Programovanie

Stručná história umelej inteligencie

V počiatkoch umelej inteligencie sa počítačoví vedci pokúsili znovu vytvoriť v počítači aspekty ľudskej mysle. Toto je typ inteligencie, ktorá je predmetom sci-fi - stroje, ktoré si myslia, viac-menej, ako my. Tento typ inteligencie sa neprekvapivo nazýva zrozumiteľnosť. Počítač so zrozumiteľnosťou možno použiť na preskúmanie toho, ako rozumovo uvažujeme, učíme sa, posudzujeme, vnímame a vykonávame mentálne činnosti.

Skorý výskum zrozumiteľnosti sa zameral na modelovanie častí reálneho sveta a mysle (z ríše kognitívnych vedcov) v počítači. Je pozoruhodné, keď vezmete do úvahy, že tieto experimenty sa uskutočnili takmer pred 60 rokmi.

Prvé modely inteligencie sa zamerali na deduktívne uvažovanie, aby sa dospelo k záverom. Jeden z prvých a najznámejších A.I. programami tohto typu bol logický teoretik, napísaný v roku 1956, ktorý napodobňoval zručnosti človeka pri riešení problémov. Logický teoretik čoskoro dokázal 38 z prvých 52 viet v druhej kapitole Principia Mathematica, v skutočnosti vylepšujúca jednu vetu v procese. Prvýkrát sa jasne preukázalo, že stroj mohol vykonávať úlohy, ktoré sa až do tohto bodu považovali za vyžadujúce inteligenciu a tvorivosť.

Výskum sa čoskoro zameral na iný typ myslenia, induktívne uvažovanie. Vedec používa induktívne uvažovanie pri skúmaní údajov a pri hľadaní hypotézy na ich vysvetlenie. Na štúdium induktívneho uvažovania vytvorili vedci kognitívny model založený na vedcoch pracujúcich v laboratóriu NASA, ktorý im pomohol identifikovať organické molekuly pomocou znalostí organickej chémie. Program Dendral bol prvým skutočným príkladom druhej vlastnosti umelej inteligencie, inštrumentálnosť, súbor techník alebo algoritmov na splnenie úlohy indukčného uvažovania, v tomto prípade identifikácia molekuly.

Dendral bol jedinečný, pretože zahŕňal aj prvú vedomostnú základňu, súbor pravidiel if / then, ktoré zachytávali vedomosti vedcov, ktoré sa mali používať spolu s kognitívnym modelom. Táto forma poznania by sa neskôr nazývalaexpertný systém. Mať k dispozícii obidva druhy „inteligencie“ v jednom programe umožnilo počítačovým vedcom pýtať sa: „V čom sú niektorí vedci omnoho lepšími ako ostatní? Majú vynikajúce kognitívne schopnosti alebo lepšie vedomosti? “

Koncom 60. rokov bola odpoveď jasná. Výkonnosť Dendralu bola takmer úplne funkciou množstva a kvality poznatkov získaných od odborníkov. Kognitívny model súvisel so zlepšením výkonu iba slabo.

Toto uvedomenie viedlo k významnej zmene paradigmy v komunite umelej inteligencie. Znalostné inžinierstvo sa ukázalo ako disciplína na modelovanie konkrétnych oblastí ľudských odborných znalostí pomocou expertných systémov. A expertné systémy, ktoré vytvorili, často prevyšovali výkonnosť ktoréhokoľvek jediného človeka s rozhodovacou právomocou. Tento pozoruhodný úspech vyvolal veľké nadšenie pre odborné systémy v komunite umelej inteligencie, armáde, priemysle, investoroch a populárnej tlači.

Keď sa expertné systémy stali komerčne úspešnými, vedci zamerali svoju pozornosť na techniky modelovania týchto systémov a ich zvýšenia flexibility v problémových doménach. Počas tohto obdobia vyvinula komunita AI objektovo orientovaný dizajn a hierarchické ontológie, ktoré prijali ďalšie časti počítačovej komunity. Dnes sú hierarchické ontológie jadrom znalostných grafov, ktoré v posledných rokoch zaznamenali oživenie.

Keď sa vedci usadili na forme reprezentácie znalostí známej ako „výrobné pravidlá“, forme predikátovej logiky prvého rádu, zistili, že systémy sa môžu učiť automaticky; tj. systémy coud zapisujú alebo prepisujú pravidlá sami, aby zlepšili výkon na základe ďalších údajov. Dendral bol upravený a dostal schopnosť naučiť sa pravidlá hmotnostnej spektrometrie na základe empirických údajov z experimentov.

Akokoľvek dobré boli tieto expertné systémy, mali obmedzenia. Spravidla sa obmedzovali na konkrétnu problémovú doménu a nedokázali rozlíšiť od viacerých pravdepodobných alternatív alebo využiť vedomosti o štruktúre alebo štatistickej korelácii. Na riešenie niektorých z týchto problémov pridali vedci faktory istoty - číselné hodnoty, ktoré naznačovali pravdepodobnosť konkrétnej skutočnosti.

Začiatok druhej zmeny paradigmy v oblasti umelej inteligencie nastal, keď si vedci uvedomili, že faktory istoty je možné zabaliť do štatistických modelov. Na modelovanie odborných znalostí z empirických údajov by sa mohla použiť štatistika a Bayesiánske závery. Od tohto bodu by umelej inteligencii čoraz viac dominovalo strojové učenie.

Vyskytol sa však problém. Aj keď techniky strojového učenia ako náhodný les, neurónové siete alebo GBT (stromy podporované gradientom) poskytujú presné výsledky, sú to takmer nepreniknuteľné čierne skrinky. Bez zrozumiteľného výstupu sú modely strojového učenia z niekoľkých hľadísk menej užitočné ako tradičné modely. Napríklad s tradičným modelom AI sa odborník môže opýtať:

  • Prečo model urobil túto chybu?
  • Je model zaujatý?
  • Môžeme preukázať súlad s predpismi?
  • Prečo model nesúhlasí s odborníkom na doménu?

Nedostatok zrozumiteľnosti má tiež školiace dôsledky. Ak sa model pokazí a nedokáže vysvetliť prečo, je jeho oprava ťažšia. Pridať ďalšie príklady? Aké príklady? Aj keď v prechodnom období môžeme urobiť niekoľko jednoduchých kompromisov, napríklad prijať menej presné predpovede výmenou za zrozumiteľnosť, schopnosť vysvetľovať modely strojového učenia sa ukázala ako jeden z ďalších veľkých míľnikov, ktoré treba v AI dosiahnuť.

Hovoria, že história sa opakuje. Skorý výskum umelej inteligencie, podobne ako dnešný výskum, sa zameral na modelovanie ľudského uvažovania a kognitívnych modelov. Tri hlavné problémy, ktorým čelia skorí vedci v oblasti umelej inteligencie - znalosti, vysvetlenie a flexibilita - tiež zostávajú ústredné v súčasných diskusiách o systémoch strojového učenia.

Znalosti teraz majú formu údajov a potrebu flexibility možno vidieť v krehkosti neurónových sietí, kde mierne narušenie údajov prináša dramaticky odlišné výsledky. Aj vysvetlenie sa stalo hlavnou prioritou výskumníkov umelej inteligencie. Je trochu ironické, ako sme o 60 rokov neskôr prešli od pokusu o replikáciu ľudského myslenia k tomu, aby sme sa strojov opýtali, ako myslia.

$config[zx-auto] not found$config[zx-overlay] not found