AI: расшифровка определения

AI: расшифровка определения

АННОТАЦИЯ: Практически невозможно достичь поверхностного понимания передовых технологий, не подвергаясь бомбардировке эзотерическим жаргоном. Помимо этого технического жаргона, кажется, существует тревожная роль семантики, особенно в случае искусственного интеллекта. В этой статье разъясняются классификации, подмножества и методы ИИ, отсутствующие в монадическом определении ИИ. Он также раскрывает эффект ИИ как естественное следствие биологической и технологической эволюции. Кроме того, предлагается отход от вневременных упрощенных определений для разработки эвристического современного подхода к определению искусственного интеллекта.

Большинство из нас знакомо с термином «ИИ» или искусственный интеллект. Фактически, многие из нас взаимодействуют с ИИ в повседневной жизни. Около 3,5 миллиардов человек взаимодействовали с искусственным интеллектом в какой-то момент своей жизни¹, если не каждый день. У 3,3 миллиарда человек есть ИИ в карманах с помощью смарт-устройств². И все же немногие из нас действительно понимают, что такое искусственный интеллект.

Определение искусственного интеллекта остается предметом горячих споров даже среди ученых, инженеров и других специалистов в этой области. Несмотря на отсутствие конечного смысла, идеи искусственного интеллекта разбросаны по истории. В 750–650 годах до нашей эры Иллиад Гомера и Труды и дни Гомера говорили о золотых роботах Гефеста, греческого бога ремесел и изобретений. Гесиод много писал о Талосе (вверху), бронзовом воине, запрограммированном Гефестом на охрану острова Крит3. Почти два тысячелетия спустя классические философы 16-18 веков предположили, что процесс человеческого мышления можно механизировать при обсуждении проблемы разума и тела Даже Золотой век научной фантастики между 1938 и 1946 годами играл с явлениями ИИ.

Несмотря на его идеологическое историческое преобладание, фактический термин «искусственный интеллект» был официально признан профессором Дартмутского университета Джоном Маккарти только в 1956 году. Маккарти придумал ИИ как «науку и технику создания машин с вычислительной способностью для достижения целей в мире (интеллект). ) ». Но емкое определение ИИ, данное Маккарти, чрезмерно компенсирует то, чего ему не хватает в глубине. Другими словами, он успешно учитывает ретроспективные идеи искусственного интеллекта, но в остальном ошибочен. Монадическое определение Маккарти помещает калькуляторы в одну категорию с беспилотными автомобилями, упрощая сложное явление и игнорируя значение контекста.

Но краткое определение искусственного интеллекта Маккарти небезосновательно. Как и в музыке, существует множество жанров или подклассов в рамках более широкой концепции ИИ. Таким образом, если кажется неправильным рассматривать калькуляторы и беспилотные автомобили как равнозначно искусственно интеллектуальные, то это потому, что они не являются. Чтобы уточнить, ИИ разделен на уровни, так что он имеет три основных классификации: супер, общий и узкий. Последние два класса искусственного интеллекта (общий и узкий) содержат слабые и сильные подклассы.

Таксономия искусственного интеллекта

Суперискусственный интеллект (SAI) - это наиболее распространенный тип ИИ, встречающийся в научно-фантастической литературе и фильмах, и, безусловно, самый далекий от существующих в современном мире. SAI является синонимом искусственного интеллекта, который превосходит человеческий интеллект и возможности во всех аспектах. Общий искусственный интеллект (GAI) гораздо более вероятен, чем SAI, но его еще нет. GAI включает в себя ИИ, который может учиться сверх того, на что он был запрограммирован, а также может выполнять все и любые задачи, требующие человеческого интеллекта. Например, хотя социальный робот-гуманоид «София» »Способна обучаться поведению, выходящему за рамки того, на что она была запрограммирована, Софии не хватает однозначно человеческого качества - разумности. По этой причине робот-гуманоид, получивший гражданство Саудовской Аравии в 2017 году⁹, не является и не может быть примером ГАИ.

И последнее, но не менее важное: узкий искусственный интеллект (NAI) обозначает ИИ, который запрограммирован специально для выполнения одной задачи. Это единственный тип ИИ, который в настоящее время существует за пределами научной фантастики. NAI состоит из двух подтипов: слабый узкий искусственный интеллект (WNAI) и сильный узкий искусственный интеллект (SNAI). WNAI - это ИИ, который больше не считается ИИ - аналоговые механические системы, такие как калькуляторы и фильтры спама в электронной почте. Этот тип искусственного интеллекта зависит от программиста в том смысле, что он может выполнять только то, для чего он был запрограммирован: он не может «учиться». Срабатывание неврологических синапсов относится к биологическому интеллекту, как механистический расчет - к искусственному интеллекту.

Интересно, что неврологическая основа вообще не рассматривается в общепринятом определении биологического интеллекта. Точно так же простые вычисления не считаются искусственным интеллектом, а именно из-за явления «эффекта ИИ». Эффект ИИ диктует, что когда технологии ИИ просто функционируют, они больше не рассматриваются как «настоящий» интеллект. Считается, что этот предполагаемый эффект был признан после того, как сам Маккарти заявил, что «как только он заработает, никто больше не назовет его ИИ». «Технология, которая учится и совершенствуется» .¹¹

Эффект искусственного интеллекта и игнорирование технологий WNAI как «реального» интеллекта, по крайней мере частично, объясняется реальностью SNAI. SNAI относится к ИИ, который может обучаться в пределах своей запрограммированной области. Примеры включают SIRI, Amazon Alexa и беспилотные автомобили. Для калькуляторов характерно использование WNAI, поскольку они специально запрограммированы с использованием статического набора инструкций для выполнения одиночной задачи. Сильный узкий искусственный интеллект, в отличие от WNAI, использует два метода: машинное обучение (ML) и глубокое обучение (DL).

Как следует из названия, ML позволяет машинам «учиться» при доступе к данным, чтобы принимать решения, прогнозировать или выполнять операции. ML - это также метод SNAI, который «обучает» алгоритмы с помощью структурированного представления данных, чтобы машина могла обучаться сама, а не кодировать ее с помощью определенного набора инструкций для конкретной задачи. ² Делая неверный прогноз, ML полагается на программист, чтобы внести коррективы в алгоритм, чтобы гарантировать непрерывные правильные прогнозы. DL - это подмножество машинного обучения, которое способно автономно учиться и улучшать себя с помощью слоев алгоритмов, называемых искусственными нейронными сетями (ИНС). Проще говоря, глубокое обучение - это машинное обучение, хотя машинное обучение не обязательно должно быть глубоким обучением. ³ ¹⁴

Эффект ИИ: продукт прогресса

Эффект ИИ просто отмечает естественные побочные эффекты или последствия перемены времени. Методы машинного обучения, используемые SNAI, позволили внедрить инновации, повышающие эффективность и даже изменить жизнь, такие как устройства для умного дома, приложения для совместного использования поездок и раннее выявление заболеваний. Такие инновации заменяют «более простые» технологии, такие как калькуляторы, гитарные тюнеры и даже компьютеры, как широко распространенную концепцию ИИ. Когда старое заменяется новым, люди забывают о прошлом. Это явление характерно не только для искусственного интеллекта. Скорее, это отражение естественного развития отношения в ответ на эволюцию, продвижение и рост практически всего.

В настоящее время подход к определению ИИ сильно различается от человека к человеку. Возможно, никогда не будет единого определения ИИ; но, возможно, этого и не должно быть. Краткое определение искусственного интеллекта действительно игнорирует классификации, многогранный характер и мультидисциплинарные приложения ИИ. При этом монадического определения ИИ достаточно для тех, кто знаком с этим типом технологий и, соответственно, уже осознает его сложности. Расплывчатые определения жаргонистического языка, хотя и разочаровывающие, должны служить формой поощрения. Поощрение задавать вопросы, проводить исследования, выходящие за рамки поиска Google, и осознавать многоуровневый, многогранный и многодисциплинарный характер искусственного интеллекта. Быстро приближающийся мир технологической эволюции требует этого.

Неудовлетворительное, но достаточное решение

Результаты этой статьи рекомендуют эвристический подход как к определению, так и к концепции ИИ. Эвристический метод приносит в жертву точность и полноту в обмен на более конкретное определение, учитывающее время. Например, эффект ИИ диктует, что технологии WNAI больше не классифицируются людьми как форма ИИ. Маккарти утверждает, что ИИ состоит из машин, обладающих вычислительной способностью решать проблемы в мире, игнорируя, таким образом, эффект ИИ. Однако эвристический подход к ИИ использует определение SNAI: ИИ, который может обучаться. Это определение приносит в жертву точность и полноту, игнорируя классификации и многомерную природу ИИ, однако этот эвристический подход учитывает контекст. Он подтверждает эффект искусственного интеллекта, признавая естественное изменение отношения из-за технического прогресса. Эвристический метод устраняет широкую семантику ИИ и обеспечивает современное понимание передовой технологии, которая пробуждает любопытство и побуждает к дальнейшим исследованиям и исследованиям.

Сноски

¹Ортиз-Оспина Э. (18 сентября 2019 г.). Рост социальных сетей. Получено с https://ourworldindata.org/rise-of-social-media.

² Тернер, А. (3 июля 2019 г.). Получено с сайта bankmycell.com/blog/how-many-phones-are-in-the-world.

³Mayor, A. (2012, 14 марта). Получено с http://www.wondersandmarvels.com/2012/03/the-worlds-first-robot-talos.html

⁴Берлински, Дэвид (2000), «Пришествие алгоритма», Harcourt Books, ISBN 978–0–15–601391–8, OCLC 46890682

⁵Хорган, Дж. (5 февраля 2018 г.). Кто изобрел проблему разума и тела? Получено с https://blogs.scientificamerican.com/cross-check/who-invented-the-mind-body-problem/.

⁶Ничоллс, Питер (1981) Энциклопедия научной фантастики, Гранада, стр. 258

⁷Маккарти, Дж. (12 ноября 2007 г.). Что такое ИИ? Получено с http://www-formal.stanford.edu/jmc/whatisai.pdf.

⁸Джаджал, Т. Д. (21 мая 2018 г.). Различия между Узким ИИ, Общим ИИ и Супер ИИ. Получено с https://medium.com/@tjajal/distinguishing-between-narrow-ai-general-ai-and-super-ai-a4bc44172e22.

⁹Кансо, Х. (2017, 4 ноября). Саудовская Аравия дала гражданство роботу по имени София, и саудовские женщины не в восторге. Получено с https://globalnews.ca/news/3844031/saudi-arabia-robot-citizen-sophia/.

¹⁰Мейер, Б. (28 октября 2011 г.). Источник https://cacm.acm.org/blogs/blog-cacm/138907-john-mccarthy/fulltext

¹¹Спейси, Дж. (5 марта 2017 г.). 20 видов техники. Получено с https://simplicable.com/new/types-of-technology.

¹²Copeland, M. (6 ноября 2019 г.). Разница между ИИ, машинным обучением и глубоким обучением ?: Блог NVIDIA. Получено с https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/.

¹³Angermann, H. (2019). Хайденхайм. Получено с http://heiko-angermann.com/wp-content/uploads/2019/10/manuscript-ai-02.pdf

¹⁴Шоле Франсуа. (2018). Глубокое обучение с Python. Остров Шелтер, штат Нью-Йорк: Manning Publications Co.