4 būdai, kaip apibrėžti dirbtinį intelektą (AI)

Pirma koncepcija, kurią svarbu suprasti, yra ta, kad AI iš tikrųjų neturi nieko bendra su žmogaus intelektu. Taip, kai kurie dirbtinio intelekto modeliai yra sukurti taip, kad imituotų žmogaus intelektą, bet tai yra: modeliavimas. Galvodami apie dirbtinį intelektą, pastebėkite tikslo siekimo, tam tikslui pasiekti naudojamo duomenų apdorojimo ir duomenų gavimo, naudojamo siekiant geriau suprasti tikslą, sąveiką. Dirbtinis intelektas remiasi algoritmais, kad pasiektų rezultatą, kuris gali turėti arba neturėti nieko bendro su žmogaus tikslais arba tų tikslų pasiekimo metodais. Turėdami tai omenyje, dirbtinį intelektą galite suskirstyti keturiais būdais:

• Žmogiškas elgesys: kai kompiuteris veikia kaip žmogus, tai geriausiai atspindi Tiuringo testą, kai kompiuteris pasiseka, kai neįmanoma atskirti kompiuterio nuo žmogaus . Ši kategorija taip pat atspindi tai, ką žiniasklaida turėtų manyti, kad tai yra AI. Matote, kad jis naudojamas tokioms technologijoms kaip natūralios kalbos apdorojimas, žinių pateikimas, automatizuotas samprotavimas ir mašininis mokymasis (visos keturios turi būti naudojamos norint išlaikyti testą).

Pradiniame Turingo teste nebuvo jokio fizinio kontakto. Naujesnis Total Turing Test apima fizinį kontaktą suvokimo gebėjimų tyrimo forma, o tai reiškia, kad kompiuteris taip pat turi naudoti kompiuterinę viziją ir robotus, kad būtų sėkmingas. Šiuolaikiniai metodai apima idėją pasiekti tikslą, o ne visiškai mėgdžioti žmones. Pavyzdžiui, broliams Wrightams nepavyko sukurti lėktuvo tiksliai nukopijavus paukščių skrydį; greičiau paukščiai pateikė idėjų, kurios paskatino aerodinamiką, kuri galiausiai paskatino žmogaus skrydį. Tikslas yra skristi. Tiek paukščiai, tiek žmonės pasiekia šį tikslą, tačiau taiko skirtingus metodus.

• Mąstymas žmogiškai: kai kompiuteris mąsto kaip žmogus, jis atlieka užduotis, kurioms reikalingas intelektas (priešingai nei paprastos procedūros), kad žmogus pasisektų, pavyzdžiui, vairuoti automobilį. Norėdami nustatyti, ar programa mąsto kaip žmogus, turite turėti tam tikrą metodą, kaip nustatyti žmonių mąstymą, kurį apibrėžia kognityvinio modeliavimo metodas. Šis modelis remiasi trimis technologijomis:
  • Introspekcija: metodų, naudojamų tikslams pasiekti, aptikimas ir dokumentavimas stebint savo mąstymo procesus.
  • Psichologinis testavimas: asmens elgesio stebėjimas ir įtraukimas į kitų asmenų panašaus elgesio duomenų bazę, atsižvelgiant į panašias aplinkybes, tikslus, išteklius ir aplinkos sąlygas (be kita ko).
  • Smegenų vaizdavimas: smegenų veiklos stebėjimas tiesiogiai naudojant įvairias mechanines priemones, tokias kaip kompiuterinė ašinė tomografija (CAT), pozitronų emisijos tomografija (PET), magnetinio rezonanso tomografija (MRT) ir magnetoencefalografija (MEG).

Sukūrę modelį, galite parašyti programą, kuri imituoja modelį. Atsižvelgiant į žmogaus mąstymo procesų kintamumą ir sunkumus tiksliai vaizduoti šiuos mąstymo procesus kaip programos dalį, rezultatai geriausiu atveju yra eksperimentiniai. Ši žmogiškojo mąstymo kategorija dažnai naudojama psichologijoje ir kitose srityse, kuriose labai svarbu modeliuoti žmogaus mąstymo procesą, kad būtų sukurtos tikroviškos simuliacijos.

• Mąstymas racionaliai: tyrinėjant, kaip žmonės mąsto, naudojant tam tikrus standartus, galima sukurti gaires, apibūdinančias tipišką žmogaus elgesį. Asmuo laikomas racionaliu, kai laikosi šio elgesio tam tikruose nukrypimų lygiuose. Racionaliai mąstantis kompiuteris remiasi įrašytu elgesiu, kad sukurtų vadovą, kaip sąveikauti su aplinka, remiantis turimais duomenimis. Šio požiūrio tikslas – jei įmanoma, logiškai išspręsti problemas. Daugeliu atvejų šis metodas leistų sukurti pagrindinę problemos sprendimo techniką, kuri vėliau būtų pakeista, kad iš tikrųjų būtų išspręsta problema. Kitaip tariant, problemos sprendimas iš esmės dažnai skiriasi nuo jos sprendimo praktikoje, tačiau vis tiek reikia išeities taško.
• Racionalus elgesys : tyrinėdami, kaip žmonės elgiasi tam tikrose situacijose esant tam tikriems apribojimams, galite nustatyti, kurie metodai yra veiksmingi ir veiksmingi. Racionaliai veikiantis kompiuteris remiasi įrašytais veiksmais, kad sąveikautų su aplinka, remiantis sąlygomis, aplinkos veiksniais ir esamais duomenimis. Kaip ir racionalaus mąstymo atveju, racionalūs veiksmai priklauso nuo principinio sprendimo, kuris praktiškai gali nepasirodyti. Tačiau racionalūs veiksmai yra pagrindas, kuriuo remdamasis kompiuteris gali pradėti derėtis dėl sėkmingo tikslo įvykdymo.

Kategorijos, naudojamos AI apibrėžti, suteikia galimybę apsvarstyti įvairius AI panaudojimo būdus arba taikymo būdus. Kai kurios sistemos, naudojamos AI klasifikuoti pagal tipą, yra savavališkos ir nėra skirtingos. Pavyzdžiui, kai kurios grupės mano, kad dirbtinis intelektas yra stiprus (apibendrintas intelektas, galintis prisitaikyti prie įvairių situacijų) arba silpnas (specifinis intelektas, skirtas gerai atlikti tam tikrą užduotį). Stipraus AI problema yra ta, kad jis netinkamai atlieka visas užduotis, o silpnas AI yra per daug specifinis, kad galėtų atlikti užduotis savarankiškai. Nepaisant to, tik dviejų tipų klasifikacijos neatliks darbo net bendra prasme. Keturi Arendo Hintze reklamuojami klasifikacijų tipai sudaro geresnį AI supratimo pagrindą:

• Reaktyviosios mašinos: mašinos, kurias matote mušančias žmones šachmatų metu arba žaidžiančias žaidimų laidose, yra reaktyvių mašinų pavyzdžiai. Reaktyvioji mašina neturi atminties ar patirties, kuria galėtų pagrįsti sprendimą. Vietoj to, jis remiasi gryna skaičiavimo galia ir protingais algoritmais, kad kiekvieną kartą atkurtų kiekvieną sprendimą. Tai yra silpno AI, naudojamo konkrečiam tikslui, pavyzdys.
• Ribota atmintis: savarankiškai važiuojantis automobilis arba autonominis robotas negali sau leisti laiko priimti kiekvieną sprendimą nuo nulio. Šios mašinos remiasi nedideliu atminties kiekiu, kad suteiktų praktinių žinių apie įvairias situacijas. Kai mašina mato tą pačią situaciją, ji gali pasikliauti patirtimi, kad sumažintų reakcijos laiką ir suteiktų daugiau išteklių naujiems, dar nepriimtiems sprendimams priimti. Tai yra dabartinio stipraus dirbtinio intelekto lygio pavyzdys.
• Proto teorija: mašina, galinti įvertinti ir savo reikalaujamus tikslus, ir galimus kitų subjektų tikslus toje pačioje aplinkoje, turi tam tikrą supratimą, kuris šiandien tam tikru mastu yra įgyvendinamas, bet ne jokia komercine forma. Tačiau norint, kad savarankiškai važiuojantys automobiliai taptų tikrai autonomiški, tokio lygio dirbtinis intelektas turi būti visiškai išvystytas. Savaime važiuojančiam automobiliui reikėtų ne tik žinoti, kad jis turi važiuoti iš vieno taško į kitą, bet ir intuituoti galimai prieštaringus aplinkinių vairuotojų tikslus ir atitinkamai reaguoti.
• Savęs suvokimas: tai yra AI, kurį matote filmuose. Tačiau tam reikalingos technologijos, kurios dabar net iš tolo neįmanomos, nes tokia mašina turėtų ir savęs, ir sąmonės jausmą. Be to, užuot vien tik nujaučiant kitų tikslus, pagrįstus aplinkos ir kitų subjektų reakcijomis, tokio tipo mašinos galėtų daryti išvadą apie kitų ketinimus, remdamosi patirtinėmis žiniomis.