Что такое искусственный интеллект?

От

Иштван С.Н. Беркли доктора философии

(istvan@louisiana.edu)

Философия,

Университет Луизианы в Lafayette

( Открыть эту страницу страницу в румынском любезно azoft )

(Открыть эту страницу в украинской любезно Олега Segal ).

( Открыть эту страницу в болгарской любезно Cloud озер Team )

Историческая перспектива: Все это звучит так хорошо ....

Наверное, каждый слышал искусственного интеллекта (AI для краткости), но относительно немногие люди имеют очень хорошее представление о том, что термин на самом деле означает. Для большинства людей, AI ассоциируется с артефактами , как HAL 9000 компьютер в фильме 2001: Космическая одиссея. Такие изображения являются продуктом Голливуда, а не та вещь, которая на самом деле происходит в научно-исследовательских лабораториях мира сегодня. Моя цель здесь представить некоторые из основных идей, лежащих в AI, и попытаться предложить средства, с помощью которых люди могут вступить в борьбу с текущим состоянием техники в полевых условиях.

Грубо говоря, искусственный интеллект является изучение искусственных вычислительных устройств и систем, которые могут быть сделаны, чтобы действовать таким образом, мы были бы склонны называть интеллектуальными. Рождение поля можно проследить до начала 1950-х годов. Можно утверждать, что первое значимое событие в истории ИИ стала публикация документа , озаглавленного «Вычислительные машины и разум" британским математиком Алана Тьюринга . В данной работе Тьюринг утверждал, что если машина может пройти определенный тест (который стал известен как «тест Тьюринга»), то мы имели бы основания говорить о том, что компьютер был умен. Тест Тьюринга предполагает человеческое существо (известное как «судьи») задавать вопросы через компьютерный терминал к двум другим лицам, один из которых является человек , а другой из которых является компьютер. Если судья регулярно не смог правильно отличить компьютер от человека, то компьютер, как сообщается, прошли тест. В данной работе Тьюринг также был рассмотрен ряд аргументов в пользу и возражений против идеи, что компьютеры могут проявлять интеллект.

Принято считать , что ИИ был рожден как дисциплина на конференции под названием " Дартмутская Летний исследовательский проект по искусственного интеллекта », организованный среди других, Джон Маккарти и Марвин Мински . На этой конференции система известна как LOGIC теоретика была продемонстрирована Алан Ньюэлл и Херб Саймон . LOGIC теоретика была система, которая обнаружила доказательства теорем в символической логике. Значение этой системы было то, что, по словам Фейгенбаума и Фельдмана (1963: стр. 108) LOGIC теоретиком был "... первый набег искусственным интеллектом в интеллектуальные процессы высокого порядка." Этот первоначальный успех был быстро последовал целый ряд других систем, которые могли бы выполнять, по-видимому интеллектуальные задачи. Например, система , известная как " DENDRAL " удалось механизировать аспекты научного рассуждения , найденного в области органической химии. Еще одна программа, известная как " MYCIN ", был в состоянии в интерактивном режиме диагностики инфекционных заболеваний.

Основная стратегия, которая лежала в основе всех этих успехов привели к предложению, что известно как вещественный символ системы Гипотезы, Ньюэлл и Саймон в 1976 г. Физический Символ Система Гипотеза сводится к перегонке теории, которая лежала за большую часть работы который пошел на вплоть до этой даты и был предложен в качестве общей научной гипотезы. Ньюэлл и Саймон (1976: стр. 41) писал;

"Физическая система символ имеет необходимые и достаточные средства для общего интеллектуального действия."

Хотя было много споров по поводу, как именно эта гипотеза должна быть интерпретирована, есть два важных вывода, которые были извлечены из нее. Первый вывод состоит в том, что компьютеры являются физические системы символов, в соответствующем смысле, и, таким образом, есть основания (если гипотеза правильна) полагать, что они должны быть в состоянии проявлять интеллект. Второй вывод заключается в том, что, как мы, люди, также умные, мы тоже должны быть физические системы символов, и, таким образом, в значительной смысле похожи на компьютеры.

Текущая перспектива: Проблемы и успехи

С учетом всех этих положительных результатов, по-видимому и интересной теоретической работе, довольно очевидный вопрос, как представляется, "Где умные машины, как HAL 9000 '? Несмотря на то, что было много впечатляющих успехов в этой области, есть также целый ряд существенных проблем, исследование А. И. впала. Пока еще нет HAL 9000 и реалистично, это будет хорошим время, прежде чем такие системы становятся доступными, если они вообще когда-либо оказаться вообще возможно.

Первые успехи в ИИ привело исследователей в области, чтобы быть дико оптимистичным. К сожалению, этот оптимизм был несколько неуместен. Например, в 1957 году Саймон предсказал, что это заняло бы всего десять лет для компьютера, чтобы быть в мире чемпион мира по шахматам. Конечно, этот конкретный подвиг не было сделано до этого года, с помощью Deep Blue системы. Есть более глубокие проблемы, которые ИИ впала однако.

Для большинства людей, если они знают, что президент Клинтон в Вашингтоне, то они также знают, что правое колено президента Клинтона также в Вашингтоне. Это может показаться тривиальным фактом, и на самом деле это для людей, но это не так просто, когда речь идет о системах искусственного интеллекта. На самом деле, это пример того, что пришел, чтобы быть известным как "здравый смысл проблемы знаний". Вычислительная система только знает, что это было в явной сказал. Независимо от того, какие мощности вычислительной системы, если эта система знает, что президент Клинтон был в Вашингтоне, но не знает, что его левое колено там тоже, то система не будет отображаться не быть слишком умным. Конечно, это вполне можно сказать, что компьютер, если человек находится в одном месте, то их левое колено находится в том же самом месте, но это только начало проблемы. Есть огромное количество подобных фактов, которые также должны были бы быть запрограммированы. Например, мы знаем также, что если президент Клинтон в Вашингтоне, то его волосы также в Вашингтоне, его губы находятся в Вашингтоне и так далее. Трудность, с точки зрения ИИ, чтобы найти способ, чтобы захватить все эти факты. Проблема общеизвестных Sense является одной из главных причин, почему мы не имеем пока еще интеллектуальные компьютеры, предсказанные научной фантастики, как HAL 9000.

Проблема общеизвестных Sense работает очень глубоко в AI. Например, было бы очень трудно для компьютера, чтобы пройти тест Тьюринга, если ему не хватало тех знаний, описанный выше. Дело в том, можно проиллюстрировать, рассматривая случай Элиза. Элиза является система ИИ разработан Weizenbaum в 1966 году , который должен был подражать психотерапевта. Есть много вариантов этого программного обеспечения в эти дни, очень немногие из которых могут быть загружены . Хотя в некоторых смыслах ELIZA может быть весьма впечатляющим, это не займет много, чтобы получить систему спутать, или выключить трек. Становится ясно, очень быстро, что система далека от интеллектуальных.

Там было несколько ответов на проблему общеизвестных Sense в научном сообществе искусственного интеллекта. Одна стратегия заключается в попытке построить системы, которые предназначены только для работы в ограниченных областях. Это стратегия , которая лежит в основе Loebner премии , в современной конкуренции , основанной на ограниченной версии теста Тьюринга. Некоторые недавние записи в этом конкурсе, такие как TIPS системы действительно весьма впечатляет, когда по сравнению с Элизой.

Еще более амбициозным стратегия была принята исследователем А. И. Дуг Ленат . Ленат и его коллеги работали в течение ряда лет на системе , которая известна как CYC . Целью проекта CYC является разработка больших вычислительных баз данных и средства поиска, позволяет системы ИИ, чтобы получить доступ ко всем знания, которые составляют здравый смысл. Проект CYC пытается встретить проблему головы Common Sense знаний о. В текущее время, результаты проекта только начинают появляться. Пока еще не ясно, имеет ли огромные усилия увенчались успехом.

Другие исследователи приняли другую тактику, чтобы попытаться справиться с этой проблемой. Они рассуждают так, что человеческое существо имеет здравый смысл, из-за огромного богатства переживаний, которые мы имеем, как мы растем и учиться. Они предпочитают , чтобы попытаться справиться с проблемой здравого смысла, приняв машинного обучения стратегии. Может быть, если компьютер мог бы узнать, в манере, похожей на человека, то это тоже будет развиваться здравый смысл. Эта стратегия до сих пор преследуется, и это слишком рано говорить, если он будет успешным.

Еще одна проблема, с которой исследование ИИ впала в том, что задачи, которые трудно для человека, как математика, или играть в шахматы, оказываются довольно легко для компьютеров. С другой стороны, задачи, которые люди легко находят, как научиться перемещаться по комнате, полной мебели, или распознавания лица, компьютеры найти сравнительно трудно сделать. Это вдохновило некоторых исследователей, чтобы попытаться разработать системы, которые имеют (по крайней мере внешне) мозгоподобных свойства. Исследования , основанные на этой стратегии стали известны как области искусственных нейронных сетей (также называемые коннекционизма ), и в настоящее время одним из главных специалистов подзон в рамках ИИ. В интересном аспекте искусственных нейронных сетей является то, что многие из этих систем также узнают, тем самым включив некоторые из преимуществ стратегии машинного обучения для решения проблемы здравого смысла знаний. Искусственные системы нейронной сети были успешными в решении многих проблем, таких, как те, которые вовлекают распознавание образов, которые доказали свою трудно для других подходов.

Важно понимать, однако, что не все принимают помещения, которые исследования AI работает под. Весь проект ИИ пришел под резкую критику, время от времени. Один известный критик Герберт Дрейфус . Он утверждал на различных основаниях, что все предприятие ИИ обречена на провал, так как это делает предположения о мире и умы, которые не являются логичной, когда критически оценены. Другой известный критик ИИ Джон Сирл . Сирл предложил аргумент , основанный на мысленном эксперименте, известный как китайский аргумент номер . Этот аргумент имеет целью показать, что цель построения интеллектуальных машин не представляется возможным. Даже если этот аргумент был первоначально опубликован в 1980-е годы, он по-прежнему является горячей темой обсуждения на интернет-новостей, таких как comp.ai.philosophy.

Является ли критики ИИ правильно или нет, покажет только время. Тем не менее, было два важных множества последствий, возникших с момента первоначального создания поля. Первый из них был рождение новой и захватывающей академической дисциплины , которая стала известна как « когнитивной науке ». Когнитивная наука делится с ИИ фундаментальной предпосылке, что, в некотором смысле, умственная деятельность является вычислительной по своей природе. Цель когнитивной науки, хотя отличается от ИИ. Когнитивисты поставили перед собой цель разгадке тайны человеческого разума. Это не простая задача, учитывая, что человеческий мозг является самым сложным устройством известно человечеству. Например, даже при использовании различных упрощающих допущений сделаны, по-видимому весьма вероятно, что число различных возможных состояний одного человеческого мозга, на самом деле больше, чем число атомов во Вселенной! Тем не менее, накопленный опыт и прогресс, достигнутый в процессе достижения цели ИИ, наряду с прогрессом в других дисциплинах, как представляется, показывают, что проект когнитивной науке жизнеспособна, хотя трудно достичь.

Второй набор последствий, которые возникли из исследования ИИ, возможно, немного менее очевидно. Есть много программ и систем вокруг сегодня, которые используют плоды исследований искусственного интеллекта. Хотя мы не имеем HAL 9000, как все же, многие из ранних целей ИИ были достигнуты, хотя и не в одной грандиозной системе. Возможно, самое печальное, хотя в том, что ИИ редко получает кредит за свой вклад в других областях. Существует поговорка, в академических кругах, что "лучшие плоды искусственного интеллекта, становятся простой старый компьютерные науки". Как мы учимся делать все больше и больше, что было когда-то почти чудом, становится обыденным делом. Теперь, когда цель действительно прекрасный шахматный игровой компьютер был реализован, вполне вероятно, что это тоже больше не будет острых ощущений или удивить нас. Тем не менее, есть еще много сложных и захватывающих границы, чтобы быть завоеваны в AI. Есть также многочисленные острые вопросы, которые должны быть продуманы. В статьях, которые следуют за этим один, я попытаюсь представить некоторые из увлекательной работы, которая делается в AI, так что вклад этой программы исследований в мире, как мы знаем, что будет лучше известны и понятны.

© Иштван С.Н. Беркли доктор философии 1997. Все права защищены.

Похожая Дополнительная литература

Кэмпбелл, J. (1989), The Невероятная машина, Simon & Schuster (Нью - Йорк).

Copeland, J. (1993), искусственный интеллект, Blackwells (Оксфорд).

Churchland, P. (1988), материи и сознания, MIT Press (Кембридж, Массачусетс).

Haugeland, J. (1985), искусственный интеллект: Сама идея, MIT Press (Cambridge MA).

Библиография

Фейгенбаум, Е. и Фельдман, J. (1963), Компьютеры и мысли, McGraw-Hill (Нью - Йорк).

Haugeland, J. (1981) Ум Дизайн, MIT Press (Кембридж, Массачусетс).

Ньюэлл, А. и Саймон, H., (1976), "Компьютерные науки в качестве эмпирического исследования: Символы и Поиск" перепечатаны в Haugeland (1981:. С. 35-66).