4 måder at definere kunstig intelligens (AI) på

Det første koncept, der er vigtigt at forstå, er, at AI ikke rigtig har noget at gøre med menneskelig intelligens. Ja, noget AI er modelleret til at simulere menneskelig intelligens, men det er hvad det er: en simulering. Når du tænker på AI, skal du bemærke et samspil mellem målsøgning, databehandling, der bruges til at nå dette mål, og dataindsamling, der bruges til bedre at forstå målet. AI er afhængig af algoritmer for at opnå et resultat, der måske eller måske ikke har noget at gøre med menneskelige mål eller metoder til at nå disse mål. Med dette i tankerne kan du kategorisere AI på fire måder:

• At handle menneskeligt: Når en computer opfører sig som et menneske, afspejler det bedst Turing-testen, hvor computeren lykkes, når differentiering mellem computeren og et menneske ikke er mulig. Denne kategori afspejler også, hvad medierne vil have dig til at tro, at AI handler om. Du ser det brugt til teknologier som naturlig sprogbehandling, videnrepræsentation, automatiseret ræsonnement og maskinlæring (som alle fire skal være til stede for at bestå testen).

Den originale Turing-test inkluderede ikke nogen fysisk kontakt. Den nyere, Total Turing Test inkluderer fysisk kontakt i form af perceptuelle evner afhøring, hvilket betyder, at computeren også skal bruge både computersyn og robotteknologi for at lykkes. Moderne teknikker inkluderer ideen om at nå målet i stedet for at efterligne mennesker fuldstændigt. For eksempel lykkedes det ikke for brødrene Wright at skabe et fly ved præcist at kopiere fuglenes flugt; snarere gav fuglene ideer, der førte til aerodynamik, der til sidst førte til menneskelig flugt. Målet er at flyve. Både fugle og mennesker opnår dette mål, men de bruger forskellige tilgange.

• At tænke menneskeligt: Når en computer tænker som et menneske, udfører den opgaver, der kræver intelligens (i modsætning til udenadslige procedurer) fra et menneske for at lykkes, såsom at køre bil. For at afgøre, om et program tænker som et menneske, skal du have en eller anden metode til at bestemme, hvordan mennesker tænker, som den kognitive modelleringstilgang definerer. Denne model er afhængig af tre teknikker:
  • Introspektion: Opdage og dokumentere de teknikker, der bruges til at nå mål ved at overvåge egne tankeprocesser.
  • Psykologisk test: Observere en persons adfærd og tilføje den til en database med lignende adfærd fra andre personer givet et lignende sæt omstændigheder, mål, ressourcer og miljøforhold (blandt andet).
  • Hjernebilleddannelse: Overvågning af hjerneaktivitet direkte gennem forskellige mekaniske midler, såsom computeriseret aksial tomografi (CAT), Positron Emission Tomography (PET), Magnetic Resonance Imaging (MRI) og Magnetoencephalography (MEG).

Efter at have oprettet en model, kan du skrive et program, der simulerer modellen. I betragtning af mængden af ​​variation mellem menneskelige tankeprocesser og vanskeligheden ved nøjagtigt at repræsentere disse tankeprocesser som en del af et program, er resultaterne i bedste fald eksperimentelle. Denne kategori af menneskelig tænkning bruges ofte i psykologi og andre områder, hvor modellering af den menneskelige tankeproces for at skabe realistiske simuleringer er afgørende.

• At tænke rationelt: At studere, hvordan mennesker tænker ved hjælp af en eller anden standard, gør det muligt at skabe retningslinjer, der beskriver typisk menneskelig adfærd. En person betragtes som rationel, når han følger denne adfærd inden for visse niveauer af afvigelse. En computer, der tænker rationelt, er afhængig af den registrerede adfærd for at skabe en guide til, hvordan man interagerer med et miljø baseret på de tilgængelige data. Målet med denne tilgang er at løse problemer logisk, når det er muligt. I mange tilfælde vil denne tilgang muliggøre oprettelsen af ​​en basisteknik til løsning af et problem, som derefter vil blive modificeret til faktisk at løse problemet. Med andre ord er løsningen af ​​et problem i princippet ofte anderledes end at løse det i praksis, men du mangler stadig et udgangspunkt.
• At handle rationelt: At studere, hvordan mennesker handler i givne situationer under specifikke begrænsninger, sætter dig i stand til at bestemme, hvilke teknikker der er både effektive og effektive. En computer, der handler rationelt, er afhængig af de registrerede handlinger for at interagere med et miljø baseret på forhold, miljøfaktorer og eksisterende data. Som med rationel tankegang afhænger rationelle handlinger af en principiel løsning, som måske ikke viser sig at være brugbar i praksis. Rationelle handlinger giver dog en baseline, hvorpå en computer kan begynde at forhandle sig frem til en vellykket gennemførelse af et mål.

De kategorier, der bruges til at definere AI, tilbyder en måde at overveje forskellige anvendelser af eller måder at anvende AI på. Nogle af de systemer, der bruges til at klassificere AI efter type, er vilkårlige og ikke adskilte. For eksempel ser nogle grupper AI som enten stærk (generaliseret intelligens, der kan tilpasse sig en række forskellige situationer) eller svag (specifik intelligens designet til at udføre en bestemt opgave godt). Problemet med stærk AI er, at den ikke udfører nogen opgave godt, mens svag AI er for specifik til at udføre opgaver uafhængigt. Alligevel vil kun to typeklassifikationer ikke gøre jobbet, selv i generel forstand. De fire klassifikationstyper, som Arend Hintze promoverer, danner et bedre grundlag for at forstå AI:

• Reaktive maskiner: De maskiner, du ser slå mennesker i skak eller spille på spil, er eksempler på reaktive maskiner. En reaktiv maskine har ingen hukommelse eller erfaring at basere en beslutning på. I stedet er den afhængig af ren beregningskraft og smarte algoritmer til at genskabe enhver beslutning hver gang. Dette er et eksempel på en svag AI, der bruges til et specifikt formål.
• Begrænset hukommelse: En selvkørende bil eller autonom robot har ikke råd til at tage enhver beslutning fra bunden. Disse maskiner er afhængige af en lille mængde hukommelse til at give erfaringsmæssig viden om forskellige situationer. Når maskinen ser den samme situation, kan den stole på erfaring for at reducere reaktionstiden og give flere ressourcer til at træffe nye beslutninger, der endnu ikke er truffet. Dette er et eksempel på det nuværende niveau af stærk AI.
• Theory of mind: En maskine, der kan vurdere både sine krævede mål og de potentielle mål for andre enheder i det samme miljø, har en slags forståelse, som er gennemførlig i et vist omfang i dag, men ikke i nogen kommerciel form. Men for at selvkørende biler kan blive virkelig autonome, skal dette niveau af AI være fuldt udviklet. En selvkørende bil skal ikke kun vide, at den skal gå fra et punkt til et andet, men også intuitere de potentielt modstridende mål for bilister omkring den og reagere i overensstemmelse hermed.
• Selvbevidsthed: Dette er den slags kunstig intelligens, som du ser i film. Det kræver dog teknologier, der ikke engang er mulige nu, fordi en sådan maskine ville have en følelse af både selv og bevidsthed. Derudover, i stedet for blot at intuitere andres mål baseret på omgivelser og andre entitetsreaktioner, ville denne type maskine være i stand til at udlede andres hensigt baseret på erfaringsbaseret viden.