محرر مسؤول | هو ويوي

أنتجت | CSDN (معرف: CSDNNews)

في 23 أغسطس ، ألقى باي جينغ بتوقيت ، في القمة الكبيرة للبيانات الذكية في أول معرض للصناعة الدولية للذكية ، لي يانهونغ ، رئيس مجلس الإدارة والرئيس التنفيذي لشركة Baidu ، خطابًا رئيسيًا بعنوان "التفكير الجديد في المدينة الذكية".

لي يانهونغ يتحدث

في كلمته ، ذكر سوء الفهم الثلاثة الحالي للذكاء الاصطناعي.

أول سوء فهم ، يعتقد لي يانهونغ ، يجب ألا يبدو الذكاء الاصطناعي مثل شخص "لا ينبغي إنفاق طاقتنا لإنشاء آلة تبدو كإنسان ، ويجب ألا تكون قادرة على حل كيفية ترك هذا الجهاز يتعلم المشي ، الجري ، الصعود وأسفل الدرج. هذا هو التفكير في الجهاز. بالنسبة للعمل البدني للناس ، قمنا بحل هذه المشكلة في عصر التصنيع. (الآن) ما نريد حله هو السماح للجهاز بالتفكير مثل البشر ".

وقال لي يانهونغ ، سوء الفهم الثاني ، من خلال دراسة عمل الدماغ البشري ، من المستحيل جعل الآلات تفكر مثل البشر جوهر ذكر لي يانهونغ أنه في الوقت الحالي ، لم يكتشف البشر كيف يعمل الدماغ البشري ، وكيف يمكنه استخدام الآلات لتقليد مبدأ العمل في الدماغ البشري. لذلك ، يجب استخدام الذكاء الاصطناعي لتحقيق قيمة أو دور الدماغ البشري لتحقيقه.

سوء الفهم الثالث هو "نظرية تهديد الذكاء الاصطناعي". يعتقد لي يانهونغ ذلك لا يحتاج البشر إلى القلق بشأن "تهديد" الذكاء الاصطناعي بأنفسهم جوهر قال: "أعتقد أن هذا غير ضروري أيضًا للقلق. لأنه عندما نقوم بالبحث الفني اليومي ، سنجد أنه أكثر صعوبة مما نتخيل. دع الجهاز يفكر مثل البشر. الذكاء: GM الذكاء الاصطناعي) هو في الواقع بعيدا عنا. "

وُلد الذكاء الاصطناعي في الخمسينيات من القرن الماضي. باعتباره انضباطًا متعدد التخصصات ، لم يكن هناك تعريف موحد بعد عدة عمليات تحويلية وتحويلات. هناك العديد من سوء الفهم حول إدراكه. فيما يتعلق بالجدل في الذكاء الاصطناعى ، قام CSDN أيضًا بترجمة ترجمة للجميع. النص التالي طويل بعض الشيء ، لكن البضائع الجافة ممتلئة ، يستحقك أن ترى.

بادئ ذي بدء ، يجب أن يكون لدينا فهم عميق لمنظمة العفو الدولية ؛ ثانياً ، علينا أن نعرف كيفية جعل الذكاء الاصطناعي يتطور بشكل أفضل. فقط عندما نلتقي هاتين النقطتين ، يمكن أن نكون مؤهلين لتقييم تقدم الذكاء الاصطناعي.

معظم التخصصات لديها معايير واضحة للغاية لتقدمها الخاص. ومع ذلك ، الذكاء الاصطناعي هو استثناء. يتطلب ما لا يقل عن ستة مجالات أخرى لاستعارة أساليب ومعايير لتقييم تقدمها. هذه المناطق الست هي:

1. العلم.

2. الهندسة.

3. الرياضيات.

4. الفلسفة

5. التصميم

6. مظاهرة.

هذا النهج عادة ما يسبب بعض المتاعب. معايير التقييم متنوعة للغاية ، واتجاهات البحث التي تركز على مجالات مختلفة مختلفة. ما هي الطريقة المستخدمة؟ ما هي النتائج الأكثر أهمية؟ ما هو التقدم؟ مجالات مختلفة لا مفر منها لهذه القضايا.

لماذا تستخدم الذكاء الاصطناعى معايير التقييم الخاصة بتخصصات أخرى متعددة لكبح نفسها؟ أليس كذلك ، هل تقرر اتجاه التنمية الخاص بك؟

صحيح أن هذا هو الحال. الذكاء الاصطناعى يشبه قرون وأرانب الجناح. إنه مزيج من التخصصات المتعددة. من الصعب إجراء معيار تأديبي واحد لإجراء تقييم موضوعي وشامل.

Antlers Wing Rabbit: إنه مخلوق أسطوري في غابة جبال الألب في بافاريا ، ألمانيا. يشبه جسمها السناجب أو الأرنب ، عادةً بأجنحة مثل الخفافيش ، زوايا الغزلان والأسنان الحادة.

توفر هذه المقالة إطارًا لمساعدة الجميع على التفكير في كيفية صنع الذكاء الاصطناعي ، وهو قرون. الإطار ليس عدميًا ، ويتم تنفيذه: إنه يغطي وجهات نظر مختلفة من ستة معايير الانضباط المختلفة ، وهذه التخصصات الستة ، والتي في دراسة أبحاث الذكاء الاصطناعي. اعتمادًا على المشاريع المختلفة والمشاريع المحددة ، يمكن لهذه التخصصات الستة أن تجمع بين أفضل النتائج. يمكن للناس اقتراح حجج مقنعة لزيادة وزن بعض التخصصات.

تقييم الذكاء الاصطناعى للنظر من ثلاثة أبعاد: حل المشكلات والاستراتيجيات والتطبيقات. أنا أدافع عن المزيد من التجارب العلمية لتحسين ممارسة الذكاء الاصطناعي ؛ تتبع القضايا المثيرة للاهتمام في الفلسفة ؛ فهم أفضل لممارسة التصميم ؛ إيلاء المزيد من الاهتمام لخلق تأثيرات مظاهرة مذهلة. سيتم شرح هذه النقاط بالتفصيل أدناه.

هذا الإطار هو أساسا لممارسي الذكاء الاصطناعي. بالنسبة للجمهور ، قد تكون القضية التي يولونها مزيدًا من الاهتمام: كم من الوقت يستغرق الأمر بالنسبة إلى الذكاء الاصطناعي الذكي للغاية لمساعدتي في إكمال عملي ، حتى نتمكن من أن نكون أغنياء دون العمل. أعتقد أنه من المعقد للغاية الحصول على استنتاج عقلاني ، والذي يتطلب تحليلًا في إطار التقييم التفصيلي.

ومع ذلك ، بمجرد ظهور وجهة نظري حول هذا المقال ، كان هناك بعض الشكوك. يتجاهل الذكاء الاصطناعي اختبار النظرية العلمية ، ومعظم المحتوى الذي يعرف أنه قد يكون خطأ. بالإضافة إلى ذلك ، فإن عرض بعض نتائج الذكاء الاصطناعي عادة ما يكون مضللاً.

بعد ذلك ، سيتم تقسيم هذا المقال إلى ستة أجزاء ، موضحًا ستة معايير للانضباط ، والتي تلعب الدور في الذكاء الاصطناعي ؛ ثم يعيد قسم الاستنتاج الأوزان الستة التي أعتقدها.

علوم

مؤشرات قياس التقدم العلمي هي بشكل أساسي:

1. الحقيقة التي يجب اكتشافها حديثًا ؛

2. تفسير أكثر شمولا ؛

3. يرتبط إحساس مميز "مثير للاهتمام" بالفضول العادي ، لكنه ليس هو نفسه بالضبط.

دعونا نوضح بالترتيب.

أكبر عيب

وتسمى مشاريع أبحاث الذكاء الاصطناعي السائد من الخمسينيات إلى الثمانينيات "الذكاء الاصطناعي القديم" (Gofai) ، وحماس الناس لأنها تفرقت. كانت Gofai مثيرة ذات يوم لأنها قدمت تفسيرات مثيرة للاهتمام ومعقولة للمعرفة والمنطق والإدراك والعمل.

لعقود من الزمن ، لم نضع هذه النظريات موضع التنفيذ ، وعندما نحقق هذا الهدف ، لم يتم الاعتراف بنا. كل ما نعرفه خطأ تقريبًا. تم تفكيك خطة الأبحاث Gofai تمامًا في عام 1990.

عندما كان أير صغيراً ، كان مؤيدًا للتجريبية المنطقية. عندما فشلت هذه النظرية ، سأله الناس: "يتذكر الآن ، ما رأيك في العيب الرئيسي في هذه الحركة؟" أجاب ، "أعتقد أنني أعتقد أن الأكبر العيب هو أن كل شيء تقريبًا مزيف! "

هناك العديد من عيوب Gofai ، ولكن العيب الرئيسي هو أن جميع العيوب تقريبًا مزيفة. يجب أن ندرك هذا في وقت سابق ، لكننا منتشرين بفلسفة رائعة وعلم النفس ، معتقدين أنه يمكننا القيام بذلك ، بعض الأشياء الرائعة جدًا!

فيما يتعلق بالذكاء الاصطناعي الحالي ، فإن السؤال الأكثر أهمية هو: أي جزء منه صحيح؟ قد يكون لها مزايا أو عيوب أخرى ، ولكن هذه هي ثانوية قبل إكمال البحوث العلمية الكافية لتحديد الأجزاء الحقيقية.

يهدف العلم إلى فهم عمليات العالم من خلال التجارب المحتملة أو الملاحظات الأخرى. في الذكاء الاصطناعي ، التجارب فاخرة.

أفضل: في ظل حالة التحكم بالكامل ، نجري تجارب مثالية ومتكررة! في مواجهة الدراسات الاستقصائية العلمية ، لا توجد حقول تقريبًا ، تجرؤ على القول إنك مناسب جدًا.

ومع ذلك ، فإن أبحاث الذكاء الاصطناعي ، بما في ذلك الافتراضات ، أو التجارب ليست شائعة. عادةً ما يبدو محتوى تقرير الأطروحة وكأنه تجربة ، ولكنه يعادل في الواقع: نطبق بنية نظام X على مهمة Y ، ثم نحصل على المعدل الصحيح من Z .

لا توجد افتراضات محددة هنا. عدم وجود الافتراضات ، والتجارب غير علمية ، أنت فقط تسجل ، مجرد حقيقة.

Explanation AI

إذا كان يمكن تفسير النظرية بشكل معقول ، فستكون أكثر سهولة ، وليس مجرد صيغة جامدة. على الرغم من عدم وجود متطلبات إلزامية ، فإن التفسير هو في الواقع معيار للتقدم العلمي. يجب أن تستخدم التجربة الجيدة طرق التحكم للقضاء على جميع الأشكال بخلاف البيانات.

خوارزمية Z صحيحة ، لماذا؟ ماذا يعني هذا لأداء مشكلات مماثلة؟ عادة ما تكون أوراق الذكاء الاصطناعي مجرد تكهنات. قد تكون الإجابة "نحصل على Z ، لأن بنية X قوية للغاية ، قد تكون مفيدة لك!"

قد تقول الورقة "الورقة السابقة ، استنادًا إلى بنية W ، الإصدار الحالي ، أفضل من Z السابق" ، مما يعني أن X أفضل من W. ولكن هل هذا ما يكفي من الإقناع؟

بالمقارنة مع Gofai ، لا توجد أولوية لشرح أبحاث التعلم الآلي الحالي. يبدو أن هذا المجال يقاومهم. فيما يتعلق بالمعايير العلمية ، إذا لم يكن هناك تفسير صارم اختبار افتراضي ، فسوف تترك أشياء مثيرة للاهتمام فقط. في كثير من الأحيان ، تشكل المرح المحتوى الرئيسي للظهور العام للذكاء الاصطناعي.

"لقد حققنا هذا العام المعدل الصحيح البالغ Z ، وكان معدل الدقة في نفس الفترة من العام الماضي فقط (Z-) ." هذا يبدو وكأنه تقدم ، ولكن هل هو مفيد؟

إذا كنت ترغب حقًا في تحسين مشكلة محددة من خلال الحلول ، فأنت بحاجة إلى اتباع عملية المشروع ، وسوف أناقش في القسم التالي. ما لم تفهم مصدر التحسين ، فهو ليس تقدمًا علميًا.

عادة ، إذا لم تكن هناك تجارب واسعة وصارمة ، فلا يمكنك القيام بذلك. تحتاج إلى اختبار بشكل منهجي لمجموعة متنوعة من المتغيرات للمهمة لعزل العوامل التي تؤدي إلى النجاح. تحتاج أيضًا إلى اختبار الهندسة المعمارية الأخرى وإكمال المهام الأخرى.

هذا العمل شاق للغاية. قام العديد من الباحثين ببعض التجارب. ومع ذلك ، من أجل اختبار الافتراضات بالكامل ، يحتاج المجال بأكمله ، لكنه عادة لا يملأ عدم وجود جزء. تشجع ثقافة المنافسة القياسية الكمية على الإصلاح النظري ، وليس العلم.

في العديد من "الاختراقات" التي تمت ترقيتها مؤخرًا ، تفتقر إلى تجارب التحكم الأكثر وضوحًا والأكثر أهمية. (أخطط لمناقشة عدد قليل منهم أدناه.)

هل لدى الذكاء الاصطناعى مصلحة علمية؟

لأن الذكاء الاصطناعي تبحث في الذكاء الاصطناعي ، فإن قضاياها الأساسية ليس لها أهمية علمية بالضرورة. إنهم مهتمون بالبيولوجيا فقط إلى حد نظام الذكاء الاصطناعي يحاكي عمدا الذكاء الطبيعي ؛ أو إلى حد ما ، يمكنك القول أن هناك حسابًا واحدًا فقط يمكنه إكمال المهمة. لذلك ، يجب أن تكون البيولوجيا والذكاء الاصطناعي متسقة. على سبيل المثال ، قد يكون هذا قابلاً للتطبيق على المراحل المبكرة من المعالجة البصرية.

إن جوهر الذكاء الاصطناعى ليس هو (العلم) الطبيعي الذي يمكن حسابه ؛ ولا هو في الحساب (الهندسة) التي يمكن حسابها اليوم ؛ كما أنها ليست حسابية (الرياضيات) لموارد غير محدودة.

جوهرها الحقيقي هو أننا قد نكون هناك ، مستقبل أقل بعيدة ، ويمكن حساب الجهاز الفعلي الذي يمكن حسابه. كما ذكر في هذا المقال ، أقترح أن معايير الذكاء الاصطناعى المثيرة للاهتمام أقرب إلى الفلسفة الروحية بدلاً من العلم أو الهندسة أو الرياضيات.

تعلم من حركة الإصلاح القابلة للتكرار

أشار فيرمان في "عبادة البضائع" الشهيرة إلى أن "المبدأ الأول" للعلم يجب أن يكون: لا يمكنك أن تخدع نفسك ، فأنت الشخص الأكثر خداعًا بسهولة. لذلك يجب أن تكون حذرا جدا. طالما أنك لا تخدع نفسك ، فليس من السهل خداع العلماء الآخرين.

تُظهر "الأزمة المتكررة" لعلم النفس أن العديد من المجالات العلمية قد خدعت دائمًا نفسها على نطاق واسع. معظم نتائج الأبحاث المنشورة مزيفة.

في مواجهة هذه المشكلة ، هناك العديد من المجالات ، وعلم النفس الاجتماعي هو واحد منهم. يقوم علماء النفس بإجراء تحليل رائع بأثر رجعي ومحاولة الإصلاح. لقد وجد العلماء في هذا المجال أنه في الظروف التالية ، من المرجح أن يحصلوا على استنتاجات خاطئة:

• يتابع الباحثون نظرية الدراماتيكية والمدهشة والتأثير على الإنسانية والحياة اليومية ؛
• يتعاون الباحثون مع وسائل الإعلام لتجاوز الاكتشاف نفسه ، والمبالغة في كلماتهم عند شرح الجمهور ؛
• يمكن للباحثين شرح نتائجهم بعد الحادث ؛
• لا يبلغ الباحثون عن نتائج فارغة ("فشل") ؛
• نادراً ما يكرر الباحثون عمل بعضهم البعض لاكتشاف المشكلات ؛
• لن يسجل الباحثون عملهم بالتفصيل ، ولا يمكن لأحد التحقق من عملهم ؛
• مقياس تجريبي غير كاف (واحد فقط من المستويات متعددة الأبعاد) ؛
• نقص أو عدم السيطرة (أي شخص بطرق متعددة) ؛
• من أجل إيجاد قيود النظرية ، لم تتغير التجارب بشكل منهجي.

إن فشل هذه الممارسة العلمية أمر شائع في أبحاث الذكاء الاصطناعي ، ويبدو أنه هو نفس علم النفس الاجتماعي قبل عشر سنوات. وفقًا لتجربة علم النفس ، يجب أن نتوقع أن تكون العديد من الافتراضات نتائج منظمة العفو الدولية خاطئة علمياً.

علم النفس والذكاء الاصطناعي ليسا زائفين. لدى المجتمع قاعدة اعتراف سيئة: تلك المعايير التي لا يمكن أن تؤدي بشكل موثوق إلى حقائق جديدة. يتبع الباحثون الأفراد خطى الأشخاص الناجحين الآخرين. إذا لم تكن هناك حملة إصلاح اجتماعي ، فلا يمكننا أن نتوقع منهم القيام بذلك.

الإثارة هي أن علماء النفس يأخذون هذه القضايا على محمل الجد. إنهم يطورون قواعد إدراكية جديدة لمنع فشل هذه الممارسة العلمية. يجب أن تجعل هذه الإصلاحات اكتشافات نظرية حقيقية وتوضيحية ومثيرة للاهتمام أكثر شيوعًا.

هل يمكن أن تتعلم الذكاء الاصطناعي من التجربة النفسية وتحسين المعايير العملية؟ أعتقد أنه على ما يرام ، ويجب أن يكون هكذا!

وبعبارة أخرى ، الذكاء الاصطناعي هو قرون. هذا ليس مجرد علم ، ولكنه قد لا يتبع هيمنة الحركات القابلة للتكرار فقط.

مشروع

يستخدم الهندسة أساليب تقنية مألوفة للمشاكل العملية لإنتاج حلول عملية جيدة.

يختلف تقدم الهندسة تمامًا عن العلم. إذا وجدت حقائق أو تفسيرات جديدة في عملية الهندسة ، فلا يمكن أن تكون غير عرضية إلا. بالمعنى العلمي ، لا ينبغي أن تكون الهندسة "مثيرة للاهتمام" ؛ على العكس من ذلك ، عندما تولد قيمة فعلية ، فهي مثيرة.

يجد المشروع حلاً واضحًا ضمن نطاق تقييد واضح ويحسن الأهداف الواضحة. هناك العديد من النموذجي ، وعادة ما يزن بينهما. على سبيل المثال: التكلفة والسلامة والمتانة والموثوقية وسهولة الاستخدام وسهولة الصيانة.

غالبًا ما يزعم باحثو الذكاء الاصطناعي أنهم في الممارسة الهندسية. عندما تشير إلى أنه عندما لا تجري تجارب علمية ، فإن هذا البيان عبارة عن درع جيد: "نعم ، أنا فقط أعمل في المشروع وأجعل هذا المكون الصغير يعمل بشكل أفضل."

عندما تقترح اعتبارات فلسفية ، فهي عوامل ذات صلة ، وأجوبةهم تبدو مفارقة أيضًا: "أنا أقوم بعمل حقيقي ، وتلك الأشياء التي أعتقد أنها غير ذات صلة. كمهندس ، أنا مادي ، أنا مادي ، أنا أ مادي ، أنا مادي ، أنا مادي ، أنا مادي ، أنا مادي ، أنا مادي ، أنا مادي. النشطاء. "

بعض أعمال منظمة العفو الدولية هي المشروع الحقيقي. فيما يلي معايير الحكم:

• هل تتبنى طريقة تقنية مميزة؟ في بعض الأحيان ؛ ولكن هناك القليل من أساليب الذكاء الاصطناعي ، والتي يمكن فهمها.
• هل يحل ، مشاكل عملية واضحة؟ في بعض الأحيان ؛ ولكن في البحث ، يتم استخدام الذكاء الاصطناعي بشكل شائع في الألعاب ، وليس القضايا العملية ؛ في الصناعة ، لا توجد فوضى واضحة.
• هل ينتج ، حل عملي مألوف؟ في بعض الأحيان يمكنك أن تقول ، "لقد زادت نقرات الإعلانات الخاصة بنا بنسبة 0.73 ، ولكن إذا كنت لا تعرف السبب ، فقد ينخفض معدل النقر غدًا.

"علم البيانات" ، إلى حد ما ، هي طريقة منظمة العفو الدولية (التعلم الآلي) ، والتي يتم تطبيقها على المشكلة العملية للفوضى. في بعض الأحيان يكون هذا فعالًا جدًا. لا أعرف الكثير عن علوم البيانات ، لكن انطباعي هو أن صعوبة طريقة الذكاء الاصطناعي صعبة وغير موثوقة ومحبطة.

وجهات نظرهم تشبه وجهة نظر المهندس. وسمعت أنهم وجدوا أن هناك أساليب إحصائية لها تمثيل كافٍ ، وهو أفضل من التعلم الآلي في الممارسة العملية.

بجوار المشروع هو تطوير طرق فنية جديدة. هذا هو معظم الناس من الذكاء الاصطناعي ، المفضل لدي. إنه أمر مرضي بشكل خاص عندما يمكنك إثبات أن بنية النظام الجديدة أفضل من منافس Z .

فيما يتعلق بالمسألة القياسية ، يتنافس الجميع. هل هذا موثوق يتحول إلى ممارسة العالم الحقيقي؟ معظم الباحثين الذكاء الاصطناعي لا يريدون قضاء بعض الوقت لاكتشاف. بالمقارنة مع الهندسة ، فإن هذا الجانب وتصميم الذكاء الاصطناعى لديهم أشياء أكثر شيوعًا.

عندما يمكنك القيام بذلك ، فإن المشروع رائع. هل يجب أن تكون الذكاء الاصطناعي أشبه بالهندسة؟ من خلال الكثير من الجهود ، يمكن في بعض الأحيان تمييز أساليب التطوير في الذكاء الاصطناعي بشكل جيد ، بحيث يمكن للمهندسين في كثير من الأحيان استخدام هذه الأساليب.

ثم لا يسمى الجميع "الذكاء الاصطناعي". قد يكون هذا أمرًا محبطًا: كلما فعلنا شيئًا ، يتم انتزاعه ، ولن يحصل على الثقة التي تستحقها.

ليس هناك شك في أن أبحاث الذكاء الاصطناعي قد تم فصلها عن أهم التقدم في العديد من تقنيات البرمجيات. (هل تعرف جدول التجزئة (قائمة Sanda: جدول التجزئة) ، هل يعتبر دائمًا أنه تقنية ذكاء اصطناعي متقدمة وغير مفهومة؟) من منظور الاقتصاد ، فإن أبحاث الذكاء الاصطناعي تستحق الاستثمار.

ومع ذلك ، فإن معنى الكلمة يكمن في غرضها. يتم استخدام "AI" لتمثيل "قد يكون مفاجئًا أو برنامجًا افتراضيًا ، لكننا لا نفهم سبب لعبه دورًا." هذا ليس مشروعًا على الإطلاق.

الرياضيات

مثل العلم ، تهدف الرياضيات إلى اكتشاف حقائق التفسير المثيرة للاهتمام. إن معنى "المثير للاهتمام" و "التفسير" و "الحقيقي" مختلف تمامًا ، تمامًا مثل إثبات الأساليب والتجارب ، فهي مختلفة تمامًا.

في تاريخ AI بأكمله ، اخترقت الرياضيات ، ونتائجها تساعد AI والرياضيات. هذا في كثير من الأحيان لديه تآزر قوي.

بمعنى آخر ، قد تكون معايير تقييم الرياضيات والتفسير والتفسير والمشاعر الحقيقية مضللة في الذكاء الاصطناعي.

إن إثبات التقارب المتزايد للخوارزميات هو مثال نموذجي. افترض أنه صحيح تقنيًا ، لذلك بالمعنى الرياضي ، يجب أن يكون صحيحًا.

قد تظهر هيكل التفسير الرياضي. على سبيل المثال ، إذا تم الترويج لها بشكل كبير ، فإن النتائج المبكرة ، فإن الرياضيات مثيرة للاهتمام.

معظم الأدلة على أن التقارب تدريجيا ليست حقيقية أو تفسير أو مثيرة للاهتمام بالنسبة لمنظمة العفو الدولية مع معايير مختلفة. الذكاء الاصطناعي هو عن الإدراك البدني. هذا لا يعني بالضرورة أن "التكنولوجيا الحالية يمكن تحقيقها" ، لكنها على الأقل يعني "من حيث المبدأ".

كانت خوارزمية العرض "تتقارب" من خلال الإجابة الصحيحة ، حيث تخبرنا بالإدراك الجسدي. إذا أظهرت الحساب السريع أن الخوارزمية الموجودة على الجانب المائة من الجانب العاشر لا تزال بعيدة عن الإجابة بعد 10 تريليونات سنة ، فإنها تثبت أنها غير صحيحة أو تفسير أو مثيرة للاهتمام ، تمامًا مثل الذكاء الاصطناعي.

على العكس من ذلك ، ما لم تتمكن من إثبات أن الخوارزمية ستتقارب بسرعة بسرعة في أجهزة الرقم الفعلي. إنها ليست ذكاءً اصطناعيًا ، لكنها قد تكون مثيرة للاهتمام مثل الرياضيات.

الرياضيات هي أداة قيمة للغاية. في الذكاء الاصطناعي ، من السهل استخدامه ، والذي يحتاج إلى تجاوز معايير التقييم الأجنبية في الرياضيات.

فلسفة

يهدف تحليل الفلسفة ، مثل العلم والرياضيات ، إلى إيجاد حقائق تفسير مثيرة للاهتمام. لديها أفكارها الخاصة ، أي ، "مثيرة للاهتمام" ، "شرح" و "حقيقي".

بشكل عام ، يبدأ الفلاسفة بـ "الحدس" الذين يعتقدون أنهم حقيقيون ، ثم يحاولون إثبات أنهم حقيقيون. أعتقد أن معايير الحقيقة "حجة الحدس المقنعة" لها تأثير سلبي على الذكاء الاصطناعي.

إنه يتعارض مع "الاختبار الافتراضي" القياسي الأفضل للعلوم. لقد أدى مرارًا وتكرارًا إلى الذكاء الاصطناعى وتفاضلت كلماته بناءً على أدلة غير كافية. في رأيي ، فإن العلاقة غير الطبيعية بين الفلسفة التحليلية وعلم الأعصاب تضلل الذكاء الاصطناعي.

من ناحية أخرى ، فإن تحليل المعايير النفسية للفلسفة ، والتي "مثيرة للاهتمام" لـ "مثيرة للاهتمام" ، تتزامن إلى حد كبير مع الذكاء الاصطناعي. منذ بداية إنشائها ، كانت الذكاء الاصطناعي "فلسفة تطبيقية" ، أو "فلسفة تجريبية" ، أو "مواد تصنيع المواد". آمل أن يثبت الحدس الفلسفي في التكنولوجيا ، وليس فقط الجدل ، سيكون أكثر إقناعًا.

معظم فلاسفة التحليل النفسي ، الحدس الأساسيين اللذين تريد إثباته هو:

1. المادية (مقابل النظرية المزدوجة للعقل والجسم): الأشياء الذكية هي في الواقع المحتوى المادي في عقلك.

2. الإدراكية (عكس السلوكية): لديك إيمان ، فكر في الافتراضات ، وصياغة الخطط ، وتجعل السبب من الفرضية إلى الاستنتاجات.

من الواضح أن هذه متناقضة. "على افتراض" لا يبدو أنه مادي. هذا هو الإيمان الصعبة.

لقد جلب هذا النوع من التوتر مشاكل إلى Gofai ، ومن خلال التنفيذ الفني ، يمكن أن يثبت أن حلوله تتجاوز كل النطاق المتشكك.

تصف ورقة Gofai بشكل أساسي التنفيذ: بنية Gizmo (سأتحدث عنها في جزء التصميم). عادة ما يصفون "تجربة" نادراً ما يكون لها محتوى علمي: "نحن ندير البرنامج على ثلاثة مدخلات صغيرة ، مما يولد الإخراج المطلوب."

الجزء المثير من ورقة Gofai هو حجة التفسير. بدءًا من بنية الاختراع ، قدمنا مقترحات فلسفية على الروح.

خطة "تعلم من التجربة" أو "سبب المعرفة". تشرح خوارزميةها كيف أن هذه العمليات النفسية تعمل على الأقل ، وقد تكون بعض الحالات بشرًا أيضًا.

غالبًا ما يتم المبالغة في هذه الادعاءات ، وذلك أساسًا لأنه لا يوجد أساس علمي. في الواقع ، يبني البرنامج بنية رسومية مع ملصقات. نسميها "المعرفة".

هل هذه الخوارزميات "تعلم" أو "التفكير"؟ في النهاية ، لا توجد حقيقة عن هذا. ومع ذلك ، فإنه يتطلب حجة على الأقل ، ومعظم محتوى القصة مفقودة.

لمثل هذا الوقت الطويل ، لدينا اللوم على جوفاي؟ في رأيي ، هذا هو طريقة التفكير المتمثلة في وراثة الفلسفة وتحليلها: محاولة استخدام المظاهرات السردية لإثبات حدس التعليم. نحن نعلم أننا على حق ، فقط نريد إثبات ذلك. بدأنا في إثبات أن طريقها هي حجة أكثر ، بدلاً من التجارب.

في النهاية ، يبدو أن عقبات أجندة Gofai مسألة مبدأ ، وليس فقط قضايا المعرفة التقنية أو العلمية المحدودة ، ولكنها انهارت.

في تلك المرحلة ، عاد بعض شعبنا إلى التشكيك في الافتراضات الفلسفية الأساسية لمنظمة العفو الدولية ، أي الإدراكية والبديل الوحيد للسلوكية. بدأنا ، وهو مجال جديد للبحث ، ومتابعة البديل الثالث ، التفاعل ، ومستوحى من أساليب فلسفية مختلفة.

أعتقد أن أفضل معيار لـ "مثير للاهتمام" للذكاء الاصطناعي هو الفلسفة. وبالتالي ، فإن الاتجاه الصحيح لأبحاث الذكاء الاصطناعي هو قضية فلسفية بحثية. إذا كان الأمر كذلك ، فإن الطريقة الفلسفية الجديدة هي المقياس الصحيح! الأدلة المؤيدة هي طفرة في العديد من التقنيات. ربما نستطيع ، ويجب أن يتم تنفيذ هذه الوظيفة.

بعد انهيار Gofai ، تخلى الفلاسفة عن الذكاء الاصطناعي. لا يزال معظم الناس ملتزمين بالإدراك ، لذلك سوف ينتقلون إلى علم الأعصاب. من الواضح أن الدماغ جسدي ونفسي ومعرفي ، لذلك فهي مادية ، وأدلة صحيحة على المادية الصحيحة.

لذلك ، تم إنشاء الحقائق ، وهي واضحة للذات. التفكير مثير للاهتمام ، لذلك ما نحتاجه هو مجرد تفسير. يشجع الفلاسفة علوم الأعصاب على شرح نتائجهم بمصطلحات إدراكية. أعتقد أن هذا هو نفسه تقريبًا مثل طريقة الذكاء الاصطناعي المشوه ، والتي تشوه علم الأعصاب.

بعد ثلاثين عامًا ، ما زلنا لا نعرف شيئًا عن عمل الدماغ. نتوقع أن نفهم كيف نفكر وما الذي يجعلنا بشرًا! ومع ذلك ، فإن الواقع هو أن هناك ما يصل إلى 30 من نواة مقلة العين!

دون فهم كامل ، يبدو الدماغ مذهلاً للغاية. لذا ، مع أراضيها العلمية ، فهمهم ، لماذا لا تحاكيهم والحصول على نفس القوة؟ ربما تكون التجارب أسهل من الدماغ الفعلي في محاكاة الدماغ ، وذلك للحصول على الفهم.

من البداية ، تستخدم الذكاء الاصطناعي هذه الطريقة بالتوازي مع Gofai. معظم الدراسات من نموذج الخلايا العصبية لعام 1943 من McCullough والحفر. نظرًا لحالة المعرفة في ذلك الوقت ، كان النموذج معقولًا في علم الأحياء.

وأشاروا إلى أنه من خلال تنفيذ منطق الاقتراح ، لا يزال هذا مرشح "قاعدة الأيديولوجية". الأبحاث اللاحقة هي نماذج McCullough و Pits ، مما يضيف الخصائص الفنية. الدافع هو عامل الحساب ، وليس العوامل البيولوجية. أهم شيء هو خوارزمية الاتصال العكسي للخطأ. إنها الميزة الأساسية لـ "الشبكة العصبية" المعاصرة و "التعلم العميق".

في الوقت نفسه ، يكون فهم علم الأعصاب للخلايا العصبية البيولوجية أكثر تعقيدًا ودقة. هناك اختلافات في هاتين المهامتين. لذلك ، فيما يتعلق بالمعرفة العلمية الحالية ، تختلف "الشبكة العصبية" منظمة العفو الدولية تمامًا عن الشبكة العصبية. يبدو أن التواصل العكسي نفسه غير معقول في علم الأحياء.

يعرف كل شخص في هذا المجال ذلك ، لكن كبار الباحثين غالبًا ما يتحدثون عن طريقة العمل مثل "شبكة عصبية" ، تمامًا مثل الدماغ. سأشير إلى السبب أدناه.

ما هي خطة البحث الخاصة بك مليئة بالأمل؟ هدفنا هو الذكاء البشري. تعمل شبكتنا العصبية مثل الدماغ البشري.

بالكاد يمكنك شرح سبب فعالية هذه الأنظمة. أليست هذه مشكلة؟ لا نعرف كيف يعمل الدماغ ، لكنهم في الواقع ، وكذلك الشبكة العصبية.

ألا يجب أن تعمل بجدية أكبر ، والعثور على أساليب العمل والوقت والأسباب؟ لا ، هذا مستحيل. الدماغ كبير جدًا ؛ لا يمكنك فهمها.

يقول بعض الناس أنهم قاموا بتحليلهم ، "الشبكة العصبية" المحددة ، ومعرفة كيفية عملهم. ونتيجة لذلك ، فعلوا شيئًا مملًا ، أي ما يعادل KNN ، وحتى مجرد العودة.

ومع ذلك ، كما ترى ، لقد أثبتنا بالفعل رياضياً أن الشبكات العصبية يمكنها إجراء أي حسابات بمرونة. مثل الدماغ. هاتفي بخير أيضًا. نعم ، لكن الهاتف ليس مثل الدماغ.

قد يكون هذا مبالغًا فيه. ومع ذلك ، فمن الواضح أيضًا. في بعض الأحيان يشرح "العمل مثل الدماغ" الافتراضي لماذا يجب أن تكون خطط البحث ناجحة ككل وتزيل الشكوك التقنية حول التفاصيل.

يبدو أن هذا يشبه وضع الخطأ في GoFai. نحن نعلم أن "صورة المعرفة" لا يمكن تجاهلها بالمعرفة الإنسانية ، ونختار تجاهل السبب. يعرف الباحثون "الشبكة العصبية" المعاصرة أن خوارزمياتهم تختلف تمامًا عن الشبكات العصبية واختيار تجاهل الأسباب.

يعطي Gofai أحيانًا مبالغة في التفكير البشري ؛ يقدم باحثو التعلم الآلي حاليًا في بعض الأحيان إعلانات مبالغ فيها عن الحدس البشري.

لماذا ا؟ لأن الباحثين حاولوا إثبات الالتزام الفلسفي بالأولوية من خلال التنفيذ الفني ، بدلاً من طلب القضايا العلمية. في هذا المجال ، يستخدم منافسة الأداء الكمي لقياس التقدم ، بدلاً من المعرفة العلمية التي تم الحصول عليها.

التصميم

في رأيي ، فإن حدس الباحثين من الذكاء الاصطناعي هو برنامج الكمبيوتر الصحيح والمتحقق والتوضيحي ، وهو مصدر قوي للفهم. ولكن ما هو دور هذا؟ إنها جذابة للغاية لتحقيق تجارب علمية ، ولكن عادة لا تكون كذلك. إنه لأمر جذاب للغاية أن نراهم حلولًا هندسية ، لكنهم عادة ما لا يكونون كذلك. أعتقد أن "التنفيذ" من الأفضل فهمه كحل تصميم.

إن الممارسة العملية لأبحاث الذكاء الاصطناعي تشبه التصميم المعماري ، وليس الهندسة الكهربائية. راقب الذكاء الاصطناعي من هذه الزاوية للمساعدة في شرح وضع التكهنات المدمرة المتكررة.

AI

AI

Donald Schn

AI

AIAI

AI AI

Coursera AI

AI

AI

GOFAI Phil Agre

AI X

X X n-gram

المحلول

AI AI

30 رائع!

حان الوقت للعلوم: ما مدى جودة التنبؤ بمقال البشر أو الحيوانات؟ ما هي النماذج الأخرى التي يمكن أن تشرح مقل العيون؟ كيفية اختبار أي نموذج صحيح؟

صورتك النفسية للمعرفة لها نظرية جديدة. حان الوقت للفلسفة: ماذا تقصد ، "التمثيل" و "المعرفة"؟ هذه أسئلة فلسفية لا مفر منها وتتطلب إجابات كبيرة. لا يمكنك استخدام المشروع لجعله.

يتظاهر

يعد العرض التوضيحي جزءًا مهمًا من أي ممارسة مهنية ، بما في ذلك العلوم والهندسة والرياضيات والفلسفة والتصميم.

يولد الناس ليكون حريصين على مفاجأة الآخرين. أنت متحمس لخطة البحث الخاصة بك وتريد مشاركتها مع الآخرين. قد يكون بحثك مدفوعًا أيضًا بإيمان معين ، ومن الطبيعي إقناع الآخرين.

يمكن أن تغير مظاهرة رائعة معتقداتهم وطريقة التفكير بأكملها في غضون بضع دقائق ، مما يتجاوز بكثير أي مناقشات تقنية أو حجج منطقية.

بالإضافة إلى ذلك ، فإن الموارد مليئة دائمًا بالمنافسة ، مثل المال والاهتمام والأشخاص الأذكياء. مظاهرة رائعة أكثر فاعلية من أي ورقة بيضاء أو خطة تمويل.

تشمل المعايير الناجحة للمظاهرة الدراما ، السرد ، الإثارة ، وحوافز العمل (الأكثر أهمية). صناعة الترفيه وطن طبيعي. في هذه الصناعة (بما في ذلك الصناعات الفرعية مثل السياسة والأخبار والمصارعة المهنية) ، فإن الحقيقة ليست اعتبارًا.

في التخصصات التي تركز على الحقيقة (يجب أن تشمل الذكاء الاصطناعي) ، يجب على الناس التصميم والحصول على عرض مسؤولية خاصة. لأن المظاهرة قوية للغاية ، فإن تجاوز الصدق الخالص هو حاجة ملحة أخلاقية ، حتى لا تخدع نفسك والآخرين. يجب أن تكون المظاهرة حذرة للغاية ، ولا تبالغ في تحديد أو فهم أو مصلحة البحث.

في مظاهرة الذكاء الاصطناعي ، يكون الخطر الأكبر هو إعطاء الناس انطباعًا بأن البرنامج يمكنه القيام بأكثر من الواقع ، أو أن دوره أكثر إثارة للاهتمام من الفعلي ، أو كيف يعمل أكثر إثارة من الواقع.

إذا فهم الجمهور أن حقيقة حقيقية ، أي ، يتم تنفيذ العرض في حالة درامية محددة ، فهو يعتقد بشكل طبيعي أنه يمكن أن يدرك X في الحالات الأكثر تشابهًا على ما يبدو. لكن هذا ممكن ، غير صحيح.

تخيل أنه في الخمسينيات من القرن الماضي ، يمكنك معرفة ما هو عليه قبل مشاهدة الإعلان التلفزيوني لـ "غسالة الصحون التلقائية". صنعت أمي وجهًا شبحيًا في مجموعة من الألواح القذرة في الحوض. وبعد فترة من الوقت ، ابتسمت الأم على الصفيحة اللامعة المكدسة على جانب الخزانة!

يمكنك أن تفترض بشكل معقول أن "غسالة الصحون" عبارة عن روبوت وذراعان يقفان بجوار الحوض وأطباق غسل اليد. في الخمسينيات ، يمكن أن تكون التكنولوجيا مذهلة للغاية! لماذا ا؟

إذا تمكن الروبوت من غسل الأطباق ، فيجب عليه أيضًا تفريغ الأرض ، واستبدل بول الطفل ، ثم وضع السرير. إذا كان غسالة الصحون يعمل بهذه الطريقة ، فسيكون ذلك استنتاجًا معقولًا.

لكن الساعة قضت على الحقائق المهمة حول كيفية العمل في غسالة الصحون. إنه مجرد صندوق يطير الماء الساخن ، وليس روبوتًا. لن يمتد أدائها إلى مهمة الأسر الصعبة المشابهة بشكل واضح.

لا يمكن لغسالة الصحون إكمال المهمة الأكثر صعوبة للروبوتات: التقط أدوات المائدة غير المنتظمة المغلفة على الصلصة الدهنية. لحسن الحظ ، هذا سهل بالنسبة للناس: بالنسبة لغسالة الصحون وتحميلها ، فهو سريع بالنسبة لنا. ومع ذلك ، من الإعلان ، لا يُرى أن غسالة الصحون لا يمكنها إكمال جميع المهام.

عادة ما يضلل مظاهرة الذكاء الاصطناعي المذهل بطرق مماثلة. إذا كان الأمر كذلك ، فنادراً ما يمكنهم فهم تشغيل الخطة بدقة. إلى حد ما ، في المظاهرة ، يكاد يكون من المستحيل القيام بذلك ، وليس وظيفة المظاهرة.

ومع ذلك ، إذا نقلوا بصمت الفهم الخاطئ ، بدلاً من مجرد تذكير الفضول ، فإن الجمهور سيفعل شيئًا خاطئًا في الخطة.

بالنسبة إلى "النجاح" الذكري المذهل ، فإن الأمر أقل دائمًا أقل بكثير. لكن هذا النوع من الخداع ، حتى لو كان عادة غير مقصود ، يجذب الباحثين والغرباء. تساعد هذه الديناميات دورة المضاربة الطويلة المدى للذكاء الاصطناعي ، ولكن لا يمكن تلبية التوقعات المبالغ فيها.

في عام 1970 ، نظام "اللغة الطبيعية النقية" من تيري وينوغرافيا ، قد يكون الحوار أكثر مظاهرة الذكاء الاصطناعى في التاريخ.

تعقيد فهم اللغة للخطة أمر غير عادي. إنه أفضل من النظام الحالي ، مثل Siri و Alexa و Google Assistant. يوفر Shrdlu ثقة دافئة ، أي الذكاء الاصطناعي ، يمكن تحقيقه ، وقد أحرز Gofai تقدماً في السنوات الخمس عشرة القادمة.

في أعمال Winogram ، لا يوجد خيانة ، ولا خداع مقصود. ومع ذلك ، في عام 1986 ، بدأ يصدقه وخدع نفسه والمجال بأكمله.

من حيث أجهزة الكمبيوتر والإدراك ، يعتقد أن فهم Shrdlu واضح. يحتوي Winogram على أسباب كافية. أعتقد أن الكمبيوتر لا يمكنه فهم اللغة الطبيعية على الإطلاق.

وبالمثل ، أعتقد أن العرض التوضيحي المذهل لـ "التعلم العميق" الحالي أقل بكثير من عيون الناس. هذا ليس في الأساس السخرية الساخرة ، كما أن الشك في تقديم الذكاء الاصطناعي العام ، كما أنه لا يعجبه بشكل خاص التعلم العميق. لأنه يعتمد على ، تخمين الذات ، على وجه التحديد شرح هذه الأنظمة ، كيفية إكمال المهمة في العرض التوضيحي.

لم يصبح غسالة الصحون روبوتًا عامًا للمنزل. لا أعتقد أن أبحاث التعلم الآلي الحالي هي نفسها. ومع ذلك ، فإن التكنولوجيا المستخدمة في غسالة الصحون لا تزال تعزز سلسلة من الأجهزة الكهربائية المنقذة للطاقة. في مظاهرة الذكاء الاصطناعي الحالي ، قد تؤدي التكنولوجيا المستخدمة إلى توفير الطاقة بشكل مستمر.

تحسين الذكاء الاصطناعي من خلال العنصر العقلاني

العقلانية اليوان تعني كيفية استخدام العقلانية التقنية في ظروف محددة.

يتطلب الذكاء الاصطناعي العقلانية اليوان ، وهناك سببان. بادئ ذي بدء ، فإن المشكلة التي يحلها غامضة بشكل أساسي.

ثانياً ، الذكاء الاصطناعي هو أرنب رأسي وجناح: ليس الانضباط الفني المتماسك والموحد ، ولكنه مجال مختلط فريد وطرق مراقبة مختلفة ومعايير التقدم المختلفة والطرق العقلانية وغير المنطقية المختلفة. في المميزة ، التقييم العقلاني اليوان ، والاختيار ، والمجموعة ، والتعديل ، والاكتشاف ، والإنشاء ومراقبة أطر متعددة.

لذلك ، لا يمكن تجنب الذكاء الاصطناعي ، حيث يجمع بين وجهات النظر المختلفة وطرق التفكير. تحتاج إلى مهارات Meta Rational لتحديد الأطر المستخدمة وكيفية تطبيق هذه الأطر. الذكاء الاصطناعي أمر لا مفر منه أيضا ، بما في ذلك معايير التقدم العالمية متعددة.

لذلك ، يجب أن نحاول القيام بعمل أفضل في اتجاهات متعددة. في هذه المقالة ، أدعو بشكل خاص إلى زيادة النظر في المعايير والأساليب:

• حقائق من العلم ؛
• الفهم من التصميم ؛
• المرح من الفلسفة.

مجال معرفة صحية ، انعكاس التعاون المستمر والمثير للجدل على هيكله ، المواصفات ، الافتراضات ، والالتزامات. هذا هو لي ، "ترقية انتصار عبادة البضائع الخاصة بك".

هذا هو أيضًا الموضوع الأساسي لمتعاونتي فيليب يتفق "الحوسبة والتجربة الإنسانية". يناقش معظم الأفكار التي طرحتها في هذا المقال.

PostScript

بعد أسبوع واحد من نشر هذا المنشور ، نشر زاكاري ليبتون وجاكوب شتاينهاردت "اتجاهات المنح الدراسية للتعلم الآلي". أعتقد أنه أفضل تحليل في هذا المجال.

الأصل: https://meaningness.com/metablog/artificial-ntelligence-pait

المترجم: Xiang ، محرر مسؤول: Hu Weifei

"ملاحظات"

يلتزم حساب CSDN العام بمفهوم "النمو مع ملايين الأشخاص التقنيين" ، ليس فقط مع عمود "العنوان المهووس" و "الكلمات السلس" التي تصف حوادث التركيز على الصناعة التي تتعلق باهتمام الشخص التقني من المنظور الفريد للتقنية الشخص ، ولكن أيضًا عمود "العنوان الفني" ، في التفسير المتعمق للتكنولوجيا الشائعة وتطبيق المشهد في الصناعة ، يسمح لجميع المطورين بمواكبة اتجاه التكنولوجيا ، والحفاظ على شعور بتكنولوجيا الاستيقاظ ، والحصول على المزيد الوعي الشامل لاتجاهات الصناعة والتكنولوجيا.

إذا كان لديك مقالات عالية الجودة ، أو رؤى جديدة في النقاط الساخنة للصناعة ، أو الاتجاهات الفنية ، أو في ممارسة التطبيق ، خطة المشهد ، وما إلى ذلك ، يرجى الاتصال بـ CSDN لتقديم ، الاتصال: WeChat (guorui_1118 ، يرجى الانتباه إلى التقديم+اسم+موقف الشركة) ، guorui@csdn.net.