Co to jest sztuczna inteligencja?

05 Sep 4:50 pm


Original: http://www.ucs.louisiana.edu/~isb9112/dept/phil341/wisai/WhatisAI.html

Perspektywa historyczna : To wszystko brzmi tak dobry ….

Prawdopodobnie każdy słyszał o Sztucznej Inteligencji ( AI w skrócie) , ale stosunkowo niewiele osób ma naprawdę dobry pomysł, cotak naprawdę oznacza termin . Dla większości ludzi , AI jest związane z artefaktów , takich jak 9000 Hal komputera w filmie 2001 : Odyseja kosmiczna . Takie obrazy są produktem Hollywood, a nie rodzaju rzeczy , które dzieje się w laboratoriach badawczych na świecie. Moim celem jest, aby wprowadzićkilka podstawowych idei stojących za AI , i spróbować oferują środki, dzięki którym ludzie mogą uporać się z obecnym stanem wiedzy w tej dziedzinie.

Z grubsza rzecz biorąc, Sztuczna inteligencja jest nauką o sztucznych urządzeń obliczeniowych i systemów , które mogą być wprowadzone do działania w sposób , który bylibyśmy skłonni nazwać inteligentnym . Narodziny dziedzinie sięgają do początku 1950 roku . Prawdopodobniepierwszym znaczącym wydarzeniem w historii AI była publikacja pracy zatytułowanej ” Maszyny obliczeniowe i inteligencja ” przez brytyjski matematyk Alan Turing . W niniejszej pracy , Turing twierdził, że jeślimaszyna może obok pewnego testu ( który stał się znany jako” Turing test ‘) wtedy mamy podstawy, aby powiedzieć, że komputer był inteligentny . Test Turinga obejmuje człowieka ( znana jako “sędzia” ) zadawać pytania za pośrednictwem terminala komputerowego do dwóch innych podmiotów, z których jeden jestczłowiek , a drugi z nich jestkomputer . Jeśliregularnie nie sędzia prawidłowo odróżniać komputer od człowieka , a następniekomputer mówi się zdały test. W pracy Turing również za szereg argumentów za i zastrzeżenia do idei, że komputery mogą wykazywać inteligencję.

Powszechnie uważa się, że AI urodził się jako dyscyplina na konferencji o nazwie “Lato Dartmouth projektu badawczego na temat sztucznej inteligencji ” , organizowana przez m.in. John McCarthy i Marvin Minsky . Na tej konferencjiSystem znany jako teoretyk LOGIC wykazano Alan Newell i Herb Simon. Teoretyk LOGIC byłsystem, który odkrył dowody do twierdzeń logiki symbolicznej . Znaczenie tego systemu było to , że w słowach Feigenbaum i Feldman (1963 : . S. 108) teoretyk LOGIC było ” …pierwszy wypad przez sztuczną inteligencję w wysokiej zamówień intelektualnych procesów . ” Ten początkowy sukces szybko następnie wielu innych systemów , które mogą wykonywać zadania pozornie inteligentnych . Na przykład ,system zwany ” DENDRAL ” był w stanie mechanize aspekty naukowe uzasadnienia znaleźć w chemii organicznej . Inny program , znany jako ” MYCIN ” , był w stanie interaktywnie diagnozowania chorób zakaźnych.

Podstawową strategią która kryje się za wszystkich tych sukcesów doprowadziła do wniosku , co jest znane jako hipoteza fizycznej systemów symboli , przez Newella i Simona w 1976 roku. Kwoty fizycznego symbol system hipotezę destylacji teorii który leżał za dużo pracy, który poszedł na górę do tego dnia, i został zaproponowany jako ogólne hipotezy naukowej . Newell i Simon ( . 1976 : s. 41) pisał ;

“System fizyczny symbol posiada niezbędne i wystarczające środki do ogólnego inteligentnego działania. ”

Chociaż nie byłodużo kontrowersji , jak dokładnie ta hipoteza powinna być interpretowana , istnieją dwa ważne wnioski , które zostały wyciągnięte z niego. Pierwszy wniosek jest taki , że komputery są systemy fizyczne , Symbol , w odpowiednim sensie , a zatem istnieją podstawy ( hipoteza powinnabyć prawidłowa ) , by sądzić , że powinny one być w stanie wykazywać inteligencję. Drugi wniosek jest taki , jak my, ludzie też są inteligentni , my również musimy być systemy fizyczne symbol , a więc są w znacznym sensie podobna do komputerów.

Obecna Perspektywa : Problemy i sukcesy

Z tych wszystkich wyników pozornie dodatnich i ciekawą pracę teoretyczną ,dość oczywiste pytanie wydaje się być ” Gdzie są inteligentne maszyny , jakHAL 9000 ” ? Mimo, że było wiele imponujących osiągnięć w tej dziedzinie, odbyło się równieżwiele istotnych problemów , które badania AI prowadzi do . Jak dotąd , nie ma HAL 9000 i realistycznie , będziedobra , podczas gdy wcześniej takie systemy stały się dostępne , jeśli w ogóle są zawsze okazać się w ogóle możliwe .

Pierwsze sukcesy w AI doprowadziły naukowców w dziedzinie być szalenie optymistyczny. Niestety,optymizm został nieco zagubiona . Na przykład, w 1957 roku Simon przewidział , że podejmie jeszcze dziesięć lat na komputerze się mistrz świata w szachy . Oczywiście, ten szczególny wyczyn nie został osiągnięty aż do tego roku , przez Deep Blue System . Są głębsze problemy , które AI prowadzi do krytyki.

Dla większości ludzi, jeśli wiedzą , że prezydent Clinton w Waszyngtonie , to wiedzą też, że prawe kolano prezydenta Clintona jest również w Waszyngtonie. To może wydawać się trywialny fakt , i rzeczywiście to jest dla ludzi , ale to nie jest trywialne , jeśli chodzi o systemy AI . W rzeczywistości, jest toprzykład tego, co działo się znane jako ” The Common Sense wiedzy Problem ” . System obliczeniowy tylko wie, co to jest jawnie powiedział . Bez względu na to , jakie zdolności obliczeniowej systemu , jeśli system wiedział , że prezydent Clinton był w Waszyngtonie, ale nie wie , że jego lewe kolano jest tam , tosystem nie wydaje się być zbyt mądry . Oczywiście , to jest całkowicie możliwe , aby poinformować komputer, który , jeżeliosoba znajduje się w jednym miejscu , a następnie ich lewe kolano jest w tym samym miejscu , ale jest to tylko początek problemu . Istnieje ogromna liczba podobnych faktów, które również muszą być zaprogramowane w. Na przykład , wiemy też, że jeśli prezydent Clinton w Waszyngtonie , a następnie jego włosy są także w Waszyngtonie , jego usta są w Waszyngtonie, i tak dalej. Trudności , z perspektywy ptasiej grypy , to znaleźć sposób, aby uchwycić wszystkie te fakty . Problem z powszechnie wiadomo Sense jest jednym z głównych powodów, dla których nie mamy jeszcze inteligentne komputery przewidywane przez science fiction , takich jak HAL 9000 .

Problem z powszechnie wiadomo Sense działa bardzo głęboko w AI . Na przykład , byłoby bardzo trudne do komputera przejść test Turing , jeśli brakuje rodzaju wiedzy opisanego powyżej . Punkt można zilustrować , biorąc pod uwagę przypadek ELIZA . ELIZA to system AI zaprojektowany przez Weizenbaum w 1966 roku , który miał naśladować psychoterapeuta . Istnieje wiele wariantów tego oprogramowania te dni , sporo z których można pobrać . Chociaż w niektórych zmysłów ELIZA może być imponująca , nie potrzeba wiele, aby uzyskać system mylić , lub off torze. Staje się jasne, bardzo szybko , że system jest daleki od inteligentnych .

Byłyliczba odpowiedzi na problem powszechnie wiadomo Sense w społeczności AI badań. Jedną ze strategii jest próba zbudowania systemów , które są przeznaczone wyłącznie do pracy w ograniczonych obszarach . Jest tostrategia , która leży za Loebner Prize,nowoczesny konkurencji dni na podstawie ograniczonej wersji testu Turinga . Kilka ostatnich wpisów do tego konkursu , takie jak system TIPS są naprawdę imponujące , w porównaniu do ELIZA .

Innym, bardziej ambitna strategia została przyjęta przez AI badacza Doug Lenat . Lenat i jego koledzy pracują od kilku lat w systemie , który jest znany jako CYC . Celem CYC projektu jest stworzenie dużej bazy danych i narzędzi obliczeniowych wyszukiwania systemy sztucznej inteligencji , która umożliwia dostęp do całej wiedzy, która sprawia, że ​​się zdrowym rozsądkiem . CYC projekt próbuje spotkać się z problemem wspólnego głowy wiedzy Sense na . W chwili obecnej , wyniki projektu dopiero zaczynają się pojawiać. Nie jest jeszcze jasne, czyogromny wysiłek okazał się sukcesem .

Inni badacze przyjęli inną taktykę , aby spróbować rozwiązać problem . Są one powodem, że człowiek ma rozsądek , ze względu na ogromne bogactwo doświadczeń , które mamy jak dorastamy i uczyć się. Wolą próbować radzić sobie z problemem Common Sense przyjmując strategię uczenia maszynowego . Być może , jeślikomputer może dowiedzieć się , w sposób podobny do człowieka ,to też byłoby opracowanie rozsądku . Ta strategia jest nadal realizowany i to jest zbyt wcześnie, aby powiedzieć, czy to będzie sukces.

Innym problemem , który prowadzi badania AI w to , że zadania , które są trudne dla ludzi , jak matematyka , czy gra w szachy , okazują się być dość łatwe dla komputerów . Z drugiej strony , zadania , które ludzie uważają łatwe, jak nauka poruszania się w pokoju pełnym mebli, lub rozpoznawanie twarzy , komputery znaleźć stosunkowo trudne. To zainspirowało niektórych badaczy i spróbować opracować systemy , które mają (przynajmniej powierzchownie ) mózg -podobne właściwości. Badania oparte na tej strategii ma się znane jako dziedzinie sztucznych sieci neuronowych ( zwany także Connectionism ) , i jest obecnie jednym z głównych specjalistów podobszary w AI . Na ciekawy aspekt sztucznych sieci neuronowych jest to, że wiele z tych systemów również dowiedzieć się , co zawierające niektóre z zalet strategii uczenia maszynowego do rozwiązania wspólny problem wiedzy sens. Artificial Neural systemy sieciowe były skuteczne w rozwiązywaniu wielu problemów , takich jak te ujęcia obejmującego wzór, które okazały się trudne dla innych metod .

Ważne jest, aby zdać sobie sprawę jednak, że nie każdy akceptuje pomieszczeń , które AI badania działa pod . Cały projekt AI znajduje się pod ostre krytyki od czasu do czasu . Jeden znany krytyk jest Herbert Dreyfus . On twierdzi, na różnych powodów , żecałe przedsięwzięcie AI jest skazane na niepowodzenie , ponieważ to sprawia, że ​​założenia dotyczące świata i umysły , które nie są do obronienia , gdy krytycznie oceniana . Innym znanym krytykiem AI jest John Searle . Searle proponuje argument w oparciu o eksperyment myślowy , znany jako argumentu chińskiego pokoju . Ten argument może służyć do wykazania, że​​cel budowy inteligentnych urządzeń nie jest możliwe. Chociaż argument ten został pierwotnie opublikowany w 1980 roku , nadal jestgorącym tematem dyskusji na grupach dyskusyjnych internetowych takich jak comp.ai.philosophy .

Czy krytycy AI są poprawne , czy nie, czas pokaże . Jednakże , nie było dwóch ważnych zestawy konsekwencje , które pojawiły się od pierwotnego powstania pola. Pierwszy z nich zostałnarodziny nowego i ekscytującego dyscypliny akademickiej , o których się znane jako ” Cognitive Science ” . Akcji kognitywistyki z AIpodstawowe założenie , że w pewnym sensie , aktywność umysłowa jest obliczeniowa w naturze. Celem kognitywistyce jednak różni się od tej z AI . Poznawcze naukowcy postawili sobie za cel rozwikłać tajemnice ludzkiego umysłu . To nie jest łatwym zadaniem , biorąc pod uwagę , że ludzki mózg jestnajbardziej skomplikowanym urządzeniem znanych ludzkości . Na przykład , nawet jeśli różne upraszczające założenia są , wydaje się wielce prawdopodobne , żeliczba różnych możliwych stanach jednym mózgu człowieka jest faktycznie większa niż liczba atomów uniwersum Niemniej jednak, wnioski wyciągnięte i postęp w dążeniu do celu, jakim jest AI , wraz z postępem w innych dyscyplinach , wydają się wskazywać , że projekt kognitywistyki jest opłacalne , choć trudne do osiągnięcia .

Drugi zestaw konsekwencje , które powstały z badania AI są być możetrochę mniej oczywiste. Istnieje wiele programów i systemów w dzisiejszym , które korzystają z owoców badań AI . Mimo, że nie mają HAL 9000 jeszcze wiele wczesnych celów AI zostały osiągnięte , choć nie w jednym systemie wielkiej . MożeNajsmutniejsze jednak jest to, że AI rzadko dostaje kredyt na jej wkład w innych dziedzinach . Jest takie powiedzenie w kręgach akademickich , że ” Najlepsze owoce AI , stać się zwykły stary komputer” . Jak nauczyć się robić coraz więcej, co kiedyś było niemal cudem , staje się przyziemne. Teraz, żecel, jakim jest naprawdę dobrej gry w szachy komputer został zrealizowany, jest prawdopodobne, że to też nie będzie już emocji i nas zaskoczyć . Jednak nadal istnieje wiele trudnych i ekscytujące granice zostać podbite w ramach AI . Istnieje również wiele cierniste pytania , które muszą być przemyślane. W artykułach , które następują ten jeden, postaram się przedstawić niektóre z fascynującą pracę, która jest wykonywana w AI , tak że udział tego programu badawczego na świat , jak wiemy to będzie lepiej znane i rozumiane .

© István dr S. N. Berkeley 1997 . Wszelkie prawa zastrzeżone .

Sugerowana dalszego czytania

Campbell , J., ( 1989 ) ,nieprawdopodobieństwa Maszyna , Simon & Schuster ( New York) .

Copeland , J. ( 1993 ) , Artificial Intelligence , Blackwells ( Oxford ) .

Churchland , P. ( 1988 ) , Materia i Świadomość , MIT Press (Cambridge, MA) .

Haugeland , J. ( 1985 ) , Artificial Intelligence :Bardzo Idea , MIT Press ( Cambridge, MA ) .

bibliografia

Feigenbaum , E. i Feldman , J. (1963 ) , Komputery i pomyślałem , McGraw -Hill ( New York) .

Projekt umysł Haugeland , J. ( 1981 ) , MIT Press (Cambridge, MA) .

Newell , A. i Simon , H., ( 1976 ) , ” Informatyka jako badania empiryczne : Symbole i wyszukiwanie” przedrukowany w Haugeland ( 1981, s. 35-66 ) .

Comments are closed