4 tapaa määritellä tekoäly (AI)

Ensimmäinen käsite, joka on tärkeää ymmärtää, on se, että tekoälyllä ei oikeastaan ​​ole mitään tekemistä ihmisen älykkyyden kanssa. Kyllä, jotkut tekoälyt on mallinnettu simuloimaan ihmisen älykkyyttä, mutta sitä se on: simulaatio. Kun ajattelet tekoälyä, huomaa vuorovaikutuksen tavoitteen tavoittelun, tavoitteen saavuttamiseen käytetyn tietojenkäsittelyn ja tavoitteen ymmärtämiseksi paremmin käytetyn tiedonkeruun välillä. Tekoäly luottaa algoritmeihin saavuttaakseen tuloksen, jolla voi olla tai ei ole mitään tekemistä ihmisten tavoitteiden tai näiden tavoitteiden saavuttamismenetelmien kanssa. Tämän vuoksi voit luokitella tekoäly neljällä tavalla:

• Inhimillinen toiminta : Kun tietokone toimii kuin ihminen, se heijastaa parhaiten Turingin testiä, jossa tietokone onnistuu, kun tietokoneen ja ihmisen erottaminen ei ole mahdollista. Tämä luokka heijastaa myös sitä, mistä median mielestä tekoäly tarkoittaa. Sitä käytetään esimerkiksi luonnollisen kielen käsittelyyn, tiedon esittämiseen, automatisoituun päättelyyn ja koneoppimiseen (joiden kaikkien neljän on oltava läsnä testin läpäisemiseksi).

Alkuperäinen Turingin testi ei sisältänyt fyysistä kontaktia. Uudempi Total Turing -testi sisältää fyysisen kontaktin havainnointikyvyn kyselyn muodossa, mikä tarkoittaa, että tietokoneen on myös käytettävä sekä tietokonenäköä että robotiikkaa menestyäkseen. Nykyaikaisiin tekniikoihin kuuluu ajatus tavoitteen saavuttamisesta sen sijaan, että matkittaisiin ihmisiä kokonaan. Esimerkiksi Wrightin veljekset eivät onnistuneet luomaan lentokonetta kopioimalla tarkasti lintujen lentoa; pikemminkin linnut tarjosivat ideoita, jotka johtivat aerodynamiikkaan, joka lopulta johti ihmisen lentoon. Tavoitteena on lentää. Sekä linnut että ihmiset saavuttavat tämän tavoitteen, mutta he käyttävät erilaisia ​​lähestymistapoja.

• Inhimillinen ajattelu: Kun tietokone ajattelee ihmisenä, se suorittaa tehtäviä, jotka vaativat älykkyyttä (toisin kuin rutiinitoimenpiteet) ihmiseltä menestyäkseen, kuten auton ajaminen. Jotta voit määrittää, ajatteleeko ohjelma kuten ihminen, sinulla on oltava jokin menetelmä ihmisten ajattelutavan määrittämiseksi, jonka kognitiivinen mallinnus määrittelee. Tämä malli perustuu kolmeen tekniikkaan:
  • Itsetutkiskelu: Tavoitteiden saavuttamiseen käytettyjen tekniikoiden havaitseminen ja dokumentointi seuraamalla omia ajatteluprosesseja.
  • Psykologinen testaus: henkilön käyttäytymisen tarkkaileminen ja sen lisääminen muiden henkilöiden samankaltaisen käyttäytymisen tietokantaan, kun otetaan huomioon samanlaiset olosuhteet, tavoitteet, resurssit ja ympäristöolosuhteet (muun muassa).
  • Aivojen kuvantaminen: Aivojen toiminnan seuraaminen suoraan erilaisilla mekaanisilla tavoilla, kuten tietokoneistettu aksiaalinen tomografia (CAT), positroniemissiotomografia (PET), magneettikuvaus (MRI) ja magnetoenkefalografia (MEG).

Mallin luomisen jälkeen voit kirjoittaa mallia simuloivan ohjelman. Kun otetaan huomioon ihmisten ajatteluprosessien vaihtelevuus ja näiden ajatteluprosessien tarkan esittämisen vaikeus osana ohjelmaa, tulokset ovat parhaimmillaan kokeellisia. Tätä inhimillisen ajattelun luokkaa käytetään usein psykologiassa ja muilla aloilla, joilla ihmisen ajatteluprosessin mallintaminen realististen simulaatioiden luomiseksi on välttämätöntä.

• Rationaalinen ajattelu: Ihmisten ajattelutavan tutkiminen jonkin standardin avulla mahdollistaa ohjeiden luomisen, jotka kuvaavat tyypillisiä ihmisen käyttäytymismalleja. Henkilöä pidetään järkevänä, kun hän noudattaa näitä käyttäytymismalleja tietyillä poikkeamatasoilla. Tietokone, joka ajattelee rationaalisesti, luottaa tallennettuihin käyttäytymismalleihin oppaan vuorovaikutukseen ympäristön kanssa käsillä olevien tietojen perusteella. Tämän lähestymistavan tavoitteena on ratkaista ongelmat loogisesti, mikäli mahdollista. Monissa tapauksissa tämä lähestymistapa mahdollistaisi perustekniikan luomisen ongelman ratkaisemiseksi, jota sitten muutettaisiin ongelman ratkaisemiseksi. Toisin sanoen ongelman periaatteellinen ratkaiseminen on usein eri asia kuin sen ratkaiseminen käytännössä, mutta silti tarvitaan lähtökohta.
• Toimiminen järkevästi: Tutkimalla, miten ihmiset toimivat tietyissä tilanteissa tietyissä rajoitteissa, voit määrittää, mitkä tekniikat ovat sekä tehokkaita että vaikuttavia. Tietokone, joka toimii rationaalisesti, luottaa tallennettuihin toimiin ollakseen vuorovaikutuksessa ympäristön kanssa olosuhteiden, ympäristötekijöiden ja olemassa olevien tietojen perusteella. Kuten rationaalinen ajattelu, rationaaliset teot riippuvat periaatteellisesta ratkaisusta, joka ei välttämättä ole hyödyllistä käytännössä. Rationaaliset teot tarjoavat kuitenkin lähtökohdan, jonka perusteella tietokone voi alkaa neuvotella tavoitteen onnistumisesta.

Tekoälyn määrittelemiseen käytetyt luokat tarjoavat tavan pohtia tekoälyn erilaisia ​​käyttötapoja tai soveltamismenetelmiä. Jotkut tekoälyn luokittelemiseen tyypin mukaan käytetyistä järjestelmistä ovat mielivaltaisia ​​eivätkä erillisiä. Esimerkiksi jotkut ryhmät pitävät tekoälyä joko vahvana (yleistetty älykkyys, joka voi mukautua erilaisiin tilanteisiin) tai heikko (erityinen äly, joka on suunniteltu suorittamaan tietty tehtävä hyvin). Vahvan tekoälyn ongelmana on, että se ei suorita mitään tehtäviä hyvin, kun taas heikko tekoäly on liian spesifinen suorittamaan tehtäviä itsenäisesti. Silti vain kaksi tyyppiluokitusta ei tee työtä edes yleisessä mielessä. Arend Hintzen edistämät neljä luokittelutyyppiä muodostavat paremman perustan tekoälyn ymmärtämiselle:

• Reaktiiviset koneet: Koneet, jotka näet lyövän ihmisiä shakissa tai pelaamassa pelinäytöksissä, ovat esimerkkejä reaktiivisista koneista. Reaktiivisella koneella ei ole muistia tai kokemusta päätöksenteon perustana. Sen sijaan se luottaa puhtaaseen laskentatehoon ja älykkäisiin algoritmeihin luodakseen jokaisen päätöksen uudelleen joka kerta. Tämä on esimerkki heikosta tekoälystä, jota käytetään tiettyyn tarkoitukseen.
• Rajoitettu muisti: Itse ajavalla autolla tai autonomisella robotilla ei ole varaa tehdä kaikkia päätöksiä tyhjästä. Nämä koneet luottavat pieneen määrään muistia tarjotakseen kokemuksellista tietoa erilaisista tilanteista. Kun kone näkee saman tilanteen, se voi luottaa kokemukseen lyhentääkseen reaktioaikaa ja antaakseen lisää resursseja uusien päätösten tekemiseen, joita ei ole vielä tehty. Tämä on esimerkki vahvan tekoälyn nykytasosta.
• Mielen teoria: Koneella, joka pystyy arvioimaan sekä vaadittuja tavoitteitaan että muiden samassa ympäristössä olevien entiteettien mahdollisia tavoitteita, on eräänlainen ymmärrys, joka on jossain määrin toteutettavissa nykyään, mutta ei missään kaupallisessa muodossa. Kuitenkin, jotta itse ajavista autoista tulisi todella autonomisia, tämän tason tekoäly on kuitenkin kehitettävä täysin. Itseajavan auton ei tarvitse vain tietää, että sen on kuljettava pisteestä toiseen, vaan myös ymmärtää ympärillä olevien kuljettajien mahdollisesti ristiriitaiset tavoitteet ja reagoida niiden mukaisesti.
• Itsetietoisuus: Tämä on sellainen tekoäly, jota näet elokuvissa. Se vaatii kuitenkin teknologioita, jotka eivät ole edes etäisesti mahdollisia nyt, koska sellaisella koneella olisi sekä itsetuntemus että tietoisuus. Lisäksi sen sijaan, että pelkkä ymmärrys muiden tavoitteista ympäristön ja muiden entiteettien reaktioiden perusteella, tämäntyyppinen kone voisi päätellä muiden tarkoitusperät kokemuksellisen tiedon perusteella.