4 τρόποι για να ορίσετε την τεχνητή νοημοσύνη (AI)

Η πρώτη ιδέα που είναι σημαντικό να κατανοήσουμε είναι ότι η τεχνητή νοημοσύνη δεν έχει καμία σχέση με την ανθρώπινη νοημοσύνη. Ναι, κάποια τεχνητή νοημοσύνη έχει διαμορφωθεί για να προσομοιώνει την ανθρώπινη νοημοσύνη, αλλά αυτό είναι: μια προσομοίωση. Όταν σκέφτεστε για την τεχνητή νοημοσύνη, παρατηρήστε μια αλληλεπίδραση μεταξύ της αναζήτησης στόχων, της επεξεργασίας δεδομένων που χρησιμοποιείται για την επίτευξη αυτού του στόχου και της απόκτησης δεδομένων που χρησιμοποιείται για την καλύτερη κατανόηση του στόχου. Η τεχνητή νοημοσύνη βασίζεται σε αλγόριθμους για την επίτευξη ενός αποτελέσματος που μπορεί να έχει ή να μην έχει καμία σχέση με ανθρώπινους στόχους ή μεθόδους για την επίτευξη αυτών των στόχων. Έχοντας αυτό υπόψη, μπορείτε να κατηγοριοποιήσετε την τεχνητή νοημοσύνη με τέσσερις τρόπους:

• Ανθρώπινη δράση: Όταν ένας υπολογιστής ενεργεί σαν άνθρωπος, αντικατοπτρίζει καλύτερα το τεστ Turing, στο οποίο ο υπολογιστής πετυχαίνει όταν δεν είναι δυνατή η διαφοροποίηση μεταξύ υπολογιστή και ανθρώπου . Αυτή η κατηγορία αντικατοπτρίζει επίσης τι θα ήθελαν τα μέσα να πιστεύετε ότι είναι η τεχνητή νοημοσύνη. Βλέπετε ότι χρησιμοποιείται για τεχνολογίες όπως η επεξεργασία φυσικής γλώσσας, η αναπαράσταση γνώσης, η αυτοματοποιημένη συλλογιστική και η μηχανική εκμάθηση (τα οποία πρέπει να είναι παρόντα και τα τέσσερα για να περάσουν το τεστ).

Το αρχικό τεστ Turing δεν περιελάμβανε καμία φυσική επαφή. Το νεότερο, Total Turing Test περιλαμβάνει όντως φυσική επαφή με τη μορφή ανάκρισης αντιληπτικής ικανότητας, που σημαίνει ότι ο υπολογιστής πρέπει επίσης να χρησιμοποιεί τόσο όραση υπολογιστή όσο και ρομποτική για να πετύχει. Οι σύγχρονες τεχνικές περιλαμβάνουν την ιδέα της επίτευξης του στόχου αντί να μιμούνται πλήρως τους ανθρώπους. Για παράδειγμα, οι αδελφοί Ράιτ δεν κατάφεραν να δημιουργήσουν ένα αεροπλάνο αντιγράφοντας με ακρίβεια την πτήση των πουλιών. Μάλλον, τα πουλιά έδωσαν ιδέες που οδήγησαν στην αεροδυναμική που τελικά οδήγησε στην ανθρώπινη πτήση. Ο στόχος είναι να πετάξει. Τόσο τα πουλιά όσο και οι άνθρωποι επιτυγχάνουν αυτόν τον στόχο, αλλά χρησιμοποιούν διαφορετικές προσεγγίσεις.

• Ανθρώπινη σκέψη: Όταν ένας υπολογιστής σκέφτεται ως άνθρωπος, εκτελεί εργασίες που απαιτούν ευφυΐα (σε αντίθεση με τις διαδικασίες επί κεφαλής) από έναν άνθρωπο για να πετύχει, όπως η οδήγηση αυτοκινήτου. Για να προσδιορίσετε εάν ένα πρόγραμμα σκέφτεται σαν άνθρωπος, πρέπει να έχετε κάποια μέθοδο προσδιορισμού του τρόπου με τον οποίο σκέφτονται οι άνθρωποι, την οποία ορίζει η προσέγγιση της γνωστικής μοντελοποίησης. Αυτό το μοντέλο βασίζεται σε τρεις τεχνικές:
  • Ενδοσκόπηση: Ανίχνευση και τεκμηρίωση των τεχνικών που χρησιμοποιούνται για την επίτευξη στόχων παρακολουθώντας τις δικές του διαδικασίες σκέψης.
  • Ψυχολογικό τεστ: Παρατήρηση της συμπεριφοράς ενός ατόμου και προσθήκη της σε μια βάση δεδομένων παρόμοιων συμπεριφορών από άλλα άτομα με παρόμοιο σύνολο περιστάσεων, στόχων, πόρων και περιβαλλοντικών συνθηκών (μεταξύ άλλων).
  • Απεικόνιση εγκεφάλου: Παρακολούθηση της εγκεφαλικής δραστηριότητας απευθείας μέσω διαφόρων μηχανικών μέσων, όπως η αξονική τομογραφία με υπολογιστή (CAT), η τομογραφία εκπομπής ποζιτρονίων (PET), η μαγνητική τομογραφία (MRI) και η μαγνητοεγκεφαλογραφία (MEG).

Αφού δημιουργήσετε ένα μοντέλο, μπορείτε να γράψετε ένα πρόγραμμα που προσομοιώνει το μοντέλο. Δεδομένης της ποσότητας της μεταβλητότητας μεταξύ των διαδικασιών της ανθρώπινης σκέψης και της δυσκολίας της ακριβούς αναπαράστασης αυτών των διαδικασιών σκέψης ως μέρος ενός προγράμματος, τα αποτελέσματα είναι στην καλύτερη περίπτωση πειραματικά. Αυτή η κατηγορία ανθρώπινης σκέψης χρησιμοποιείται συχνά στην ψυχολογία και σε άλλους τομείς στους οποίους η μοντελοποίηση της ανθρώπινης διαδικασίας σκέψης για τη δημιουργία ρεαλιστικών προσομοιώσεων είναι απαραίτητη.

• Ορθολογική σκέψη: Η μελέτη του τρόπου σκέψης των ανθρώπων χρησιμοποιώντας κάποιο πρότυπο επιτρέπει τη δημιουργία κατευθυντήριων γραμμών που περιγράφουν τυπικές ανθρώπινες συμπεριφορές. Ένα άτομο θεωρείται λογικό όταν ακολουθεί αυτές τις συμπεριφορές εντός ορισμένων επιπέδων απόκλισης. Ένας υπολογιστής που σκέφτεται ορθολογικά βασίζεται στις καταγεγραμμένες συμπεριφορές για να δημιουργήσει έναν οδηγό για το πώς να αλληλεπιδράσει με ένα περιβάλλον με βάση τα δεδομένα που υπάρχουν. Ο στόχος αυτής της προσέγγισης είναι να λύνει προβλήματα λογικά, όταν είναι δυνατόν. Σε πολλές περιπτώσεις, αυτή η προσέγγιση θα επέτρεπε τη δημιουργία μιας βασικής τεχνικής για την επίλυση ενός προβλήματος, η οποία στη συνέχεια θα τροποποιηθεί για να λύσει πραγματικά το πρόβλημα. Με άλλα λόγια, η επίλυση ενός προβλήματος κατ' αρχήν είναι συχνά διαφορετική από την επίλυσή του στην πράξη, αλλά εξακολουθείτε να χρειάζεστε ένα σημείο εκκίνησης.
• Ενεργώντας ορθολογικά: Μελετώντας πώς ενεργούν οι άνθρωποι σε συγκεκριμένες καταστάσεις κάτω από συγκεκριμένους περιορισμούς, μπορείτε να προσδιορίσετε ποιες τεχνικές είναι τόσο αποτελεσματικές όσο και αποτελεσματικές. Ένας υπολογιστής που δρα ορθολογικά βασίζεται στις καταγεγραμμένες ενέργειες για να αλληλεπιδράσει με ένα περιβάλλον με βάση τις συνθήκες, τους περιβαλλοντικούς παράγοντες και τα υπάρχοντα δεδομένα. Όπως και με την ορθολογική σκέψη, οι ορθολογικές πράξεις εξαρτώνται από μια λύση κατ' αρχήν, η οποία μπορεί να μην αποδειχθεί χρήσιμη στην πράξη. Ωστόσο, οι ορθολογικές πράξεις παρέχουν μια βασική γραμμή πάνω στην οποία ένας υπολογιστής μπορεί να αρχίσει να διαπραγματεύεται την επιτυχή ολοκλήρωση ενός στόχου.

Οι κατηγορίες που χρησιμοποιούνται για τον ορισμό της τεχνητής νοημοσύνης προσφέρουν έναν τρόπο εξέτασης διαφόρων χρήσεων ή τρόπων εφαρμογής της τεχνητής νοημοσύνης. Ορισμένα από τα συστήματα που χρησιμοποιούνται για την ταξινόμηση της τεχνητής νοημοσύνης ανά τύπο είναι αυθαίρετα και όχι διακριτά. Για παράδειγμα, ορισμένες ομάδες θεωρούν την τεχνητή νοημοσύνη είτε ως ισχυρή (γενικευμένη νοημοσύνη που μπορεί να προσαρμοστεί σε ποικίλες καταστάσεις) είτε ως αδύναμη (συγκεκριμένη νοημοσύνη που έχει σχεδιαστεί για να εκτελεί καλά μια συγκεκριμένη εργασία). Το πρόβλημα με το ισχυρό AI είναι ότι δεν εκτελεί καμία εργασία καλά, ενώ το αδύναμο AI είναι πολύ συγκεκριμένο για να εκτελεί εργασίες ανεξάρτητα. Ακόμα κι έτσι, μόνο δύο ταξινομήσεις τύπων δεν θα κάνουν τη δουλειά ακόμη και με γενική έννοια. Οι τέσσερις τύποι ταξινόμησης που προωθούνται από τον Arend Hintze αποτελούν μια καλύτερη βάση για την κατανόηση της τεχνητής νοημοσύνης:

• Αντιδραστικά μηχανήματα: Οι μηχανές που βλέπετε να χτυπούν ανθρώπους στο σκάκι ή να παίζουν σε εκπομπές παιχνιδιών είναι παραδείγματα αντιδραστικών μηχανών. Μια αντιδραστική μηχανή δεν έχει μνήμη ή εμπειρία πάνω στην οποία μπορεί να βασιστεί μια απόφαση. Αντίθετα, βασίζεται σε καθαρή υπολογιστική ισχύ και έξυπνους αλγόριθμους για να αναπαράγει κάθε απόφαση κάθε φορά. Αυτό είναι ένα παράδειγμα αδύναμου AI που χρησιμοποιείται για συγκεκριμένο σκοπό.
• Περιορισμένη μνήμη: Ένα αυτο-οδηγούμενο αυτοκίνητο ή αυτόνομο ρομπότ δεν έχει το χρόνο να πάρει κάθε απόφαση από την αρχή. Αυτά τα μηχανήματα βασίζονται σε μια μικρή ποσότητα μνήμης για να παρέχουν βιωματική γνώση διαφόρων καταστάσεων. Όταν το μηχάνημα βλέπει την ίδια κατάσταση, μπορεί να βασιστεί στην εμπειρία για να μειώσει τον χρόνο αντίδρασης και να παρέχει περισσότερους πόρους για τη λήψη νέων αποφάσεων που δεν έχουν ληφθεί ακόμη. Αυτό είναι ένα παράδειγμα του τρέχοντος επιπέδου ισχυρής τεχνητής νοημοσύνης.
• Θεωρία του νου: Μια μηχανή που μπορεί να αξιολογήσει τόσο τους απαιτούμενους στόχους της όσο και τους πιθανούς στόχους άλλων οντοτήτων στο ίδιο περιβάλλον έχει ένα είδος κατανόησης που είναι εφικτό σε κάποιο βαθμό σήμερα, αλλά όχι σε οποιαδήποτε εμπορική μορφή. Ωστόσο, για να γίνουν πραγματικά αυτόνομα τα αυτόνομα αυτοκίνητα, αυτό το επίπεδο τεχνητής νοημοσύνης πρέπει να αναπτυχθεί πλήρως. Ένα αυτοοδηγούμενο αυτοκίνητο όχι μόνο θα πρέπει να γνωρίζει ότι πρέπει να πηγαίνει από το ένα σημείο στο άλλο, αλλά και να κατανοεί τους δυνητικά αντικρουόμενους στόχους των οδηγών γύρω του και να αντιδρά ανάλογα.
• Αυτογνωσία: Αυτό είναι το είδος της τεχνητής νοημοσύνης που βλέπετε στις ταινίες. Ωστόσο, απαιτεί τεχνολογίες που δεν είναι ακόμη και ελάχιστα δυνατές τώρα, επειδή μια τέτοια μηχανή θα είχε μια αίσθηση τόσο του εαυτού όσο και της συνείδησης. Επιπλέον, αντί να διαισθάνεται απλώς τους στόχους των άλλων με βάση τις αντιδράσεις του περιβάλλοντος και άλλων οντοτήτων, αυτός ο τύπος μηχανής θα μπορούσε να συμπεράνει την πρόθεση των άλλων με βάση τη βιωματική γνώση.