Konstgjord Intelligens På Fel Spår
Det konstgjorda intelligensgemenskapen tog inte tag i din hjärnans energi, förmodligen den mest kraftfulla intelligensen i universum, eftersom de använde beräkningsmodeller. De trodde felaktigt att intelligens var uppnåendet av livsmål genom beräkning. AI -studien fastställdes vid ankomsten av datorer på 1940 -talet, på den väsentliga förutsättningen att sinnet gjorde någon typ av beräkning. Alan Turing var bland de första som fokuserade på intelligenta maskiner genom att programmera datorer. Algoritmiska procedurer gjorde det möjligt för program att uppnå slående resultat. Datorer kan lösa komplexa matematiska och tekniska problem. Flera forskare trodde till och med att en tillräckligt stor församling av program och samlad kunskap kunde uppnå intelligens på mänsklig nivå.
Även om det kan finnas andra möjliga sätt, var datorprogram den allra bästa tillgängliga resursen för att vilja simulera intelligens på mänsklig nivå. Men på 1930 -talet konstaterade matematiska logiker, inklusive Turing och Godel, att algoritmer inte kan garanteras att lösa problem med hjälp av matematiska domäner. Både teori om beräkningskomplexitet, som definierade frågan om allmänna klasser av problem och AI -samhället identifierade inte egenskaperna för problem och problemlösningsmetoder, vilket gjorde det möjligt för människor att lösa problem. Varje sökningsriktning tycktes leda och sedan återvänds.
AI -samhället kan inte utforma en maskin, som kan lära sig och vara betydligt intelligent. Inget program kunde lära sig mycket genom att läsa. Datorer kan använda stora beräkningsmöjligheter för att spela schack på Grandmaster -nivå, men deras intelligens var begränsad. Parallella behandlingsdatorer såg lovande ut, men visade sig vara svåra att programmera. Datorprogram kunde bara lösa domänspecifika problem. De kanske inte skiljer mellan problem eller betraktas som en "allmän problemlösare." Eftersom människor kunde lösa problem inom unika domäner hävdade Roger Penrose att datorer i sig inte kunde uppnå mänsklig intelligens. Filosofen Hubert Dreyfus föreslog också att AI var omöjlig. Men AI -samhället fortsatte sin sökning, trots att de flesta forskare kände nödvändigheten av nya grundläggande idéer. I slutändan var det totala samförståndet att datorer bara var "något intelligenta." Så var den väsentliga definitionen av "intelligens" i sig fel?
Eftersom en hel del mänsklig intelligens var lite förstått hade det varit omöjligt att definiera en specifik beräkningsprocedur för att vara intelligent. Intelligens var helt klart en förmåga att lösa problem. I naturen hade det varit en mognad intelligens, som gav djurens "homeostas" i överlevnadsprocessen. Homeostas var kraften hos en enhet att fungera normalt och uppnå ett relativt konstant tillstånd i kroppen, i en föränderlig, såväl som fientlig miljö. Det hade varit en smart process, internt underhållen av djuren på många nivåer, genom olika avkänning, feedback och kontrollsystem, övervakade genom en hierarki av kontrollcentra. Denna teknik, som till och med det billigaste djuret, var den bästa "allmänna problemlösaren." Förfarandet hade inte varit domänspecifik. Det erkände problem och svarade med effektiv motorisk aktivitet. Det satte på alla delar av överlevnaden.
Nervsystemet fick en kalejdoskopisk blandning av biljoner sensoriska ingångar. Ett fenomenalt minne gjorde det möjligt för det att tänka på och identifiera mönster. Intuition, en algoritmisk process, gjorde det möjligt för den att isolera sammanhanget för ett individuellt mönster från det galaktiska minnet. Maskinen kunde identifiera objekt från ett otroligt antal mottagna sensoriska ingångar. Denna mönsterigenkänningsförmåga hade inte begränsats av identifiering av statiska objekt. Det kan identifiera problem. Det erkände och tolkade dynamiska händelser för att skapa mönster av känslor. Känslor tydligt definierade problem. Djur erkände skillnaden mellan en behaglig nudge och en dödlig glid och svarade. Rädsla, ilska eller svartsjuka motiverade dem. Varje motorrespons hade en specifik sekvens av problemlösningssteg, som återigen har kommit ihåg mönster av aktiviteter.
Miljön presenterade maskinen ett otroligt antal gåtfulla fenomen. Flera berodde på andra fenomen. De flesta problem var mönster av händelser, som hade kontextuella länkar för att komma ihåg framgångsrika problemlösningsstrategier. Mönsterigenkänning aktiverade identifiering. Förfarandet hade inte varit domänspecifik. Det sträckte sig över den kompletta problemlösningsdomänen. Mönsterigenkänning identifierade bara hyperlänken mellan ett fenomen och ett annat. Intuition identifierade direkt den kontextuella länken. Det identifierade inte de komplexa resonemangslänkarna mellan dina två. Den använde inte inkrementella logiska steg för att lösa problem. När den primitiva mannen tog skydd eftersom stormmolnen avancerade, gav han bara ett svar på ett upplevt mönster.
Under ett stort antal år svarade mänskligheten tillräckligt på mycket natur utan att förstå underliggande orsaker. Denna intelligens hade inte varit beräkning, som motiverade sin väg genom livet, genom att analysera de logiska och matematiska exakta kopplingarna mellan särskilda orsaker och deras effekter. Anledningen till att bakom orsakerna upptäcktes först senare, med avancerad studie och forskning. En sådan analys gynnade bara ett mindre segment av frågan som löser världen. Flera symtom kopplade till en sjukdom. Läkare identifierade sjukdomar, utan att alltid veta de logiska eller motiverade kopplingarna mellan ditt symptom och tillståndet. Programvarukod var logisk. Men många egendomar av komplex kod var effekter mönster, kopplade till speciella programmeringshändelser, som bara kunde erkännas av en mönsterigenkänningsintelligens. Komplex problemlösning uppnåddes genom känsligt mönsterigenkänning. Sann intelligens var denna kraftfulla mönsterigenkänningsförmåga, som också förresten upptäckte logik, resonemang och matematik.