هوش مصنوعي به زبان ساده براي كودكان در مدرسه
y مشكل و عملكرد برنامه معيارهاي مستقيم "هوش" ماشين هستند هوش مصنوعي به زبان ساده براي كودكان - و هيچ بحث فلسفي ديگري مورد نياز نيست، يا حتي ممكن است امكان پذير نباشد.
تعريف ديگري توسط گوگل،[306] يك متخصص اصلي در زمينه هوش مصنوعي اتخاذ شده است. اين تعريف توانايي سيستم ها را براي تركيب اطلاعات به عنوان تجلي هوش، مشابه روشي كه هوش مصنوعي به زبان ساده براي كودكان در هوش بيولوژيكي تعريف مي شود، تصريح مي كند.
ارزيابي رويكردهاي هوش مصنوعي
هيچ تئوري يا پارادايم متحد كننده اي در بيشتر تاريخ خود تحقيقات هوش مصنوعي را هدايت نكرده است.[z] موفقيت بي سابقه يادگيري ماشين آماري در دهه 2010 همه رويكردهاي ديگر را تحت الشعاع قرار داد (تا آنجا كه برخي منابع، به ويژه در دنياي تجارت، از اين اصطلاح استفاده مي كنند. "هوش مصنوعي" به معناي "يادگيري ماشيني با شبكه هاي عصبي"). اين رويكرد بيشتر نمادين، نرم و باريك است. منتقدان استدلال مي كنند كه اين سوالات هوش مصنوعي به زبان ساده براي كودكان ممكن است توسط نسل هاي آينده محققان هوش مصنوعي مورد بازبيني قرار گيرد.
هوش مصنوعي نمادين و محدوديت هاي آن
هوش مصنوعي نمادين (يا "GOFAI")[308] استدلال آگاهانه سطح بالايي را شبيه سازي مي كند كه مردم هنگام حل پازل، بيان استدلال قانوني و انجام رياضيات از آن استفاده مي كنند. آنها در كارهاي "هوشمند" مانند تست هاي جبر يا IQ بسيار موفق بودند. در دهه 1960، نيوول و سايمون فرضيه سيستم هاي نمادهاي فيزيكي ر هوش مصنوعي به زبان ساده براي كودكان ا مطرح كردند: "يك سيستم نماد فيزيكي ابزار لازم و كافي براي كنش هوشمند عمومي را دارد."[309]
با اين حال، رويكرد نمادين در بسياري از وظايفي كه انسان ها به راحتي حل مي كنند، مانند يادگيري، تشخيص يك شي يا استدلال عقلاني، شكست خورد. پارادوكس Moravec اين كشف است كه وظايف "هوشمند" سطح بالا براي هوش مصنوعي آسان بود، اما وظايف "غريزي" سطح پايين بسيار دشوار بود.[310] فيلسوف هوبرت دريفوس از دهه 1960 استدلال كرده بود كه تخصص انسان به غريزه ناخودآگاه به جاي دستكاري نمادين آگاهانه، و به داشتن "احساس" براي موقعيت، به جاي دانش نمادين صريح بستگي دارد.[311] اگرچه استدلالهاي او در ابتداي ارائهشان مورد تمسخر هوش مصنوعي به زبان ساده براي كودكان قرار گرفته و ناديده گرفته شده بودند، اما در نهايت، تحقيقات هوش مصنوعي با او موافقت كردند.[aa][19]
مسئله حل نشده است: استدلال فرعي نمادين ميتواند بسياري از اشتباهات غيرقابل كشفي را كه شهود انسان انجام ميدهد، مانند سوگيري الگوريتمي، مرتكب شود. منتقداني مانند نوام چامسكي معتقدند كه ادامه تحقيقات در مورد هوش مصنوعي نمادين همچنان براي دستيابي به هوش عمومي ضروري است، [313] [314] تا حدي به اين دليل كه هوش مصنوعي زير نمادين فاصله گرفتن از هوش مصنوعي قابل توضيح است: درك چرايي آن ممكن است دشوار يا غيرممكن باشد. يك برنامه هوش مصنوعي آماري مدرن تصميم خاصي گرفت. حوزه نوظهور هوش مصنوعي عصبي نمادين تلاش مي كند تا اين دو رويكرد را پل بزند.
مرتب در مقابل ژوليده
نوشتار اصلي: شيك و شلوار
"نيتز" اميدوار است كه رفتار هوشمند با استفاده از اصول ساده و ظريف (مانند منطق، بهينه سازي يا شبكه هاي عصبي) توصيف شود. "Scruffies" انتظار دارند كه لزوماً مستلزم حل تعداد زيادي از مشكلات نامرتبط است. نيت ها از برنامه هاي خود با دقت نظري دفاع مي كنند، نابساماني ها عمدتاً به آزمايش هوش مصنوعي به زبان ساده براي كودكان هاي افزايشي متكي هستند تا ببينند آيا كار مي كنند يا خير. اين موضوع در دهه هاي 1970 و 1980 به طور فعال مورد بحث قرار گرفت، [315] اما در نهايت بي ربط تلقي شد. هوش مصنوعي مدرن داراي عناصر هر دو است.
محاسبات نرم در مقابل سخت
مقاله اصلي: محاسبات نرم
يافتن يك راه حل قابل اثبات صحيح يا بهينه براي بسياري از مسائل مهم غيرقابل حل است.[18] محاسبات نرم مجموعهاي از تكنيكها شامل الگوريتمهاي ژنتيك، منطق فازي و شبكههاي عصبي است كه نسبت به عدم دقت، عدم قطعيت، حقيقت جزئي و تقريب قابل تحمل هستند. محاسبات نرم در اواخر دهه 1980 معرفي شد و موفق ترين برنامه هاي هوش مصنوعي در قرن بيست و يكم نمونه هايي از محاسبات نرم با شبكه هاي عصبي هستند.
باريك در مقابل هوش مصنوعي عمومي
مقالات اصلي: هوش مصنوعي ضعيف و هوش مصنوعي عمومي
محققان هوش مصنوعي در مورد اينكه آيا بايد اهداف هوش عمومي مصنوعي و ابر هوش را به طور مستقيم دنبال كنند يا تا آنجا كه ممكن است مشكلات خاص را حل كنند (هوش مصنوعي محدود) تقسيم شده اند، به اين اميد كه اين راه حل ها به طور غيرمستقيم به اهداف بلندمدت اين رشته منجر شود.[316] 317] تعريف هوش هوش مصنوعي به زبان ساده براي كودكان عمومي دشوار است و اندازه گيري آن دشوار است و هوش مصنوعي مدرن با تمركز بر مشكلات خاص با راه حل هاي خاص، موفقيت هاي قابل تاييد بيشتري داشته است. زير شاخه تجربي هوش عمومي مصنوعي اين حوزه را به طور انحصاري مورد مطالعه قرار مي دهد.
آگاهي ماشيني، احساس و ذهن
مقالههاي اصلي: فلسفه هوش مصنوعي و آگاهي مصنوعي
فلسفه ذهن نمي داند كه آيا يك ماشين مي تواند ذهن، آگاهي و حالات ذهني داشته باشد، به همان معنايي كه انسان ها دارند. اين موضوع به جاي رفتار بيروني ماشين، تجربيات داخلي ماشين را د هوش مصنوعي به زبان ساده براي كودكان ر نظر مي گيرد. تحقيقات AI جريان اصلي اين موضوع را بيربط ميداند زيرا بر اهداف اين حوزه تأثير نميگذارد: ساخت ماشينهايي كه ميتوانند با استفاده از هوشمندي مشكلات را حل كنند. راسل و نورويگ ميافزايند كه «پروژه اضافي براي
آگاه كرArtificial intelligence in plain language for children دن يك ماشين دقيقاً به روشي كه انسان
برچسب: برنامه نويسي كودكان،
ادامه مطلب