Jaka jest najbardziej ogólna definicja „inteligencji”?

10

Kiedy mówimy o sztucznej inteligencji, inteligencji ludzkiej lub jakiejkolwiek innej formie inteligencji, co rozumiemy przez pojęcie inteligencji w sensie ogólnym? Jak nazwałbyś inteligentny, a co nie? Innymi słowy, w jaki sposób definiujemy pojęcie inteligencji w najbardziej ogólny możliwy sposób?

użytkownik79161
źródło

Odpowiedzi:

4

Przedmówię tę odpowiedź, zauważając, że osoby o wiele mądrzejsze ode mnie potraktowały ten temat bardziej szczegółowo. To powiedziawszy, o ile mogę rozpoznać:

Kiedy mówimy o inteligencji, mamy na myśli siłę rozwiązywania problemów w stosunku do problemu, w stosunku do siły innych inteligencji.

Jest to nieco teoretyczna koncepcja gry, związana z racjonalnością i koncepcją racjonalnego agenta . Odnośnie inteligencji w ten sposób może być nieuniknione. W szczególności moglibyśmy zdefiniować inteligencję jako zdolność do zrozumienia problemu, rozwiązania lub abstrakcyjnych koncepcji, ale nie możemy zweryfikować tego zrozumienia bez przetestowania go. (Mogę na przykład wierzyć, że rozumiem technikę matematyczną, ale jedynym sposobem ustalenia, czy przekonanie to jest prawdziwe, czy iluzoryczne, jest wykorzystanie tej techniki i ocena wyników).

Przyczyną tego, że gry takie jak Chess and Go były kamieniami milowymi, oprócz długoletniego zainteresowania tymi grami ludzi, jest to, że zapewniają one modele o prostych, w pełni definiowalnych parametrach, a przynajmniej w przypadku Go mają złożoność zbliżoną do natury, przez co mam na myśli nierozwiązywalne / trudne do rozwiązania . (Porównaj z siłą w Kółko i krzyżyk, która jest trywialnie rozwiązana.)

Powinniśmy jednak rozważyć punkt zwrócony w tej zwięzłej odpowiedzi na pytanie dotyczące testu Turinga :

„... czy [inteligencja] jest definiowana wyłącznie przez zachowanie w środowisku lub przez mechanizmy, które do tego dochodzą?”

Jest to ważne, ponieważ Google właśnie przekazał AI kontrolę nad chłodzeniem centrum danych . Tutaj wyraźnie widać, że sam mechanizm wykazuje użyteczność, ale jeśli nazwiemy ten mechanizm inteligentnym, aby inteligencja miała sens, nadal musimy walczyć z „inteligentnym jak?” (W jaki sposób jest inteligentny?) Jeśli chcemy wiedzieć „jak inteligentny?” (stopień użyteczności) wciąż musimy oceniać jego działanie w stosunku do działania innych mechanizmów.

(W przypadku automatów sterujących klimatyzacją w Google możemy powiedzieć, że jest ona bardziej inteligentna niż poprzedni system kontroli i o ile.)

Ponieważ zaczynamy mówić o bardziej „uogólnionej inteligencji”, zdefiniowanej tutaj jako mechanizmy, które można zastosować do zestawu problemów (zaliczam minimax jako formę „inteligencji aksjomatycznej”, a uczenie maszynowe jako formę „inteligencji adaptacyjnej” ) , warto rozwinąć i wyjaśnić definicję:

Inteligencja jest siłą rozwiązywania problemu siły mechanizmu w stosunku do problemu lub zestawu problemów w stosunku do siły innych mechanizmów.

lub jeśli chcielibyśmy być zwięzli:

Inteligencja jest taka, jak inteligencja (i jak dobrze).

DukeZhou
źródło
2

W artykule Universal Intelligence: A Definition of Machine Intelligence (2007) Legg i Hutter podają definicję inteligencji , która powinna uchwycić intuicyjne pojęcie inteligencji (do której ludzie często się odnoszą).

Inteligencja mierzy zdolność agenta do osiągania celów w wielu różnych środowiskach.

Ta definicja „faworyzuje” ogólną inteligencję w stosunku do wąskich AI (np. Ludzie są bardziej inteligentni niż AlphaGo) i zdolność adaptacji agenta do różnych środowisk. Jednak ta definicja może nie być bezbłędna, ponieważ na przykład wirus można prawdopodobnie uznać za bardziej inteligentny niż np. AlphaGo, biorąc pod uwagę zdolność wirusa do przystosowania się do szerokiej gamy środowisk (w porównaniu do AlphaGo, która gra tylko w Go) . Ta definicja jest ściśle powiązana z matematyczną teorią sztucznej inteligencji ogólnej zwaną AIXI . Więcej informacji znajdziesz w gazecie.

nbro
źródło
1

Przed erą komputerową inteligencję definiowano w kategoriach filozoficznych. Ma to związek z logiką, myśleniem, uczeniem się, samoświadomością, pamięcią i rozwiązywaniem problemów. Ta definicja jest niejasna i nie można jej zaimplementować w oprogramowaniu. Nowoczesne podejście do definiowania inteligencji opiera się na teorii gier. Sztuka polega na tym, że inteligencja nie jest już powiązana z prawdziwymi ludźmi, którzy mogą mieć duszę, ale jest to tylko strategia wygrania gry. Chodzi o to, aby nieco zmodyfikować problem, zamiast spierać się o pamięć i uczenie się, ważniejsze pytanie dotyczy tworzenia gier. Gra to odczytywalny maszynowo system reguł, który symuluje rzeczywistość. Na przykład „Pong” to symulacja tenisa, podczas gdy „Miasto Sim” symuluje budowę domu. Pomiędzy grą a udaną strategią w grze jest różnica. W grze można zdobyć słaby wynik,

Wynalazek komputera można również nazwać realizacją inteligencji. Większość teoretycznych informatyków zgadza się, że komputer gotowy do testowania może rozwiązać każdy problem. Wszystko, czego potrzebuje, to algorytm, który jest sekwencją kroków. Oznacza to, że z punktu widzenia możliwości komputer można nazwać inteligentnym, ponieważ jest on w stanie wykonać algorytm. To nie odpowiada na pytanie, jak będzie wyglądał konkretny algorytm, ale teoretycznie komputer może zrobić wszystko, co ludzie.

Manuel Rodriguez
źródło
1

To ważne pytanie dla AI - być może najważniejsze ze wszystkich - dla dziedziny badań nad sztuczną inteligencją . Chodzi mi o to, że jeśli AI jest nauką, to jej eksperymenty będą testowane empirycznie. Musi istnieć sposób decydowania o zaliczeniu lub niepowodzeniu. Więc jakie są testy na inteligencję? Zanim nawet opracujesz test, potrzebujesz jasnego pojęcia, czym jest inteligencja, w przeciwnym razie jak możesz zaprojektować kompetentny test dla niego?

Jasne, jestem częścią projektu badawczo-rozwojowego znanego jako Budowanie wodoszczelnych okrętów podwodnych i jestem pewien, że jestem całkowicie pewien, że moja łódź podwodna jest wodoszczelna, ale nie mam pojęcia, jak sprawdzić, czy jest, czy nie, ponieważ nie wiem co oznacza „wodoszczelny”. Cały ten pomysł jest absurdalny. Zapytaj jednak AI, co oznacza „inteligencja”. Odpowiedzi, które otrzymujesz, podczas analizy, są prawie takie same jak w przypadku okrętu podwodnego.

Odpowiedź podstawowa - zachowanie

Słowo (pomysł, koncepcja) „Inteligencja” jest zwykle definiowane przez AI pod względem zachowania. Tj. Podejście testowe Turinga. Maszyna jest inteligentna, jeśli zachowuje się w taki sposób, że gdyby człowiek zachował się w ten sam sposób, można by powiedzieć, że człowiek wykonuje działanie wymagające ludzkiej inteligencji.

Problem 1 : fortepiany graczy są inteligentne. Gra melodii Scotta Joplina oczywiście wymaga inteligencji u człowieka.

Problem 2 . Jeśli maszyna przejdzie test, pokazuje tylko, że jest „inteligentna” dla testowanych zachowań. Co z nieprzetestowanymi zachowaniami? W rzeczywistości jest to dziś problem śmierci i śmierci w systemach sterowania AI pojazdów samojezdnych. Systemy AI są akceptowalnie dobre w prowadzeniu samochodu (co oczywiście wymaga ludzkiej inteligencji) w określonych środowiskach, np. Autostrady z dobrze oznakowanymi pasami, bez ciasnych zakrętów i środkowa bariera oddzielająca dwa kierunki. Ale systemy psują się katastrofalnie w „skrajnych przypadkach” - nietypowych sytuacjach.

Problem 3 . Kto wsadziłby swoje dziecko do autobusu szkolnego prowadzonego przez robota, który zdał egzamin Turinga na prowadzenie autobusów szkolnych? Co powiesz na burzę, gdy linia zasilania spadnie na drugą stronę drogi? A może zbliża się tornado w oddali? Co powiesz na tysiąc innych niesprawdzonych możliwości? Odpowiedzialny rodzic chciałby wiedzieć (a) jakie są zasady wewnętrznych procesów i struktur ludzkiej inteligencji oraz (b) że cyfrowy sterownik autobusu ma odpowiednio podobne wewnętrzne procesy i struktury - tj. Nie zachowanie, ale właściwe elementy wewnętrzne , właściwa przyczynowość wewnętrzna.

Pożądana odpowiedź - wewnętrzne zasady

Chciałbym wiedzieć, że maszyna uruchomiła właściwe procesy wewnętrzne i że uruchomiła te procesy (algorytmy) na odpowiednich strukturach wewnętrznych (pamięci). Problem polega na tym, że wydaje się, że nikt nie wie, jakie są właściwe wewnętrzne procesy i struktury ludzkiej inteligencji. (Na pewno ogromny problem - ale taki, który nie powstrzymywał AI - ani twórców systemów samokierujących - jeden bit.) Implikacja tego jest taka, że ​​to, co AI powinna teraz zrobić, to ustalenie, jakie są wewnętrzne procesy i struktury ludzkiej inteligencji. Ale nie robi tego - raczej komercjalizuje swoją wadliwą technologię.

Elementy definicji - 1. Uogólnienie

Wiemy pewne rzeczy o ludzkiej inteligencji. Niektóre testy naprawdę sprawdzają, czy maszyna ma pewne właściwości ludzkiego umysłu. Jedną z tych właściwości jest uogólnienie. W swoim artykule z 1950 r. Turing, jako rodzaj żartu, podał naprawdę dobry przykład konwersacyjnej uogólnienia: (Świadek jest maszyną).

„Przesłuchujący: W pierwszym wierszu twojego sonetu, który brzmi„ Czy mam cię porównać z letnim dniem ”, czy„ wiosenny dzień ”nie byłby równie dobry, czy lepszy?

Świadek: Nie skanowałby.

Przesłuchujący: Co powiesz na „zimowy dzień”, który skanowałby w porządku.

Świadek: Tak, ale nikt nie chce być porównywany do zimowego dnia.

Przesłuchujący: Czy powiedziałbyś, że Mr. Pickwick przypomniał ci o świętach Bożego Narodzenia?

Świadek: W pewnym sensie.

Przesłuchujący: Ale Boże Narodzenie to zimowy dzień i nie sądzę, żeby pan Pickwick miałby coś przeciwko temu porównaniu.

Świadek: Nie sądzę, że mówisz poważnie. Przez flay zimowy rozumie się typowy zimowy dzień, a nie taki jak Boże Narodzenie. ”

Obecna sztuczna inteligencja nie ma nic, co mogłoby nawet uogólnić się w taki sposób. Brak uogólnienia jest uważany za prawdopodobnie największy błąd obecnej AI. Zdolność do generalizowania byłaby częścią odpowiedniej definicji „inteligencji”. Ale to, czym jest uogólnienie, wymagałoby wyjaśnienia.

Problem uogólnienia kryje się także za kilkoma poważnymi obiekcjami filozoficznymi wobec teorii AI, w tym problemem ramowym, problemem zdrowego rozsądku i problemem eksplozji kombinatorycznej.

Elementy definicji - 2. Postrzeganie

Percepcja sensoryczna jest dość fundamentalna dla ludzkiej nauki i inteligencji. Dane (w jakiejś formie) są emitowane przez ludzkie zmysły, a następnie przetwarzane przez system centralny. W komputerze wartości binarne wychodzą z czujnika cyfrowego i przemieszczają się do maszyny. Jednak nic w samych wartościach nie wskazuje na to, co zostało wykryte. Jednak jedyne, co dostaje komputer, to wartości binarne. Jak maszyna mogła kiedykolwiek poznać to, co wyczuwa? (Klasyczny problem z chińskim pokojem.)

Kolejnym elementem inteligencji podobnej do człowieka jest zdolność postrzegania w sposób podobny do człowieka. „Ludzki sposób” oznacza tutaj to, że maszyna przetwarza dane sensoryczne, stosując te same zasady, które obowiązują w ludzkiej percepcji. Problem polega na tym, że nikt nie wie, jak można zbudować semantykę (wiedzę) na podstawie danych emitowanych przez czujniki cyfrowe (lub zmysły organiczne). Jednak postrzeganie przez człowieka musi być elementem odpowiedniej definicji „inteligencji”.

Po AI dostaje te dwie sprawy załatwione - uogólnienie i percepcji - to będzie prawdopodobnie, mam nadzieję , będzie na dobrej drodze do realizacji swojego pierwotnego celu prawie 70 lat przeszłość - buduje maszynę z (lub które mogą nabyć) człowiek-like ogólna inteligencja. I może zasady uogólnienia i zasady percepcji są takie same. I może faktycznie jest tylko jedna zasada. Nie należy zakładać, że odpowiedzi są złożone. Czasami najtrudniejsze do zrozumienia są najprostsze.

Pytanie „Co mamy na myśli, kiedy mówimy„ inteligencja ”? Jest naprawdę ważne dla AI. Wniosek jest taki, że AI powinna zastąpić swoją obecną behawioralną definicję„ inteligencji ”tą, która obejmuje ludzkie elementy uogólnienia i percepcji. A potem zabierz się i spróbuj wypracować zasady działania lub zasadę obu z nich.

Roddus
źródło
dołączenie definicji „inteligencji”, która ma być „ludzka”, jest bardzo arbitralne i samolubne dla tych, którzy chcą twierdzić, że nie można zbudować prawdziwej AI. Dodatkowo, kto ma powiedzieć, że inteligencja „ludzka” jest nawet zdalnie optymalną formą inteligencji. Wreszcie, nawet podane definicje uogólnienia i percepcji wymagają użycia słów i zwrotów, które są równie niejasne i nie do udowodnienia, jak samo słowo „inteligencja”.
Dunk
Jasne, pojęcie inteligencji jest niejasne, ale częściowo dlatego, że wczesna (i późniejsza) sztuczna inteligencja używała tego słowa w odniesieniu do zachowań obserwowanych z zewnątrz, a nie w tradycyjnym sensie wewnętrznej treści i procesu. Ale tak czy inaczej, użycie tego słowa w zwykłym ogrodzie lub w ogrodzie nie marszczy zbyt wielu brwi, więc pomysł jest użyteczny. Niewiele wiadomo o percepcji, ale istnieją dość dobre testy na uogólnienie. Np. Żartobliwy dialog Turinga w artykule z 1950 r. O zimie i Bożym Narodzeniu. System, który może wyświetlać ten poziom abstrakcji i wiedzy, miałby mój głos za uogólnieniem.
Roddus
0

Inteligencja to umiejętność łączenia różnych koncepcji i skojarzeń w znaczącą całość; filtrowanie, dodawanie i odrzucanie odpowiednio różnych pomysłów z osobistej wiedzy i doświadczenia. Następnie skutecznie odzwierciedlają te idee z powrotem do pytającego, aby potwierdzić zrozumienie i zrozumienie, umożliwiając skuteczną konwersację prowadzącą do wzajemnie korzystnych wniosków.

Colin Beckingham
źródło
0

Najbardziej ogólną definicją terminu inteligencja, która jest zarazem zwięzła i dokładna, jest to.

Zbiór cech behawioralnych zamieszkałych w niektórych jednostkach, w przypadku których jednostka z powodzeniem realizuje określone działania, unikając określonych strat w określonym zakresie warunków środowiskowych.

Są to przykłady błędów w wykazywaniu inteligencji zgodnie z powyższą definicją, pokazujące znaczenie każdej frazy.

  • Niektóre inteligentne funkcje behawioralne, ale ogólne zachowanie systemu nie jest. Na przykład rakieta, która osiąga wysokość, ale nie może wejść na orbitę, lub żółw, który może schować głowę, ale nie może złapać błędu.
  • Inteligencja jest rozproszona między bytami, tak że każda pojedyncza istota nie wykazuje inteligencji, na przykład pszczoły lub pojedynczego.
  • Inteligencja jest prezentowana chwilowo, ale z czasem ulega rozpadowi, nie dostosowuje się do zmieniających się warunków lub nie jest wystarczająco niezawodna, aby pełnić praktyczną rolę.
  • Jednostka może osiągnąć cel, ale taki sukces jest niwelowany przez stratę zgromadzoną podczas jego osiągania.
  • Jednostka może zapobiec stracie, ale nie może w sposób niezawodny osiągnąć swoich celów.
  • Istota, która potrafi dostosować się do dowolnych warunków otoczenia i inteligentnie działać w każdym z nich, nie istnieje. Ludzka inteligencja ogranicza się do konkretnych scenariuszy i szoku i zamieszania, gdy przeciążenie i super-inteligencja są, jak na ten temat, domniemaniem bez dowodów empirycznych lub dowodów teoretycznych.

Zwróć uwagę na cztery rzeczy w tej definicji.

  • Optymalność nie jest wymagana. Wymagane jest tylko lepsze niż losowe zachowanie.
  • Chociaż jednostka testowana pod kątem inteligencji może komunikować się ze środowiskiem tylko za pomocą zestawów danych i metryk testowych, są to jej środowiska.
  • Czas jest koniecznie zaangażowany. W prostym przypadku sztuczna sieć wykazuje inteligencję tylko w swojej zdolności do wykazywania zachowania, które wcześniej było wystarczające. Takie mogą zachować inteligencję tylko poprzez dostosowanie treningu lub w środowisku, w którym dostosowanie do nowych wzorców nie jest wymagane.
  • Poznanie nie jest wymagane, ale z pewnością zwiększa zakres celów, które można w wiarygodny sposób realizować, oraz zdolność bytu do wykrywania niebezpieczeństwa i bardziej proaktywnego zapobiegania stracie.
Douglas Daseeco
źródło
-1

Inteligencja jest stanem, w którym pozyskuje się dowolny kontekst we wszystkich aspektach, aby uzyskać cnotę i działać. Można to podzielić na ludzkie i sztuczne aspekty postrzegania. Zdolność wyczuwania kontekstu i analizowania go w różnych perspektywach rozumienia przedmiotu w prawdziwym życiu, tak aby istniało skuteczne rozwiązanie.

Inteligencję należy uznać za ogólną pulę obejmującą różne postacie mentalne, takie jak logika, kreatywność, rozwiązywanie problemów itp., Które można trenować zarówno z perspektywy ludzkiej, jak i programu sztucznego.

Abhishek Matada
źródło