El primer concepte que és important entendre és que la IA no té res a veure amb la intel·ligència humana. Sí, algunes IA es modelen per simular la intel·ligència humana, però això és el que és: una simulació. Quan penseu en IA, observeu una interacció entre la recerca d'objectius, el processament de dades utilitzat per aconseguir aquest objectiu i l'adquisició de dades que s'utilitza per entendre millor l'objectiu. La IA es basa en algorismes per aconseguir un resultat que pot tenir o no res a veure amb objectius humans o mètodes per assolir aquests objectius. Tenint això en compte, podeu classificar la IA de quatre maneres:
- Actuar humanament: quan un ordinador actua com un humà, reflecteix millor la prova de Turing, en què l'ordinador té èxit quan la diferenciació entre l'ordinador i un humà no és possible. Aquesta categoria també reflecteix el que els mitjans volen fer creure que es tracta de l'IA. Veieu que s'utilitza per a tecnologies com el processament del llenguatge natural, la representació del coneixement, el raonament automatitzat i l'aprenentatge automàtic (les quatre han d'estar presents per superar la prova).
La prova de Turing original no incloïa cap contacte físic. La prova més recent, Total Turing, inclou el contacte físic en forma d'interrogatori de la capacitat perceptiva, el que significa que l'ordinador també ha d'utilitzar la visió per ordinador i la robòtica per tenir èxit. Les tècniques modernes inclouen la idea d'aconseguir l'objectiu en lloc d'imitar completament els humans. Per exemple, els germans Wright no van aconseguir crear un avió copiant precisament el vol dels ocells; més aviat, els ocells van proporcionar idees que van conduir a l'aerodinàmica que finalment va conduir al vol humà. L'objectiu és volar. Tant els ocells com els humans aconsegueixen aquest objectiu, però utilitzen enfocaments diferents.
- Pensar humanament: quan un ordinador pensa com un humà, realitza tasques que requereixen intel·ligència (a diferència dels procediments de memòria) d'un humà per tenir èxit, com ara conduir un cotxe. Per determinar si un programa pensa com un humà, heu de tenir algun mètode per determinar com pensen els humans, que defineix l'enfocament del modelatge cognitiu. Aquest model es basa en tres tècniques:
- Introspecció: Detectar i documentar les tècniques utilitzades per assolir els objectius mitjançant el seguiment dels propis processos de pensament.
- Proves psicològiques: Observar el comportament d'una persona i afegir-lo a una base de dades de comportaments similars d'altres persones donat un conjunt similar de circumstàncies, objectius, recursos i condicions ambientals (entre altres coses).
- Imatges cerebrals: seguiment de l'activitat cerebral directament mitjançant diversos mitjans mecànics, com ara la tomografia axial computeritzada (CAT), la tomografia per emissió de positrons (PET), la ressonància magnètica (MRI) i la magnetoencefalografia (MEG).
Després de crear un model, podeu escriure un programa que simuli el model. Donada la quantitat de variabilitat entre els processos de pensament humà i la dificultat de representar amb precisió aquests processos de pensament com a part d'un programa, els resultats són experimentals en el millor dels casos. Aquesta categoria de pensament humà s'utilitza sovint en psicologia i altres camps en els quals és essencial modelar el procés de pensament humà per crear simulacions realistes.
- Pensar racionalment: estudiar com pensen els humans mitjançant algun estàndard permet crear directrius que descriguin els comportaments humans típics. Una persona es considera racional quan segueix aquests comportaments dins de certs nivells de desviació. Un ordinador que pensa racionalment es basa en els comportaments enregistrats per crear una guia sobre com interactuar amb un entorn a partir de les dades disponibles. L'objectiu d'aquest enfocament és resoldre problemes de manera lògica, quan sigui possible. En molts casos, aquest enfocament permetria la creació d'una tècnica de referència per resoldre un problema, que després es modificaria per resoldre realment el problema. En altres paraules, la resolució d'un problema en principi és sovint diferent de la resolució a la pràctica, però encara cal un punt de partida.
- Actuar racionalment: estudiar com actuen els humans en situacions determinades sota limitacions específiques us permet determinar quines tècniques són eficients i efectives. Un ordinador que actua de manera racional es basa en les accions registrades per interactuar amb un entorn en funció de les condicions, els factors ambientals i les dades existents. Com passa amb el pensament racional, els actes racionals depenen d'una solució en principi, que pot no resultar útil a la pràctica. Tanmateix, els actes racionals proporcionen una línia de base sobre la qual un ordinador pot començar a negociar la consecució d'un objectiu.
Les categories utilitzades per definir la IA ofereixen una manera de considerar diversos usos o maneres d'aplicar la IA. Alguns dels sistemes utilitzats per classificar la IA per tipus són arbitraris i no diferents. Per exemple, alguns grups veuen la IA com una forta (intel·ligència generalitzada que es pot adaptar a una varietat de situacions) o feble (intel·ligència específica dissenyada per realitzar bé una tasca determinada). El problema amb una IA forta és que no realitza cap tasca bé, mentre que la IA feble és massa específica per realitzar tasques de manera independent. Tot i així, només dos tipus de classificacions no faran la feina ni tan sols en un sentit general. Els quatre tipus de classificació promoguts per Arend Hintze constitueixen una millor base per entendre la IA:
- Màquines reactives: les màquines que veus colpejant humans als escacs o jugant en programes de jocs són exemples de màquines reactives. Una màquina reactiva no té memòria ni experiència en què basar una decisió. En canvi, es basa en una potència computacional pura i algorismes intel·ligents per recrear cada decisió cada vegada. Aquest és un exemple d'una IA feble utilitzada per a un propòsit específic.
- Memòria limitada: un cotxe autònom o un robot autònom no es pot permetre el temps per prendre totes les decisions des de zero. Aquestes màquines depenen d'una petita quantitat de memòria per proporcionar coneixements vivencials de diverses situacions. Quan la màquina veu la mateixa situació, pot confiar en l'experiència per reduir el temps de reacció i oferir més recursos per prendre noves decisions que encara no s'han pres. Aquest és un exemple del nivell actual d'IA forta.
- Teoria de la ment: una màquina que pot avaluar tant els seus objectius requerits com els objectius potencials d'altres entitats del mateix entorn té un tipus de comprensió que és factible fins a cert punt avui dia, però no de cap forma comercial. Tanmateix, perquè els cotxes autònoms esdevinguin realment autònoms, aquest nivell d'IA s'ha de desenvolupar completament. Un cotxe autònom no només hauria de saber que ha d'anar d'un punt a un altre, sinó també intuir els objectius potencialment conflictius dels conductors que l'envolten i reaccionar en conseqüència.
- Autoconsciència: aquest és el tipus d'IA que es veu a les pel·lícules. Tanmateix, requereix tecnologies que ara ni tan sols són possibles perquè aquesta màquina tindria un sentit de si mateix i de consciència. A més, en comptes de limitar-se a intuir els objectius dels altres basats en l'entorn i les reaccions d'altres entitats, aquest tipus de màquina seria capaç d'inferir la intenció dels altres a partir del coneixement experiencial.
