Facebook Twitter
alltechbites.com

L'intelligence Artificielle Sur La Mauvaise Voie

Posté le Avril 11, 2023 par Grant Tafreshi

La communauté de l'intelligence artificielle n'a pas saisi l'énergie de votre cerveau, probablement l'intelligence la plus puissante de l'univers, car ils ont utilisé des modèles de calcul. Ils croyaient à tort que l'intelligence était la réalisation des objectifs de la vie par le calcul. L'étude de l'IA a été mise en place par l'arrivée des ordinateurs dans les années 40, sur la prémisse essentielle que l'esprit a fait un certain type de calcul. Alan Turing a été parmi les premiers à se concentrer sur les machines intelligentes en programmant les ordinateurs. Les procédures algorithmiques ont permis aux programmes d'obtenir des résultats frappants. Les ordinateurs pourraient résoudre des problèmes mathématiques et ingénieurs complexes. Plusieurs scientifiques croyaient même qu'une assemblée suffisamment importante de programmes et des connaissances en collation pouvait atteindre l'intelligence au niveau humain.

Bien qu'il puisse y avoir d'autres moyens possibles, les programmes informatiques étaient la meilleure ressource disponible pour vouloir simuler l'intelligence de niveau humain. Mais, dans les logiciens mathématiques des années 1930, y compris Turing et Godel, a établi que les algorithmes ne peuvent pas être garantis pour résoudre les problèmes à l'aide de domaines mathématiques. La théorie de la complexité informatique, qui a défini la question des classes générales de problèmes et de la communauté de l'IA, n'a pas identifié les propriétés des problèmes et des méthodes de résolution de problèmes, ce qui a permis aux humains de résoudre les problèmes. Toutes les directions de recherche semblaient mener, puis les impasses.

La communauté AI ne peut pas concevoir une machine, qui pourrait apprendre et être considérablement intelligente. Aucun programme ne pourrait en apprendre beaucoup en lisant. Les ordinateurs peuvent utiliser de vastes capacités de calcul pour jouer aux échecs au niveau de Grandmaster, mais leur intelligence était limitée. Les ordinateurs de traitement parallèle semblaient prometteurs, mais se sont avérés difficiles à programmer. Les programmes informatiques ne pouvaient résoudre que des problèmes spécifiques au domaine. Ils pourraient ne pas faire la distinction entre les problèmes ou être considérés comme un «résolveur de problèmes général». Étant donné que les humains pouvaient résoudre des problèmes dans des domaines uniques, Roger Penrose a fait valoir que les ordinateurs n'étaient pas intrinsèquement capables d'atteindre l'intelligence humaine. Le philosophe Hubert Dreyfus a également suggéré que l'IA était impossible. Mais, la communauté de l'IA a poursuivi sa recherche, malgré le fait que la plupart des chercheurs ont ressenti la nécessité de nouvelles idées fondamentales. En fin de compte, le consensus global était que les ordinateurs n'étaient que "quelque peu intelligents". Alors, la définition essentielle de «l'intelligence» elle-même elle-même?

Étant donné que beaucoup d'intelligence humaine était peu comprise, il avait été impossible de définir une procédure de calcul spécifique pour être intelligente. L'intelligence était clairement une capacité à résoudre des problèmes. Dans la nature, c'était une intelligence mûre, qui a permis de donner les «homéostasis» des animaux dans le processus de survie. L'homéostasie était le pouvoir d'une entité pour fonctionner normalement, réalisant un état relativement constant dans le corps, dans un environnement modifiable et hostile. Il s'agissait d'un processus intelligent, entretenu en interne par les animaux à plusieurs niveaux, à travers divers systèmes de détection, de rétroaction et de contrôle, supervisés par une hiérarchie des centres de contrôle. Cette technique, atteinte même par l'animal le moins cher était le meilleur «solveur de problèmes général». La procédure n'avait pas été spécifique au domaine. Il a reconnu les problèmes et a répondu avec une activité motrice efficace. Il a mis toutes les parties de la survie.

Le système nerveux a reçu un mélange kaléidoscopique de milliers de milliards d'entrées sensorielles. Une mémoire phénoménale lui a permis de garder à l'esprit et d'identifier les modèles. L'intuition, un processus algorithmique, lui a permis d'isoler le contexte d'un modèle individuel de la mémoire galactique. La machine pourrait identifier les objets à partir d'un nombre incroyable d'entrées sensorielles reçues. Cette capacité de reconnaissance des modèles n'avait pas été limitée par l'identification d'objets statiques. Il pourrait identifier les problèmes. Il a reconnu et interprété des événements dynamiques pour créer des modèles d'émotions. Les émotions ont clairement défini les problèmes. Les animaux ont reconnu la différence entre un coup de pouce agréable et un glissement mortel et ont répondu. La peur, la colère ou la jalousie les ont motivés. Chaque réponse motrice avait une séquence spécifique d'étapes de résolution de problèmes, qui ont, encore une fois, des modèles d'activités rappelés.

L'environnement a présenté à la machine un nombre incroyable de phénomènes énigmatiques. Plusieurs étaient dus à d'autres phénomènes. La plupart des problèmes étaient des modèles d'événements, qui avaient des liens contextuels aux stratégies de résolution de problèmes réussies. La reconnaissance du modèle est permis d'identifier. La procédure n'avait pas été spécifique au domaine. Il a chevauché le domaine de résolution de problèmes complet. La reconnaissance du modèle a simplement identifié l'hyperlien entre un phénomène et un autre. L'intuition a instantanément identifié le lien contextuel. Il n'a pas identifié les liens de raisonnement complexes entre vos deux. Il n'a pas utilisé d'étapes logiques incrémentielles pour résoudre les problèmes. Lorsque l'homme primitif s'est réfugié parce que les nuages ​​de tempête avançaient, il donnait simplement une réponse à un schéma perçu.

Au cours d'un grand nombre d'années, l'humanité a répondu adéquatement à beaucoup de nature, sans comprendre les causes sous-jacentes. Cette intelligence n'avait pas été un calcul, qui a raisonné son chemin à travers la vie, en analysant les liens logiques et mathématiquement précis entre les causes particulières et leurs effets. La raison pour laquelle derrière les causes n'a été découverte que plus tard, avec une étude et une recherche avancées. Une telle analyse n'a profité qu'un segment mineur du monde de résolution de problèmes. Plusieurs symptômes liés à une maladie. Les médecins ont identifié des maladies, sans toujours connaître les liens logiques ou raisonnés entre votre symptôme et la condition. Le code logiciel était logique. Mais, de nombreuses bizarreries de code complexe étaient des modèles d'effets, liés à des événements de programmation particuliers, qui ne pouvaient être reconnus que par une intelligence de reconnaissance de modèle. La résolution de problèmes complexes a été réalisée grâce à une reconnaissance sensible des modèles. La véritable intelligence était cette puissante capacité de reconnaissance de motifs, qui, soit d'ailleurs, a découvert la logique, le raisonnement et les mathématiques.