Co to jest sztuczna inteligencja?

Jaka jest definicja sztucznej inteligencji?

Przez lata wiele osób próbowało zdefiniować sztuczną inteligencję. Wiele z tych definicji zostało podsumowanych przez Stuarta Russella i Petera Norviga w ich książce Sztuczna inteligencja - współczesne podejście

Definicje sztucznej inteligencji można podsumować jako należące do następujących kategorii:

1. Te, które dotyczą procesu myślenia i rozumowania (jak AI myśli / przyczyny)
2. Te, które dotyczą zachowania (jak AI działa, biorąc pod uwagę to, co wie)

Ponadto powyższe 2 kategorie są dalej podzielone na definicje, które:

I. oceniam powodzenie sztucznej inteligencji (aby wykonać powyższe czynności) na podstawie jej zdolności do replikowania wydajności człowieka

II. lub zdolność do replikacji idealnej miary wydajności zwanej „racjonalnością” (czy robi to „właściwą” rzecz w oparciu o to, co wie?)

Przytoczę definicje pasujące do każdej z powyższych kategorii:

• 1.I. „Automatyzacja działań, które łączymy z ludzkim myśleniem, takie jak podejmowanie decyzji, rozwiązywanie problemów, uczenie się…” - Bellman 1978
• 1.II. „Badanie obliczeń, które umożliwiają postrzeganie, rozumowanie i działanie”. - Winston, 1992
• 2.I. „Badanie, jak sprawić, by komputery robiły rzeczy, w których w tej chwili ludzie radzą sobie lepiej” - Rich and Knight, 1991
• 2.II. „Badanie projektu inteligentnych agentów” - Poole i in., 1998

Podsumowując, AI jest poświęcone tworzeniu inteligentnych i racjonalnych maszyn, które mogą podejmować racjonalne decyzje i racjonalne działania.

Sugerowałbym przeczytanie testu Turinga, który Alan Turing zaproponował przetestować, czy komputer jest inteligentny. Jednak test Turinga ma kilka problemów, ponieważ jest antropomorficzny.

Kiedy inżynierowie aeronautyczni stworzyli samolot, nie postawili sobie za cel, aby samoloty latały dokładnie jak ptaki, ale zaczęli uczyć się, w jaki sposób generowane są siły nośne, na podstawie badań aerodynamiki. Korzystając z tej wiedzy, stworzyli samoloty.

Podobnie ludzie w świecie sztucznej inteligencji nie powinni stawiać IMHO ludzkiej inteligencji jako standardu, do którego należy dążyć, ale raczej moglibyśmy użyć, powiedzmy, racjonalności jako standardu (między innymi).

W artykule Universal Intelligence: A Definition of Machine Intelligence (2007) Legg i Hutter po dość poważnych badaniach nieformalnie definiują inteligencję w następujący sposób

Inteligencja mierzy zdolność agenta do osiągania celów w wielu różnych środowiskach

W tym samym artykule sformalizowali również tę definicję. Możesz zajrzeć do artykułu po więcej szczegółów, ale w kilku słowach, aby wymyślić tę definicję, przeanalizowali wiele definicji inteligencji podanych przez ludzi na przestrzeni lat i próbowali podsumować klucz punkty wszystkich tych definicji. Omawiają także takie kwestie, jak testy inteligencji i ich związek z definicją inteligencji: to znaczy, czy test inteligencji wystarcza do zdefiniowania inteligencji, czy też test inteligencji i definicja inteligencji są odrębnymi pojęciami? Wskazują również na związek między tą definicją a AIXI .

W artykule Czym jest sztuczna inteligencja? (2007), John McCarthy, jeden z założycieli sztucznej inteligencji, który ukształtował także wyrażenie sztuczna inteligencja , pisze

Sztuczna inteligencja to nauka i inżynieria tworzenia inteligentnych maszyn, zwłaszcza inteligentnych programów komputerowych. Jest to związane z podobnym zadaniem wykorzystania komputerów do zrozumienia ludzkiej inteligencji, ale sztuczna inteligencja nie musi ograniczać się do metod, które są biologicznie obserwowalne.

Jednak ta definicja jest związana z ludzką inteligencją, więc nie wszyscy zgodzą się z tą definicją.

Dalej stwierdza

Inteligencja jest obliczeniową częścią zdolności do osiągania celów na świecie. Różne rodzaje i stopnie inteligencji występują u ludzi, wielu zwierząt i niektórych maszyn.

Pole AI ewoluowało od czasu jego oficjalnej koncepcji na konferencji w Dartmouth w 1956 roku, więc definicja sztucznej inteligencji również ewoluuje. Wcześniej do tej konferencji było już kilka powiązanych dziedzin i wyrażeń, na przykład cybernetyka.

Najkrótszą odpowiedzią, jaką mogę wymyślić, może być następująca; weź to z odrobiną soli, ponieważ wciąż nie wiemy zbyt wiele o naturalnej inteligencji:

Czym jest inteligencja naturalna, może być postrzegany jako proces uczenia się abstrakcyjnych pojęć na podstawie ograniczonych obserwacji z zamiarem wykorzystania ich do rozwiązania [nowego] zadania. Proces ten polega na wykorzystaniu tych pojęć do wyobrażenia sobie nowych, hipotetycznie poprawnych scenariuszy / teorii i połączenia ich w znaczący sposób, aby ograniczyć ogromną przestrzeń możliwości hipotez i umożliwić uogólnienie na nowe sytuacje bez uprzedniego obserwowania danych. Sztuczna inteligencja polega na wprowadzaniu tego, co robi naturalna inteligencja do maszyn.

Nie ma formalnej definicji, która byłaby zgodna dla większości osób. Oto, co ja, jako konsultant ds. Nauki danych / uczenia maszynowego, myślę:

Sztuczna inteligencja jako dziedzina badawcza to nauka o agentach, które wykrywają i działają autonomicznie w otoczeniu i poprawiają swoją sytuację zgodnie z pewnymi wskaźnikami swoimi działaniami.

Nie podoba mi się ten termin, ponieważ jest zbyt szeroki / niejasny. Zamiast tego spójrz na definicję uczenia maszynowego przez Toma Mitchella:

Mówi się, że program komputerowy uczy się na podstawie doświadczenia „E” w odniesieniu do pewnej klasy zadań „T” i miary wydajności „P”, jeżeli jego wydajność na zadaniach w „T” mierzona za pomocą „P” poprawia się wraz z doświadczeniem E

Uczenie maszynowe jest ważną częścią sztucznej inteligencji, ale nie jedyną. Algorytmy wyszukiwania, SLAM, ograniczona optymalizacja, bazy wiedzy i automatyczne wnioskowanie również są z pewnością częścią sztucznej inteligencji.

Badacze sztucznej inteligencji bez wątpienia interesują się określeniem terminu używanego w ich własnej dziedzinie dyscypliny, a pojęcie „ sztuczna” jest mało jednoznaczne . Wyzwanie polega na tym, że słowo inteligencja historycznie było bardziej jakościowym opisem niż rzeczywistą liczbą liczbową.

Jak inteligencję jednego można porównać z inteligencją drugiego? Testowanie IQ, uśrednianie kategorii testów na tablicy uczelni, wartość netto, zwycięstwo w turniejach szachowych i go, błędne stawki decyzyjne, różne intelektualne wyścigi prędkości, tablice ewaluacyjne i panele były boleśnie niewystarczającym zestawem przeszkód dla osób zaangażowanych w teorię matematyczną stojącą za zdolnościami umysłowymi nazywamy inteligencją.

Jeszcze sto lat temu inteligencja była jakościowym terminem określającym osoby związane ze zdolnością do rozwiązywania problemów w środowisku akademickim, biznesowym i osobistym. Gdy kultura zaczęła szukać ilościowego traktowania rzeczy, które kiedyś były wyłącznie jakościowe, zależność zdolności umysłowych od wieku danej osoby i jej możliwości środowiskowych stanowiła wyzwanie. Idea ilorazu inteligencji (IQ) zrodziła się z chęci kwantyfikacji potencjału umysłowego niezależnie od wieku i możliwości.

Niektórzy próbowali zminimalizować czynniki środowiskowe, produkując ustandaryzowane testy podstawowych umiejętności poznawczych, które odnoszą się do matematyki i języka.

System produkcyjny i pojemniki z logiką rozmytą (oparte na regułach), głębokie uczenie się (oparte na sztucznej sieci), algorytmy genetyczne i inne formy badań nad sztuczną inteligencją nie stworzyły maszyn, które dałyby dobre wyniki w standardowych testach zaprojektowanych dla ludzi. Jednak w maszynach nadal poszukuje się zdolności do posługiwania się językiem naturalnym, koordynacji mechanicznej, doskonałości planowania i wyciągania wniosków na podstawie jasnego i weryfikowalnego rozumowania.

Poniżej znajdują się kategorie zdolności umysłowych, wyróżnione według metod pomiaru, architektury użytkowania oraz rodzajów badań, które przyniosły wczesne obiecujące wyniki i ciągłe doskonalenie.

• Dialog - mierzony zarówno przez imitację Alana Turinga, jak i przez automatyzację systemu odpowiadania, asystentów osobistych i mobilnych chat-botów
• Kontrola mechaniczna - mierzona zarówno według kryteriów stabilności systemu, jak i wskaźnika kosztów incydentów oraz zmniejszenia liczby ofiar śmiertelnych w przypadku zastosowania inteligentnej automatyki w sektorze transportu
• Business Intelligence - mierzony przede wszystkim wzrostem lub spadkiem rentowności w stosunku do trendów poprzedzających ręczne planowanie i kontrolę operacyjną lub równolegle z nimi

Odkrycie najbardziej prawdopodobnej i optymalnej parametryzacji złożonej funkcji opartej na matematycznym wyrażeniu tego, co oznacza optymalne środki, nie zostało celowo wymienione powyżej. To, co jest głównym działaniem urządzeń do uczenia maszynowego, nie pasuje do kategorii tego, co historycznie nazywano inteligencją, i nie powinno tak być. Statystyczne traktowanie zbiorów danych do celów predykcyjnych nie polega na uczeniu się w sensie intelektualnym. Jest dopasowany do powierzchni. Uczenie maszynowe jest obecnie narzędziem wykorzystywanym przez ludzką inteligencję, aby rozszerzyć jej moc, podobnie jak inne narzędzia obliczeniowe.

To ograniczenie uczenia maszynowego może w przyszłości zostać przekroczone. Nie wiadomo, czy i kiedy sztuczne sieci wykażą poznanie, logikę, zdolność do rozpoznawania znaczenia i efektywną zdolność w wyżej wymienionych kategoriach.

$n$$\mathcal{I} \in \mathbb{R}^n$$n = 1$

• Inteligencja językowa („word smart”)
• Inteligencja logiczno-matematyczna („inteligentny numer / rozumowanie”)
• Inteligencja przestrzenna („inteligentny obraz”)
• Inteligencja cielesno-kinestetyczna („body smart”)
• Inteligencja muzyczna („inteligentna muzyka”)
• Inteligencja interpersonalna („inteligentni ludzie”)
• Inteligencja osobista („inteligentna”)
• Naturalistyczna inteligencja (dodatek Armstronga)
• Inteligencja egzystencjalna (dodatek Armstronga)
• Inteligencja moralna (dr John Bradshaw, dodatek)

Argument, że są to przejawy pojedynczej zdolności wywiadowczej wyrażającej się różną skutecznością ze względu na edukację lub inny trening, został systematycznie osłabiony przez oparte na dowodach odkrycie w dziedzinie kognitywistyki, genetyki i bioinformatyki.

W genetyce zidentyfikowano co najmniej dwadzieścia dwa niezależne składniki genetyczne inteligencji, a liczba ta prawdopodobnie wzrośnie. Te niezależne przełączniki w ludzkim DNA nie wpływają na tę samą kontrolę neuronową w mózgu, co wskazuje na opartą na dowodach słabość ideologii czynnika g.

Jest prawdopodobne, że niektóre formy ludzkiej inteligencji i mapy ekspresji DNA w złożony sposób zostaną odkryte w czasie i że to mapowanie całkowicie zastąpi uproszczenie współczynnika g w miarę upływu czasu.

Termin Sztuczna inteligencja może być lepiej wyrażony jako Symulacje form i wyrażeń ludzkiej inteligencji i jedynie skrócony jako AI. Nie jest to jednak definicja. To jest przybliżony opis. Nigdy nie może istnieć jedna precyzyjna definicja wszystkich wymiarów, które luźno grupujemy pod jednym terminem. Jeśli tak jest w przypadku ludzkiej inteligencji, może to również dotyczyć sztucznej inteligencji.

Istnieje kilka typowych cech, które można wymienić na temat wszystkich inteligentnych odpowiedzi.

• Inteligencję można mierzyć i uzyskiwać użyteczność jedynie w kontekście określonych warunków środowiskowych oraz określonego celu lub zestawu celów. Przykłady celów obejmują pozostanie przy życiu, uzyskanie stopnia naukowego, wynegocjowanie rozejmu w wyniku konfliktu lub powiększenie majątku lub firmy.
• Inteligencja polega na dostosowaniu się do nieoczekiwanych warunków w oparciu o to, czego uczy się poprzez doświadczenie, dlatego uczenie się bez możliwości zastosowania tego, czego się nauczyliśmy, nie jest inteligencją, a zastosowanie procesu, którego się nauczył i który został po prostu przeniesiony do jakiejś rzeczy kontrolującej proces, również nie jest uważane za inteligencję.

Ludzka inteligencja może uczyć się i stosować w sposób, który wydaje się być równoległy. Poza tym niedopuszczalne byłoby omawianie działającej definicji inteligencji bez wspominania niektórych kluczowych ludzkich zdolności umysłowych, które zostały zaproponowane jako rekurencja w mniejszych formach, ale dowód, że rekurencja lub kompozycja wytworzy te cechy mentalne, nie istnieje.

• Jednoczesne uczenie się i korzystanie z tego, czego się nauczyliśmy
• Zdolność do wymyślania nowych mechanizmów przyrostowej poprawy
• Adaptacyjność do nieoczekiwanych warunków
• Możliwość wynalezienia struktury poza aktualnie uczonymi domenami

Mogą to obejmować przyszłe wymagania dotyczące inteligentnych maszyn, a teraz może być trochę mądrości.

Bibliografia

Skrypty, plany, cele i zrozumienie: Badanie struktur wiedzy ludzkiej , Schank, Abelson, 2013, cytowane przez 16 689 artykułów, fragment T&F: Latem 1971 r. Odbyły się warsztaty w źle zdefiniowanej dziedzinie na skrzyżowaniu psychologia, sztuczna inteligencja i językoznawstwo. Piętnaście uczestników było w różny sposób zainteresowanych reprezentacją dużych systemów wiedzy lub przekonań.

Understanding Our Craft - Wanted: A Definition of Intelligence , Michael Warner, 2002

Pojęcie inteligencji i jej rola w uczeniu się przez całe życie i sukcesie , Robert J. Sternberg, Yale University, 1997

Niektóre problemy filozoficzne z punktu widzenia AI , John McCarthy i Patrick J. Hayes, Stanford University, 1981

Zrozumienie i rozwijanie inteligencji emocjonalnej , Olivier Serrat, Knowledge Solutions, str. 329-339, 2017

Frames of Mind: Theory of Multiple Intelligences , 2011, Howard Gardner

7 (Siedem) rodzajów inteligentnych: identyfikowanie i rozwijanie wielu inteligencji , 1999, Thomas Armstrong

Suzanne Sniekers i in., Metaanaliza asocjacyjna całego genomu 78 308 osób identyfikuje nowe loci i geny wpływające na ludzką inteligencję . al., 2017

Inteligencja

Miara siły agenta decyzyjnego w stosunku do innych agentów decyzyjnych w odniesieniu do danego zadania lub zestawu zadań. Medium nie ma znaczenia - inteligencja przejawia się zarówno w organicznych, jak i celowo tworzonych mechanizmach. Może być również możliwość rozwiązania problemu, jak w przypadku rozwiązanej gry .

Sztuczny

Odnosi się do terminu artefakt , który jest celowo tworzony. Zazwyczaj termin ten używany jest do oznaczania obiektów fizycznych, ale algorytmy tworzone przez ludzi są również uważane za artefakty.

Etymologia wywodzi się z łacińskich słów ars i faciō : „umiejętnie konstruować” lub „sztuka tworzenia”.

Sztuczna inteligencja

• Każdy agent decyzyjny, który jest umiejętnie (celowo) skonstruowany.

DODATEK: Znaczenie „inteligencji”

Pierwotne znaczenie „inteligencji” wydaje się „nabywać”, wracając do indoeuropejskiej. Patrz: inteligencja (etymologia) ; * leg / * leh₂w-

Pierwsza definicja inteligencji OED nie jest niepoprawna, rozszerzając znaczenie na nabywanie zdolności (użyteczność użyteczna), tyle że druga definicja jest starsza i fundamentalna: „Gromadzenie informacji o wartości [strategicznej]; 2.3 (archaiczne) Informacje w główne wiadomości."

Możesz uważać, że wszechświat składa się z informacji , niezależnie od formy, jaką przyjmują informacje (materia, energia, stany, pozycje względne itp.) Z punktu widzenia algorytmu ma to sens, ponieważ jedynym sposobem, w jaki muszą zmierzyć wszechświat, jest postrzega .

Weź płaski plik tekstowy. Mogą to być tylko dane, ale możesz spróbować je wykonać. Jeśli faktycznie działa, może wykazywać użyteczność przy niektórych zadaniach. (Na przykład, jeśli jest to algorytm minimax.)

„Inteligencja jako miara użyteczności” to sama „inteligencja” w sensie informacji, w szczególności ta informacja, za pomocą której mierzymy inteligencję jako stopień w stosunku do zadania lub innych inteligencji.

AI jest w zasadzie aktem wdrażania ludzkiej inteligencji w maszynie. Odbywa się to za pomocą różnych algorytmów wdrażających ludzką inteligencję.

AI to dziedzina, która wykorzystuje techniki obliczeniowe do przybliżania złożonych decyzji.

Bardziej konwencjonalny: program komputerowy (głównie), który może obliczać dane wyjściowe dla dowolnych danych wejściowych, których nigdy wcześniej nie widział, wstępnie zaprogramowany lub nie zawierający wyraźnego związku między danymi wejściowymi i wyjściowymi (tj. Dziedziną i zakresem ). Wyszukiwarka Google, Alexa, Siri, Cortana, IBM Watson ... Definicja ma zastosowanie do wszystkich; nawet dla AI ogólnego przeznaczenia

Idę o krok dalej ( kontrowersyjny! ). Jeśli usuniesz Nie-ludzką istotę z pierwszej definicji, to dla mnie jest to definicja ludzkiej inteligencji. Na przykład RMB mogą wywnioskować pewne ukryte abstrakcyjne znaczenie z danych podczas nienadzorowanego szkolenia wstępnego. Możemy to nazwać intuitiondla nas, ale wydaje się, że nie jest to wyjątkowe dla ludzi. ( Doświadczenie z rozpoznawaniem kotów przez Geoffrey'a Hintona jest dobrym przykładem, ale nie udało się znaleźć linku ). KMS może również śnić . Więc możeludzką inteligencję, którą postrzegamy niemal jak zjawisko nadprzyrodzone, można modelować za pomocą modelu matematycznego, bez względu na to, jak skomplikowana może być. Tak więc, zanim osądzę moją redukcję AI do zestawu funkcji (z grubsza mówiąc), osądzaj mój argument ludzkiej inteligencji. Oto wideo Geoffreya Hintona na ten temat

Uczenie maszynowe: Uczenie maszynowe to proces optymalizacji parametrów funkcji dla danych danych wejściowych i wyjściowych, aby mógł obliczyć nowe dane wyjściowe dla nowych danych wejściowych. Nawet regresja liniowa jest rodzajem uczenia maszynowego, a głęboka sieć neuronowa jest właściwie funkcją. Jest używany zamiennie z AI, ale nie oznaczają tego samego. AI odpowiada CO, podczas gdy uczenie maszynowe odpowiada JAK . (Nie do końca, ale blisko)

Pozwól, że podam kilka przykładów w celu wyjaśnienia różnicy między AI i ML.

• Głębokie uczenie się nie jest sztuczną inteligencją. To jest ML.
• Alexa Alexa to sztuczna inteligencja.
• Optymalizacja algorytmu genetycznego (GA) to ML. Bot grający w grę Snake używającą tych parametrów GA jest sztuczną inteligencją.

UWAGA: Jednak obecnie wszystkie metody i struktury, których używamy do budowania sztucznej inteligencji, należą do terminu uczenia maszynowego. Dlatego słuszne jest stwierdzenie, że korzystamy z uczenia maszynowego do budowania sztucznej inteligencji.

Jest to inteligencja na poziomie maszyny, a nie pokazywana przez ludzi kierowanych algorytmami.