Εισαγωγή

Αν και η Τεχνητή Νοημοσύνη-ΤΝ (Artificial Intelligence-AI) τυπικά διατυπώθηκε ως όρος για πρώτη φορά στο Dartmouth College το 1956, σε συνέδριο ερευνητών από τους χώρους των Μαθηματικών, της Ηλεκτρονικής και της Ψυχολογίας για τη μελέτη δυνατοτήτων χρήσης των υπολογιστών ως προς την προσομοίωση της ανθρώπινης νοημοσύνης (McCarthy, Allen Newell, Herbert Simon και Marvin Minsky), στην πραγματικότητα ως έννοια είχε ήδη κάνει την εμφάνισή της το 1950, σε μελέτη του Άλαν Τούρινγκ (1912-1954), στην οποία ο φημισμένος Άγγλος μαθηματικός έθετε το ερώτημα: «Μπορούν οι μηχανές να σκεφτούν;». Βεβαίως, το ερώτημα του Τούρινγκ, το οποίο ακόμη δεν μπορεί να απαντηθεί με βεβαιότητα, και εν γένει η μελέτη της ανθρώπινης νοημοσύνης, απασχολούν τον άνθρωπο ήδη από τις απαρχές της ιστορίας τόσο στη φιλοσοφία με κυριότερο εκπρόσωπο τον Καρτέσιο (1596–1650) όσο και στη λογοτεχνία, με καλύτερα δείγματα τον Πυγμαλίωνα του Τζωρτζ Μπέρναρντ Σω και τον Δόκτορα Φρανκεστάιν της Μαίρης Σέλλεϋ. Εξάλλου, αρκετά λογοτεχνικά κείμενα του ’60 αντικατοπτρίζουν τις φιλοδοξίες των πρώτων ερευνητών της ΤΝ (λ.χ. το 2001: Η Οδύσσεια του Διαστήματος του Άρθουρ Κλαρκ).

Τεστ Τούρινγκ

Ο Τούρινγκ θεώρησε ότι η ερώτηση που έθεσε ήταν αρκετά αόριστη και ως εναλλακτική λύση πρότεινε ένα παιχνίδι μίμησης που έμεινε στην ιστορία της Πληροφορικής ως τεστ Τούρινγκ (Turing test). Στο εν λόγω παιχνίδι παίρνουν μέρος ένας «ανακριτής», ένα φυσικό πρόσωπο και μία υπολογιστική μηχανή. Ο ανακριτής βρίσκεται σε διαφορετικό χώρο από το φυσικό πρόσωπο και τη μηχανή, τους απευθύνει μια σειρά ερωτήσεων και δέχεται τις απαντήσεις με τέτοιο τρόπο, ώστε να είναι αδύνατο να αντιληφθεί ποιος από τους άλλους δύο του απαντά κάθε φορά.

Εικόνα 1 Τεστ Τούρινγκ 1

Από τον τρόπο με τον οποίο δόθηκε η απάντηση ο ανακριτής οφείλει να συμπεράνει σωστά, αν αυτός που απάντησε ήταν το πρόσωπο ή η μηχανή. Το 1950, στην εργασία του Computing Machinery and Intelligence2 ο Τούρινγκ έγραφε ότι έως το έτος 2000 θα υπάρχουν τόσο έξυπνες μηχανές, ώστε η πιθανότητα ο ανακριτής να κάνει λάθος, να θεωρήσει, δηλαδή, πως η απάντηση που έλαβε στην ερώτησή του προέρχεται από ένα φυσικό πρόσωπο, ενώ στην πραγματικότητα προέρχεται από μηχανή, θα είναι μεγαλύτερη του 30%.

Μπορεί η πρόβλεψη του Τούρινγκ να μην επαληθεύθηκε τη χρονολογία που αναφέρεται, αλλά σίγουρα μεταξύ μιας μεγάλης μερίδας ερευνητών του κλάδου της ΤΝ επικρατεί η άποψη ότι ο επιζητούμενος στόχος δεν είναι ανέφικτος, δεδομένης της προόδου της επιστήμης της Πληροφορικής.

Προς την κατεύθυνση αυτή έχουν δημιουργηθεί διαγωνισμοί βασισμένοι στο τεστ Τούρινγκ, με πιο γνωστό το Loebner Prize in Artificial Intelligence3.

Ο προγραμματισμός ενός υπολογιστή, ώστε να υποβληθεί σε παρόμοια τεστ, απαιτεί τη συμμετοχή αρκετών επιστημονικών πεδίων, όπως είναι η επεξεργασία φυσικής γλώσσας, η αναπαράσταση γνώσης και η αυτοματοποιημένη συλλογιστική. Μία επέκταση του τεστ (πλήρες τεστ Τούρινγκ) περιλαμβάνει και την αναγνώριση εικόνων και αντικειμένων με τη συμμετοχή και άλλων δύο επιστημονικών πεδίων, της μηχανικής όρασης (machine vision) και της ρομποτικής (robotics).

Εικόνα 2 Το chatbot Eugene Goostman που πέρασε το Τεστ Τούρινγκ το 2014

Τον Ιούνιο του 2014, για πρώτη φορά ένα πρόγραμμα υπολογιστή, το Eugene Goostman, μετά από πολλές συμμετοχές σε αντίστοιχους διαγωνισμούς, πέρασε το πλήρες τεστ Τούρινγκ του 2014 που πραγματοποιήθηκε στη φημισμένη Royal Society του Λονδίνου4, αφού κατάφερε να ξεγελάσει το 33% των κριτών (Schofield, 2014).

Ορισμός ΤΝ

Στο ερώτημα «Τι είναι Τεχνητή Νοημοσύνη;» οι ερευνητές του χώρου δίνουν πολλές διαφορετικές απαντήσεις, φαινόμενο που δεν απαντά σε άλλους επιστημονικούς χώρους, όπως η Φυσική, η Χημεία, η Ιατρική κ.ά. Ωστόσο, όλοι φαίνεται να συμφωνούν πως η ΤΝ είναι επιστήμη και όχι απλώς ένας κλάδος της τεχνολογίας λογισμικού.

Κατά τον Patrick Winston (1992), διευθυντής του εργαστηρίου ΤΝ του Πανεπιστημίου ΜΙΤ, πρωταρχικός σκοπός της ΤΝ είναι «να κάνει τις μηχανές πιο έξυπνες»˙ σε αυτό συμφωνούν οι περισσότεροι από τους ερευνητές που αντιμετωπίζουν την ΤΝ ως αναζήτηση μεθόδων οι οποίες θα κάνουν τους ηλεκτρονικούς υπολογιστές πιο έξυπνους και, συνεπώς, πιο χρήσιμους από όσο είναι σήμερα .

Όμως η ΤΝ έχει και πρακτικούς και επιστημονικούς στόχους.

Οι πρακτικοί στόχοι αποβλέπουν στο να επιλυθούν πραγματικά προβλήματα της ανθρώπινης επιβίωσης, με τη χρήση ιδεών της ΤΝ σχετικών με την αναπαράσταση και τη χρήση της απαραίτητης γνώσης. Ένας καλά διατυπωμένος ορισμός, που καλύπτει τους πρακτικούς στόχους της ΤΝ και, πιο συγκεκριμένα, του κλάδου της ΤΝ που καλείται Υπολογιστική Τεχνητή Νοημοσύνη, είναι ο ακόλουθος:

«Τεχνητή Νοημοσύνη είναι εκείνος ο κλάδος της επιστήμης των υπολογιστών που ασχολείται με το σχεδιασμό ευφυών υπολογιστικών συστημάτων, δηλαδή συστημάτων με χαρακτηριστικά τα οποία σχετίζονται με την ευφυΐα στην ανθρώπινη συμπεριφορά (μάθηση, αιτίαση, επίλυση προβλημάτων, κατανόηση φυσικής γλώσσας, αναγνώριση αντικειμένων κτλ.).»

Παρόμοιος είναι και ο ακόλουθος ορισμός:

«Τεχνητή Νοημοσύνη είναι η μελέτη τού πώς να κάνουμε τους υπολογιστές ικανούς να κάνουν πράγματα στα οποία προς το παρόν οι άνθρωποι τα καταφέρνουν καλύτερα» (Rich & Knight, 1990).

Οι επιστημονικοί στόχοι αποβλέπουν στο να καθοριστούν ποιες από τις υπάρχουσες ιδέες περί αναπαράστασης και χρήσης της γνώσης είναι σε θέση να δώσουν απαντήσεις στο αιώνιο φιλοσοφικό ερώτημα:

«τι είναι ευφυΐα και πώς αυτή εκφράζεται;»

Τα μοντέλα που χρησιμοποιεί η ΤΝ, με βάση οποιονδήποτε από τους δυο παραπάνω ορισμούς, στηρίζονται στη χρήση πολύπλοκων ηλεκτρονικών συστημάτων ως μέσου υλοποίησης. Το φαινόμενο αυτό εξηγείται βάσει της θεμελιώδους παράδοσης της δυτικής φιλοσοφίας ότι η νοητική ικανότητα (σκέψη) του ανθρώπου είναι στην ουσία ένας λογικός χειρισμός νοητικών συμβόλων, δηλαδή ιδεών. Ο ηλεκτρονικός υπολογιστής, σε αντίθεση με άλλα μηχανικά κατασκευάσματα (π.χ. ρολόι), μπορεί να χειριστεί σύμβολα σε μορφή «χαρακτήρων», αφού πρώτα προγραμματιστεί κατάλληλα. Σύμφωνα με τη θεωρία χειρισμού συμβόλων, η νοημοσύνη εξαρτάται μόνο από την οργάνωση ενός συστήματος και τη λειτουργία του ως χειριστή συμβόλων και όχι από το υλικό κατασκευής των συμβόλων ή την ακριβή μορφή τους. Συνάγεται, λοιπόν, το συμπέρασμα πως η σύγχρονη τεχνολογία των υπολογιστών είναι προς το παρόν η αρμόζουσα, ώστε αυτοί να αποτελέσουν μοντέλα με δυνατότητες επίδειξης κάποιας μορφής τεχνητής νοημοσύνης. Ωστόσο, τίποτα δεν αποκλείει στο μέλλον κάποια άλλη τεχνολογία να αποδειχθεί καταλληλότερη για τον παραπάνω σκοπό.

Η παραπάνω θεώρηση οδηγεί στον ορισμό της λεγόμενης συμβολικής Τεχνητής Νοημοσύνης (symbolic Artificial Intelligence):

«Συμβολική Τεχνητή Νοημοσύνη είναι η επιστήμη που μελετά τη φύση της ανθρώπινης νοημοσύνης και στη συνέχεια τον τρόπο αναπαραγωγής της σε υπολογιστές με τη χρήση συμβόλων».

Το αντικείμενο της έρευνας στο χώρο της συμβολικής TN είναι η μελέτη των ανθρώπινων διαδικασιών σκέψης (νοημοσύνη, ευφυΐα, εμπειρία), στις οποίες θα αναφερθούμε εκτενέστερα παρακάτω, και των τρόπων αναπαράστασής τους μέσω μηχανών (ηλεκτρονικών υπολογιστών, ρομπότ κτλ.). Δεν αρκούν όμως μόνο οι μεθοδολογίες της επιστήμης των υπολογιστών. Καθοριστικά συμβάλλουν τόσο η ανάλυση όσο και διερεύνηση της ανθρώπινης ευφυούς συμπεριφοράς στην επίλυση προβλημάτων, τη χρήση και την κατανόηση της φυσικής γλώσσας και σε πολλούς άλλους χώρους, στους οποίους μπορούν να συνεισφέρουν σημαντική γνώση και άλλες επιστήμες, ιδιαίτερα η Ψυχολογία, η Γλωσσολογία και η Φιλοσοφία της Νόησης, οι οποίες σχετίζονται στενά με τις αφηρημένες αρχές της νοητικής οργάνωσης.

Το σύνολο των επιστημών που αναφέρονται στο σχήμα 1 αποτελούν πλέον τον ενοποιημένο γνωστικό κλάδο της Γνωστικής ή Γνωσιακής Επιστήμης (Cognitive Science), με πεδίο μελέτης τη γνωστική ικανότητα της ευφυΐας και της νόησης, δηλαδή το χειρισμό των συμβόλων. Βασικό εργαλείο της σχετικά νέας αυτής επιστήμης είναι προς το παρόν ο υπολογιστής, που θα μπορούσαμε ευφυολογώντας να παρομοιάσουμε με εργαστήρι, μέσα στο οποίο αναπτύσσονται οι σκέψεις σχετικά με τη σκέψη!

Σχήμα 1 Η σχέση της ΤΝ με τις άλλες σχετικές επιστήμες στον ευρύτερο χώρο της Γνωστικής Επιστήμης

Από την πλευρά της, η ΤΝ μπορεί να προσφέρει στο χώρο της Γνωστικής Επιστήμης μεθοδολογίες ανάπτυξης υπολογιστικών συστημάτων που υλοποιούν ή ακόμα δίνουν και λύσεις σε θεωρητικά μοντέλα απαραίτητα για την προώθηση της έρευνας και τη διαμόρφωση νέων θεωριών σχετικά με τη λειτουργία της ανθρώπινης νόησης. Δηλαδή, η ΤΝ ρίχνει νέο φως σε παραδοσιακά ερωτήματα των ψυχολόγων, γλωσσολόγων και φιλοσόφων.

Με βάση τα παραπάνω, ένας πληρέστερος ορισμός της ΤΝ είναι ο ακόλουθος:

«Τεχνητή Νοημοσύνη είναι η επιστήμη που επιδιώκει να κατασκευάσει μηχανές οι οποίες όχι μόνο θα επιδεικνύουν ανθρώπινη συμπεριφορά, αλλά θα μπορούν, επίσης, να προσαρμόζονται στο περιβάλλον τους με τρόπο παρόμοιο με αυτόν των ανθρώπων».

Υπολογιστική Νοημοσύνη

Ο όρος Τεχνητή Νοημοσύνη (ΤΝ) είναι γενικός, υπό την έννοια ότι υποδηλοί κάθε είδος μη βιολογικής νοημοσύνης . Ο συγγενής όρος Υπολογιστική Νοημοσύνη-ΥΝ (Computational Intelligence-CI), που αφορά τον κλάδο της TN με πρακτικούς στόχους, υποδηλοί κάθε είδος μη βιολογικής νοημοσύνης που μπορεί να εκδηλωθεί με υπολογιστικές διαδικασίες. Αποδεκτός ορισμός για την ΥΝ είναι ο ακόλουθος:

«Υπολογιστική Νοημοσύνη είναι ο επιστημονικός χώρος που προσφέρει τις τεχνικές για την επίλυση δύσκολων προβλημάτων, με τη μηχανή να μιμείται απλώς, βιολογικές διεργασίες, χωρίς να είναι απαραίτητο να επιδεικνύει γενική νοημοσύνη. ».

Ο όρος χρησιμοποιήθηκε για πρώτη φορά από τον J. Bezdek (1992) στο επιστημονικό περιοδικό International Journal of Approximate Reasoning. Σε άρθρο του που αφορούσε τα τεχνητά νευρωνικά δίκτυα, ο Bezdek εισήγαγε τον όρο ABCs για να αποσαφηνίσει τα παρακάτω:

 

A = Artificial : Non - Biological (Man-Made)

B = Biological : Physical + Chemical + (??) = Organic

C = Computational : Mathematics + Man-Made Machines

 

Ο R. Marks (1993) ανέφερε για τη σχέση της ΥΝ και της ΤΝ:

«Παρόλο που επιδιώκουν παρόμοιους στόχους, η Υπολογιστική Νοημοσύνη αναδύθηκε ως ένας ανεξάρτητος κλάδος, του οποίου το ερευνητικό πεδίο είναι κάπως διαφορετικό από αυτό της Τεχνητής Νοημοσύνης».

Η ΥΝ χαρακτηρίζεται κυρίως από ορισμένες σημαντικές ιδιότητες, που είναι χαρακτηριστικά συστημάτων που χρησιμοποιούν τεχνικές μηχανικής μάθησης, όπως:

Αρχικά η ΥΝ χρησιμοποιήθηκε σε εφαρμογές αναγνώρισης εικόνας (pattern recognition). Σήμερα χαρακτηρίζει εφαρμογές (ενδεικτικά):

Ιστορική Εξέλιξη της Τεχνητής Νοημοσύνης

Οι απαρχές της Τεχνητής Νοημοσύνης ανάγονται στους «συλλογισμούς» του Αριστοτέλη (384-322 π.Χ.), οι οποίοι παρείχαν πρότυπα εκφράσεων που έδιναν πάντα σωστά συμπεράσματα από σωστές υποθέσεις (Αριστοτέλεια συλλογιστική). Στους νεώτερους χρόνους, οι πρώτες σημαντικές στιγμές είναι το 1854, οπότε ο George Boole έθεσε τις βάσεις της προτασιακής λογικής, και το 1879, οπότε ο Gottlob Frege πρότεινε ένα σύστηµα αυτοµατοποιηµένης συλλογιστικής και έθεσε τις βάσεις του κατηγορηματικού λογισµού (predicate calculus).

Οι σημαντικές ημερομηνίες στην ιστορία της ΤΝ είναι:

1943-56

Η γέννηση της Τεχνητής Νοημοσύνης

1943

Οι McCulloch και Pitts προτείνουν ένα μοντέλο τεχνητών νευρώνων που έχει τη δυνατότητα να μαθαίνει και να υπολογίζει κάθε υπολογίσιμη συνάρτηση.

1950

Ο Alan Turing, που θεωρείται ο πατέρας της ΤΝ, εμπνέεται το τεστ της μίμησης (τεστ Τούρινγκ) για την αναγνώριση ευφυών μηχανών.

1951

Οι Minsky και Edmonts υλοποιούν το πρώτο νευρωνικό δίκτυο, το SNARC (Stochastic Neural Analog Reinforcement Calculator), το οποίο έχει 40 νευρώνες και χρησιμοποιεί 3000 λυχνίες.

1956-70

Πρώτη Φάση ανάπτυξης της Τεχνητής Νοημοσύνης

1956

Συνάντηση στο Dartmouth College ερευνητών από το χώρο των Μαθηματικών, της Ηλεκτρονικής και Ψυχολογίας (McCarthy, Allen Newell, Herbert Simon, Marvin Minsky) με κοινό στόχο τη μελέτη δυνατοτήτων χρήσης των υπολογιστών για την προσομοίωση της ανθρώπινης νοημοσύνης.

1958

Δημιουργία της γλώσσας Lisp από τον McCarthy.

1966

Μετά από έρευνα γύρω από την κατανόηση γλώσσας και την αντίληψη μηχανής, ο Weizenbaum δημιουργεί το ELIZA.

1970-80

Ωρίμαση της συμβολικής και υπολογιστικής Τεχνητής Νοημοσύνης.

1977

Δημιουργία των πρώτων εμπείρων συστημάτων: DENDRAL (1971), MYCIN (1975), Prospector (1977).

1972

α. Οι Colmerauer και Roussel από το Πανεπιστήμιο της Μασσαλίας σε συνεργασία με τον R. Kowalski από το Πανεπιστήμιο του Εδιμβούργου καταλήγουν στη δημιουργία της γλώσσας λογικού προγραμματισμού PROLOG.

β. Ο Winograd εμβαθύνει στην κατανόηση φυσικής γλώσσας.

1975 &1977

Ο M. Minsky δημοσιεύει κεφάλαια περί αναπαράστασης της γνώσης σε βιβλία.

1976

Οι Newell & Simon υποστηρίζουν την υπόθεση ότι ένα φυσικό συμβολικό σύστημα διαθέτει τα απαραίτητα χαρακτηριστικά για νοήμονες ενέργειες.

1970 -

Ανάπτυξη εξελικτικών αλγορίθμων.

Εκδίδονται βιβλία με μελέτες:

1973

του Rechenberg για τη βελτιστοποίηση των τεχνικών συστημάτων και τις αρχές της βιολογικής εξέλιξης.

1975

του Holland για την προσαρμοστικότητα στα φυσικά και τεχνητά συστήματα.

1992

του Koza, για το Γενετικό Προγραμματισμό (Genetic Programming).

1995

του Fogel για τον Εξελικτικό Υπολογισμό (Evolutionary Computation).

1980-90

Αναγέννηση των Τεχνητών Νευρωνικών Δικτύων.

1986

Οι Rumelhart and McClelland περιγράφουν τη δημιουργία προσομοιώσεων της αντίληψης στον υπολογιστή.

1987

1ο Διεθνές Συνέδριο για τα Νευρωνικά Δίκτυα του IEEE (Institute of Electrical and Electronics Engineers).

1960 -

Αντιμετώπιση της ασάφειας στη γνώση.

1965 &1968

Πρώτος ο Zadeh εισάγει τους όρους «Ασαφή Σύνολα» (Fuzzy Sets, 1965) και «Ασαφείς Αλγόριθμοι» (Fuzzy Algorithms, 1968).

1983

Ο Sugeno διατυπώνει την «Ασαφή Θεωρία».

1992

1ο Συνέδριο του ΙΕΕΕ για τα Ασαφή Σύνολα.

1990 -

Δημιουργία αφενός υπολογιστικών συστημάτων και μηχανών που βασίζονται σε αρχές της ΤΝ και τα οποία παρουσιάζουν τάσεις προσαρμογής στο περιβάλλον τους (π.χ. ρομπότ) και αφετέρου εφαρμογών που τείνουν να «μαθαίνουν» από την εμπειρία τους: Νοήμονες πράκτορες, Μηχανές Αναζήτησης στο διαδίκτυο, Περιρρέουσα Νοημοσύνη.

Η έρευνα στο χώρο της ΤΝ

Παρότι από την ίδρυση του κλάδου της ΤΝ έχουν περάσει περισσότερα από πενήντα χρόνια αδιάλειπτα έντονης ερευνητικής δραστηριότητας που έχει αποφέρει καρπούς, με αποτέλεσμα να έχει αλλάξει τεχνολογικά ο σύγχρονος κόσμος, ο χώρος εξακολουθεί να προσφέρει ερευνητικές προκλήσεις, με κεντρικό στόχο τη δημιουργία όλο και πιο ευφυών μηχανών. Το παρακάτω σχήμα παρουσιάζει τα τρία στρώματα στα οποία θα μπορούσε να χωριστεί ο χώρος της βασικής έρευνας που αφορά την ΤΝ.

Σχήμα 2 Τα τρία στρώματα της έρευνας στο χώρο της ΤΝ

Στον πίνακα που ακολουθεί παρουσιάζονται οι σημαντικότεροι ερευνητικοί χώροι της Τεχνητής Νοημοσύνης σήμερα.

Πίνακας 1 Ερευνητικοί χώροι στο χώρο της ΤΝ

Με την εξάπλωση του διαδικτύου και τον μεγάλο όγκο πληροφοριών αποθηκευμένων εκεί, έχει αναπτυχθεί πληθώρα συστημάτων βασισμένων σε τεχνικές της ΤΝ και, ιδιαίτερα, υβριδικών συστημάτων μηχανικής μάθησης, που συνδυάζουν έμπειρα συστήματα με ασαφή λογική, νευρωνικά δίκτυα και γενετικούς αλγορίθμους. Γνωστά τέτοια συστήματα είναι οι νοήμονες πράκτορες (intelligent agents), οι μηχανές ευφυούς αναζήτησης (intelligent search machines), τα συστήματα εξόρυξης δεδομένων (data mining systems), τα συμβουλευτικά συστήματα (recommender systems) και τα συστήματα περιρρέουσας νοημοσύνης (ambient intelligence systems).

Σχήμα 3 Βασικά στάδια εξέλιξης της ΤΝ

Για να είναι αποτελεσματικά τα παραπάνω συστήματα, νέες μέθοδοι αναπαράστασης γνώσης έχουν καθιερωθεί, όπως είναι τα σημασιολογικά δίκτυα και οι οντολογίες.

Τεχνητή και Περιρρέουσα Νοημοσύνη

Το όραμα της εξέλιξης της κοινωνίας της γνώσης, όπου δίνεται έμφαση στη μεγαλύτερη φιλικότητα των υπολογιστικών συστημάτων προς τον χρήστη, την υποστήριξη πιο αποτελεσματικών υπηρεσιών, την ενδυνάμωση του χρήστη και την υποστήριξη αλληλεπιδράσεων μεταξύ μηχανών και ανθρώπων, φαίνεται να γίνεται πραγματικότητα μέσω των εφαρμογών της Περιρρέουσας Νοημοσύνης (Ambient Intelligence-Aml)∙ οι άνθρωποι περιβάλλονται από ευφυείς διεπαφές χρήσης (intelligent intuitive interfaces), που είναι ενσωματωμένες σε όλα τα καθημερινά αντικείμενα.

Σχήμα 4 Αλληλεπίδραση με αντικείμενα σε περιβάλλον Περιρρέουσας Νοημοσύνης 5

Το περιβάλλον Περιρρέουσας Νοημοσύνης είναι σε θέση να αναγνωρίζει την παρουσία κάθε ανθρώπου και να προσαρμόζεται σε αυτήν, αλλά οι άνθρωποι δεν συνειδητοποιούν πως βρίσκονται σε υπολογιστικό περιβάλλον∙ η Περιρρέουσα Νοημοσύνη είναι συνήθως «αόρατη». Δηλαδή, η έμφαση δίνεται στην ευκολία χρήσης και στην υποστήριξη και ενδυνάμωση της αλληλεπίδρασης των ανθρώπων με το περιβάλλον (Ducatel κ.ά. , 2001). Η Περιρρέουσα Νοημοσύνη έχει δύο επίπεδα, το λειτουργικό και το νοήμον:

Σχήμα 5 Το περιβάλλον της Aml6

Σύγχρονες εφαρμογές της ΤΝ

Οι εφαρμογές που παρουσιάζουν το μεγαλύτερο ενδιαφέρον στη σύγχρονη Τεχνητή Νοημοσύνη είναι αυτές που ενδιαφέρουν το χώρο της Γνωστικής Επιστήμης και έχουν σχέση με τη μάθηση, οι εφαρμογές ρομποτικής και οι εφαρμογές φυσικών διεπαφών.

Σχήμα 6 Τομείς σύγχρονων εφαρμογών ΤΝ

Στις εφαρμογές Γνωστικής Επιστήμης συγκαταλέγονται εφαρμογές εμπείρων συστημάτων, προσαρμοστικά ευφυή περιβάλλοντα μάθησης, συστήματα που διαχειρίζονται ασαφή λογική, εφαρμογές που υποστηρίζονται από συστήματα μηχανικής μάθησης, όπως τα νευρωνικά δίκτυα και οι γενετικοί αλγόριθμοι, καθώς και ευφυείς πράκτορες.

Η κατηγορία των ρομποτικών εφαρμογών αφορά μηχανές που έχουν ικανότητες οπτικής αντίληψης, αφής, επιδεξιότητας, μετακίνησης μελών και πλοήγησης στο χώρο.

Τέλος, στην τρίτη κατηγορία ανήκουν οι εφαρμογές που μπορούν να επικοινωνούν με φυσική γλώσσα, με αναγνώριση φωνής και τα περιβάλλοντα διεπαφής τους μπορούν να διαθέτουν πολλαπλούς αισθητήρες δημιουργώντας την αίσθηση περιρρέουσας νοημοσύνης. Στην κατηγορία αυτή ανήκουν όλα τα περιβάλλοντα εικονικής πραγματικότητας.