Mis on Tehisintellekt?

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

Poolt István S. N. Berkeley D. Ph.
Filosoofia, University of Louisiana at Lafayette

Ajalooline Perspektiiv: See Kõik Kõlab Nii Hea….

Ilmselt kõik on kuulnud, Artificial Intelligence (AI lühikese), kuid suhteliselt vähesed inimesed on tõesti hea idee, mida sõna tegelikult tähendab. Enamiku inimeste jaoks, AI on seotud esemeid, nagu Hal 9000 Arvutist filmi 2001: A Space odyssey. Sellised pildid on toote Hollywoodi, pigem selline asi, mis tegelikult juhtub teaduslaborid maailma täna. Minu eesmärk siin on tutvustada mõningaid põhilisi ideid taga AI, ja proovida ja pakkuda vahendeid, mille abil inimesed saavad tulla tegeleda praeguse tehnika valdkonnas.Jämedalt öeldes, Tehisintellekt on uuring, keemilistest computational seadmed ja süsteemid, mida saab teha tegutsema viisil, mida me oleks valmis kõne intelligentne. Sündi välja saab taandada 1950. aastate algul. Väidetavalt esimene oluline sündmus ajaloos AI oli avaldamise raamatu pealkirjaga “Computing Machinery and Intelligence” Briti Matemaatik Alan Turing. Käesolevas raamatus, Turing väitis, et kui masin saaks varem teatud test (mis on saanud tuntud “Turingi test”) siis oleks meil põhjust öelda, et arvuti oli intelligentne. Turingi test hõlmab inimese (tuntud kui “kohtunik”) ja küsimuste kaudu arvuti terminalis kahe muud üksused, millest üks on inimene ja teine, mis on arvuti. Kui kohtunik regulaarselt ei suutnud õigesti eristada arvuti inimese, siis arvuti oli öelnud, et on läbinud testi. Selles raamatus Turingi ka kaalunud mitmeid argumente ja vastuväiteid, mõte, et arvutid võiks eksponeerida luure.

On üldiselt arvatakse, et AI oli sündinud distsipliin konverentsil nimega “Dartmouth Suvel teadusuuringute Projekti, mis käsitleb tehisintellekti“, korraldatud muu hulgas, John McCarthy ja Marvin Minsky. Konverentsil süsteem tuntud LOOGIKA TEOREETIK oli näidanud, Alan Newell ja Herb Simon. LOOGIKA TEOREETIK oli süsteem, mis avastanud tõendeid, et teoreeme, sümboolne loogika. Tähtsust see süsteem oli, et sõnu Feigenbaum ja Feldman (1963: p. 108) LOOGIKA TEOREETIK, oli “…esimene foray poolt tehisintellekti kõrgemal-et intellektuaalse protsesse.” See esialgne edu, oli kiiresti järgnesid mitmed teised süsteemid, mis võib täita ilmselt intelligentne ülesandeid. Näiteks süsteem, mis on tuntud kui “DENDRAL” suutis mechanize aspekte teaduslikke põhjendusi leida orgaaniline keemia. Teise programmi, tuntud kui “MYCIN“, oli võimalik interaktiivselt diagnoosida nakkushaigused.

Põhiline strateegia, mis näevad selle taga kõik need edusammud viis ettepanekut, mida tuntakse Füüsilist Sümbol Süsteemide Hüpotees, Newell ja Simon 1976. aastal. Füüsiline Sümbol Süsteemi Hüpotees kujutab endast destillatsioonil teooria, mille panna taga palju tööd, mis oli läinud edasi, kuni selle kuupäeva ja oli pakutud üldine teaduslik hüpotees. Newell ja Simon (1976: lk. 41) kirjutas;

“Füüsiline sümbol süsteem on vajalik ja piisav – üldiselt arukas tegevus.”

Kuigi on olnud palju poleemikat umbes täpselt, kuidas seda hüpoteesi tuleks tõlgendada nii, et on kaks olulist järeldused, mis on koostatud. Esimene järeldus on see, et arvutid on füüsiline sümbol süsteemid, vastavas mõttes, ja nõnda on põhjust (peaks hüpotees olema õige), et usun, et neil peaks olema võimalik panna luure. Teine järeldus on, et kuna meie, inimesed, samuti on intelligentne, tuleb ka meil olla füüsiline sümbol süsteemide ja seega on oluliselt mõttes sarnased, et arvutid.

Praegune Perspektiiv: Probleemid ja Kordaminekud

Kõik need ilmselt positiivsed tulemused ja huvitav teoreetiline töö, mis on üsna ilmne küsimus, tundub, et “Kui on intelligentsed masinad, nagu HAL 9000′? Kuigi on olnud palju muljetavaldavam edu valdkonnas, seal on ka mitmed olulised probleemid, mis AI uuringud on sattunud. Seni ei ole HAL 9000 ja realistlikult, siis on see hea, kui enne on sellised süsteemid muutuvad kättesaadavaks, kui neid üldse ongi tõestada, et üldse võimalik.

Varajase edu AI viinud teadlased valdkonnas, et olla pööraselt optimistlik. Kahjuks optimism oli veidi kohatud. Näiteks 1957. aastal Simon ennustada, et see võtab ainult kümme aastat arvuti jaoks olla maailma male meister. Muidugi, see eriti feat ei saavutanud, kuni see aasta, Deep Blue süsteemi. Seal on sügavamad probleemid, mis AI on sattunud siiski.

Enamik inimesi, kui nad teavad, et President Clinton on Washingtoni, siis nad ka teavad, et President Clinton on parema põlve on ka Washingtonis. See võib tunduda triviaalne asjaolu, ja seda ta tõepoolest on mõeldud inimestele, kuid see ei ole triviaalne, kui tegemist on AI süsteemid. Tegelikult, see on näiteks, mida on tulnud olla tuntud kui “terve mõistus, Teadmised, Probleem”. A computational süsteem teab, mida ta on explicity ütles. Ükskõik, milline võimekus on lihtsustatud süsteemi, kui et süsteem teab, et President Clinton oli Washingtonis, kuid ei tea, et tema vasaku põlve on seal liiga, siis süsteem ei näi olevat liiga tark. Muidugi, see on täiesti võimalik öelda arvuti, et kui inimene on ühes kohas, siis oma vasaku põlve on samas kohas, kuid see on alles algus probleem. Seal on suur hulk sarnaseid fakte, mis oleks ka vaja, et olla programmeeritud. Näiteks, me teame ka, et kui President Clinton on Washingtoni, siis ta juuksed on ka Washingtonis, tema huuled on Washingtonis ja nii edasi. Raske vaatenurgast AI, on leida viis, kuidas jäädvustada kõik need faktid. Probleem mõistus Teadmised on üks peamisi põhjuseid, miks me ei ole veel intelligentne arvutid ennustatud ulme, nagu HAL 9000.

Probleem mõistus Teadmisi jookseb väga sügavale AI. Näiteks, oleks see väga raske arvuti läbida Turingi testi, kui see polnud teadmisi, mida on kirjeldatud eespool. Punkti saab illustreerida arvestades korral, ELIZA. ELIZA on AI süsteemi poolt disainitud Weizenbaum 1966 aastal, mille eesmärgiks oli jäljendada psühhoterapeudina. Seal on palju variante selle tarkvara nendel päevadel, üsna vähe, mida saab alla. Kuigi mõned meeli ELIZA võib olla üsna muljetavaldav, see ei võta palju, et saada süsteemi segi, või rajalt. See selgub väga kiiresti, et süsteem ei ole kaugeltki intelligentne.
Seal on mitmeid vastuseid Probleem mõistus Teadmiste piires AI teadus-ühenduse. Üks strateegia on püüda luua süsteeme, mis on ainult mõeldud tegutsemiseks piiratud valdkondades. See on strateegia, mis asub taga Loebner Auhind, tänapäeva konkurentsi, mis põhineb piiratud versioon Turingi testi. Mõned viimase aja sissekanded, et see võistlus, nagu NÕUANDEDsüsteem on tegelikult üsna muljetavaldav, võrreldes ELIZA.

Teine ambitsioonikas strateegia on vastu võetud AI teadlane Doug Lenat. Lenat ja tema kolleegid on töötanud mitmeid aastaid süsteem, mis on tuntud CYC. Eesmärk CYC projekti eesmärk on töötada välja suur arvutilingvistika andmebaas ja otsing, mis võimaldab AI süsteemide kasutada kõiki teadmisi, mis moodustab terve mõistus. Kui CYC projekt püüab täita Probleem mõistus Teadmised inimese kohta. Praegusel ajal, kui projekti tulemused on lihtsalt alguse saanud. Ei ole veel selge, kas suur jõupingutus on olnud edukas.

Teised teadlased on võtnud vastu erinevaid tack proovida ja lahendada probleem. Nad põhjusel, et inimene on terve mõistus, sest suur rikkalikult kogemusi, mis meil on, nagu me kasvada ja õppida. Nad eelistavad, et üritada lahendada Probleemi, mõistus vastu masin õppe strateegia. Võib-olla, kui arvuti võiks õppida viisil, mis on sarnane inimese, see oleks liiga arendada mõistust. See strateegia on veel teostamisel ja see on liiga vara öelda, kas see on edukas.

Teine probleem, mis AI uuringud on joosta on see, et ülesandeid, mida on raske inimestele, nagu matemaatika, või mängivad malet, osutuvad üsna lihtne arvutid. Teiselt poolt, ülesandeid, mis inimeste leidmine on lihtne, nagu õppimine liikuda tuba täis mööbel, või tunnistades nägu, arvutid leida suhteliselt raske teha. See on inspireeritud mõned teadlased, et proovida ja arendada süsteeme kus on (vähemalt pealiskaudselt) aju-sarnased omadused. Teadus põhineb see strateegia on tulnud olla tuntud kui väli Kunstlikud närvivõrgud (nimetatakse ka Connectionism) ning on praegu üks peamisi spetsialist alam-piirkondades, AI. On huvitav aspekt Kunstlikud närvivõrgud on, et paljud need süsteemid ka õppida, seega sisaldavad mõned eelised, masin õppe strateegia, et lahendada terve mõistus, Teadmised, Probleem. Artificial Neural Network süsteemid on olnud edukas, eesmärk on lahendada mitmeid probleeme, nagu näiteks need, mis puudutavad kujutuvastuseks, mis on osutunud kõvasti muid lähenemisviise.

See on oluline aru küll, et mitte igaüks nõustub, milliseid ruume AI teadus tegutseb. Kogu projekti AI on tulnud alla terav kriitika aeg-ajalt. Üks tuntud kriitik on Herbert Dreyfus. Ta on väitnud, mitmesugustel põhjusel, et kogu ettevõtte AI on määratud läbikukkumisele, sest see muudab eeldused maailma kohta ja mõtetes, mis ei ole vastuvõetav, kui kriitiliselt hinnata. Teine tuntud kriitik AI on John Searle. Searle on kavandatud argument, mis põhineb arvasin, eksperiment, mida tuntakse Hiina Toa argument. See väide näib, et näidata, et eesmärk hoone intelligentsete masinate ei ole võimalik. Kuigi see väide avaldati algselt 1980. aastatel, see on ikka kuum teema arutelu interneti uudistegruppides on nagu comp.ai.filosoofia.

Kas kriitikud AI on õige või ei ole, ainult aeg näitab. Siiski on kaks olulist komplekti tagajärgi, mis on tekkinud pärast esmast algusest valdkonnas. Esimene neist on, et sünnib uus ja põnev akadeemiline distsipliin, mis on tulnud olla tuntud kui ” Kognitiivseid‘. Kognitiivne Teadus-aktsiad AI põhiline eeldus, et mõnes mõttes on vaimne tegevus on arvutuslikku laadi. Eesmärk Kognitiivseid, kuigi on erinev AI. Kognitiivse teadlased on seadnud endale eesmärgiks hargnemist saladused inimmõistuse. See ei ole väike ülesanne, arvestades, et inimese aju on kõige keerulisem seade teada, et inimkond. Näiteks, isegi kui erinevate lihtsustavad eeldused on tehtud, tundub väga tõenäoline, et mitmed erinevad võimalikud ühe inimese aju on tegelikult suurem kui aatomite arv Universumis! Sellest hoolimata, õppida vigadest ja edusammudest tegutsemise eesmärk AI, koos edu teiste distsipliinide, tundub, et näidata, et projekti Kognitiivseid on elujõuline, kuigi raske saavutada.

Teise komplekti tagajärgi, mis on tekkinud uuring AI on võib-olla natuke vähem selge. Seal on palju programme ja süsteeme ümber täna, kes kasutavad puu-AI-teadus. Kuigi meil ei ole HAL 9000 veel, paljud varajased eesmärke AI on saavutatud, kuid mitte ühe grand süsteemi. Võib-olla kõige kurvem aga see, et AI harva saab krediiti oma toetus muudes valdkondades. On olemas ütlus, akadeemilistes ringkondades, et “parim puu-AI, muutunud plain old computer science”. Kui me õpime, et teha rohkem ja rohkem, mis oli kord peaaegu imeline, muutub ilmalik. Nüüd, kui eesmärk on tõesti trahvi malet mängides arvuti on juba realiseeritud, on tõenäoline, et ka see ei ole enam põnevus või üllata meid. Aga, seal on veel palju, väljakutsuv ja põnev piire, mis on vallutanud AI jooksul. Seal on ka palju okkaline küsimused, mis tuleb läbi mõelnud. Toodetes, mille järgi see üks, ma püüan ja kehtestada mõned põnev töö, mida on teinud AI, nii et panus, mida see uuring programmi, et maailm nagu me teada, see on parem, teada ja mõista.

© István S. N. Berkeley D. Ph. 1997. Kõik õigused reserveeritud.

Soovitatav kirjandus
Campbell, J. (1989), Ebatõenäoline, Masin, Simon & Schuster (New York).

Copeland, J. (1993), Tehisintellekt, Blackwells (Oxford).

Churchland, P. (1988), Mateeria ja Teadvuse, MIT Press ” (Cambridge, MA).

Haugeland, J. (1985), Tehisintellekt: Idee, MIT Press ” (Cambridge (MA).

Kirjandus
Feigenbaum, E. ja Feldman, J. (1963), Arvutid ja Mõtlesin,, McGraw-Hill (New York).

Haugeland, J. (1981) Meeles, Disain, MIT Press ” (Cambridge, MA).

Newell, A. ja Simon, H. (1976), “Arvuti Teaduse Empiiriline Uurimine: Sümbolid ja Otsi” kordustrükk Haugeland (1981: lk 35-66).