Cuando hablamos de inteligencia artificial, inteligencia humana o cualquier otra forma de inteligencia, ¿qué queremos decir con el término inteligencia en un sentido general? ¿Qué llamarías inteligente y qué no? En otras palabras, ¿cómo definimos el término inteligencia de la manera más general posible?
Respuestas:
Voy a presentar esta respuesta al señalar que personas mucho más inteligentes que yo han tratado este tema con cierto detalle. Dicho esto, hasta donde puedo discernir:
Cuando hablamos de inteligencia, nos referimos a la fuerza de resolución de problemas en relación con un problema, en relación con la fuerza de otras inteligencias.
Esta es una concepción teórica de juego, relacionada con la racionalidad y el concepto del agente racional . En cuanto a la inteligencia de esta manera puede ser inevitable. Específicamente, podríamos definir la inteligencia como la capacidad de comprender un problema o solución o conceptos abstractos, pero no podemos validar esa comprensión sin probarlo. (Por ejemplo, podría creer que entiendo una técnica matemática, pero la única forma de determinar si esa creencia es real o ilusoria es utilizar esa técnica y evaluar los resultados).
La razón por la que juegos como Chess y Go se han utilizado como hitos, aparte del interés humano de larga data en los juegos, es que proporcionan modelos con parámetros simples y completamente definibles y, en el caso de Go al menos, tienen una complejidad similar a la naturaleza, con lo que quiero decir insoluble / intratable . (Compare con la fuerza en Tic-Tac-Toe, que se resuelve trivialmente).
Sin embargo, debemos considerar un punto hecho en esta respuesta concisa a una pregunta que involucra la Prueba de Turing :
"... ¿[la inteligencia] se define únicamente por el comportamiento en un entorno o por los mecanismos que llegan a ese comportamiento?"
Esto es importante porque Google acaba de dar el control sobre el enfriamiento del centro de datos a una IA . Aquí es claramente el mecanismo en sí lo que demuestra la utilidad, pero si llamamos a ese mecanismo inteligente, para que la inteligencia tenga sentido, todavía tenemos que lidiar con "¿cómo inteligente? (¿De qué manera es inteligente?) Si queremos saber "¿qué tan inteligente?" (su grado de utilidad) todavía tenemos que evaluar su desempeño en relación con el desempeño de otros mecanismos.
(En el caso de los autómatas que controlan el aire acondicionado en Google, podemos decir que es más inteligente que el sistema de control anterior y en qué medida).
Debido a que estamos comenzando a hablar de más "inteligencia generalizada", definida aquí como mecanismos que pueden aplicarse a un conjunto de problemas (incluyo minimax como una forma de "inteligencia axiomática" y el aprendizaje automático como una forma de "inteligencia adaptativa" ) , puede valer la pena ampliar y aclarar la definición:
La inteligencia es la fuerza para resolver problemas de un mecanismo en relación con un problema o un conjunto de problemas, en relación con la fuerza de otros mecanismos.
o, si quisiéramos ser concisos:
La inteligencia es como lo hace la inteligencia (y qué tan bien).
En el artículo Universal Intelligence: A Definition of Machine Intelligence (2007), Legg y Hutter proporcionan una definición de inteligencia , que debería capturar la noción intuitiva de inteligencia (a la que la gente se refiere a menudo).
La inteligencia mide la capacidad de un agente para lograr objetivos en una amplia gama de entornos.
Esta definición "favorece" la inteligencia general sobre las IA estrechas (por ejemplo, los humanos son más inteligentes que AlphaGo) y la adaptabilidad del agente a diferentes entornos. Sin embargo, esta definición podría no ser perfecta, porque, por ejemplo, un virus podría considerarse más inteligente que, por ejemplo, AlphaGo, dada la capacidad del virus para adaptarse a una amplia gama de entornos (en comparación con AlphaGo, que solo reproduce Go) . Esta definición está muy relacionada con la teoría matemática de la inteligencia general artificial llamada AIXI . Echa un vistazo al periódico para más detalles.
Antes de la era de la computadora, la inteligencia se definía en términos filosóficos. Tiene que ver con la lógica, el pensamiento, el aprendizaje, la autoconciencia, la memoria y la resolución de problemas. Esta definición es vaga y no se puede implementar en software. Un enfoque moderno para definir la inteligencia se basa en la teoría de juegos. El truco es que la inteligencia ya no está conectada con personas reales que pueden tener un alma, sino que es solo una estrategia para ganar un juego. La idea es modificar un poco el problema, en lugar de discutir qué memoria y aprendizaje podría ser, la pregunta más importante es cómo crear juegos. Un juego es un sistema de reglas legible por máquina, que simula la realidad. Por ejemplo, "Pong" es una simulación de tenis, mientras que "Sim city" simula la construcción de una casa. Entre un juego y una estrategia exitosa en el juego hay una diferencia. Es posible obtener una puntuación débil en un juego,
La invención de la computadora también se puede llamar la realización de la inteligencia. La mayoría de los científicos teóricos de la computación están de acuerdo en que una computadora lista para trabajar puede resolver cualquier problema. Todo lo que necesita es un algoritmo, que es una secuencia de pasos. Eso significa que, desde la perspectiva de las capacidades, una computadora puede llamarse inteligente, porque puede ejecutar un algoritmo. Esto no responde a la pregunta de cómo se verá el algoritmo concreto, pero en teoría una computadora puede hacer cualquier cosa que los humanos puedan hacer.
Esta es una pregunta importante para la IA, quizás la más importante de todas, para el campo de investigación de la Inteligencia Artificial . Quiero decir que si la IA es ciencia, entonces sus experimentos serán empíricamente comprobables. Tiene que haber una manera de decidir pasar o fallar. Entonces, ¿cuáles son las pruebas de inteligencia? Antes de diseñar una prueba, necesita una idea clara de lo que equivale a la inteligencia, de lo contrario, ¿cómo podría diseñar una prueba competente para ella?
Claro, soy parte del proyecto de investigación y desarrollo conocido como Building Watertight Submarines, y estoy seguro de que mi submarino es hermético, pero no tengo idea de cómo probar si es o no porque no lo sé qué significa "hermético". Toda esta idea es absurda. Pero pregúntele a AI qué significa "inteligencia". Las respuestas que obtienes, en el análisis, son casi las mismas que en el ejemplo del submarino.
Respuesta básica: comportamiento
La palabra (idea, concepto) "Inteligencia" generalmente es definida por AI en términos de comportamiento. Es decir, el enfoque de prueba de Turing. Una máquina es inteligente si se comporta de una manera que, si un humano se comportara de la misma manera, se diría que el humano realiza una acción que requiere inteligencia humana.
Problema 1 : los pianos del jugador son inteligentes. Tocar una melodía de Scott Joplin obviamente requiere inteligencia en un humano.
Problema 2 . Si una máquina pasa la prueba, solo muestra que la máquina es "inteligente" para los comportamientos probados. ¿Qué pasa con los comportamientos no probados? Esto es realmente un problema de vida o muerte hoy en día con los sistemas de control de IA de vehículos autónomos. Los sistemas de IA son aceptablemente buenos para conducir un automóvil (lo que obviamente requiere inteligencia humana) en entornos específicos, por ejemplo, autopistas con carriles bien marcados, sin curvas cerradas y una barrera mediana que separa las dos direcciones. Pero los sistemas van desastrosamente mal en "casos extremos" - situaciones inusuales.
Problema 3 . ¿Quién pondría a su hijo en un autobús escolar conducido por un robot que pasó la prueba de Turing para conducir autobuses escolares? ¿Qué pasa con una tormenta cuando una línea de energía eléctrica cae al otro lado de la carretera? ¿O un tornado en la distancia viene por aquí? ¿Qué pasa con mil otras posibilidades no probadas? Un padre responsable querría saber (a) cuáles son los principios de los procesos internos y las estructuras de la inteligencia humana, y (b) que el conductor del bus digital tenía procesos y estructuras internas adecuadamente similares, es decir, no el comportamiento sino los elementos internos correctos , la causalidad interna correcta.
Respuesta deseada: principios internos
Me gustaría saber que la máquina estaba ejecutando los procesos internos correctos y que estaba ejecutando estos procesos (algoritmos) en las estructuras internas (memoria) correctas. El problema es que nadie parece saber cuáles son los procesos internos y las estructuras correctas de la inteligencia humana. (Un gran problema para estar seguro, pero uno que no ha frenado la IA, o los desarrolladores de sistemas autónomos, un poco). La implicación de esto es que lo que la IA debería estar haciendo ahora es resolver cuáles son los procesos internos. y estructuras de inteligencia humana. Pero no está haciendo esto, sino que está comercializando su tecnología defectuosa.
Elementos de una definición - 1. Generalización
Sí sabemos algunas cosas sobre la inteligencia humana. Algunas pruebas realmente prueban si una máquina tiene ciertas propiedades de la mente humana. Una de estas propiedades es la generalización. En su artículo de 1950, Turing, como una especie de broma, dio un muy buen ejemplo de generalización conversacional: (El testigo es la máquina).
"Interrogador: en la primera línea de su soneto que dice '¿Te comparo con un día de verano', no sería 'mejor o mejor un' día de primavera '?
Testigo: No escanearía.
Interrogador: ¿Qué tal "un día de invierno"?
Testigo: Sí, pero nadie quiere ser comparado con un día de invierno.
Interrogador: ¿Diría que el Sr. Pickwick le recordó la Navidad?
Testigo: En cierto modo.
Interrogador: Sin embargo, la Navidad es un día de invierno, y no creo que al Sr. Pickwick le importe la comparación.
Testigo: No creo que hables en serio. Por desollamiento de invierno se entiende un día típico de invierno, en lugar de uno especial como la Navidad ".
La IA actual no tiene nada que se acerque remotamente a poder generalizar de esta manera. La falta de generalización se considera quizás la mayor falla de la IA actual. La capacidad de generalizar sería una parte de una definición adecuada de "inteligencia". Pero lo que equivale a generalización necesitaría ser explicado.
El problema de la generalización, también, está detrás de varias objeciones filosóficas severas a la teoría de la IA, incluido el problema del marco, el problema del conocimiento del sentido común y el problema de la explosión combinatoria.
Elementos de una definición - 2. Percepción
La percepción sensorial es, obviamente, fundamental para el aprendizaje y la inteligencia humana. Los datos (de alguna forma) son emitidos por los sentidos humanos y luego procesados por el sistema central. En la computadora, los valores binarios salen del sensor digital y viajan a la máquina. Sin embargo, nada en los valores mismos indica lo que se detectó. Sin embargo, lo único que obtiene la computadora son los valores binarios. ¿Cómo podría la máquina llegar a saber lo que se siente? (El clásico problema de argumento de la sala china).
Entonces, otro elemento de la inteligencia humana es la capacidad de percibir de una manera humana. Lo que significa "forma humana" aquí es que la máquina procesa información sensorial utilizando los mismos principios que se aplican en la percepción humana. El problema es que nadie parece saber cómo se puede construir una semántica (conocimiento) a partir de los datos emitidos por sensores digitales (o sentidos orgánicos). Pero aún así, la percepción similar a la humana debe ser un elemento de una definición adecuada de "inteligencia".
Una vez que la IA solucione estos dos problemas: generalización y percepción, probablemente, con suerte , estará en camino de alcanzar su objetivo original de casi 70 años: construir una máquina con (o que pueda adquirir) un aspecto humano inteligencia general. Y tal vez los principios de generalización y los principios de percepción son uno y el mismo. Y tal vez en realidad solo hay un principio. No debe suponerse que las respuestas son complejas. A veces, las cosas más difíciles de entender son las más simples.
Entonces, la pregunta "¿Qué queremos decir cuando decimos" inteligencia "? Es realmente importante para la IA. Y la conclusión es que la IA debería reemplazar su definición de comportamiento actual de" inteligencia "con una que incluya los elementos humanos de generalización y percepción. Y luego continúe e intente elaborar los principios operativos, o principio, de ambos.
La inteligencia es la capacidad de entrelazar varios conceptos y asociaciones en un todo significativo; filtrando, agregando y rechazando apropiadamente varias ideas del conocimiento personal y la experiencia. Luego, refleje de manera efectiva estas ideas a un interlocutor para afirmar su comprensión y comprensión, permitiendo que una conversación proceda efectivamente hacia una conclusión mutuamente beneficiosa.
La definición más general del término inteligencia que es breve y exacta es esta.
El conjunto de características de comportamiento que residen en alguna entidad donde la entidad tiene éxito de manera sostenible en actividades específicas mientras evita pérdidas específicas en un rango particular de condiciones ambientales.
Estos son ejemplos de fallas en la exhibición de inteligencia según la definición anterior, lo que demuestra la importancia de cada frase.
Observe cuatro cosas en esta definición.
La inteligencia es un estado donde se adquiere cualquier contexto en todos los aspectos para obtener su virtud y actuar. Esto puede ramificarse en aspectos humanos y artificiales de la percepción. Capacidad de sentir el contexto y analizarlo desde diferentes perspectivas de comprensión de un objeto en la vida real para que haya una solución eficiente.
La inteligencia debe considerarse como un grupo genérico de incorporación de varias figuras mentales como la lógica, la creatividad, la resolución de problemas, etc. Estos pueden ser entrenados tanto en la perspectiva del programa humano como artificial.