فیس بوک توییتر
alltechbites.com

هوش مصنوعی در مسیر اشتباه

ارسال شده در سپتامبر 11, 2022 توسط Grant Tafreshi

جامعه هوش مصنوعی انرژی مغز شما ، احتمالاً قدرتمندترین هوش در جهان را درک نکرد ، زیرا آنها از مدل های محاسباتی استفاده می کردند. آنها به اشتباه معتقد بودند که هوش دستیابی به اهداف زندگی از طریق محاسبات است. مطالعه AI با ورود رایانه ها در دهه 1940 ، با این فرضیه ضروری که ذهن نوعی محاسبات را انجام داده است ، انجام شد. آلن تورینگ یکی از اولین کسانی بود که با برنامه نویسی رایانه ها روی ماشین های هوشمند تمرکز کرد. رویه های الگوریتمی برنامه ها را قادر به دستیابی به نتایج قابل توجه کرد. رایانه ها می توانند مشکلات پیچیده ریاضی و مهندسی را حل کنند. چندین دانشمند حتی معتقد بودند که مجمع بزرگی از برنامه ها و دانش جمع آوری شده می تواند به هوش سطح انسانی برسد.

در حالی که ممکن است روش های ممکن دیگر نیز وجود داشته باشد ، برنامه های رایانه ای بهترین منبع در دسترس برای مایل به شبیه سازی هوش سطح انسانی بودند. اما ، در دهه 1930 منطق های ریاضی ، از جمله تورینگ و گودل ، مشخص کردند که الگوریتم ها برای حل مشکلات با استفاده از حوزه های ریاضی نمی توانند تضمین شوند. هر دو تئوری پیچیدگی محاسباتی ، که مسئله کلاسهای کلی مشکلات را تعریف می کرد و جامعه هوش مصنوعی خصوصیات مشکلات و روشهای حل مسئله را مشخص نکرد ، که به انسان امکان می داد مشکلات را برطرف کند. به نظر می رسد که هر جهت جستجو منجر می شود و سپس بن بست.

جامعه AI نمی تواند دستگاهی را طراحی کند ، که می تواند یاد بگیرد و به طور قابل توجهی باهوش باشد. هیچ برنامه ای نمی تواند با خواندن چیزهای زیادی بیاموزد. رایانه ها ممکن است از قابلیت های محاسباتی گسترده برای بازی شطرنج در سطح مادربزرگ استفاده کنند ، اما هوش آنها محدود بود. رایانه های پردازش موازی امیدوار کننده به نظر می رسید ، اما برنامه ریزی آن دشوار بود. برنامه های رایانه ای فقط می توانند مشکلات خاص دامنه را حل کنند. آنها ممکن است بین مشکلات تمایز قائل نشوند ، یا "حل کننده مشکل عمومی" تلقی شوند. از آنجا که انسان می تواند مشکلات را در حوزه های منحصر به فرد حل کند ، راجر پنروز اظهار داشت که رایانه ها ذاتاً قادر به دستیابی به هوش انسانی نیستند. فیلسوف هوبرت دریفوس همچنین اظهار داشت که هوش مصنوعی غیرممکن است. اما ، جامعه هوش مصنوعی با وجود این واقعیت که بیشتر محققان ضرورت ایده های اساسی جدید را احساس می کردند ، جستجوی خود را ادامه داد. در نهایت ، اجماع کلی این بود که رایانه ها فقط "تا حدودی باهوش" بودند. بنابراین ، آیا تعریف اساسی "هوش" خود اشتباه بود؟

از آنجا که بسیاری از هوش انسانی کمی درک نشده بود ، تعریف یک روش محاسباتی خاص برای هوشمند بودن غیرممکن بود. هوش به وضوح توانایی حل مشکلات بود. در طبیعت ، این یک هوش بالغ بوده است که "هموستاز" حیوانات را در روند بقا توانمند می کرد. هوموستاز قدرت یک نهاد برای فعالیت عادی ، دستیابی به یک حالت نسبتاً ثابت در بدن ، در یک محیط متغیر و خصمانه بود. این یک فرآیند هوشمندانه بوده است که توسط حیوانات در بسیاری از سطوح ، از طریق سیستم های مختلف سنجش ، بازخورد و کنترل ، تحت نظارت سلسله مراتب مراکز کنترل ، تحت نظارت قرار گرفته است. این تکنیک که حتی ارزانترین حیوان نیز به دست آمد ، بهترین "حل کننده مشکل عمومی" بود. این روش دامنه خاص نبوده است. این مشکلات را تشخیص داد و با فعالیت حرکتی مؤثر پاسخ داد. این هر قسمت از بقا را قرار داد.

سیستم عصبی ترکیبی از کلئیدوسکوپی از تریلیون های ورودی حسی را دریافت کرد. یک حافظه فوق العاده باعث می شود که در ذهن داشته باشد و الگوهای را شناسایی کند. شهود ، یک فرآیند الگوریتمی ، به آن امکان داد تا زمینه یک الگوی فردی را از حافظه کهکشانی جدا کند. دستگاه می تواند اشیاء را از تعداد باورنکردنی ورودی های حسی دریافت شده شناسایی کند. این توانایی تشخیص الگوی با شناسایی اشیاء استاتیک محدود نبوده است. این ممکن است مشکلات را شناسایی کند. این رویدادهای پویا را برای ایجاد الگوهای عواطف به رسمیت شناخت و تفسیر کرد. احساسات به وضوح مشکلات را تعریف کرده است. حیوانات تفاوت بین یک گنگ قابل قبول و یک کشنده کشنده را تشخیص دادند و پاسخ دادند. ترس ، عصبانیت یا حسادت آنها را به آنها انگیزه داد. هر پاسخ حرکتی دنباله خاصی از مراحل حل مسئله داشت ، که دوباره الگوهای فعالیت ها را به یاد آورده اند.

محیط با تعداد باورنکردنی پدیده های مبهم به دستگاه ارائه می داد. چند نفر به دلیل پدیده های دیگر بودند. بیشتر مشکلات الگوهای وقایع بود که پیوندهای متنی برای به یاد آوردن استراتژی های موفقیت آمیز حل مسئله داشتند. شناسایی الگوی شناسایی را فعال کرد. این روش دامنه خاص نبوده است. این دامنه کامل حل مسئله را برطرف کرد. شناخت الگوی صرفاً پیوند بین یک پدیده و دیگری را مشخص کرد. شهود فوراً پیوند متنی را مشخص کرد. این پیوندهای استدلال پیچیده بین دو شما را مشخص نکرد. برای حل مشکلات از مراحل منطقی افزایشی استفاده نکرد. هنگامی که انسان بدوی پناه برد زیرا ابرهای طوفان پیشرفت می کردند ، او صرفاً پاسخی به الگوی درک شده می داد.

در طی چند سال ، بشر بدون درک دلایل اساسی ، به اندازه کافی به طبیعت پاسخ داد. این هوش با تجزیه و تحلیل پیوندهای منطقی و ریاضی دقیق بین دلایل خاص و تأثیرات آنها ، محاسباتی نبوده است. دلیل اینکه علل پشت فقط بعداً با مطالعه و تحقیق پیشرفته کشف شد. چنین تحلیلی فقط بخش جزئی از جهان حل مسئله را به نفع خود می برد. چندین علائم مرتبط با یک بیماری. پزشکان بیماری ها را شناسایی کردند ، بدون اینکه همیشه پیوندهای منطقی یا استدلال بین علائم شما و بیماری را بدانند. کد نرم افزار منطقی بود. اما ، بسیاری از سوالات کد پیچیده الگوهای اثرات ، مرتبط با رویدادهای برنامه نویسی خاص بودند که فقط با یک هوش تشخیص الگوی قابل تأیید هستند. حل مسئله پیچیده از طریق تشخیص الگوی حساس حاصل شد. هوش واقعی این قابلیت تشخیص الگوی قدرتمند بود ، که اتفاقاً منطق ، استدلال و ریاضیات را نیز کشف کرد.