Inteligence a umělá inteligence

Napsáno admin on Říjen 2nd, 2008

Úvod

Ačkoli pojem inteligence běžně používáme k označení některých lidských vlast-ností, nejsme schopni jednoznačně vyjádřit nebo dokonce definovat, co vše tento pojem obsahuje, které lidské činnosti máme či nemáme považovat za projevy inteligence. Někdo mezi projevy inteligence (v tomto případě přirozené) zahrnuje schopnosti přizpůsobovat se, učit se, jiní ztotožňují tuto vlastnost se schopností účelně využívat paměť nebo pocho-pit situaci, předvídat důsledky svých rozhodnutí a podobně. Obtížnost přesnějšího vyme-zení obsahu pojmu inteligence vyplývá zřejmě z toho, že projevy živé hmoty jsou pro-duktem jejího milióny let trvajícího vývoje. Od první buňky, která byla předchůdcem lidí se neustále zdokonalovala a přizpůsobovala genetická informace, která se přenášela na nové druhy. U humanoidů začínáme mluvit o inteligenci, která je odlišuje od ostatních fo-rem života. Lidská inteligence je podle mého názoru současný stav našeho neurálního (daného sumou našich zážitků) a genetického potenciálu, který v současné době reprezen-tuje vrchol evoluce na Zemi.
Čím je naše inteligentní chování odlišné od chování zvířat a čím se odlišuje od napodobování inteligentního chování stroji? Se zvířaty má lidská inteligence hodně společného. Především je to mechanismus učení se. Myš se naučí cestu k sýru bludištěm a pes se naučí co má dělat, když chce vyvenčit. Zvíře se naučí jednoduchým asociacím, co ale nezvládou jsou obtížnější myšlenkové operace, jako používání složitějších analogií a implikací. Říkáme, že se řídí podle pudů, které motivují jeho chování, takže se vlastně nemůžou rozhodovat. Nemůžou například zvolit sebevraždu, protože to odporuje jejich prioritnímu pudu sebezáchovy. Výjimku můžeme pozorovat u kytovců, kterým je přisuzována vyšší inteligence, než ostatním zvířatům. Dokonce bylo prokázáno (Johnem Lillym), že delfíni mají něco jako svoji „řeč“. Čím se odlišuje jejich inteligence od naši není předmětem této práce, myslím, že to ještě není dobře prozkoumáno.
Počítač vedle toho nejvíce handicapuje způsob vnímání, tedy poznávání našeho světa a učení se jeho zákonitostem. Snažíme se donutit binární počítače myslet jako “ana-logoví” lidé, což není podle mého názoru u dosavadních počítačů prakticky proveditelné. Touto otázkou se budu zabývat v podstatné části této práce. Dosavadním počítačům musíme předávat přesně naformulované znalosti a algoritmy a využíváme rychlosti jejich zpracování. Aby se ale o počítač dalo hovořit jako o systému umělé inteligence, je nutné implementovat, aby mohl pracovat pouze s přibližnými informacemi a během svého „ži-vota“ mohl tyto informace, stejně tak jako algoritmy, přizpůsobovat. Toto je možné pou-žitím neuronových sítí, o kterých bude zmínka později.

Inteligence

Než se pokusíme teoretizovat umělou inteligenci, měli bychom si uvědomit, co to inteligence a umělá inteligence vůbec je. Marvin Minski z MIT tvrdí, že „… umělá inteli-gence je věda o vytváření strojů nebo systémů, které budou při řešení určitého úkolu uží-vat takového postupu, který – kdyby ho dělal člověk – bychom považovali za projev jeho inteligence.“ [2] Tato, asi nejznámějsí definice umělé inteligence, má mnoho společného s Turingovým testem. Ten prohlašuje systém za inteligentní, pokud člověk na vzdáleném terminálu nepozná, že vede dialog se strojem, ale myslí si, že mluví s člověkem. Schop-nosti počítačů jsou v tomto testu definovány v přímé konfrontaci se schopnostmi člověka. Této definice bych vytknul, že záleží na míře znalostí a inteligence testujícího člověka, stejně jako na jeho jazykovém vybavení. Programátor by určitě svůj výtvor “nachytal”, nehledě na to, že se jedná jen o způsob, jak napodobit inteligenci tak, aby stroj obalamuti-la člověka. Ve [3] se tvrdí: „ Nejzávažnější námitkou proti Turingovu testu je, že měří schopnost počítače simulovat myšlení, ale nic nevypovídá o vlastní inteligenci počítače; kromě výsledného efektu by se měla posuzovat i inteligence způsobu řešení dané úlohy. Inteligence je tímto testem redukována na pouhou schopnost přesvědčivě lhát. V tomto smyslu je i Minského definice umělé inteligence zaměřena příliš jednostranně. “ Otázkou zůstává, co je to inteligence způsobu řešení dané úlohy, od kdy mluvíme o inteligentním řešení. Určitě to není procházení všech postupů a jejich zkoušení, spíše použití nejvhod-nějšího z postupů pro daný případ, o kterém jsme se dříve přesvědčili, že vede ke správ-ným výsledkům.
Dále mě zaujal Searleho argument čínského pokoje, jehož cílem bylo vyvrátit se-strojitelnost umělého mozku, či spíše dokázat, že splnění Turingova testu ještě zdaleka nic nevypovídá o tom zda se systém chová inteligentně. Udělejme myšlenkový pokus: Searl, jenž nerozumí ani slovo čínsky se usadí v uzavřené místnosti plné knih, a návodů jak reagovat na jakoukoliv otázku v čínštině. Dejme tomu že v libovolném okamžiku, když dostane Searl vzkaz napsaný čínsky, dokáže pomocí knih a návodů zareagovat v čínštině. Není problém si představit konverzaci s Číňanem stojícím před pokojem a strkajícím si papírky na relativně velmi omezené téma. Toto téma lze samozřejmě indifinitvně zobecňovat, až dojdeme k původnímu požadavku. Číňan, stojící před komnatou nutně do-jde k závěru, že tam musí být někdo (něco), kdo rozumí čínštině. Zjevně to není ani Sear-le, ani knihy ani kameny z nichž je místnost vybudovaná. Proto, ačkoliv místnost splňuje Turingův test, není zde ani stopy po chápaní, porozumění, ani vědomí. Searle tímto doká-zal, že ačkoliv stroje můžou dokázat překvapivě mnoho, nemohou myslet, nemohou dis-ponovat vědomím a proto ani intencionalitou.

Měření inteligence a projevy inteligence

Míru inteligence jedince zatím nelze žádnými prostředky objektivně měřit. Dobře známé IQ testy neměří skutečnou inteligenci, ale pouze schopnost řešit dané typy úloh. Navíc jeden test, aplikovaný dvakrát na jednoho jedince vrací vskutku rozdílné výsledky, protože jedinec se již na řešení testu adaptoval. Čím více vyřeší takovýchto testů, zvyšuje se jeho IQ, nezvyšuje se ale jeho schopnost řešit nové úlohy, pouze schopnost řešit úlohy podobného typu, s jakými se setkal. Dostáváme se k další důležité vlastnosti inteligence, jde o schopnost řešit nové problémy. Nelze nikoho otestovat na všechny možné typy pro-blémů, a proto nelze stanovit jeho absolutní inteligenci.
Inteligentní chování rozpoznáme na základě vnějších projevů inteligence. Mezi ně patří například schopnost rozpoznávat objekty a situace reálného světa, vytvářet si modely světa nebo situací a pracovat s nimi, upřesňovat je a zdokonalovat učením, zobecňovat poznatky, vytvářet nové pojmy, využívat analogie, stanovovat si cíle apod. Samotná exis-tence těchto projevů však ještě nezaručuje inteligenci. Záleží také na míře obecnosti. Po-kud existuje jednoduchý popisný algoritmus na vyřešení daného problému, bez nutnosti určité abstrakce, nejde ještě o projev inteligence.
Počítač například vyřeší úlohu, kde má rozlišit přímku od kružnice, ale kdybychom mu dali nějaký obraz a zeptali se ho, co na něm vidí za objekty, měl by už značné problémy. Avšak i tento problém by šel do jisté míry vyřešit. Například bychom počítači zadali databázi tvarů a nutili ho porovnávat s nimi obrysy na obrázku. Nefunguje takto i lidská interpretace obrazu? Když se podíváme na obraz, podle mého názoru se také sna-žíme vybavit si něco, co nám obraz připomene. I pokud jde o sebe víc abstraktní dílo, můžeme říct jak obraz vypadá, jelikož naše schopnost porovnávání a dávání do souvislostí je zatím dokonalejší než jakou používají stroje “uměle inteligentní”. Nabízí se tedy teorie, že počítač má pouze nedostatek informací o různých grafických podobách a předlohách. Toto je jedno z úskalí implementace metod umělé inteligence: počet možných modelů je tak obrovský, že jeho naprogramování hraničí s lidskými možnostmi a dále s možnostmi hardwareovými. Druhý problém by se mohl v budoucnu vyřešit třeba pomocí biopočítačů, kterým by sloužila místo hard disku lahev s DNA, či pokud chcete úložišti pracujícím na subatomární bázi. Dalším problémem je složitost algoritmu, který by porovnával obraz s předlohami ve své paměti. Musel by být velice flexibilní a určitě by mu nestačily pouhé geometrické metody, ale vyžadovaly by celou sadu znalostí.

Znalosti a myšlení

Znalosti velmi ovlivňují schopnosti řešení problému vyžadujících inteligenci. Vý-hodou je pro člověka, že jeho znalosti nemusí být natolik konkrétní, a dokonce ani úplné, aby si pomocí postupů, jako třeba analogie nebo generalizace vystačil s tím, co má. Data-báze znalostí je souhrn všech faktů, které program zná a používá je jako svoje vědomosti. Musí se řídit určitými pevnými pravidly, které omezují jeho schopnosti učení se a odvo-zování. Pokud člověk nemá potřebné znalosti zdánlivě nemusíme na řešení vůbec přijít. To by se dalo vykládat i tak, že nejsme dostatečně inteligentní. Skutečně inteligentní systém by měl v tu chvíli zkusit hledat alternativní řešení, případně vznést požadavek na konkrétní dodatečné informace. Ve skutečnosti to není pravda. Nakonec člověk vždy vy-produkuje a vyprodukovat musí určité řešení. Není pro něj přípustné jednoduše vypsat chybové hlášení a skončit veškerou činnost (pokud neuvažujeme krajní řešení – sebe-vraždu, proti které ale má člověk vtisknuty určité mechanismy). Jedno z takových řešení je třeba to, že člověk přeorientuje své záměry a cíle. Například přijdeme ke dveřím, zjistíme, že nemáme klíče a nemáme znalost, jak otevřít zámek bez klíče, proto mozek vymyslí řešení na základě jiných informací, např. jít se někoho zeptat, aby nám poskytl klíče náhradní. Pokud nikoho takového neznáme, alternativní řešení, které se může naskytnout je třeba jít se projít po ulici a čekat. Tento zdánlivě jednoduchý problém představuje pro naše současné poznání vlastního inteligenčního systému několik dosud nevyřešených otázek.

Jak myslí mozek, možná implementace do umělých systémů

Základní otázkou je už to, jestli mozek skutečně takto sekvenčně analyticky vy-hodnocuje všechny možnosti, jako by vyhodnocoval počítač, nebo zda má nějaké předem definované či naučené postupy, které vyhodnocuje a jak toto zúžení výběru probíhá. Při-kláním se k názoru, že mozek z větší části uplatňuje naučené postupy, které již dříve vedly k úspěchům a z těch vybírá nejlepší řešení pro danou situaci. Tedy nic, co by počítač nezvládl posloupností příkazů jestliže-potom, pokud by mu ovšem byl přesně formulován problém, na který by mohl uplatnit postup přesně k tomu určený.
Ne všechny problémy ale řeší mozek takto vědomě analyticky. V [1] se píše: “In-tuice je něco, co nám pomáhá řešit situace, ve kterých nemáme dostatek znalostí či zku-šeností. Intuice nebo know-how je určitým druhem schopnosti, které používáme při řešení běžným problémů.“ Intuice jsou v podstatě zkušenosti a naučené schopnosti reagovat v určitých typech situací. Dále se v [1] píše: “ V konečných analýzách všechny pravidla a postupy inteligentního chování musí vycházet ze smyslů, které máme. Nikdy nemůžeme toto explicitně formulovat v jasných a zkrácených pravidlech a faktech, to je důvod, proč nemůžeme naprogramovat počítače, aby ovládaly intuitivní know-how.“ Tento skeptický závěr je bohužel pravdivý, protože prakticky nikdy nemůžeme systému dopředu sdělit, jak bude systém vypadat jednoduše proto, že možností nastavení systému, které mohou nastat je v podstatě nekonečné množství. Například nemůžeme počítači říct, s jakými cíly lidé dělají konkrétní činnost. Cíle a zájmy představují podle mého názoru představují je-den z nejdůležitějších rozdílů mezi námi dosud jedinými známými nositeli inteligenci, te-dy lidmi a počítači, snažící se inteligenci přiblížit. Člověk si sám stanovuje cíle, jichž chce dosáhnout. Současné počítače mají zadané posloupnosti příkazů a pouze je pasivně provádí, neuvědomují si sami sebe a po ničem netouží.

Neuronové sítě

Vytvoření umělé inteligence znamená také vytvoření stroje, který by byl schopen samo-statného učení a operativního reagování v podmínkách komplexního prostředí, a tedy mohl pracovat bez přesného vnějšího řízení. Klasická teorie umělé inteligence se snaží dosáhnout schopností vyšší nervové soustavy prostřednictvím deduktivních algoritmů. Charakteristická je přitom přesná lokalizace informace v paměti a její v podstatě sekvenční zpracování – způsob práce současných počítačů. Zde se však narazilo na teoretické meze – většina úloh umělé inteligence buď není algoritmicky řešitelná vůbec, nebo s exponenciální složitostí. člověk však tyto úlohy v řadě případů úspěšně řeší. Pozornost se tedy zaměřuje na „hardwarovou realizaci“ lidských schopností, tedy na nervovou soustavu a její strukturu. Přestože detailně funkci mozku dosud neznáme, i v tomto směru se naše poznání vyvíjí. V poslední době došlo v této souvislosti k určitému pokroku. Víme již, že myšlení má přímou souvislost se vzruchy procházejícími synapsemi mezi neurony. Viz. [4]. Sdílím jeden z názorů, že esence inteligence je dána propojením velkého počtu jednotek, schopných zpracovávat informace, předávat je dalším jednotkám, a které jsou ve vzájemných vztazích. Musíme si uvědomit, že architektura mozku je analogová a spojitá, na rozdíl od současných nespojitých a digitálních počítačů. Máme vedle sebe dvě odlišné vývojové linie, analogovou, která je obecnější a přirozeným vývojem dosáhla dobrých výsledků. Hodí se více k modelování stavů světa, z důvodu již zmiňované spojitosti. O druhou „vývojovou větev“ se musí ta první starat. Chceme napsat program, který by vyjadřoval stav mozku měnící se v čase, ale musíme přitom dvakrát kvantizovat (něco spojité s nekonečně mnoha stavy zredukovat na diskrétní s konečně mnoha stavy). Za pr-vé jde o stavy mozku, kterých je nekonečně mnoho, ale paměť počítače jich umí vyjádřit jen konečné množství. Za druhé jde o čas, počítač nemění svůj stav plynule, ale skokově, po taktech procesoru. Nekonečnost stavů mozku je pouhým zjednodušením, stavů je teo-reticky konečný počet, ale jeho hodnotu nemá vůbec smysl uvažovat, nekonečnu se velmi blíží.
Chování a struktura mozku se již dnes zkouší aplikovat prostřednictvím neuronových sítí. Musíme si uvědomit, že záležitost neuronových sítí je zatím pouze na teoretické bázi. Konec konců počítač byl nejdříve navrhnut také pouze teoreticky, a trvalo dlouho, než ho někdo sestrojil. Základní jednotky neuronových sítí jsou perceptrony. Nejzajímavější na perceptronech (a tím i na neuronových sítích) je to, jakým způsobem se učí. Běžné modely (např. Turingův stroj) pracují tak, že jim předložíme algoritmus, vstupní data a očekáváme výstup. Perceptrony pracují tak, že dostanou několik vstupů, několik výstupů a nedají nám hned algoritmus nebo přesný výsledek. Nicméně jsou po určité době učení (přijímání vstupů a výstupů) schopny odhadnout, jaký je správný výstup pro libovolný vstup. Hlavní výhodou perceptronu je, že mu nemusím popisovat algoritmus (formálně řečeno přechodovou funkci pro danou množinu vstupů), který může být nesmírně složitý. Toto je však v některých případech zároveň jeho největší slabina. Perceptron totiž předpokládá, že se přechodová funkce chová rozumně. Jestliže tedy pro vstup x = 0,5 byl výstup y = 0,25 a pro x = 1,0 byl y = 0,75, předpokládá, že pro x = 0,75 bude y = 0,5. Jenomže pře-chodová funkce může být dosti komplikovaná, nespojitá. Tuto slabinu je možné překonat dlouhodobým učením. Neuronové sítě či obecněji napodobování fungování našich vlast-ních mozků, není jen podle mého názoru budoucností umělé inteligence.

Závěr

Možná právě proto, že jsme se zatím nesetkali s jinou formou inteligence, nedokážeme zatím přesně tento pojem pochopit, odvozovat souvislosti a její důsledky a bohužel (nebo snad bohudík?) inteligenci přenášet na stroje, které navrhujeme. Vědecké poznání inteli-gence je omezeno hlavně nedostatečným pochopením fungování lidského mozku. Para-doxně je složitost našeho vlastního mozku největší překážkou vývoje v oblasti pochopení inteligence. Rozhodně je ale podle mého názoru zavádějící označovat nějakého člověka (například v psychiatrickém ústavu) za méně inteligentního nebo dokonce neinteligenit-ního, jelikož projevy inteligence nejdou vypsat ani sumarizovat. Třeba si pouze jeho mo-zek řekl, že to pro něj bude za daných podmínek lepší. Jako velký fanoušek informačních technologií však zůstávám i přes všechny problémy optimistou co se týče neuronových sítí a umělé inteligence. Měli bychom si ale uvědomit, že pokud jde lidstvu o to, aby ji umělá inteligence sloužila, musí počítat s tím, že skutečně inteligentní systém bude usilovat o moc a o to být svým pánem. Pokud by takovému systému byla dána do vínku schopnost učit se, mohl by se snadno dostat mimo kontrolu člověka. Toto je ale z pohledu současného spíše záležitost sci-fi. Optimistou jsem i proto, že výzkum umělé inteligence dosáhl značného pokroku i přesto, že je zatím stále v zárodku. Stále si ale nedokáži před-stavit důmyslnější inteligentní systém než je lidský mozek, což mě naplňuje jakýmsi za-dostiučiněním.

Literatura:

[1] Herbert and Stuart Dreyfus, PROČ POČÍTAČE NIKDY NEMOHOU MYSLET JAKO LIDÉ In: Ruggles, R.: Knowledge Management Tools,
Butterwirthh-Heineman , Oxford, 1997

[2] Marvin Minsky : Konštrukcia mysle, Archa Bratislava, 1996

[3] doc. Ing. Petr Berka, CSc. • RNDr. Jiřina Vejnarová, CSc., AI – umělá inteligence, 1998

[4] Ing. Bořivoj Brdička, Vliv technologií na rozvoj lidského myšlení, 1998

Další literatura:

Ivan M. Havel: Dva eseje o kybernetice (Jitro kyberkultury, Po nás podoba)

Rich E.: Artificial Intelligence. McGraw-Hill, New York, 1983

Hlaváč V., Šonka M.: Počítačové vidění. Grada, Praha, 1993

Komentáře z Facebooku:

2 Comments so far ↓

  1. Úno
    18
    11:07
    AM
    Guru Vit Kouba Bhagavan

    Umělá inteligence transformuje naši civilizaci již brzo
    První primitivní pokusy o vytvoření umělé inteligence byli u šachové hry, kdy se programátoři snažili vytvořit programy, které by dokázali nahradit člověka a hráli s člověkem šachovou hru.
    Když se programátoři naučili naprogramovat počítače k nejrůznějším hrám, nastala druhá etapa umělé inteligence a to snaha využít umělou inteligenci u systémů co se pohybují a konají nějakou složitou činnost jako člověk.
    Zde už nestačilo vytvořit jenom program, ale bylo nutné začít i vytvářet specielní technické inteligentní systémy, které byli specializované na práci s velikým množstvím specifických dat a informací, protože univerzální počítače a programy zde nebylo možné již použít.
    Specializovaný systém pracuje kvalitněji a rychleji než univerzální systém, i v našem těle je vše založeno na specializaci a stejně tak je tomu i v ekosystému, univerzálnost je nekvalitní a pomalá a tak ji lze využít jenom tam, kde nelze použít specializované systémy.
    Jak vlastně pracuje umělá inteligence, to je nutné pochopit, abychom se k tomuto problému mohli snadno přiblížit, obrazně umělá inteligence pracuje jako rybářská síť která propustí malé ryby a chytne veliké ryby, jde o to, aby v této síti nebyla díra, kterou nám budou utíkat ze sítě veliké ryby.
    Chyby to jsou díry v této rybářské síti a tak když se vytvoří programy a databáze, musí se nejprve začít opravovat zde chyby, aby systém bezchybně pracoval a mohl nám sloužit a pomáhat nám řešit naše problémy.
    Logicky čím větší je zde rybářská síť tím obtížnější je ji zkontrolovat a opravit na ní všechny díry, optimální by bylo, pokud by se systém sám kontroloval a sám si i chyby u sebe opravoval v době, kdy není používán na plný výkon, něco podobného se děje v našem spánku tehdy se v našem mozku obrazně opravují díry v rybářské síti a sny máme proto, abychom nerušili opraváře v jejich složité a odpovědné práci.
    Umělá inteligence chytá pomocí nejrůznějších systémů do rybářské sítě hodnotné informace a programy, to je pro ni důležitá duševní potrava, díky které má umělá inteligence dostatek duševní energie a tak dokáže něco správně a rychle ovládat a poradit si s problémy.
    Tak jako jí tělo tak musí jíst i duše, tělo přijímá hmotnou potravu a duše přijímá duševní potravu, nejde tedy naprogramovat robota umělou inteligencí a potom mu již nedávat duševní potravu, robot bude muset neustále přijímat pomocí nejrůznějších systémů duševní potravu, aby měl dostatek duševní energie ke svojí složité práci.
    Vše v nás i okolo nás se neustále mění a tak musíme informace a programy neustále získávat a poskytovat okolí a to samé bude nutné i u robotů co budou mít umělou inteligenci, otroctví má vždy za následek veliké problémy které nelze řešit a to bude platit i u robotů s umělou inteligencí, kdy budeme muset dát robotům svobodu, aby s nimi nebyli problémy.
    Vše co je malé se točí kolem toho co je veliké a nic zde nikde nestojí a je jedno jestli se točí měsíc kolem naší planety, nebo jestli se točí umělá inteligence robota kolem centrální databáze, kde jsou kvalitní nové programy a informace.

  2. Dub
    18
    7:17
    AM
    GVKB

    Vše se točí kolem programování, vše v nás a okolo nás to jsou programy, díky kterým vše automaticky funguje.
    Vše zde vzniklo díky programování a existuje to díky programům, systém, ze kterého jsme zde vznikli, a který potřebujeme ke svojí existenci, abychom mohli žít tělesně a duševně, to jsou programy, které se neustále optimalizují.
    Program to jsou informace, které jsou logicky sestavené tak, aby zde se konalo to, co je správné konat, jsou jednoduché programy, které používá automatická pračka, a jsou složité programy, které používá lidská inteligence.
    Pokud se něčemu učíme tak v sobě vytváříme programy, můžeme se třeba učit tomu jak programovat a tak v sobě vytvoříme programy, pomocí kterých budeme něco programovat a optimalizovat.
    Když se vytvoří nový program, je třeba jej optimalizovat, aby on optimálně konal to, co od něj požadujeme, optimalizace znamená odstranění všeho co je v programu zbytečné a odstranění všech chyb.
    Jsou zde programy pro; počítače, internet, ekonomiku, politiku, duši, život, umění, vědu, atd.
    Obrazně je programování něco jako lego stavebnice, ze které je možné sestavit mnoho zajímavých věcí, informace to jsou kostky lega, ze kterých něco pomalu sestavujeme.
    Čas každý vytvořený program testuje, a pokud je program špatný tak jej čas likviduje a novým programem jej nahrazuje, vytvořit program, který čas rychle nezlikviduje to velmi obtížné je.
    Tak jako je program, který používáme k praní prádla spojen pevně s pračkou, tak i všechny ostatní programy jsou spojené s nějakým systémem, který ovládají a pokud se tento systém časem změní, musí se logicky změnit i program.
    Pokud již není možné program vylepšit změnami, musí se vytvořit nový program a ten se po vytvoření vylepšuje změnami, je to nekonečný kruh vytváření a vylepšování programů v nás a okolo nás.
    Mnohdy dojde k tomu, že se starý program neustále jenom vylepšuje a nedochází k výměně starého programu za nový, následkem je logicky krize, která může zasáhnout ničivě; počítač, internet, ekonomiku, politiku, člověka, atd.

Spruce up your comments with
<a href="" title=""><abbr title=""><acronym title=""><b><blockquote cite=""><cite><code><del datetime=""><em><i><q cite=""><strike><strong>
Nové komentáře jsou moderovány než se ukáží * = požadované pole

Zanechat komentář