Аккуратность и неряшливость

В истории искусственного интеллекта аккуратный и неряшливый — это два противоположных подхода к искусственного интеллекта исследованиям (ИИ). Это различие было проведено в 1970-х годах и оставалось предметом дискуссий до середины 1980-х годов.

«Аккуратные» используют алгоритмы, основанные на единых формальных парадигмах, таких как логика , математическая оптимизация или нейронные сети . Neats проверяют правильность своих программ с помощью теорем и математической строгости. Умелые исследователи и аналитики склонны выражать надежду, что эту единую формальную парадигму можно расширить и улучшить для достижения общего интеллекта и сверхразума .

«Скраффи» используют любое количество различных алгоритмов и методов для достижения разумного поведения. Scruffies полагаются на поэтапное тестирование для проверки своих программ, а неряшливое программирование требует большого количества ручного кодирования или инженерных знаний . Скраффис утверждал, что общий интеллект можно реализовать только путем решения большого количества по существу несвязанных между собой проблем и что не существует серебряной пули , которая позволила бы программам развивать общий интеллект автономно.

Джон Брокман сравнивает аккуратный подход с физикой, поскольку в его основе лежат простые математические модели. Неряшливый подход больше похож на биологию, где большая часть работы включает изучение и классификацию разнообразных явлений.

В современном искусственном интеллекте есть элементы как небрежного, так и аккуратного подхода. В 1990-е годы исследователи искусственного интеллекта применяли к своим программам математическую строгость, как это делали специалисты. Они также выражают надежду на то, что существует единая парадигма («главный алгоритм»), которая приведет к появлению общего интеллекта и сверхинтеллекта. Но современный ИИ также похож на неряшлив: современные приложения машинного обучения требуют тщательной ручной настройки и поэтапного тестирования; хотя общий алгоритм является математически строгим, достижение конкретных целей конкретного приложения таковым не является. Кроме того, в начале 2000-х в сферу разработки программного обеспечения вошло экстремальное программирование , которое представляет собой современную версию неряшливой методологии — пробовать что-то и тестировать, не тратя времени на поиск более элегантных или общих решений.

Происхождение в 1970-х годах.

Различие между аккуратным и неряшливым придумал в середине 1970-х годов Роджер Шанк . Шанк использовал эти термины, чтобы охарактеризовать разницу между своей работой по обработке естественного языка (которая представляла собой знание здравого смысла в виде больших аморфных семантических сетей ) от работ Джона Маккарти , Аллена Ньюэлла , Герберта А. Саймона , Роберта Ковальски и других, чьи работы была основана на логике и формальных расширениях логики. Шанк назвал себя неряшливым искусственным интеллектом. Он провел это различие в лингвистике, решительно выступая против взглядов Хомского на язык.

Различие также было частично географическим и культурным: «неряшливые» атрибуты были проиллюстрированы исследованиями искусственного интеллекта в Массачусетском технологическом институте под руководством Марвина Мински в 1970-х годах. Лаборатория была известна своей «свободной свободой действий», и исследователи часто разрабатывали программы искусственного интеллекта, тратя долгие часы на точную настройку программ, пока они не показали требуемое поведение. Важные и влиятельные «грязные» программы, разработанные в Массачусетском технологическом институте, включали Джозефа Вайценбаума , ELIZA которая вела себя так, как если бы она говорила по-английски, без каких-либо формальных знаний вообще, и программу Терри Винограда . SHRDLU , который мог бы успешно отвечать на запросы и выполнять действия в упрощенном мире, состоящем из блоков и руки-робота. SHRDLU, хотя и был успешным, не мог быть масштабирован в полезную систему обработки естественного языка, поскольку ему не хватало структурированной конструкции. Поддержание более крупной версии программы оказалось невозможным, т. е. она была слишком неухоженной, чтобы ее можно было расширять.

Другие лаборатории ИИ (крупнейшими из которых были Стэнфорд , Университет Карнеги-Меллона и Эдинбургский университет ) сосредоточились на логике и формальном решении задач как основе ИИ. Эти учреждения поддерживали работу Джона Маккарти, Герберта Саймона, Аллена Ньюэлла, Дональда Мичи , Роберта Ковальски и других «аккуратных».

Контраст между подходом Массачусетского технологического института и других лабораторий также был описан как «процедурно-декларативное различие». Такие программы, как SHRDLU, были разработаны как агенты, выполняющие действия. Они выполнили «процедуры». Другие программы были разработаны как механизмы вывода, которые манипулировали формальными утверждениями (или «декларациями») о мире и переводили эти манипуляции в действия.

В своем президентском обращении к Ассоциации по развитию искусственного интеллекта обсудил этот вопрос, утверждая , в 1983 году Нильс Нильссон что «эта область нуждается в обоих». Он писал: «Большая часть знаний, которые мы хотим, чтобы наши программы имели, может и должна быть представлена ​​декларативно в каком-то декларативном, похожем на логику формализме. Специальные структуры имеют свое место, но большинство из них исходят из самой предметной области». Алекс П. Пентланд и Мартин Фишлер из SRI International согласились с ожидаемой ролью дедукции и логических формализмов в будущих исследованиях ИИ, но не в такой степени, как описал Нильссон.

Неряшливые проекты 1980-х годов

Этот неряшливый подход был применен к робототехнике Родни Бруксом в середине 1980-х годов. Он выступал за создание роботов, которые были бы, по его словам, быстрыми, дешевыми и неконтролируемыми (так называлась статья 1989 года, написанная в соавторстве с Анитой Флинн). В отличие от более ранних роботов, таких как Шейки или Стэнфордская тележка, они не создавали представления о мире путем анализа визуальной информации с помощью алгоритмов, основанных на математических методах машинного обучения , и не планировали свои действия, используя формализации, основанные на логике, такие как планировщика Язык . Они просто реагировали на свои сенсоры таким образом, что это помогало им выжить и двигаться.

Дугласа Лената был Проект Cyc начат в 1984 году. Он является одним из первых и самых амбициозных проектов по передаче всех человеческих знаний в машиночитаемой форме и является «определенно неряшливым предприятием». База данных Cyc содержит миллионы фактов обо всех сложностях мира, каждый из которых должен быть введен по одному инженерами знаний. Каждая из этих записей представляет собой специальное дополнение к интеллекту системы. Хотя может существовать «изящное» решение проблемы здравого смысла (например, алгоритмы машинного обучения с обработкой естественного языка, которые могли бы изучать текст, доступный в Интернете), ни один такой проект еще не увенчался успехом.

Общество Разума

Основная статья: Общество разума

В 1986 году Марвин Мински опубликовал «Общество разума» , в котором отстаивал взгляд на интеллект и разум как на взаимодействующее сообщество модулей или агентов , каждый из которых обрабатывал разные аспекты познания, причем некоторые модули были специализированы для очень конкретных задач (например, обнаружение границ в визуальном изображении). кора) и другие модули были специализированы для управления коммуникацией и расстановкой приоритетов (например, планирование и внимание в лобных долях). Мински представил эту парадигму как модель биологического человеческого интеллекта и как план будущей работы в области ИИ.

Эта парадигма явно «неряшливая», поскольку не предполагает существования единого алгоритма, который можно было бы применить ко всем задачам, связанным с интеллектуальным поведением. Минский писал:

Какой волшебный трюк делает нас умными? Фишка в том, что никакой хитрости нет. Сила интеллекта проистекает из нашего огромного разнообразия, а не из какого-то одного совершенного принципа.

По состоянию на 1991 год Мински все еще публиковал статьи, оценивающие относительные преимущества аккуратного и неряшливого подходов, например, «Логический против аналогового или символического против коннекционистского или аккуратного против аналогового». Скраффи».

Современный ИИ одновременно аккуратен и неряшлив

Новые статистические и математические подходы к ИИ были разработаны в 1990-х годах с использованием высокоразвитых формализмов, таких как математическая оптимизация и нейронные сети . Памела МакКордак написала: «Когда я пишу, ИИ пользуется гегемонией Четких людей, которые считают, что, по крайней мере, машинный интеллект лучше всего выражается в логических, даже математических терминах». в 2003 году как «победа аккуратности» Эта общая тенденция к более формальным методам в ИИ была описана Питером Норвигом и Стюартом Расселом .

Однако к 2021 году Рассел и Норвиг изменили свое мнение. Сети глубокого обучения и машинное обучение в целом требуют обширной тонкой настройки — их необходимо итеративно тестировать, пока они не начнут демонстрировать желаемое поведение. Это грубая методология.

Известные примеры

Аккуратный

• Джон Маккарти
• Аллен Ньюэлл
• Герберт А. Саймон
• Эдвард Фейгенбаум
• Роберт Ковальски
• Иудея Перл

Скраффи

• Родни Брукс
• Терри Виноград
• Марвин Мински
• Роджер Шэнк
• Дуг Ленат

См. также

• История искусственного интеллекта
• Мягкие вычисления
• Символический ИИ
• Философия искусственного интеллекта

Ссылки

• Брокман, Джон (7 мая 1996 г.). Третья культура: за пределами научной революции . Саймон и Шустер . Проверено 2 августа 2021 г.
• Кревье, Дэниел (1993). ИИ: бурные поиски искусственного интеллекта . Нью-Йорк, штат Нью-Йорк: BasicBooks. ISBN  0-465-02997-3 . .
• Домингос, Педро (22 сентября 2015 г.). Главный алгоритм: как поиски совершенной обучающейся машины изменят наш мир . Основные книги . ISBN  978-0465065707 .
• Ленерт, Венди К. (1 мая 1994 г.). «5: Познание, компьютеры и автомобильные бомбы: как Йельский университет подготовил меня к 90-м». В Шанке, Роберт; Лангер, Эллен (ред.). Убеждения, рассуждения и принятие решений: психологика в честь Боба Абельсона (первое изд.). Нью-Йорк, штат Нью-Йорк: Группа Тейлора и Фрэнсиса. п. 150. дои : 10.4324/9780203773574 . ISBN  9781134781621 . Проверено 2 августа 2021 г.
• Мински, Марвин (1986). Общество разума . Нью-Йорк: Саймон и Шустер. ISBN  0-671-60740-5 .
• МакКордак, Памела (2004), Машины, которые думают (2-е изд.), Натик, Массачусетс: AK Peters, Ltd., ISBN  1-56881-205-1 .
• Рассел, Стюарт Дж .; Норвиг, Питер (2003). Искусственный интеллект: современный подход (2-е изд.). Река Аппер-Сэддл, Нью-Джерси: Прентис-Холл. ISBN  0-13-790395-2 .
• Рассел, Стюарт Дж .; Норвиг, Питер (2021). Искусственный интеллект: современный подход (4-е изд.). Хобокен: Пирсон. ISBN  9780134610993 . LCCN   20190474 .
• Виноград, Терри; Флорес (1986). Понимание компьютеров и познания: новый фундамент дизайна . Аблекс Пабл Корп.

Дальнейшее чтение

• Андерсон, Джон Р. (2005). «Манипулирование человеческими символами в рамках интегрированной когнитивной архитектуры» . Когнитивная наука . 29 (3): 313–341. дои : 10.1207/s15516709cog0000_22 . ПМИД   21702777 .
• Брукс, Родни А. (18 января 2001 г.). «Отношения между материей и жизнью» . Природа . 409 (6818): 409–411. Бибкод : 2001Natur.409..409B . дои : 10.1038/35053196 . ПМИД   11201756 . S2CID   4430614 .