4 módszer a mesterséges intelligencia (AI) meghatározására

Az első koncepció, amelyet fontos megérteni, az az, hogy az AI-nak valójában semmi köze az emberi intelligenciához. Igen, néhány mesterséges intelligencia az emberi intelligencia szimulálására készült, de ez az: szimuláció. Ha az AI-ra gondol, vegye észre a célkeresés, a cél eléréséhez használt adatfeldolgozás és a cél jobb megértéséhez használt adatgyűjtés közötti kölcsönhatást. A mesterséges intelligencia algoritmusokra támaszkodik annak érdekében, hogy olyan eredményt érjen el, amelynek lehet, hogy nincs köze az emberi célokhoz vagy a célok elérésének módszereihez. Ezt szem előtt tartva az AI négyféleképpen kategorizálható:

• Emberi fellépés : Amikor egy számítógép emberként viselkedik, az a legjobban a Turing-tesztet tükrözi, amelyben a számítógép akkor sikeres, ha a számítógép és az ember közötti különbségtétel nem lehetséges. Ez a kategória azt is tükrözi, hogy a média miről szeretné elhitetni az AI-t. Látható, hogy olyan technológiáknál alkalmazzák, mint a természetes nyelvi feldolgozás, a tudásreprezentáció, az automatizált érvelés és a gépi tanulás (mind a négynek jelen kell lennie a teszt sikeres teljesítéséhez).

Az eredeti Turing-teszt nem tartalmazott semmilyen fizikai érintkezést. Az újabb, Total Turing Test tartalmazza a fizikai kontaktust az észlelési képességek lekérdezése formájában, ami azt jelenti, hogy a számítógépnek számítógépes látást és robotikát is alkalmaznia kell a sikerhez. A modern technikák közé tartozik a cél elérésének gondolata, nem pedig az ember teljes utánzása. Például a Wright testvéreknek nem sikerült repülőgépet létrehozniuk a madarak repülésének precíz másolásával; inkább a madarak adtak ötleteket, amelyek az aerodinamikához vezettek, ami végül az emberi repüléshez vezetett. A cél a repülés. A madarak és az emberek is elérik ezt a célt, de eltérő megközelítést alkalmaznak.

• Emberi gondolkodás: Amikor a számítógép emberként gondolkodik, olyan feladatokat hajt végre, amelyek sikeréhez intelligenciát igényelnek (szemben az egyszerű eljárásokkal), például autót vezetnek. Annak megállapításához, hogy egy program emberként gondolkodik-e, rendelkeznie kell valamilyen módszerrel annak meghatározására, hogy az emberek hogyan gondolkodnak, amit a kognitív modellezési megközelítés határoz meg. Ez a modell három technikán alapul:
  • Introspekció: A célok elérése érdekében alkalmazott technikák észlelése és dokumentálása saját gondolkodási folyamataink nyomon követésével.
  • Pszichológiai tesztelés: Egy személy viselkedésének megfigyelése és felvétele más személyek hasonló viselkedéseit tartalmazó adatbázisba, hasonló körülmények, célok, erőforrások és környezeti feltételek mellett (többek között).
  • Agyi képalkotás: Az agyi aktivitás közvetlen monitorozása különféle mechanikai eszközökkel, például számítógépes axiális tomográfia (CAT), pozitronemissziós tomográfia (PET), mágneses rezonancia képalkotás (MRI) és magnetoencephalográfia (MEG) segítségével.

A modell létrehozása után írhatunk egy programot, amely szimulálja a modellt. Tekintettel az emberi gondolkodási folyamatok közötti változékonyság mértékére és arra, hogy nehéz ezeket a gondolkodási folyamatokat program részeként pontosan ábrázolni, az eredmények legfeljebb kísérleti jellegűek. Az emberi gondolkodásnak ezt a kategóriáját gyakran használják a pszichológiában és más olyan területeken, ahol elengedhetetlen az emberi gondolkodási folyamat modellezése valósághű szimulációk létrehozásához.

• Racionális gondolkodás: Az emberek gondolkodásának tanulmányozása valamilyen szabvány segítségével lehetővé teszi olyan irányelvek létrehozását, amelyek leírják a tipikus emberi viselkedéseket. Egy személy akkor tekinthető racionálisnak, ha bizonyos eltérési szinteken belül követi ezeket a viselkedéseket. Egy racionálisan gondolkodó számítógép a rögzített viselkedésekre támaszkodik, hogy útmutatást adjon a környezettel való interakcióhoz a rendelkezésre álló adatok alapján. Ennek a megközelítésnek a célja a problémák logikus megoldása, ha lehetséges. Ez a megközelítés sok esetben lehetővé tenné egy problémamegoldási alaptechnika létrehozását, amelyet azután úgy módosítanak, hogy valóban megoldja a problémát. Más szóval, egy probléma elvi megoldása gyakran különbözik a gyakorlati megoldástól, de mégis szükség van egy kiindulási pontra.
• Racionális cselekvés: Annak tanulmányozása, hogy az emberek hogyan viselkednek adott helyzetekben meghatározott korlátok mellett, lehetővé teszi annak meghatározását, hogy mely technikák hatékonyak és eredményesek. Az a számítógép, amely racionálisan cselekszik, a rögzített műveletekre támaszkodik a környezettel való interakcióhoz a feltételek, a környezeti tényezők és a meglévő adatok alapján. A racionális gondolkodáshoz hasonlóan a racionális cselekedetek egy elvi megoldástól függenek, ami a gyakorlatban nem biztos, hogy hasznosnak bizonyul. A racionális cselekedetek azonban kiindulópontot jelentenek, amely alapján a számítógép elkezdheti a tárgyalásokat egy cél sikeres megvalósításáról.

A mesterséges intelligencia meghatározásához használt kategóriák lehetőséget kínálnak az AI különféle felhasználási vagy alkalmazási módjainak mérlegelésére. A mesterséges intelligencia típus szerinti osztályozására használt rendszerek némelyike ​​önkényes, és nem különbözik egymástól. Egyes csoportok például az AI-t erősnek (általánosított intelligencia, amely sokféle helyzethez tud alkalmazkodni) vagy gyengének (specifikus intelligencia, amelyet egy adott feladat jól elvégzésére terveztek) tekintenek. Az erős mesterséges intelligencia problémája az, hogy semmilyen feladatot nem végez jól, míg a gyenge AI túlságosan specifikus ahhoz, hogy önállóan hajtson végre feladatokat. Ennek ellenére csak két típusbesorolás még általános értelemben sem látja el a feladatot. Az Arend Hintze által támogatott négy osztályozási típus jobb alapot ad a mesterséges intelligencia megértéséhez:

• Reaktív gépek: A reaktív gépek példái azok a gépek, amelyeket sakkkor embert vernek, vagy játékműsorokon játszanak. A reaktív gépnek nincs memóriája vagy tapasztalata, amelyre a döntést alapozhatná. Ehelyett tiszta számítási teljesítményre és intelligens algoritmusokra támaszkodik, hogy minden döntést újra meghozzon. Ez egy példa egy bizonyos célra használt gyenge AI-ra.
• Korlátozott memória: Egy önvezető autó vagy autonóm robot nem engedheti meg magának, hogy minden döntést a nulláról hozzon meg. Ezek a gépek kis mennyiségű memóriára támaszkodnak, hogy tapasztalati ismereteket nyújtsanak a különféle helyzetekről. Amikor a gép ugyanazt a helyzetet látja, tapasztalataira támaszkodhat, hogy csökkentse a reakcióidőt, és több erőforrást biztosítson a még meg nem hozott új döntések meghozatalához. Ez egy példa az erős mesterséges intelligencia jelenlegi szintjére.
• Elmeelmélet: Annak a gépnek, amely képes felmérni a szükséges céljait és más entitások potenciális céljait is ugyanabban a környezetben, van egyfajta megértése, amely ma bizonyos mértékig megvalósítható, de semmilyen kereskedelmi formában nem. Ahhoz azonban, hogy az önvezető autók valóban autonómmá váljanak, a mesterséges intelligencia ezen szintjét teljesen ki kell fejleszteni. Egy önvezető autónak nemcsak tudnia kell, hogy egyik pontból a másikba kell mennie, hanem meg kell éreznie a körülötte lévő sofőrök potenciálisan egymásnak ellentmondó céljait, és ennek megfelelően kell reagálnia.
• Önismeret: Ez az a fajta mesterséges intelligencia, amelyet a filmekben láthat. Ehhez azonban olyan technológiákra van szükség, amelyek ma még távolról sem lehetségesek, mert egy ilyen gépnek megvan az önérzete és a tudata is. Ezen túlmenően, ahelyett, hogy pusztán a környezet és más entitás reakciói alapján intuitálná mások céljait, ez a géptípus tapasztalati tudás alapján képes lenne következtetni mások szándékaira.