¿Qué es la inteligencia artificial?


Respuestas:


3

Con los años, muchas personas intentaron definir la inteligencia artificial. Stuart Russell y Peter Norvig resumen muchas de esas definiciones en su libro Inteligencia artificial: un enfoque moderno

Las definiciones de IA se pueden resumir en las siguientes categorías:

  1. Aquellos que abordan el proceso de pensamiento y el razonamiento (cómo piensa / razona una IA)
  2. Aquellos que abordan el comportamiento (cómo actúa una IA dado lo que sabe)

Además, las 2 categorías anteriores se dividen en definiciones que:

I. evaluar el éxito de una IA (para hacer lo anterior) en función de su capacidad para replicar el rendimiento humano

II o la capacidad de replicar una medida de rendimiento ideal llamada 'racionalidad' (¿hace lo 'correcto' en función de lo que sabe?)

Citaré definiciones que se ajustan a cada una de las categorías anteriores:

  • 1.I. "La [automatización de] actividades que asociamos con el pensamiento humano, actividades como la toma de decisiones, la resolución de problemas, el aprendizaje ..." - Bellman 1978
  • 1.II. "El estudio de los cálculos que hacen posible percibir, razonar y actuar". - Winston, 1992
  • 2.I. "El estudio de cómo hacer que las computadoras hagan cosas en las cuales, en este momento, las personas mejoran" - Rich y Knight, 1991
  • 2.II. "El estudio del diseño de agentes inteligentes" - Poole et al., 1998

En resumen, la IA se dedica a la creación de máquinas inteligentes y racionales que pueden tomar decisiones racionales y tomar acciones racionales.

Te sugiero que leas sobre la prueba de Turing, que Alan Turing propuso probar si una computadora era inteligente. Sin embargo, la prueba de Turing tiene algunos problemas, porque es antropomórfica.

Cuando los ingenieros aeronáuticos crearon el avión, no establecieron su objetivo de que los aviones deberían volar exactamente como las aves, sino que comenzaron a aprender cómo se generaban las fuerzas de elevación, según el estudio de la aerodinámica. Usando este conocimiento, crearon planos.

Del mismo modo, las personas en el mundo de la IA no deberían poner, en mi humilde opinión, la inteligencia humana como el estándar para luchar, sino que, por el contrario, podríamos usar, por ejemplo, la racionalidad como un estándar (entre otros).


Realmente me gustan tus explicaciones duales. La fuerza no es un requisito para AI imo, solo tiene que ser automatizado y tomar decisiones.
DukeZhou

La mayoría de las definiciones enumeradas son de actividad académica del siglo XX, no de IA en sí. No son independientes del progreso ni se basan en la capacidad medible del sistema. Bellman es el más cercano a una definición funcional que se aplica a un sistema, pero es extremadamente insuficiente. Una persona puede tomar una decisión sobre qué boleto de lotería comprar, resolver el problema del pasto largo cortando el césped o aprender a moverse por su buzón, pero esos son requisitos inadecuados para un sistema etiquetado como inteligente. Ninguno de ellos menciona la mejora incremental, la adaptabilidad o la inventiva.
FauChristian el

@DukeZhou, la fuerza, estoy de acuerdo, no es un requisito para cerebros o simulaciones de ellos. Es un requisito para los músculos y simulaciones de ellos como hidráulica y resortes. Sin embargo, lo que algunos artículos llaman fuerza es realmente EXTREMO. Si alguien pudiera ordenar libros en un estante de libros por el sistema Dewey pero no pudiera alfabetizar sus DVD, nos preguntaríamos si eran tontos. No diríamos: "Qué inteligentes son para poder hacer al menos uno de los dos". No queremos que los teléfonos inteligentes y los automóviles sean tan inteligentes como los humanos. Deben hacer cosas que nosotros mismos estamos demasiado cansados ​​o incapaces de hacer.
FauChristian el

1
@FauChristian Strength como en Strong AI proviene de los trabajos del filósofo John Searle, quien presentó el experimento de la sala china para refutar la propuesta de Alan Turing de que la prueba de Turing implicaba inteligencia. Searle argumentó que una computadora que simplemente manipulaba símbolos no entendía realmente, del mismo modo que un hombre que no habla chino puede engañar a los hablantes de chino para que pueda comprender el chino combinando símbolos usando un manual para construir respuestas. Searle argumentó que la IA fuerte es cuando una máquina puede describirse como teniendo una mente, cuando una máquina no solo actúa de manera inteligente, sino que comprende
Omar K,

1
Y este es exactamente el problema. Sin fundamentos filosóficos rigurosos, como básicamente todas las investigaciones que utilizan el método científico como base, la IA siempre estará oculta detrás del problema de las definiciones. Los primeros investigadores de IA analizaron los problemas filosóficos en cuestión al igual que se negaron a abordar la explosión combinatoria desde el principio (lo que casi llevó al final de la investigación de IA). Sin una puñalada real sobre los fundamentos filosóficos, muchos argumentarían que cualquier cosa que digas es solo tus sentimientos sobre la IA.
Omar K

1

En el artículo Universal Intelligence: A Definition of Machine Intelligence (2007), Legg y Hutter, después de un estudio bastante serio, definen informalmente la inteligencia de la siguiente manera

La inteligencia mide la capacidad de un agente para lograr objetivos en una amplia gama de entornos.

En el mismo documento, también formalizan esta definición. Puede consultar el documento para obtener más detalles, pero, en pocas palabras, para llegar a esta definición, han examinado varias definiciones de inteligencia dadas por personas a lo largo de los años y han tratado de resumir la clave puntos de todas estas definiciones. También discuten temas como las pruebas de inteligencia y su relación con la definición de inteligencia: es decir, ¿una prueba de inteligencia es suficiente para definir la inteligencia, o es una prueba de inteligencia y una definición de conceptos distintos de inteligencia? También señalan la relación entre esta definición y AIXI .


0

En el artículo ¿Qué es la inteligencia artificial? (2007), John McCarthy, uno de los fundadores de la inteligencia artificial y quien también acuñó la expresión inteligencia artificial , escribe

La inteligencia artificial es la ciencia y la ingeniería de hacer máquinas inteligentes, especialmente programas informáticos inteligentes. Está relacionado con la tarea similar de usar computadoras para comprender la inteligencia humana, pero la IA no tiene que limitarse a métodos que son biológicamente observables.

Sin embargo, esta definición está relacionada con la inteligencia humana, por lo que no todos estarán de acuerdo con esta definición.

Él además declara

La inteligencia es la parte computacional de la capacidad de lograr objetivos en el mundo. Se producen diversos tipos y grados de inteligencia en las personas, muchos animales y algunas máquinas.

El campo de la IA ha evolucionado desde su concepción oficial en la conferencia de Dartmouth en 1956, por lo que la definición de inteligencia artificial también evolucionará. Antes de esa conferencia, ya había varios campos y expresiones relacionados, por ejemplo, la cibernética.


-1

La respuesta más corta que pueda encontrar podría ser la siguiente; tómelo con un grano de sal, ya que todavía no sabemos mucho sobre inteligencia natural:

La inteligencia natural podría verse como el proceso de aprender conceptos abstractos a partir de observaciones limitadas con la intención de usarlos para resolver una [nueva] tarea. Este proceso implica el uso de esos conceptos para imaginar nuevos escenarios / teorías hipotéticamente correctos y combinarlos de manera significativa para reducir el enorme espacio de posibilidades de hipótesis y permitir la generalización a nuevas situaciones sin observar ningún dato de antemano. La inteligencia artificial es llevar lo que la inteligencia natural hace a las máquinas.


-1

No hay una definición formal en la que la mayoría de la gente esté de acuerdo. Por lo tanto, esto es lo que yo, como consultor de ciencia de datos / aprendizaje automático, pienso:

La inteligencia artificial como campo de investigación es el estudio de agentes que perciben y actúan de forma autónoma en un entorno y mejoran su situación de acuerdo con alguna métrica con sus acciones.

No me gusta el término, porque es demasiado amplio / vago. En cambio, mire la definición de aprendizaje automático de Tom Mitchell:

Se dice que un programa de computadora aprende de la experiencia 'E', con respecto a alguna clase de tareas 'T' y la medida de desempeño 'P' si su desempeño en las tareas en 'T' medido por 'P' mejora con la experiencia E

El aprendizaje automático es una parte importante de la IA, pero no la única. Los algoritmos de búsqueda, SLAM, optimización restringida, bases de conocimiento e inferencia automática también son ciertamente parte de la IA.


-1

Los investigadores de inteligencia artificial sin duda tienen interés en definir el término utilizado para su propio campo de disciplina, y hay poca ambigüedad en el término artificial . El desafío radica en que la palabra inteligencia ha sido históricamente más una descripción cualitativa que una cantidad de números reales.

¿Cómo se puede comparar la inteligencia de uno con la inteligencia de otro? Las pruebas de coeficiente intelectual, el promedio de las categorías de pruebas de la junta universitaria, el patrimonio neto, la victoria en torneos de Ajedrez y Go, las tasas de decisión incorrectas, varias carreras de velocidad intelectual, los paneles y paneles de evaluación han sido un conjunto de críticas dolorosamente inadecuadas para aquellos involucrados en la teoría matemática detrás de las capacidades mentales Llamamos inteligencia.

Hace solo un siglo, inteligencia era un término cualitativo asociado con la capacidad de encontrar soluciones a problemas en la academia, los negocios y la vida personal. A medida que la cultura comenzó a buscar un tratamiento cuantitativo de las cosas que alguna vez fueron exclusivamente cualitativas, la dependencia de la capacidad mental de la edad de una persona y sus oportunidades ambientales introdujeron un desafío. La idea del coeficiente intelectual (IQ) surgió del deseo de cuantificar el potencial mental independientemente de la edad y la oportunidad.

Algunos han intentado minimizar los factores ambientales mediante la producción de pruebas estandarizadas de habilidades cognitivas fundamentales a medida que se aplican a las matemáticas y el lenguaje.

El sistema de producción y los contenedores de lógica difusa (basados ​​en reglas), aprendizaje profundo (basado en redes artificiales), algoritmos genéticos y otras formas de investigación de IA no han producido máquinas que puedan obtener buenos resultados en pruebas estandarizadas diseñadas para humanos. Sin embargo, las capacidades del lenguaje natural, la coordinación mecánica, la excelencia en la planificación y la extracción de conclusiones basadas en un razonamiento claro y verificable continúan siendo buscados en las máquinas.

Las siguientes son categorías de capacidades mentales, que se distinguen por sus métodos de medición, arquitectura de uso y los tipos de investigación que han producido resultados prometedores tempranos y una mejora continua.

  • Diálogo: medido tanto por el juego de imitación propuesto por Alan Turing como por la viabilidad de la automatización del sistema de respuesta, asistentes personales y chat-bots móviles
  • Control mecánico: medido tanto por los criterios de estabilidad del sistema como por la tasa del costo del incidente y la reducción de la pérdida de vidas en el caso del uso del sector de transporte de la automatización inteligente
  • Inteligencia empresarial: medida principalmente por el aumento o la disminución de la rentabilidad en relación con las tendencias anteriores o simultáneas con la planificación manual y el control operativo

El descubrimiento de la parametrización más probable y óptima para una función compleja basada en alguna expresión matemática de qué medios óptimos deliberadamente no se enumera anteriormente. Cuál es la actividad central para los dispositivos de aprendizaje automático no encaja bien en las categorías de lo que históricamente se ha llamado inteligencia, ni debería serlo. El tratamiento estadístico de los conjuntos de datos con fines predictivos no es aprender en el sentido intelectual. Es de superficie. El aprendizaje automático es actualmente una herramienta para ser utilizada por la inteligencia humana, para extender su poder, como otras herramientas computacionales.

Esta restricción sobre el aprendizaje automático puede, en el futuro, ser trascendida. No se sabe si las redes artificiales demostrarán cognición, lógica, la capacidad de reconocer significancia y la capacidad efectiva en las categorías enumeradas anteriormente.

norteyoRnortenorte=1

  • Inteligencia lingüística ("palabra inteligente")
  • Inteligencia lógico-matemática ("número / razonamiento inteligente")
  • Inteligencia espacial ("imagen inteligente")
  • Inteligencia corporal-kinestésica ("cuerpo inteligente")
  • Inteligencia musical ("música inteligente")
  • Inteligencia interpersonal ("personas inteligentes")
  • Inteligencia intrapersonal ("auto inteligente")
  • Inteligencia naturalista (adición de Armstrong)
  • Inteligencia existencial (adición de Armstrong)
  • Inteligencia moral (John Bradshaw, Ph.D., además)

El argumento de que todas estas son manifestaciones de una sola capacidad de inteligencia expresada en una eficacia variable debido a la educación u otro entrenamiento ha sido sistemáticamente debilitado por el descubrimiento basado en evidencia en los campos de la ciencia cognitiva, la genética y la bioinformática.

En genética, se han identificado al menos veintidós componentes genéticos independientes de la inteligencia, y es probable que ese número aumente. Estos cambios independientes en el ADN humano no afectan todos los mismos controles neuronales en el cerebro, lo que indica la debilidad basada en la evidencia de la ideología del factor g.

Es probable que algunas de las formas de inteligencia humana y expresión de ADN se mapeen de formas complejas que se descubrirán con el tiempo y que este mapeo reemplazará por completo la simplificación del factor g con el tiempo.

El término Inteligencia Artificial puede expresarse mejor como Simulaciones de las Formas y Expresiones de Inteligencia Humana y simplemente abreviarse como AI. Sin embargo, esa no es una definición. Es una descripción aproximada. Puede que nunca haya una definición precisa única para todas las dimensiones que agrupamos libremente bajo el término único. Si ese es el caso de la inteligencia humana, entonces también puede seguir siendo cierto para la inteligencia artificial.

Hay algunas características comunes que se pueden enumerar sobre todas las respuestas inteligentes.

  • La inteligencia solo se puede medir y obtener utilidad dentro del contexto de una condición ambiental particular y algún objetivo o conjunto de objetivos. Ejemplos de objetivos incluyen mantenerse con vida, obtener un título, negociar una tregua en medio de un conflicto, o hacer crecer activos o un negocio.
  • La inteligencia implica la adaptación a condiciones inesperadas basadas en lo que se aprende a través de la experiencia, por lo tanto, aprender sin la capacidad de aplicar lo que se aprende no es inteligencia y aplicar un proceso que se aprendió y simplemente se transfirió a alguien o algo que controla el proceso tampoco Considerado inteligencia.

La inteligencia humana puede aprender y aplicar lo que parece ser una manera concurrente. Más allá de eso, sería incorrecto discutir una definición funcional de inteligencia sin mencionar algunas de las habilidades mentales humanas clave que se han propuesto como recursividad en formas menores, pero no existe prueba de que la recursividad o la composición produzcan estas características mentales.

  • Aprendizaje concurrente y uso de lo aprendido.
  • La capacidad de inventar nuevos mecanismos de mejora incremental
  • Adaptabilidad a condiciones inesperadas.
  • La capacidad de inventar estructuras fuera de los dominios aprendidos actualmente

Los requisitos futuros para máquinas inteligentes pueden incluir estos, y puede haber cierta sabiduría para incluirlos ahora.

Referencias

Guiones, planes, objetivos y comprensión: una investigación sobre las estructuras de conocimiento humano , Schank, Abelson, 2013, citado por 16.689 artículos, extracto de T&F: en el verano de 1971, hubo un taller en un campo mal definido en la intersección de psicología, inteligencia artificial y lingüística. Los quince participantes estaban interesados ​​de diversas maneras en la representación de grandes sistemas de conocimiento o creencias.

Comprender nuestro oficio: se busca: una definición de inteligencia , Michael Warner, 2002

El concepto de inteligencia y su papel en el aprendizaje permanente y el éxito , Robert J. Sternberg, Universidad de Yale, 1997

Algunos problemas filosóficos desde el punto de vista de la IA , John McCarthy y Patrick J. Hayes, Universidad de Stanford, 1981

Comprensión y desarrollo de la inteligencia emocional , Olivier Serrat, Soluciones de conocimiento, pp 329-339, 2017

Frames of Mind: The Theory of Multiple Intelligences , 2011, Howard Gardner

7 (siete) tipos de inteligencia: identificación y desarrollo de sus inteligencias múltiples , 1999, Thomas Armstrong

El metanálisis de asociación de todo el genoma de 78.308 individuos identifica nuevos loci y genes que influyen en la inteligencia humana , Suzanne Sniekers et. al., 2017


Esta definición de Inteligencia se enfoca fuertemente en un trasfondo científico que se basa en el ADN humano. Lo que falta es el componente social de inventar trucos de magia. El primer ejemplo de robótica fue llamado Automaton hecho por el jugador equivocado Wolfgang von Kempelen. La idea era engañar a la gente. Apostar en carreras de caballos (Ada Lovelace), juegos de dados y cálculos rápidos en el cerebro humano puede ser visto como un engaño hecho por un ilusionista .
Manuel Rodríguez el

-1

Inteligencia

Una medida de la fuerza de un agente de toma de decisiones en relación con otros agentes de toma de decisiones, con respecto a una tarea determinada o un conjunto de tareas. El medio es irrelevante: la inteligencia se exhibe mediante mecanismos tanto orgánicos como creados intencionalmente. También puede ser la capacidad de resolver un problema, como en el caso de un juego resuelto .

Artificial

Se refiere al término artefacto , una cosa que se crea intencionalmente. Por lo general, este término se ha utilizado para connotar objetos físicos, pero los algoritmos creados por humanos también se consideran artefactos.

La etimología se deriva de las palabras latinas ars y faciō : "Construir hábilmente" o "el arte de hacer".

Inteligencia artificial

  • Cualquier agente de toma de decisiones que sea hábilmente (intencionalmente) construido.

APÉNDICE: El significado de "inteligencia"

El significado original de "inteligencia" parece ser "adquirir", de vuelta al indoeuropeo. Ver: inteligencia (etimología) ; * pierna / * leh₂w-

La primera definición de inteligencia del OED no es incorrecta, extiende el significado a la adquisición de capacidad (utilidad demostrable), solo que la segunda definición es la más antigua y fundamental: "La recopilación de información de valor [estratégico]; 2.3 Información (arcaica) en Noticias generales."

Puede considerar que el universo está compuesto de información , cualquiera sea la forma que tome la información (materia, energía, estados, posiciones relativas, etc.) Desde el punto de vista de un algoritmo, esto tiene sentido ya que los únicos medios que tienen para medir el universo son percepciones .

Toma un archivo de texto plano. Puede que solo sean datos, pero podrías intentar ejecutarlos. Si realmente se ejecuta, podría demostrar utilidad en alguna tarea. (Por ejemplo, si se trata de un algoritmo minimax).

La "inteligencia como medida de utilidad" es en sí misma "inteligencia" en el sentido de la información, específicamente esa información por la cual medimos la inteligencia, como un grado, en relación con una tarea u otras inteligencias.


Tenga en cuenta que esto también responde a la definición básica de inteligencia de Russell & Norvig, basada en la utilidad. Sin utilidad, no existe una definición significativa de Inteligencia, al menos no en el sentido de ser concreta o práctica.
DukeZhou

-1

La IA es básicamente el acto de implementar la inteligencia humana en la máquina. Esto se hace a través de varios algoritmos que implementan la inteligencia humana.


-2

La IA es un campo que utiliza técnicas de cálculo para aproximar decisiones complejas.


1
¿Puedes explicar tu uso de "aproximado"? (¡Es una opción interesante que creo que merece una aclaración!)
DukeZhou

-3

Más convencional: un programa de computadora (en su mayoría) que puede calcular salidas para entradas arbitrarias que nunca antes había visto, preprogramadas o no cuenta con una relación explícita entre entradas y salidas (es decir, dominio y rango ). Búsqueda de Google, Alexa, Siri, Cortana, IBM Watson ... La definición se aplica a todos ellos; incluso para IA de uso general

Voy un paso más allá ( ¡controvertido! ). Si elimina una entidad no humana de la primera definición, esa es la definición de inteligencia humana, para mí. Por ejemplo, los RMB pueden inferir algunos significados abstractos ocultos de los datos durante el entrenamiento previo sin supervisión. Podemos llamar a esto intuitionpor nosotros, pero parece que no es exclusivo de los humanos. ( El experimento de reconocimiento de gatos de Geoffrey Hinton es un buen ejemplo, pero no pudo encontrar un enlace ). Los RBM también pueden soñar . Entonces tal vezLa inteligencia humana, que percibimos casi como un fenómeno sobrenatural, puede ser modelada por un modelo matemático, no importa cuán compleja sea. Por lo tanto, antes de juzgar mi reducción de la IA a una composición de funciones (en términos generales), juzgue mi argumento de inteligencia humana. Aquí hay un video de Geoffrey Hinton sobre el tema

Machine Learning: Machine Learning es el proceso de optimizar los parámetros de una función para entradas y salidas dadas, de modo que pueda calcular nuevas salidas para nuevas entradas. Incluso la regresión lineal es un tipo de aprendizaje automático y una red neuronal profunda es en realidad una función. Se usa indistintamente con IA pero no significan lo mismo. AI responde QUÉ mientras Machine Learning responde CÓMO . (No exactamente, pero cerca)

Déjame darte algunos ejemplos para aclarar la diferencia entre IA y ML.

  • El aprendizaje profundo no es IA. Es ML.
  • Alexa de Amazon es una IA.
  • La optimización de un algoritmo genético (GA) es ML. Un bot que juega al juego Snake usando los parámetros de GA es una IA.

NOTA: Sin embargo, actualmente todos los métodos y estructuras que usamos para construir IA se enmarcan en el término Machine Learning. Por lo tanto, es correcto decir que usamos Machine Learning para construir Inteligencia Artificial.


Permítanme resumir: AI es el cuadro negro entre la entrada y la salida, similar al cuadro de "proceso" en el modelo IPO . Y el cálculo en el cuadro de proceso lo realiza el aprendizaje automático. A primera vista, esta explicación es breve y exacta, pero no describe qué es la IA, sino que define solo la programación clásica. El modelo IPO se usa para determinar qué están haciendo los programadores. Definen las reglas para transformar la entrada en salida. Si algún tipo de caja negra en el modelo de proceso es igual a AI, ¿por qué se escriben miles de artículos cada año sobre el tema?
Manuel Rodríguez

@ManuelRodriguez "¿por qué se escriben miles de artículos cada año sobre el tema?" No sé como responder esto. ¿Puedes hacer tu pregunta de manera diferente?
ozgur

Supongamos que AI es igual a una función de regresión lineal entre los valores de entrada y salida. La solución de la IA se puede hacer con el aprendizaje automático, es decir, el algoritmo encontrará un mapeo. Creo que esta suposición es demasiado fácil, porque muchos artículos académicos están escritos sobre temas de aprendizaje que no son de máquina, como caminar en bípedo, visión humana y comprensión semántica. Parece que la IA se encuentra fuera del aprendizaje automático y tiene que ver con el conocimiento mismo.
Manuel Rodríguez el

@ManuelRodriguez Estoy de acuerdo en que la IA es un concepto más abstracto. AI to ML es como Turing Machine to Real Computer. La implementación y la metodología no pueden contener el concepto en el que vive. Por cierto, nunca dije que la IA es una función. Dije que Machine Learning es la optimización de una función. Lo que significa que una red neuronal profunda es en realidad una función. Y es extremadamente difícil entrenar un DNN, y mucho menos encontrar el mínimo global. Además, verificar si encontramos que el mínimo global es NP-Hard, casi imposible.
ozgur

@ManuelRodriguez Edité mi respuesta para peor =) es posible que desee leerlo.
ozgur

-4

Es una inteligencia a nivel de máquina en lugar de ser mostrada por seres humanos que son controlados por los algoritmos.

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.