Czy sieci neuronowe i ich warianty są jedynym sposobem na osiągnięcie prawdziwej sztucznej inteligencji?

Według mojej wiedzy większość obecnych badań sztucznej inteligencji wykorzystuje jakąś sieć neuronową lub jej warianty. Dobrym przykładem może być alphago DeepMind, który moim zdaniem jest głęboką siecią neuronową, dla wizji CNN, tekstu, muzyki i innych uporządkowanych funkcji RNN itp. Ale do aplikacji uczenia maszynowego mamy sieci neuronowe, maszyny wektorowe wsparcia, losowy las, metody regresji itp. dostępne dla aplikacji.

Czy więc sieci neuronowe i ich warianty są jedynym sposobem na osiągnięcie „prawdziwej” sztucznej inteligencji?

Jeśli przez prawdziwą AI masz na myśli „jak ludzie”, odpowiedź brzmi - nikt nie wie, jakie są odpowiednie mechanizmy obliczeniowe (neuronowe lub inne), a nawet czy jesteśmy w stanie je zbudować.

To, co robią sztuczne sieci neuronowe (ANN), to w zasadzie „regresja nieliniowa” - być może nie jest to wystarczająco silny model, aby wyrazić zachowania podobne do ludzkich.

Co się stanie, pomimo faktu, że inteligencja ludzka zależy od jakiegoś dotychczas niewykorzystanego mechanizmu świata fizycznego, pomimo właściwości przybliżania funkcji uniwersalnych?

W odniesieniu do pytania dotyczącego „jedynego sposobu”: nawet jeśli (fizyczne) mechanizmy neuronowe były w rzeczywistości jedyną drogą do inteligencji (np. Przez mikrotubule kwantowe Penrose'a), jak można to udowodnić?

Nawet w formalnym świecie matematyki istnieje powiedzenie, że „Dowody nieistnienia są trudne”. Nie wydaje się możliwe, aby w świecie fizycznym można było wykazać, że inteligencja nie mogłaby powstać za pomocą żadnego innego mechanizmu.

Wracając do systemów obliczeniowych, zauważ, że Stephen Wolfram dokonał interesującej obserwacji w swojej książce „A New Kind of Science”, że wiele z pozornie różnych mechanizmów, które obserwował, wydają się być zdolne do „Universal Computation”, więc w tym sensie nie ma nic bardzo w szczególności o ANN.

To zależy od tego, co uważasz za „prawdziwą sztuczną inteligencję”. Ale prawdopodobnie oznacza to, że można myśleć jak człowiek - i być może robić to w bardziej racjonalny sposób, ponieważ w ludzkim mózgu emocje mają pierwszeństwo.

Wydawałoby się, że sieć neuronowa lub algorytm genetyczny ewoluujący sieci neuronowe to najbliższy sposób - naśladowanie ludzi.

Jednak tradycyjnym kontrargumentem jest to, że próbowaliśmy zrobić to samo z lotem. Próbowaliśmy kopiować naturę, naśladować ptaki - próbując latać, trzepocząc skrzydłami. Ale ostatecznie stworzyliśmy samoloty, które nie polegały na trzepoczeniu skrzydłami.

W AI istnieje znacznie więcej zmiennych niż w aerodynamice. Jest więc całkiem prawdopodobne, że inteligencję ludzką można uzyskać innymi metodami niż sieci neuronowe.

W końcu sieci neuronowe są jednym podejściem do uczenia maszynowego. Są inni, wszyscy rządzą się zasadami tego, czego można, a czego nie można się nauczyć. (Jest to pole o nazwie Obliczeniowa teoria uczenia się, które to obejmuje).

Chociaż możliwe jest rozszerzenie systemów uczenia się poza to, czego można się nauczyć zgodnie z COLT, oznacza to, że taki system uczenia się - sieć neuronowa lub inna - jest zasadniczo wadliwy i w tym czy innym momencie wyciągnie błędne wnioski.

Aby mieć szansę na odpowiedź na to pytanie, najpierw potrzebujesz ścisłej definicji „prawdziwej sztucznej inteligencji”, której nie mamy. I nawet gdyby tak było, najlepszą odpowiedzią byłoby prawdopodobnie „nikt nie wie”. Nie rozumiemy nawet dokładnie, jak działa ludzka inteligencja (która jest prawdopodobnie najlepszym modelem inteligencji, jaki mamy do dyspozycji). Wiemy (lub myślimy, że wiemy), że ANN są w najlepszym razie bardzo powierzchowną repliką funkcji mózgu. Może się okazać, że są absolutnie niewłaściwą drogą do osiągnięcia „prawdziwej sztucznej inteligencji”, chociaż spodziewam się, że większość ludzi byłaby zaskoczona, gdyby tak się stało.

Co prawdopodobnie nie byłoby tak zaskakujące, gdyby pojawiła się inna technika, która jest lepsza niż ANN, LUB jeśli okaże się, że potrzebujesz zestawu technik. Osobiście uważam, że jest to prawie oczywiste, że mózg działa w dużej mierze w sposób probabilistyczny, ale jest również jasne, że czasami używamy przetwarzania symbolicznego / logiki dedukcyjnej / reguł / itp. A teraz, ANN nie dają wiele sposób rozumowania, dedukcji itp. Możemy więc ostatecznie stwierdzić, że musimy połączyć podejście probabilistyczne, takie jak ANN, z innymi technikami - być może Indukcyjnym Programowaniem Logicznym lub czymś podobnym.