoritmusok kerültek kidolgozásra. A SZINTÉZIS jelenleg a kibernetika és a mesterséges intelligencia között rejlik. Amit ma az MI-től várnak a kutatók, az az értelem és az érzelem egyesülése. A Mesterséges Intelligencia 3 paradigmája a szimbolicizmus, konnekcionizmus és akcionizmus más-más megközelítést tart elsődlegesnek, melyek az építészetben is különböző területeken válhatnak jelentőssé. [6]

Az építészfórum digitalizációval és mesterséges intelligenciával foglalkozó tematikus cikksorozatának célja a szakmai közönség megismertetése a mesterséges intelligencia gyökereivel, és lehetséges alkalmazási területeivel. A sorozat egyik fontos eleme, a szakma párbeszédre hívása, és gyakorló építészek, építőipari szereplők, szoftverfejlesztők valamint a mesterséges intelligenciával foglalkozó szakemberek álláspontjainak megismerése. A következő írásokban a szimbolicizmus, akcionizmus, és konnekcionizmus mélyebb rétegei kerülnek bemutatásra.  

Bognár Melinda

[1] Babbage, C. (1989). The Analytical Engine and Mechanical Notation. London: W. Pickering.
[2] McCulloch, W. S. & Pitts, W. (1943). A Logical Calculus of the Ideas Immanent in Nervous Activity. The Bulletin of Mathematical Biophysics, 5, 115-133.
[3] Academy of Achievement (2010) Marvin Minsky Biography. Elérhető: https://achievement.org/achiever/marvin-minsky-ph-d/.
[4] Newell, A. and Simon, H. A. (1975) Computer Science as Empirical Inquiry: Symbols and Search. Elérhető: http://math.bme.hu/~pollux/set/symbols.html.
[5] McCarthy, J., Minsky, M. L., Rochester, N. & Shannon, C. E. (2006). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. AI Magazine, 27.
[6] Smolensky, P. (1987). Connectionist AI, Symbolic AI, and the Brain. Artificial Intelligence Review, 1, 95- 109.

A cikk az Építészet és digitális elmélet  című sorozatunk első része. A sorozat további részei itt érhetőek el. A cikksorozat támogatója az NKA. Sorozatszerkesztő: Bognár Melinda