Вештачка интелигенција — разлика између измена

Садржај обрисан Садржај додат

Инлајн

Верзија на датум 3. март 2017. у 06:40

Вјештачка интелигенција (такође ВИ) је подобласт рачунарства. Циљ истраживања вјештачке интелигенције је развијање програма (софтвера), који ће рачунарима омогућити да се понашају на начин који би се могао окарактерисати интелигентним. Прва истраживања се вежу за саме корјене рачунарства. Идеја о стварању машина које ће бити способне да обављају различите задатке интелигентно, била је централна преокупација научника рачунарства који су се опредијелили за истраживање вјештачке интелигенције, током цијеле друге половине 20. вијека. Савремена истраживања у вјештачкој интелигенцији су оријентисана на експертске и преводилачке системе у ограниченим доменима, препознавање природног говора и писаног текста, аутоматске доказиваче теорема, као и константно интересовање за стварање генерално интелигентних аутономних агената.

Вјештачка интелигенција као појам у ширем смислу, означава капацитет једне вјештачке творевине за реализовање функција које су карактеристика људског размишљања. Могућност развоја сличне творевине је будила интересовање људи још од античког доба; ипак, тек у другој половини XX вијека таква могућност је добила прва оруђа (рачунаре), чиме се отворио пут за тај подухват.^[1]

Потпомогнута напретком модерне науке, истраживања на пољу вјештачке интелигенције се развијају у два основна смјера: психолошка и физиолошка истраживања природе људског ума, и технолошки развој све сложенијих рачунарских система.

У том смислу, појам вјештачке интелигенције се првобитно приписао системима и рачунарским програмима са способностима реализовања сложених задатака, оодносно симулацијама функционисања људског размишљања, иако и дан данас, прилично далеко од циља. У тој сфери, најважније области истраживања су обрада података, препознавање модела различитих области знања, игре и примијењене области, као на примјер медицина.

Неке области данашњих истраживања обрађивања података се концентришу на програме који настоје оспособити рачунар за разумијевање писане и вербалне информације, стварање резимеа, давање одговара на одређена питања или редистрибуцију података корисницима заинтересованим за одређене дијелове тих информација. У тим програмима је од суштинског значаја капацитет система за конструисање граматички коректних реченица и успостављање везе између ријечи и идеја, односно идентификовање значења. Истраживања су показала да, док је проблеме структурне логике језика, односно његове синтаксе, могуће ријешити програмирањем одговарајућих алгоритама, проблем значења, или семантика, је много дубљи и иде у правцу аутентичне вјештачке интелигенције.

Основне тенденције данас, за развој система ВИ представљају: развој експертских система и развој неуронских мрежа. Експертски системи покушавају репродуковати људско размишљањене преко симбола. Неуронске мреже то раде више из биолошке перспективе (рекреирају структуру људског мозга уз помоћ генетских алгоритама). Упркос сложености оба система, резултати су веома далеко од стварног интелигентног размишљања.

Многи научници су скептици према могућности развијања истинске ВИ. Функционисање људског размишљања, још увијек није дубље познато, из ког разлога ће информатички дизајн интелигентних система, још дужи временски период бити у суштини онеспособљен за представљање тих непознатих и сложених процеса.

Истраживања у ВИ су фокусирана на сљедеће компоненте интелигенције: учење, размишљање, рјешавање проблема, перцепција и разумијевање природног језика.

Учење

Постоји више различитих облика учења који су примијењени на област вјештачке интелигенције. Најједноставнији се односи на учење на грешкама преко покушаја. На примјер, најједноставнији рачунараски програм за ријешавање проблема матирања у једном потезу у шаху, је истраживање мат позиције случајним потезима. Једном изнађено рјешење, програм може запамтити позицију и искористити је сљедећи пут када се нађе у идентичној ситуацији. Једноставно памћење индивидуалних потеза и процедура - познато као механичко учење - је врло лако имплементирати у рачунарски систем. Приликом покушаја имплементације тзв., уопштавања, јављају се већи проблеми и захтјеви. Уопштавање се састоји од примјене прошлих искустава на аналогне нове ситуације. На примјер, програм који учи прошла времена глагола на српском језику механичким учењем, неће бити способан да изведе прошло вријеме, рецимо глагола скочити, док се не нађе пред обликом глагола скочио, гдје ће програм који је способан за уопштавање научити „додај -о и уклони -ти“ правило, те тако формирати прошло вријеме глагола скочити, заснивајући се на искуству са сличним глаголима.

Размишљање

Размишљање је процес извлачења закључака који одговарају датој ситуацији. Закључци се класификују као дедуктивни и индуктивни. Примјер дедуктивног начина закључивања би могао бити, „Саво је или у музеју, или у кафићу. Није у кафићу; онда је сигурно у музеју“; и индуктивног, „Претходне несреће ове врсте су биле посљедица грешке у систему; стога је и ова несрећа узрокована грешком у систему“. Најзначајнија разлика између ова два начина закључивања је да, у случају дедуктивног размишљања, истинитост премисе гарантује истинитост закључка, док у случају индуктивног размишљања истинитост премисе даје подршку закључку без давања апсолутне сигурности његовој истинитости. Индуктивно закључивање је уобичајено у наукама у којима се сакупљају подаци и развијају провизиони модели за опис и предвиђање будућег понашања, све док се не појаве аномалије у моделу, који се тада реконструише. Дедуктивно размишљање је уобичајено у математици и логици, гдје детаљно обрађене структуре непобитних теорема настају од мањих скупова основних аксиома и правила.

Постоје значајни успјеси у програмирању рачунара за извлачење закључака, нарочито дедуктивне природе. Ипак, истинско размишљање се састоји од сложенијих аспеката; укључује закључивање на начин којим ће се ријешити одређени задатак, или ситуација. Ту се налази један од највећих проблема с којим се сусреће VI.

Рјешавање проблема

Рјешавање проблема, нарочито у вјештачкој интелигенцији, карактерише систематска претрага у рангу могућих акција с циљем изналажења неког раније дефинисаног рјешења. Методе рјешавања проблема се дијеле на оне посебне и оне опште намјене. Метода посебне намјене је тражење адаптираног рјешења за одређени проблем и садржи врло специфичне особине ситуација од којих се проблем састоји. Супротно томе, метод опште намјене се може примијенити на шири спектар проблема. Техника опште намјене која се користи у VI је метод крајње анализе, дио по дио, или постепено додавање, односно редуковање различитости између тренутног стања и крајњег циља. Програм бира акције из листе метода - у случају једноставног робота кораци су сљедећи: PICKUP, PUTDOWN, MOVEFROWARD, MOVEBACK, MOVELEFT и MOVERIGHT, све док се циљ не постигне.

Већи број различитих проблема су ријешени преко програма вјештачке интелигенције. Неки од примјера су тражење побједничког потеза, или секвенце потеза у играма, сложени математички докази и манипулација виртулених објеката у вјештачким, односно синтетичким рачунарским свјетовима.

Перцепција

Историјски преглед развоја

Појам вјештачка интелигенција (ВИ), настаје љета 1956. године у Дартмуду, Хановер (САД), на скупу истраживача заинтересованих за теме интелигенције, неуронских мрежа и теорије аутомата. Скуп је организовао Џон Макарти, уједно са Клодом Шеноном, Марвином Минским и Н. Рочестером. На скупу су такође учествовали Т. Мур (Принстон), А. Семјуел (IBM), Р. Соломоноф и О. Селфриџ (МИТ), као и А. Невил, Х. Сајмон (Carnegie Tech, данас Carnegie Mellon University). На скупу су постављене основе области вјештачке интелигенције и трасиран пут за њен даљи развој.

Раније, 1950. године, Алан Тјуринг је објавио један чланак у ревији Мајнд (Mind), под насловом „Рачунари и интелигенција“, гдје говори о концепту вјештачке интелигенције и поставља основе једне врсте пробе, преко које би се утврђивало да ли се одређени рачунарски систем понаша у складу са оним што се подразумијева под вјештачком интелигенцијом, или не. Касније ће та врста пробе добити име, Тјурингов тест.

Скуп је посљедица првих радова у области. Невил и Сајмон су на њему представили свој програм за аутоматско резоновање, Логиц Тхеорист (који је направио сензацију). Данас се сматра да су концепт вјештачке интелигенције поставили В. Мекулок и M. Питс, 1943. године, у раду у ком се представља модел вјештачких неурона на бази три извора: спознаја о физиологији и функционисању можданих неурона, исказна логика Расела и Вајтехеда, и Тјурингова компутациона теорија. Неколико година касније створен је први неурални рачунар SNARC. Заслужни за подухват су студенти Принстона, Марвин Мински и Д. Едмонс, 1951. године. Негдје из исте епохе су и први програми за шах, чији су аутори Шенон и Тјуринг.

Иако се ова истраживања сматрају зачетком вјештачке интелигенције, постоје многа друга који су битно утјецала на развој ове области. Нека потичу из области као што су филозофија (први покушаји формализације резоновања су силогизми грчког филозофа Аристотела), математика (теорија одлучивања и теорија пробабилитета се примјењују у многим данашњим системима), или психологија (која је заједно са вјештачком интелигенцијом формирала област когнитивне науке).

У годинама које слиједе скуп у Дартмуду постижу се значајни напреци. Конструишу се програми који рјешавају различите проблеме. На примјер, студенти Марвина Минског ће крајем шездесетих година имплементирати програм Analogy, који је оспособљен за рјешавање геометријских проблема, сличним онима који се јављају у тестовима интелигенције, и програм Стјудент, који рјешава алгебарске проблеме написане на енглеском језику. Невил и Сајмон ће развити General Problem Solver (ГПС), који покушава имитирати људско резоновање. Семјуел је написао програме за игру сличну дами, који су били оспособљени за учење те игре. Макарти, који је у међувремену отишао на МИТ, имплементира програмски језик Lisp, 1958. године. Исте године је написао чланак, Programs With Common Sense, гдје описује један хипотетички програм који се сматра првим комплетним системом вјештачке интелигенције.

Ова серија успјеха се ломи средином шездесетих година и превише оптимистичка предвиђања из ранијих година се фрустрирају. До тада имплементирани системи су функционисали у ограниченим доменима, познатим као микросвијетови (microworlds). Трансформација која би омогућила њихову примјену у стварним окружењима није била тако лако изводљива, упркос очекивањима многих истраживача. По Раселу и Норивигу, постоје три фундаментална фактора који су то онемогућили:

Многи дизајнирани системи нису посједовали сазнање о окружењу примјене, или је имплементирано сазнање било врло ниског нивоа и састојало се од неких једноставних синтактичких манипулација.
Многи проблеми које су покушавали ријешити су били у суштини нерјешиви, боље реченео, док је количина сазнања била мала и ограничена рјешење је било могуће, али када би дошло до пораста обима сазнања, проблеми постају нерјешиви.
Неке од основних структура које су се користиле за стварање одређеног интелигентног понашања су биле веома ограничене.

До тог момента рјешавање проблема је било засновано на једном механизму опште претраге преко којег се покушавају повезати, корак по корак, елементарне основе размишљања да би се дошло до коначног рјешења. Наравно такав приступ подразумијева и велике издатке, те да би се смањили, развијају се први алгоритми за потребе контролосиња трошкова истраживања. На примјер, Едсхер Дајкстра 1959. године дизајнира један метод за стабилизацију издатака, Невил и Ернст, 1965. године развијају концепт хеуристичке претраге и Харт, Нилсон и Рафаел, алгоритам А. У исто вријеме, у вези програма за игре, дефинише се претрага алфа-бета. Творац идеје је иначе био Макарти, 1956. године, а касније ју је користио Невил, 1958. године.

Важност схватања сазнања у контексту домена и примјене, као и грађе структуре, којој би било лако приступати, довела је до детаљнијих студија метода представљања сазнања. Између осталих, дефинисале су се семантичке мреже (дефинисане почетком шездесетих година, од стране Килијана) и окружења (које је дефинисао Мински 1975. године). У истом периоду почињу да се користе одређене врсте логике за представљање сазнања.

Паралелно с тим, током истих година, настављају се истраживања за стварање система за игру цхецкерс, за који је заслужан Самуел, оријентисан на имплементацију неке врсте методе учења. Е. Б. Хунт, Ј. Мартин и П. Т. Стоне, 1969. године конструишу хијерархијску структуру одлука (ради класификације), коју је већ идејно поставио Шенон, 1949. године. Килијан, 1979., представља метод IDZ који треба да послужи као основа за конструкцију такве структуре. С друге стране, П. Винстон, 1979. године, развија властити програм за учење описа сложених објеката, и Т. Мичел, 1977., развија тзв., простор верзија. Касније, средином осамдесетих, поновна примјена методе учења на неуралне мреже тзв., backpropagation, доводи до поновног оживљавања ове области.

Конструкција апликација за стварна окружења, довела је до потребе разматрања аспеката као што су неизвјесност, или непрецизност (који се такође јављају приликом рјешавања проблема у играма). За рјешавање ових проблема примјењиване су пробабилистичке методе (теорија пробабилитета, или пробабилистичке мреже) и развијали други формализми као дифузни скупови (дефинисани од Л. Задеха 1965. године), или Демпстер-Шаферова теорија (творац теорије је А. Демпстер, 1968., са значајним доприносом Г. Шафера 1976. године).

На основу ових истраживања, почев од осамдесетих година, конструишу се први комерцијални системи вјештачке интелигенције, углавном тзв., експертски системи.

Савремени проблеми који се настоје ријешити у истраживањима вјештачке интелигенције, везани су за настојања конструисања кооперативних система на бази агената, укључујући системе за управљање подацима, утврђивање редослиједа обраде података и покушаје имитације природног језика, између осталих.

Проблем дефиниције вјештачке интелигенције

За разлику од других области, у вјештачкој интелигенцији не постоји сагласност око једне дефиниције, него их има више зависно од различитих погледа и метода за рјешавање проблема.

Дефиниција и циљеви

Упркос времену које је прошло од када је Џон Макарти дао име овој области на конференцији одржаној 1956. године у Дартмуду, није нимало лако тачно дефинисати садржај и достигнућа вјештачке интелигенције.

Највјероватније, једна од најкраћих и најједноставнијих карактеристика која се приписује вјештачкој интелигенцији, парафразирајући Марвина Минског, (једног од стручњака и најпознатијих истраживача вјештачке интелигенције), је „конструисање рачунарских система са особинама које би код људских бића биле окарактерисане као интелигентне“.

Тјурингов тест

У познатом такозваном Тјуринговом тесту, који је Алан Тјуринг описао и објавио у једном чланку из 1950. године, под насловом Computing machinery and intelligence (Рачунске машине и интелигенција), предлаже се један експеримент чији је циљ откривање интелигентог понашања једне машине.

Тест полази од једне игре у којој испитивач треба да погоди пол два интерлокутора, A и Б, а који се налазе у посебним и одвојеним собама. Иако обоје тврде да су женског пола, у ствари ради се о мушкарцу и жени. У изворном Тјуринговом приједлогу урађена је извјесна модификација, те је жену замијенио рачунар. Испитивач треба да погоди ко је од њих машина, полазећи од њиховог међусобног разговора и имајући у виду да обоје тврде да су људи.

Задатак треба постићи упркос чињеници да ниједан од интерлокутора није обавезан да говори истину, те на примјер, машина може одлучити да да погрешан резултат једне аритметичке операције, или чак да га саопшти много касније како би варка била увјерљивија.

По оптимистичкој хипотези самог Тјуринга, око 2000. године, већ је требало да постоје рачунари оспособљени за игру ове игре довољно добро, тако да просјечан испитивач нема више од 70% шансе да уради исправну идентификацију, након пет минута постављања питања.

Када би то данас заиста било тако, налазили би се пред једном истински интелигентном машином, или у најмању руку машином која умије да се представи као интелигентна.

Не треба ни поменути да су Тјурингова предвиђања била превише оптимистична, што је био врло чест случај у самим почецима развоја области вјештачке интелигенције.

У стварности проблем није само везан за способност рачунара за обраду података, него на првом мјесту, за могућност програмирања рачунара са способностима за интелигентно понашање.

Основни циљеви истраживања на пољу вјештачке интелигенције

Тренутно, када су у питању истраживања на пољу вјештачке интелигенције, могуће је постићи два комплементарна циља, који респективно наглашавају два аспекта вјештачке интелигенције, а то су теоријски и технолошки аспект.

Први циљ је студија људских когнитивних процеса уопште, што потврђује дефиницију Патрика Ј. Хејеса - „студија интелигенције као компутације“, чиме се вјештачка интелигенција усмјерава ка једној својеврсној студији интелигентног понашања код људи.

Констукција програмских рјешења

Вјештачка интелигенција, као област информатике, бави се пројектовањем програмских рјешења за проблеме које настоји ријешити.

Понашање насупрот резоновању

Вјештачка интелигенција у образовању

Сан о рачунарима који би могли да образују ученике и студенте, више деценија је инспирисао научнике когнитивне науке. Прва генерација таквих система (названи Computer Aided Instruction или Computer Based Instruction), углавном су се заснивали на хипертексту. Структура тих система се састојала од презентације материјала и питања са више избора, која шаљу ученика на даље информације, у зависности од одговора на постављена питања.

Наредна генерација ових система Intelligent CAI или Intelligent Tutoring Systems, заснивали су се на имплементацији знања о одређеној теми, у сам рачунар. Постајала су два типа оваквих система. Први је тренирао ученика у самом процесу рјешавања сложених проблема, као што је нпр., препознавање грешака дизајна у једном електричном колу или писање рачунарског програма. Други тип система је покушавао да одржава силогистички дијалог са студентима. Имплементацију другог типа система је било врло тешко спровести у праксу, великим дијелом због проблема програмирања система за разумијевање спонтаног и природног људског језика. Из тог разлога, пројектовано их је само неколико.

Типични систем за тренирање ученика и студената се обично састоји од четири основне компоненте.

Прва компоенета је окружење у којем ученик или студент ради на рјешавању сложених задатака. То може бити симулација компоненте или компонената електронских уређаја представљена као серија проблема које студент треба да ријеши.
Друга компонента је експертски систем који може ријештити представљене проблеме на којима студент ради.
Трећу чини један посебан модул који може упоредити рјешења која нуди студент са онима које су уграђене у експертски систем и његов циљ је да препозна студентов план за рјешење проблема, као и које дијелове знања највјероватније студент користи.
Четврту чини педагошки модул који сугерише задатке које треба ријешити, одговара на питања студента и указује му на могуће грешке. Одговори на питања студента и сугестије за планирање рјешавања задатака, заснивају се на прикупљеним подацима из претходног модула.

Свака од ових компонената може користити технологију вјештачке интелигенције. Окружење може садржати софистицирану симулацију или интелигентног агента, односно симулираног студента или чак опонента студенту. Модул који чини експертски систем се састоји од класичних проблема вјештачке интелигенције, као што су препознавање плана и резоновање над проблемима који укључују неизвјесност. Задатак педагошког модула је надгледање плана инструкције и његово адаптирање на основу нових информација о компетентности студента за рјешавање проблема. Упркос сложености система за тренирање ученика и студената, пројектовани су у великом броју, а неки од њих се регуларно користе у школама, индустрији и за војне инструкције.

Референце

^ Artificial Intelligence, Приступљено 28. 3. 2013.

Литература

The MIT Encyclopedia of the Cognitive Sciences, Edited by Robert A. Wilson and Frank C. Keil - одредница AI and Education
Hutter, Marcus (2005). Universal Artificial Intelligence. Berlin: Springer. ISBN 978-3-540-22139-5.
Luger, George; Stubblefield, William (2004). Artificial Intelligence: Structures and Strategies for Complex Problem Solving (5th изд.). Benjamin/Cummings. ISBN 0-8053-4780-1.
Neapolitan, Richard; Jiang, Xia (2012). Contemporary Artificial Intelligence. Chapman & Hall/CRC. ISBN 978-1-4398-4469-4.
Nilsson, Nils (1998). Artificial Intelligence: A New Synthesis. Morgan Kaufmann. ISBN 978-1-55860-467-4.
Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd изд.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2 .
Russell, Stuart J.; Norvig, Peter (2009). Artificial Intelligence: A Modern Approach (3rd изд.). Upper Saddle River, New Jersey: Prentice Hall. ISBN 0-13-604259-7.
Poole, David; Mackworth, Alan; Goebel, Randy (1998). Computational Intelligence: A Logical Approach. New York: Oxford University Press. ISBN 0-19-510270-3.
Winston, Patrick Henry (1984). Artificial Intelligence. Reading, MA: Addison-Wesley. ISBN 0-201-08259-4.
Rich, Elaine (1983). Artificial Intelligence. McGraw-Hill. ISBN 0-07-052261-8.
Bundy, Alan (1980). Artificial Intelligence: An Introductory Course (2nd изд.). Edinburgh University Press. ISBN 0-85224-410-X.
Crevier, Daniel (1993). AI: The Tumultuous Search for Artificial Intelligence. New York, NY: BasicBooks. ISBN 0-465-02997-3. .
McCorduck, Pamela (2004), Machines Who Think (2nd изд.), Natick, MA: A. K. Peters, Ltd., ISBN 1-56881-205-1 .
Newquist, HP (1994). The Brain Makers: Genius, Ego, And Greed In The Quest For Machines That Think. New York: Macmillan/SAMS. ISBN 0-672-30412-0.
Nilsson, Nils (2009). The Quest for Artificial Intelligence: A History of Ideas and Achievements. New York: Cambridge University Press. ISBN 978-0-521-12293-1.
Asada, M.; Hosoda, K.; Kuniyoshi, Y.; Ishiguro, H.; Inui, T.; Yoshikawa, Y.; Ogino, M.; Yoshida, C. (2009). „Cognitive developmental robotics: a survey” (PDF). IEEE Transactions on Autonomous Mental Development. 1 (1): 12—34. doi:10.1109/tamd.2009.2021702. Архивирано из оригинала (PDF) 4. 10. 2013. г.
„ACM Computing Classification System: Artificial intelligence”. ACM. 1998. Приступљено 30. 8. 2007.
Goodman, Joanna (2016). Robots in Law: How Artificial Intelligence is Transforming Legal Services (1st изд.). Ark Group. ISBN 978-1-78358-264-8.
Albus, J. S. (2002). „4-D/RCS: A Reference Model Architecture for Intelligent Unmanned Ground Vehicles”. Ур.: Gerhart, G.; Gunderson, R.; Shoemaker, C. Proceedings of the SPIE AeroSense Session on Unmanned Ground Vehicle Technology. 3693. стр. 11—20.
Bach, Joscha (2008). „Seven Principles of Synthetic Intelligence”. Ур.: Wang, Pei; Goertzel, Ben; Franklin, Stan. Artificial General Intelligence, 2008: Proceedings of the First AGI Conference. IOS Press. стр. 63—74. ISBN 978-1-58603-833-5.
„Robots could demand legal rights”. BBC News. 21. 12. 2006. Приступљено 3. 2. 2011.
Brooks, Rodney (1990). „Elephants Don't Play Chess” (PDF). Robotics and Autonomous Systems. 6: 3—15. doi:10.1016/S0921-8890(05)80025-9. Архивирано (PDF) из оригинала 9. 8. 2007. г.
Brooks, R. A. (1991). „How to build complete creatures rather than isolated cognitive simulators”. Ур.: VanLehn, K. Architectures for Intelligence. Hillsdale, NJ: Lawrence Erlbaum Associates. стр. 225—239.
Buchanan, Bruce G. (2005). „A (Very) Brief History of Artificial Intelligence” (PDF). AI Magazine: 53—60. Архивирано из оригинала (PDF) 26. 9. 2007. г.
Butler, Samuel (13. 6. 1863). „Darwin among the Machines”. Letters to the Editor. The Press. Christchurch, New Zealand. Приступљено 16. 10. 2014 — преко Victoria University of Wellington.
„AI set to exceed human brain power”. CNN. 26. 7. 2006. Архивирано из оригинала 19. 2. 2008. г.
Dennett, Daniel (1991). Consciousness Explained. The Penguin Press. ISBN 0-7139-9037-6.
Diamond, David (2003). „The Love Machine; Building computers that care”. Wired. Архивирано из оригинала 18. 5. 2008. г.
Dowe, D. L.; Hajek, A. R. (1997). „A computational extension to the Turing Test”. Proceedings of the 4th Conference of the Australasian Cognitive Science Society.
Dreyfus, Hubert (1972). What Computers Can't Do. New York: MIT Press. ISBN 0-06-011082-1.
Dreyfus, Hubert; Dreyfus, Stuart (1986). Mind over Machine: The Power of Human Intuition and Expertise in the Era of the Computer. Oxford, UK: Blackwell. ISBN 0-02-908060-6.
Dreyfus, Hubert (1992). What Computers Still Can't Do. New York: MIT Press. ISBN 0-262-54067-3.
Dyson, George (1998). Darwin among the Machines. Allan Lane Science. ISBN 0-7382-0030-1.
Edelman, Gerald (23. 11. 2007). „Gerald Edelman – Neural Darwinism and Brain-based Devices”. Talking Robots. Архивирано из оригинала 8. 10. 2009. г.
Edelson, Edward (1991). The Nervous System. New York: Chelsea House. ISBN 978-0-7910-0464-7.
Fearn, Nicholas (2007). The Latest Answers to the Oldest Questions: A Philosophical Adventure with the World's Greatest Thinkers. New York: Grove Press. ISBN 0-8021-1839-9.
Gladwell, Malcolm (2005). Blink. New York: Little, Brown and Co. ISBN 0-316-17232-4.
Gödel, Kurt (1951). Some basic theorems on the foundations of mathematics and their implications. Gibbs Lecture. In
Feferman, Solomon, ур. (1995). Kurt Gödel: Collected Works, Vol. III: Unpublished Essays and Lectures. Oxford University Press. стр. 304—23. ISBN 978-0-19-514722-3.
Haugeland, John (1985). Artificial Intelligence: The Very Idea. Cambridge, Mass.: MIT Press. ISBN 0-262-08153-9.
Hawkins, Jeff; Blakeslee, Sandra (2005). On Intelligence. New York, NY: Owl Books. ISBN 0-8050-7853-3.
Henderson, Mark (24. 4. 2007). „Human rights for robots? We're getting carried away”. The Times Online. London.
Hernandez-Orallo, Jose (2000). „Beyond the Turing Test”. Journal of Logic, Language and Information. 9 (4): 447—466. doi:10.1023/A:1008367325700.
Hernandez-Orallo, J.; Dowe, D. L. (2010). „Measuring Universal Intelligence: Towards an Anytime Intelligence Test”. Artificial Intelligence Journal. 174 (18): 1508—1539. doi:10.1016/j.artint.2010.09.006.
Hinton, G. E. (2007). „Learning multiple layers of representation”. Trends in Cognitive Sciences. 11: 428—434. doi:10.1016/j.tics.2007.09.004.
Hofstadter, Douglas (1979). Gödel, Escher, Bach: an Eternal Golden Braid. New York, NY: Vintage Books. ISBN 0-394-74502-7.
Holland, John H. (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press. ISBN 0-262-58111-6.
Howe, J. (1994). „Artificial Intelligence at Edinburgh University: a Perspective”. Приступљено 30. 8. 2007.
Hutter, M. (2012). „One Decade of Universal Artificial Intelligence”. Theoretical Foundations of Artificial General Intelligence. Atlantis Thinking Machines. 4. ISBN 978-94-91216-61-9. doi:10.2991/978-94-91216-62-6_5.
James, William (1884). „What is Emotion”. Mind. 9: 188—205. doi:10.1093/mind/os-IX.34.188. Cited by Tao & Tan 2005.
Kahneman, Daniel; Slovic, D.; Tversky, Amos (1982). Judgment under uncertainty: Heuristics and biases. New York: Cambridge University Press. ISBN 0-521-28414-7.
Katz, Yarden (1. 11. 2012). „Noam Chomsky on Where Artificial Intelligence Went Wrong”. The Atlantic. Приступљено 26. 10. 2014.
„Kismet”. MIT Artificial Intelligence Laboratory, Humanoid Robotics Group. Приступљено 25. 10. 2014.
Koza, John R. (1992). Genetic Programming (On the Programming of Computers by Means of Natural Selection). MIT Press. ISBN 0-262-11170-5.
Kleine-Cosack, Christian (2006). „Recognition and Simulation of Emotions” (PDF). Архивирано из оригинала (PDF) 28. 5. 2008. г.
Kolata, G. (1982). „How can computers get common sense?”. Science. 217 (4566): 1237—1238. PMID 17837639. doi:10.1126/science.217.4566.1237.
Kumar, Gulshan; Kumar, Krishan (2012). „The Use of Artificial-Intelligence-Based Ensembles for Intrusion Detection: A Review”. Applied Computational Intelligence and Soft Computing. 2012: 1—20. doi:10.1155/2012/850160.
Kurzweil, Ray (1999). The Age of Spiritual Machines. Penguin Books. ISBN 0-670-88217-8.
Kurzweil, Ray (2005). The Singularity is Near. Penguin Books. ISBN 0-670-03384-7.
Lakoff, George; Núñez, Rafael E. (2000). Where Mathematics Comes From: How the Embodied Mind Brings Mathematics into Being. Basic Books. ISBN 0-465-03771-2.
Langley, Pat (2011). „The changing science of machine learning”. Machine Learning. 82 (3): 275—279. doi:10.1007/s10994-011-5242-y.
Law, Diane (1994). Searle, Subsymbolic Functionalism and Synthetic Intelligence (Технички извештај). University of Texas at Austin. стр. AI94-222. CiteSeerX 10.1.1.38.8384 .
Legg, Shane; Hutter, Marcus (15. 6. 2007). A Collection of Definitions of Intelligence (Технички извештај). IDSIA. arXiv:0706.3639 . 07-07.
Lenat, Douglas; Guha, R. V. (1989). Building Large Knowledge-Based Systems. Addison-Wesley. ISBN 0-201-51752-3.
Lighthill, James (1973). „Artificial Intelligence: A General Survey”. Artificial Intelligence: a paper symposium. Science Research Council.
Lucas, John (1961). „Minds, Machines and Gödel”. Ур.: Anderson, A.R. Minds and Machines. Архивирано из оригинала 19. 8. 2007. г. Приступљено 30. 8. 2007.
Lungarella, M.; Metta, G.; Pfeifer, R.; Sandini, G. (2003). „Developmental robotics: a survey”. Connection Science. 15: 151—190. CiteSeerX 10.1.1.83.7615 . doi:10.1080/09540090310001655110.
Markoff, John (16. 2. 2011). „Computer Wins on 'Jeopardy!': Trivial, It's Not”. The New York Times. Приступљено 25. 10. 2014.
McCarthy, John; Minsky, Marvin; Rochester, Nathan; Shannon, Claude (1955). „A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence”. Архивирано из оригинала 26. 8. 2007. г. Приступљено 30. 8. 2007. .
McCarthy, John; Hayes, P. J. (1969). „Some philosophical problems from the standpoint of artificial intelligence”. Machine Intelligence. 4: 463—502. Архивирано из оригинала 10. 8. 2007. г. Приступљено 30. 8. 2007.
McCarthy, John (12. 11. 2007). „What Is Artificial Intelligence?”.
Minsky, Marvin (1967). Computation: Finite and Infinite Machines. Englewood Cliffs, N.J.: Prentice-Hall. ISBN 0-13-165449-7.
Minsky, Marvin (2006). The Emotion Machine. New York, NY: Simon & Schusterl. ISBN 0-7432-7663-9.
Moravec, Hans (1988). Mind Children. Harvard University Press. ISBN 0-674-57616-0.
Norvig, Peter (25. 6. 2012). „On Chomsky and the Two Cultures of Statistical Learning”. Peter Norvig. Архивирано из оригинала 19. 10. 2014. г.
NRC (United States National Research Council) (1999). „Developments in Artificial Intelligence”. Funding a Revolution: Government Support for Computing Research. National Academy Press.
Needham, Joseph (1986). Science and Civilization in China: Volume 2. Caves Books Ltd.
Newell, Allen; Simon, H. A. (1976). „Computer Science as Empirical Inquiry: Symbols and Search”. Communications of the ACM. 19 (3): 113—126. doi:10.1145/360018.360022. Архивирано из оригинала 7. 10. 2008. г. .
Nilsson, Nils (1983). „Artificial Intelligence Prepares for 2001” (PDF). AI Magazine. 1 (1). Presidential Address to the Association for the Advancement of Artificial Intelligence.
O'Brien, James; Marakas, George (2011). Management Information Systems (10th изд.). McGraw-Hill/Irwin. ISBN 978-0-07-337681-3.
O'Connor, Kathleen Malone (1994). „The alchemical creation of life (takwin) and other concepts of Genesis in medieval Islam”. University of Pennsylvania.
Oudeyer, P-Y. (2010). „On the impact of robotics in behavioral and cognitive sciences: from insect navigation to human cognitive development” (PDF). IEEE Transactions on Autonomous Mental Development. 2 (1): 2—16. doi:10.1109/tamd.2009.2039057.
Penrose, Roger (1989). The Emperor's New Mind: Concerning Computer, Minds and The Laws of Physics. Oxford University Press. ISBN 0-19-851973-7.
Picard, Rosalind (1995). Affective Computing (PDF) (Технички извештај). MIT. 321. Генерални сажетак – Abstract.
Poli, R.; Langdon, W. B.; McPhee, N. F. (2008). A Field Guide to Genetic Programming. Lulu.com. ISBN 978-1-4092-0073-4 — преко gp-field-guide.org.uk.
Rajani, Sandeep (2011). „Artificial Intelligence – Man or Machine” (PDF). International Journal of Information Technology and Knowledge Management. 4 (1): 173—176.
Searle, John (1980). „Minds, Brains and Programs”. Behavioral and Brain Sciences. 3 (3): 417—457. doi:10.1017/S0140525X00005756.
Searle, John (1999). Mind, language and society. New York, NY: Basic Books. ISBN 0-465-04521-9. OCLC 231867665.
Shapiro, Stuart C. (1992). „Artificial Intelligence”. Ур.: Shapiro, Stuart C. Encyclopedia of Artificial Intelligence (PDF) (2nd изд.). New York: John Wiley. стр. 54—57. ISBN 0-471-50306-1.
Simon, H. A. (1965). The Shape of Automation for Men and Management. New York: Harper & Row.
Skillings, Jonathan (3. 7. 2006). „Getting Machines to Think Like Us”. cnet. Приступљено 3. 2. 2011.
Solomonoff, Ray (1956). An Inductive Inference Machine (PDF). Dartmouth Summer Research Conference on Artificial Intelligence — преко std.com, pdf scanned copy of the original. Later published as
Solomonoff, Ray (1957). „An Inductive Inference Machine”. IRE Convention Record. Section on Information Theory, part 2. стр. 56—62.
Tao, Jianhua; Tan, Tieniu (2005). Affective Computing and Intelligent Interaction. Affective Computing: A Review. LNCS 3784. Springer. стр. 981—995. doi:10.1007/11573548.
Tecuci, Gheorghe (2012). „Artificial Intelligence”. Wiley Interdisciplinary Reviews: Computational Statistics. Wiley. 4 (2): 168—180. doi:10.1002/wics.200.
Thro, Ellen (1993). Robotics: The Marriage of Computers and Machines. New York: Facts on File. ISBN 978-0-8160-2628-9.
Turing, Alan (октобар 1950), „Computing Machinery and Intelligence”, Mind, LIX (236): 433—460, ISSN 0026-4423, doi:10.1093/mind/LIX.236.433 .
van der Walt, Christiaan; Bernard, Etienne (2006). „Data characteristics that determine classifier performance” (PDF). Приступљено 5. 8. 2009.
Vinge, Vernor (1993). „The Coming Technological Singularity: How to Survive in the Post-Human Era”.
Wason, P. C.; Shapiro, D. (1966). „Reasoning”. Ур.: Foss, B. M. New horizons in psychology. Harmondsworth: Penguin.
Weizenbaum, Joseph (1976). Computer Power and Human Reason. San Francisco: W.H. Freeman & Company. ISBN 0-7167-0464-1.
Weng, J.; McClelland; Pentland, A.; Sporns, O.; Stockman, I.; Sur, M.; Thelen, E. (2001). „Autonomous mental development by robots and animals” (PDF). Science. 291: 599—600. doi:10.1126/science.291.5504.599 — преко msu.edu.
„Applications of AI”. www-formal.stanford.edu. Приступљено 2016-09-25.