Na stronie wikipedii o AI możemy przeczytać:
Optyczne rozpoznawanie znaków nie jest już postrzegane jako przykład „sztucznej inteligencji”, która stała się rutynową technologią.
Z drugiej strony baza danych odręcznych cyfr MNIST jest specjalnie zaprojektowana do szkolenia i testowania sieci neuronowych i ich poziomów błędów (patrz: klasyfikatory ).
Dlaczego więc powyższy cytat stwierdza, że OCR nie jest już przykładem AI?
Odpowiedzi:
Kiedy komputer rozwiązuje problem, ludzie zaczynają argumentować, że nie wymaga on inteligencji. Często cytowany jest John McCarthy: „Gdy tylko zadziała, nikt już go nie nazywa AI” ( odnośnik w CACM ).
Jeden z moich nauczycieli na studiach powiedział, że w latach 50. profesor został zapytany, co według niego jest inteligentne dla maszyny. Profesor rzekomo odpowiedział, że gdyby automat sprzedający dał mu właściwą zmianę, byłoby to inteligentne.
Później gra w szachy była uważana za inteligentną. Jednak komputery mogą teraz pokonać arcymistrzów w szachach, a ludzie nie mówią już, że jest to forma inteligencji.
Teraz mamy OCR. W innej odpowiedzi stwierdzono już, że nasze metody nie dysponują urządzeniami do rozpoznawania 5-latka. Gdy tylko zostanie to osiągnięte, ludzie powiedzą „och, to nie jest inteligencja, 5-latek może to zrobić!”
Podstawą tego jest uprzedzenie psychologiczne, konieczność stwierdzenia, że jesteśmy w jakiś sposób lepsi od maszyn.
Chociaż OCR jest obecnie technologią głównego nurtu, pozostaje prawdą, że żadna z naszych metod nie ma tak naprawdę możliwości rozpoznawania 5-latka (pomimo deklarowanego sukcesu z CAPTCHA). Nie wiemy, jak to osiągnąć za pomocą dobrze zrozumiałych technik, dlatego OCR nadal słusznie należy uznać za problem sztucznej inteligencji.
Aby zrozumieć, dlaczego tak się dzieje, dobrze jest przeczytać esej Douglasa Hofstadtera „O widzeniu A i widzeniu AS” .
Jeśli chodzi o punkt podany w innej odpowiedzi, kadrowanie agentów jest przydatne, o ile motywuje sukces w coraz bardziej złożonych środowiskach. Istnieje jednak wiele trudnych problemów (np. Bongard), których nie trzeba tak opisywać.
Nie jestem pewien, czy przewidywanie MNIST można naprawdę uznać za zadanie AI. Problemy z AI można zazwyczaj sformułować w kontekście agenta działającego w środowisku. Sieci neuronowe i techniki uczenia maszynowego w ogóle nie muszą sobie z tym radzić. Na przykład klasyfikatorzy uczą się mapowania między dwiema spacjami. Chociaż można argumentować, że można sformułować klasyfikację OCR / obrazu jako problem sztucznej inteligencji - klasyfikator jest agentem, każde przewidywane przez niego działanie jest działaniem i otrzymuje nagrody na podstawie jego dokładności klasyfikacji - jest to raczej nienaturalne i różni się od problemów, które są powszechnie uważane za problemy AI.