Що таке штучний інтелект?

iphil41Доктор Іштван С. Н. Берклі
(Istvan@louisiana.edu)

Філософія,
Університет Луїзіани в Лафайет

Оригінал: What is Artificial Intelligence?

Історична перспектива: Все це звучить так добре ….

Напевно, всі чули штучного інтелекту (AI для стислості), але відносно небагато людей мають дуже хорошу ідею того, що термін насправді означає. Для більшості людей, AI пов’язано з артефактами, як HAL 9000 Комп’ютер у фільмі 2001: Космична Одісея. Такі зображення продуктом Голлівуду, а не вид речі, які насправді відбувається в науково-дослідних лабораторіях у світі. Моя мета тут полягає в ознайомленні кілька основних ідей, що лежать в AI, і спробувати запропонувати засіб, за допомогою якого люди можуть впоратися зі поточний стан справ у цій галузі.

Грубо кажучи, штучний інтелект є вивчення техногенних обчислювальних пристроїв і систем, які можуть бути внесені в Закон таким чином, щоб ми були б схильні назвати розумними. Народження області можна простежити ще на початку 1950-х років. Можливо, першим значною подією в історії ІІ був публікація документа, названого “Обчислювальні машини й розум” в британський математик Алан Тьюринг. У цій статті, Тьюринг стверджував, що якщо машина може за певну тесту (яка стала відома як “тест Тьюринга”), то ми мали б підстави говорити про те, що комп’ютер був розумним. Тест Тьюринга припускає людська істота (відомий як “судді”), ставлячи питання через комп’ютерний термінал до двох іншим особам, одним з яких є людина та іншої з яких є комп’ютер. Якщо суддя регулярно не вдалося правильно виділити комп’ютер від людини, то комп’ютер сказав, що пройшла тест. У цій статті Тьюринга також розглянув низку аргументів на користь і заперечень проти, ідея, що комп’ютери можуть проявляти інтелект.

Вважається, що ІІ народився як дисципліна на конференції під назвою ” Науково-дослідний проект Дартмут Літній зі штучного інтелекту “, організований серед іншого, Джон Маккарті і Марвін Мінськ . На цій конференції система, відома як логічні теоретик було продемонстровано Алан Ньюелл і Герб Саймон . LOGIC теоретик був системою, яка виявила докази теорем в символічній логіці. Значення цієї системи було те, що, за словами Фейгенбаума і Фельдман (1963: стр. 108) LOGIC теоретик був “… перший набіг штучним інтелектом в інтелектуальних процесів високого порядку.” Цей початковий успіх був швидко йдуть в ряді інших систем, які можуть виконувати, мабуть інтелектуальні завдання. Наприклад, система, відома як “DENDRAL“зміг механізувати аспекти наукового міркування, знайденого в галузі органічної хімії. Ще одна програма, відома як “MYCIN“, був в стані в інтерактивному режимі діагностики інфекційних захворювань.

Фундаментальна стратегія, яка лежала в основі всіх цих успіхів призвело до пропозиції, що відомо як фізичної символічних систем гіпотези, Ньюелл і Саймон в 1976 році фізико Символ Система Гіпотеза зводиться до дистиляції теорії, які лежать за більшу частину роботи які пішли на аж до цієї дати, і був запропонований як загальної наукової гіпотези. Ньюелл і Саймон (1976: стор. 41) пише;

“Фізична система символ має необхідні і достатні кошти для загального інтелектуального дії.”

Хоча було багато суперечок, як саме ця гіпотеза слід інтерпретувати, є два важливих висновки, які були взяті з нього. Перший висновок полягає в тому, що комп’ютери є фізичні системи символів, у відповідному сенсі, і, таким чином, є підстави (слід гіпотеза правильна), щоб вважати, що вони повинні бути в змозі проявляти інтелект. Другий висновок полягає в тому, як ми, люди, також розумні, ми теж повинні бути фізичні системи символів і, таким чином, значною сенсі, подібно комп’ютерам.

Поточної точки зору: Проблеми і успіхи

З урахуванням усіх цих, мабуть позитивних результатів і цікавою теоретичної роботі, досить очевидне питання, здається, “Де розумні машини, як HAL 9000″? Хоча було багато вражаючих успіхів у цій галузі, також були ряд суттєвих проблем, які дослідницька ІІ зіткнутися. Досі не існує HAL 9000 і реалістично, це буде добре в той час, перш ніж такі системи стають доступними, якщо вони взагалі коли-небудь опинитися взагалі можливо.

Перші успіхи в AI привело дослідників в області, щоб бути дико оптимізмом. На жаль, оптимізм був дещо недоречний. Наприклад, в 1957 році Симон передбачив, що він буде вважати тільки десять років, комп’ютер буде в світі чемпіон світу з шахів. Звичайно, це зокрема подвиг не було досягнуто до цього року, за Deep Blue системи. Є більш глибокі проблеми, які AI впав у однако.

Для більшості людей, якщо вони знають, що президент Клінтон у Вашингтоні, то вони також знають, що праве коліно президента Клінтона також у Вашингтоні. Це може здатися тривіальним насправді, і це дійсно так для людей, але це не так просто, коли мова йде про системи штучного інтелекту. Насправді, це приклад того, що прийшов, щоб бути відомим як “здоровий глузд завдання знань”. Обчислювальна система знає, що він був у явній сказав. Незалежно від того, які потужності обчислювальної системи, якщо ця система знає, що президент Клінтон був у Вашингтоні, але не знає, що його ліве коліно теж там, то система не буде з’являтися не бути надто розумним. Звичайно, це цілком можливо, щоб розповісти комп’ютер, що якщо людина знаходиться в одному місці, то їх ліве коліно знаходиться в тому ж місці, але це тільки початок проблеми. Є величезна кількість подібних фактів, які також повинні бути запрограмовані. Наприклад, ми знаємо, що якщо президент Клінтон у Вашингтоні, то його волосся також у Вашингтоні, його губи у Вашингтоні і так далі. Труднощі, з точки зору ШІ, щоб знайти спосіб, щоб захопити всі ці факти. Проблема здорового глузду знань є одним з основних причин, чому ми не маємо поки ще інтелектуальні комп’ютери, передбачені наукової фантастики, як HAL 9000.

Проблема здорового глузду знань працює дуже глибоко в AI. Наприклад, було б дуже важко комп’ютер, щоб пройти тест Тьюринга, якщо це не було тих знань, описаної вище. Пункт можна проілюструвати, розглянувши справу Елізи. ELIZA є система AI розроблений Вейсбаумом в 1966 році, який повинен був імітувати психотерапевта. Є багато варіантів цього програмного забезпечення в ці дні, дуже деякі з яких можуть бути завантажені . Хоча в деяких сенсах ELIZA може бути вельми вражаючим, це не займе багато, щоб отримати систему в замішанні, або відстають. Це стає ясно, дуже швидко, що система далека від інтелектуальних.

Там були ряд заходів щодо вирішення проблеми здорового глузду знань в рамках науково-дослідницького співтовариства AI. Одна стратегія полягає в спробі побудувати системи, які призначені тільки для роботи в обмежених областях. Це стратегія, яка лежить в основі Лоебнера премії , в сучасній конкуренції на основі обмеженого версії тесту Тюрінга. Деякі недавні записи в цьому конкурсі, такі як TIPS системи дійсно вражає, коли в порівнянні з ELIZA.

Інший, більш амбітної стратегії був прийнятий AI дослідник Дуг Ленат. Ленат і його колеги працювали протягом кількох років у системі, яка відома як CYC. Мета проекту CYC є розробка великих обчислювальних бази даних і засоби пошуку, які дозволяє системам штучного інтелекту для доступу до всіх знання, які складають загальний зміст. Проект CYC намагається стикаються з проблемою голови Common Sense знань на. В даний час, результати проекту ще тільки починають з’являтися. Це ще не ясно, чи був величезні зусилля увінчалися успіхом.

Інші дослідники взяли іншу тактику, щоб спробувати впоратися з цією проблемою. Вони міркують, що людина істота є здоровий глузд, через величезного багатства переживань, які у нас є, як ми ростемо і вчитися. Вони воліють, щоб спробувати впоратися з проблемою здорового глузду, прийнявши машинного навчання стратегії. Можливо, якби комп’ютер міг дізнатися, аналогічно до людської істоти, це теж буде розвиватися здоровий глузд. Ця стратегія, як і раніше вивчається, і це занадто рано говорити, якщо він буде успішним.

Інша проблема, яка дослідження А.І. впав у тому, що завдання, які важко для людини, як математика, або грати в шахи, виявляються досить легко для комп’ютерів. З іншого боку, завдання, які люди знаходять легко, як навчитися переміщатися по кімнаті, повної меблів, або розпізнавання осіб, комп’ютери знайти порівняно важко зробити. Це надихнуло деяких дослідників, щоб спробувати розробити системи, які мають (принаймні зовні) мозкоподібні властивості. Дослідження засноване на цій стратегії стали відомі як поле штучних нейронних мереж (також званих коннекціонізма ), і в даний час одним з основних спеціалізованих райони в межах ШІ. На цікавий аспект штучних нейронних мереж є те, що багато з цих систем також дізнаються, тим самим включивши деякі з переваг стратегії машинного навчання для вирішення здоровий глузд проблеми знань. Системи штучного нейронної мережі були успішними у вирішенні багатьох проблем, таких, як ті, з участю розпізнавання образів, які довели свою важко для інших підходів.

Важливо лише розуміти, що не все приймає приміщень, які дослідження AI працює під. Весь проект ІІ потрапив під різку критику, час від часу. Один відомий критик Герберт Дрейфус . Він міркував про різні підставі, що все підприємство ІІ приречена на провал, так як це робить припущення про світ і уми, які не витримує критики, коли критично оцінені. Інший відомий критик ІІ Джон Серл . Серл запропонував аргумент, заснований на уявному експерименті, відомий як китайський аргументу номер . Цей аргумент метою показати, що мета побудови інтелектуальних машин не представляється можливим. Навіть якщо це аргумент був спочатку опублікований в 1980, він як і раніше гаряча тема обговорення на конференціях Інтернету, таких як comp.ai.philosophy.

Якщо критики ІІ правильно чи ні, покаже тільки час. Тим не менш, були зроблені дві важливі набори наслідків, що виникли з моменту первинного створення поля. Перший з них був народження нової і захоплюючої навчальної дисципліни, яка прийшла, щоб бути відомим як “когнітивної науці“. Когнітивна наука акції з А.І. фундаментальної передумові, що, в деякому розумінні, розумова діяльність обчислювальна в природі. Мета когнітивної науці, хоча це відрізняється від AI. Когнитивісти поставили перед собою мету розгадки таємниці людського розуму. Це не просте завдання, враховуючи, що людський мозок є найскладнішим пристрій, відоме людству. Наприклад, навіть якщо різні спрощують припущення, що, здається, досить імовірно, що число різних можливих станів одного людського мозку насправді більше, ніж число атомів у Всесвіті! Тим не менш, накопичений досвід і прогрес, досягнутий у процесі досягнення мети ШІ, поряд з прогресом в інших дисциплінах, здається, показують, що проект когнітивної науці є життєздатним, хоча важко досягти.

Другий набір наслідки, які виникли в результаті вивчення пташиного грипу, можливо, трохи менш очевидний. Є багато програм і систем навколо сьогодні, які роблять використання плодів досліджень ШІ. Хоча ми не маємо HAL 9000 поки ще, багато з ранніх цілей ІІ були досягнуті, хоча і не в одному грандіозному системи. Можливо, найсумніше, однак, що AI рідко отримує кредит за його внесок у інших областях. Існує приказка в академічних колах, “Кращі плоди AI, стати старий добрий інформатика”. Як ми вчимося все більше і більше, що було колись майже дивом, стає буденною справою. Тепер, коли мета дійсно прекрасний шахи грати в комп’ютерні був реалізований, цілком імовірно, що це занадто більше не буде гострих відчуттів або здивувати нас. Тим не менш, є ще багато складних і цікавих кордону, які необхідно подолати в AI. Є також численні гострі питання, які повинні бути продумані. У статтях, які слідують за цим один, я постараюся представити деякі з захоплюючий роботі, яка робиться в AI, так що внесок цієї дослідницької програми в світі, як ми знаємо, що буде краще знали і розуміли.

© Іштван С. Н. Берклі доктор 1997. Всі права захищені.

Схожі Подальше читання
Кемпбелл, Дж. (1989), Неймовірна машина, Саймон і Шустер (Нью-Йорк).

Копланд, Дж. (1993), Штучний інтелект, Blackwells (Oxford).

Чурчланд, П. (1988), Матерії і свідомості, MIT Press (Cambridge, MA).

Хаугеланд, Дж. (1985), Штучний інтелект: сама ідея, MIT Press (Cambridge MA).

Бібліографія
Фейгенбаум Е. і Фельдман, Дж. (1963), Комп’ютери та думка, McGraw-Hill (Нью-Йорк).

Хаугеланд, Дж. (1981) Розум Дизайн, MIT Press (Cambridge, MA).

Ньюелл А., Саймон, H., (1976), “Комп’ютерні науки як емпіричного дослідження: Символи та Пошук” перевидана в  Хаугеланд (1981 :. С. 35-66).