Kto jako pierwszy rozpoznał różnicę między inteligencją ogólną podobną do człowieka a inteligencją specyficzną dla danej dziedziny?

W latach pięćdziesiątych powszechnie panowało przekonanie, że „sztuczna inteligencja” szybko stanie się zarówno samoświadoma, jak i wystarczająco inteligentna, aby wygrywać szachy z ludźmi. Różne osoby sugerowały ramy czasowe np. 10 lat (patrz „Oficjalna historia sporów o Perceptron” Olazarana, lub powiedzmy 2001: Space Odyssey).

Kiedy stało się jasne, że opracowanie programów, które opanowują gry takie jak szachy, zaowocowało projektami oprogramowania, które dotyczyły tylko takich gier, dla których zostały zaprogramowane? Kto jako pierwszy rozpoznał różnicę między inteligencją ogólną podobną do człowieka a inteligencją specyficzną dla danej dziedziny?

Wiele publikacji z połowy XX wieku dowodzi twierdzenia pytającego, że w tym okresie powszechnie panowało przekonanie, że AI szybko stanie się świadoma, samoświadoma i inteligentna.

Wielki sukces

Wiele zadań i form wiedzy specjalistycznej, niegdyś wyłącznej dziedziny ludzkiej inteligencji, po opracowaniu architektury obliczeniowej ogólnego przeznaczenia von Neumanna, pod koniec tego wieku stało się mniej więcej wyłączną domeną komputerów. To tylko kilka przykładów.

• Obliczenia naukowe i statystyczne
• Automatyzacja procesu projektowania i produkcji (CAD i CAM)
• Publikowanie i skład
• Niektóre formy redukcji algebraicznych i różniczkowych (Maxima i jej pochodne)
• Analiza obwodu
• Mistrzowska gra planszowa
• Opłacalna spekulacja giełdowa
• Rozpoznawanie wzorów (OCR, odcisk palca, rozpoznawanie głosu, sortowanie, teren)
• Programowanie w logice predykatów i predykatach rekurencyjnych
• Ocena strategii

Rozczarowania (do tej pory)

W przeciwieństwie do tej imponującej gamy sukcesów istnieje równie długa lista nieudanych oczekiwań.

• Roboty dwunożne dostępne dla konsumentów
• Zautomatyzowane odkurzanie (duże rozczarowanie autora tej odpowiedzi)
• Autonomiczni mechaniczni pracownicy fabryki
• Zautomatyzowani matematycy (generowanie hipotez kreatywnych oraz dowodzenie / odrzucanie w celu rozszerzenia teorii)
• Rozumienie języka naturalnego
• Posłuszeństwo arbitralnym poleceniom
• Ludzka ekspresja w rozmowie
• Zautomatyzowane innowacje techniczne
• Moralność komputerowa
• Stany emocjonalne człowieka (a przynajmniej ssaka)
• System operacyjny trzech praw Asimova
• Opracowywanie strategii adaptacyjnej w arbitralnym i zmieniającym się zestawie domen

Rozróżnienie domen i domen

Kiedy stało się jasne, że opracowanie programów, które opanowują gry takie jak szachy, zaowocowało projektami oprogramowania, które dotyczyły tylko takich gier, dla których zostały zaprogramowane?

Chociaż opinia publiczna mogła pomyśleć, że cybernetyczny mistrz szachowy byłby również mądrzejszy od ludzi pod innymi względami, twórcy tych programów doskonale zdawali sobie sprawę z różnicy między tworzeniem oprogramowania, które wykazywało doskonałość w szachowaniu na sztywno, a tworzeniem oprogramowania, które wykazuje taką zdolność. uczyć się gry w szachy i iteracyjnie rozwijać doskonałość od nowicjusza.

Ostatecznym celem zawsze była wysoka inteligencja ogólna. Stworzono bardziej osiągalne cele krótkoterminowe, aby ułatwić inwestorom wykazanie postępów. Był to jedyny sposób na utrzymanie ciągłego strumienia środków na badania od wojska.

Pierwszym kamieniem milowym było opanowanie jednej gry bez uczenia maszynowego. Następnie badania skupiły się na budowaniu wiedzy domenowej, aby klasa rozwiązań, adaptacji i form planowania mogła być realizowana w czasie rzeczywistym podczas działań wojennych. Ponieważ dominacja gospodarcza stała się bardziej preferowana niż dominacja wojskowa w trzecim kwartale XX wieku, wizja sztucznej inteligencji dostosowała się do dziedzin ekonomii i zarządzania zasobami naturalnymi.

Rozważ to spektrum dojrzałości automatyzacji.

• Program, który wylicza bieżące możliwości sekwencji ruchów na każdym kroku w grze w szachy, eliminując prawdopodobne złe ruchy w każdym przewidywanym punkcie ruchu, i wybiera następny ruch, który może doprowadzić do zwycięstwa
• Program, który robi powyższe, ale także wypacza prawdopodobieństwo oparte na rozpoznawaniu wzorców znanych wygranych strategii szachowych
• Program, który został zaprojektowany jako silnik reguł zoptymalizowany pod kątem czasu działania, który centralizuje i abstrakuje zbędne operacje gry dowolnej gry oraz izoluje i agreguje reprezentację reguł szachowych, strategii szachowych oraz wzorów szachowych i anty-wzorów
• Program, który, biorąc pod uwagę zestaw reguł gry, może wygenerować następny ruch w oparciu o dowolny stan gry, pamięta wyniki sukcesów i porażek oraz sekwencje, które doprowadziły do ​​tych wyników, i ma zdolność oceny prawdopodobnej utraty lub zysku poszczególne ruchy i wzorce gry w przestrzeni i czasie wokół nich w oparciu o historię, a następnie wykorzystują te umiejętności, aby nauczyć się dowolnej gry, osiągając mistrzowski poziom gry w szachy poprzez naukę
• Program, który uczy się, jak uczyć się gier, dzięki czemu po nauce kilku gier może uczyć się szachów szybciej niż zdolny intelektualnie człowiek

Pierwszy jest łatwy. To ostatnie jest niezwykle trudne.

Kiedy ujawniły się różnice między tymi fazami dojrzałości automatyzacji a tym, jak jasne stały się ludzie z tych różnic, w których grupy badawcze są złożoną funkcją probabilistyczną.

Kluczowi współtwórcy

Kto jako pierwszy rozpoznał różnicę między inteligencją ogólną podobną do człowieka a inteligencją specyficzną dla danej dziedziny?

Norbert Wiener był prawdopodobnie pierwszym, który dogłębnie zrozumiał różnicę między elektronicznym sterowaniem przekaźników (badanym teoretycznie przez Claude'a Shannona) a sterowaniem w zamkniętej pętli. W swojej książce Cybernetyka, przede wszystkim praca matematyczna, precyzyjnie stworzył podstawy dla systemów samokorekty i adaptacji. John von Neumann zrozumiał różnicę między programowaniem dobrej gry a ludzką umiejętnością uczenia się dobrej gry i opublikował wiele na ten temat.

To Arthur Lee Samuel napisał pierwszą imponującą demonstrację rozróżnienia między oprogramowaniem do gier a uczeniem maszynowym. To on połączył pracę Wienera ze współczesnym komputerem cyfrowym i jako pierwszy stworzył pojęcie uczenia maszynowego.

Zniekształcone przekształcenia autentycznych badań i innowacji

Kategorie sztucznej wąskiej inteligencji (ANI), sztucznej inteligencji ogólnej (AGI) i sztucznej super inteligencji (ASI), zaproponowane w blogu Tim Rever : AI Revolution: The Road to Superintelligence (Huffington Post, THE BLOG, post 2/10) 2015, zaktualizowany 4/12/2015), jest wymieniany w AI Stack Exchange w wielu miejscach, ale rozróżnienia między tymi kategoriami nie są precyzyjnie określone, a zawarte w nich pomysły nie są recenzowane ani potwierdzane przez inne badania lub statystyki.

Praca jest nie mniej domniemana niż przeciętna fantastyka naukowa - wystarczająco zabawna, aby zyskać popularność, ale nie racjonalne wnioski wyciągnięte z powtarzalnych eksperymentów lub badań losowych. Przedstawione w artykule wykresy trendów mają wymyślony kształt, a nie graficzne przedstawienie rzeczywistych danych.

Niektóre z materiałów mogą później zawierać pewną prawdę, jak w przypadku wielu świeckich interpretacji badań naukowych lub futurystycznych myśli autorów science fiction. Jednak duża część materiału prowadzi do nieporozumień i fałszywych twierdzeń.

Oczekuję, że bardzo precyzyjna odpowiedź na to pytanie może zagubić się w piaskach czasu, chociaż mam nadzieję, że ktoś może udzielić takiej odpowiedzi. Tymczasem oto jedna wskazówka na szlaku ... Ta antologia artykułów z 2007 roku zaczyna się od następującego blottu:

Naszym celem przy tworzeniu tego zredagowanego tomu było wypełnienie widocznej luki w literaturze naukowej, poprzez zapewnienie spójnej prezentacji zbioru współczesnych badań, które pomimo integralnej wagi, jak dotąd utrzymywały bardzo niski profil wśród naukowców i naukowców. społeczność intelektualna. Ta część pracy nie otrzymała wcześniej nazwy; w tej książce nazywamy ją „Artificial General Intelligence” (AGI). Tym, co odróżnia pracę AGI od najnowszych badań „sztucznej inteligencji”, jest to, że jest ona wyraźnie skoncentrowana na inżynierii ogólnej inteligencji w krótkim okresie.

Ale nawet jeśli jest to źródło specyficznego wyrażenia „sztuczna inteligencja ogólna”, jestem prawie pewien, że ludzie znacznie wcześniej rozróżnili techniki „inteligencji ogólnej” od „specyficznych dla zadania”.

Artykuł w Wikipedii na temat AGI ma również wskazówkę, w której stwierdza:

Jednak na początku lat siedemdziesiątych stało się oczywiste, że naukowcy rażąco nie docenili trudności projektu. Agencje, które finansowały sztuczną inteligencję, sceptycznie podchodziły do ​​silnej sztucznej inteligencji i wywierały na badaczy rosnącą presję, aby opracowali użyteczną technologię lub „zastosowaną sztuczną inteligencję”.

Ta sekcja cytuje tę książkę jako wsparcie tego stwierdzenia. I rzeczywiście zawiera następujący werset:

Chociaż większość założycieli dziedziny AI nadal zajmowała się podstawowymi pytaniami dotyczącymi inteligencji ludzkiej i maszynowej, niektórzy z ich studentów i inni badacze drugiej generacji zaczęli szukać sposobów na wykorzystanie metod AI i podejść do rozwiązywania rzeczywistych problemów. Ich inicjatywy były ważne, nie tylko same w sobie, ale także dlatego, że wskazywały na stopniową, ale znaczącą zmianę w środowisku finansowania w kierunku bardziej stosowanych dziedzin badań. Rozwój systemów eksperckich, takich jak DENDRAL w SAIL, stanowi tylko jeden przykład tego trendu.

Biorąc pod uwagę, że DENDRAL rozpoczął się około 1965 r., Wydaje się, że pewna znacząca grupa badaczy (lub przynajmniej fundatorów) zdała sobie sprawę z rozróżnienia między badaniami nad „inteligencją ogólną” a „stosowaniem sztucznej inteligencji” gdzieś pod koniec lat sześćdziesiątych. Jeśli będziesz czytać dalej, inne fragmenty potwierdzą pogląd, że w szczególności DARPA zaczęła propagować bardziej „stosowane” podejście do badań nad AI w latach siedemdziesiątych.

Nie jest to więc jednoznaczna odpowiedź, ale wygląda na to, że możemy powiedzieć, że rozróżnienie to było znane i wzięte pod uwagę co najmniej do 1970 r., Chociaż użycie dokładnego terminu „sztuczna inteligencja ogólna” wydaje się być bardziej aktualne.

W 1973 r. Rząd brytyjski zatrudnił Sir Jamesa Lighthilla do przeprowadzenia „ogólnej ankiety” na temat stanu sztucznej inteligencji. Jego raport potępił obecne badania nad sztuczną inteligencją, co wywołało falę pesymizmu wśród naukowców zajmujących się sztuczną inteligencją i pierwszej zimy AI . Możesz zapoznać się z raportem Lighthilla (i jego współczesną krytyką) tutaj , ale streszczę najważniejsze punkty Lighthilla.

Sir James Lighthill podzielił AI na trzy kategorie:

1. Zaawansowana automatyzacja - praca specyficzna dla zadania
2. Komputerowe badania CNS - badania nad „centralnym układem nerwowym” ludzi
3. Most między zaawansowaną automatyzację i badań OUN komputerowo. Ten most byłby ogólnie postrzegany jako robotyka „ogólnego zastosowania”, więc Lighthill użyłby również terminu Roboty budowlane .

Zaawansowana automatyzacja (lub „stosowana sztuczna inteligencja”) jest oczywiście użyteczna. Komputerowe badania CNS są przydatne, ponieważ chcemy dowiedzieć się więcej o ludzkiej inteligencji. Obie dziedziny sztucznej inteligencji odniosły pewne sukcesy, ale praktykujący byli zbyt optymistyczni, co doprowadziło do rozczarowania w tych dziedzinach. Sir James Lighthill nadal bardzo wspierał badania w tych dwóch dziedzinach.

Roboty budowlane , z drugiej strony? Sir James Lighthill był bardzo wrogo nastawiony do tego pomysłu, prawdopodobnie dlatego, że był bardziej przesadnie podekscytowany niż pozostałe dwie kategorie i wytworzył najmniejszą ilość cennej produkcji.

Podał szachy w szczególności jako przykład, w którym zawiodły badania „robotów”. W momencie publikacji raportu silniki szachowe były na poziomie „doświadczonego amatorskiego standardu charakterystycznego dla klubowiczów hrabstwa w Anglii”. Jednak te silniki szachowe polegały na heurystyce stworzonej przez ludzi. Silniki wcale nie były inteligentne ... po prostu podążały za heurystyką stworzoną przez inteligentnych ludzi . Jedyną zaletą robotów przy stole jest „szybkość, niezawodność i zdolność licytacji”, a nawet to nie wystarczyło, aby pokonać szachowych arcymistrzów.

Dziś prawdopodobnie nie traktowalibyśmy szachów jako przykładu rozwiązywania problemów ogólnego przeznaczenia. Dokładniej sklasyfikowalibyśmy go jako „zaawansowaną automatyzację”, „wąski AI” problem oddzielony od szerszych rzeczywistych implikacji ogólnego rozwiązywania problemów. Ale sir James Lighthill prawdopodobnie zgodziłby się z nami. Nigdy nie używał terminów „wąska AI” i „AGI” (żaden z tych terminów jeszcze nie istniał), ale napisałby:

Podsumowując, te dowody i cała reszta badana przez autora w pracy nad sztuczną inteligencją w kategorii B w ciągu ostatnich dwudziestu pięciu lat jest do pewnego stopnia zachęcająca do programów napisanych do działania w wysoce wyspecjalizowanych domenach problemowych, gdy programowanie jest bardzo pełne opis wyników ludzkiego doświadczenia i ludzkiej inteligencji w danej dziedzinie, ale całkowicie zniechęca do programów ogólnego przeznaczenia, które starają się naśladować aspekty rozwiązywania problemów ludzkiej aktywności OUN na dość szerokim polu. Taki program ogólnego przeznaczenia, upragniony długoterminowy cel działania AI, wydaje się tak odległy jak zawsze.

Sir James Lighthill uważał, że jedyną rzeczą, która łączy zaawansowaną automatyzację i komputerowe badania CNS, jest istnienie kategorii „mostów” w budynku Roobts . Ale jest bardzo pesymistyczny, jeśli chodzi o tę kategorię, która produkuje coś wartościowego. Zamiast tego pole AI powinno rozpaść się na swoje części składowe (automatyzacja i badania). Wszelkie roboty, które zostaną zbudowane, mogłyby zostać następnie wyspecjalizowane w ramach ich subfield ... albo automatyki przemysłowej, albo badań CNS. Próba zbudowania świętego Graala „programu ogólnego przeznaczenia” byłaby na razie bezwartościowa ... przynajmniej na razie.