La lista
Questo elenco proviene da Bruce Maxim, professore di ingegneria, informatica e scienze dell'informazione all'Università del Michigan. Nelle sue lezioni della primavera 1998, note per CIS 479 1 , fu chiamato il seguente elenco,
"Buoni problemi per l'intelligenza artificiale."
Decomposable to easier problems
Solution steps can be ignored or undone
Predictable Problem Universe
Good Solutions are obvious
Internally consistent knowledge base (KB)
Requires lots of knowledge or uses knowledge to constrain solutions
Interactive
Da allora si è evoluto in questo.
Decomposable to smaller or easier problems
Solution steps can be ignored or undone
Predictable problem universe
Good solutions are obvious
Uses internally consistent knowledge base
Requires lots of knowledge or uses knowledge to constrain solutions
Requires periodic interaction between human and computer
Cos'è
Il suo elenco non è mai stato inteso come un elenco di categorie di problemi di IA come punto iniziale iniziale per approcci di soluzione o una "tecnica euristica progettata per accelerare il processo di ricerca di una soluzione soddisfacente".
Maxim non ha mai aggiunto questo elenco a nessuna delle sue pubblicazioni accademiche e ci sono ragioni per cui.
L'elenco è eterogeneo. Contiene metodi, caratteristiche globali, sfide e approcci concettuali mescolati in un elenco come se fossero elementi. Questo non è un difetto per un elenco di "Buoni problemi per l'IA", ma come una dichiarazione formale delle caratteristiche o delle categorie del problema dell'IA, manca del rigore necessario. Maxim certamente non lo rappresentava come un elenco di "7 caratteristiche del problema AI".
Non è certamente un elenco "7 caratteristiche del problema AI".
Esistono elenchi di categorie o caratteristiche?
Non esiste un buon elenco di categorie per i problemi di IA perché se ne creasene uno, sarebbe facile pensare a uno dei milioni di problemi che i cervelli umani hanno risolto che non rientrano in nessuna delle categorie o che si collocano sui confini di due o più categorie.
È concepibile sviluppare un elenco di caratteristiche del problema, e può essere ispirato dall'elenco dei buoni problemi di Maxim per l'IA. È anche concepibile sviluppare un elenco di approcci iniziali. Quindi si potrebbero disegnare frecce dalle caratteristiche del primo elenco alle migliori prospettive per gli approcci nel secondo elenco. Ciò costituirebbe un buon articolo per la pubblicazione se trattato in modo completo e rigoroso.
Un iniziale caratteristiche di alto livello alla lista degli approcci
Ecco un elenco di domande che un architetto AI esperto può porre per chiarire i requisiti di sistema di alto livello prima di selezionare un approccio.
- L'attività è essenzialmente statica in quanto una volta che funziona non è probabile che non richieda aggiustamenti significativi? In tal caso, l'IA potrebbe essere più utile nella progettazione, nella fabbricazione e nella configurazione del sistema (includendo potenzialmente l'addestramento dei suoi parametri).
- In caso contrario, il compito è essenzialmente variabile in modo che la teoria del controllo sviluppata all'inizio del XX secolo possa adattarsi alla varianza? In tal caso, l'IA può anche essere utile allo stesso modo negli acquisti.
- In caso contrario, il sistema potrebbe possedere una complessità temporale e non lineare sufficiente a richiedere l'intelligenza. Quindi la domanda diventa se il fenomeno è assolutamente controllabile. In tal caso, le tecniche di intelligenza artificiale devono essere impiegate in tempo reale dopo la distribuzione.
Approccio efficace all'architettura
Se si inquadrano le fasi di progettazione, fabbricazione e configurazione in modo isolato, è possibile seguire lo stesso processo per determinare quale ruolo potrebbe svolgere l'IA, e ciò può essere fatto in modo ricorsivo quando si decompone la produzione complessiva di idee fino a cose come la progettazione di un Convertitore da A a D, o dimensione del kernel di convoluzione da utilizzare in un particolare stadio della visione artificiale.
Come per la progettazione di altri sistemi di controllo, con l'IA, determinare gli input disponibili e l'output desiderato e applicare i concetti di ingegneria di base. Pensare che la disciplina ingegneristica sia cambiata a causa di sistemi esperti o reti artificiali è un errore, almeno per ora.
Nulla è cambiato in modo significativo nell'ingegneria dei sistemi di controllo perché l'IA e l'ingegneria dei sistemi di controllo condividono un'origine comune. Abbiamo solo componenti aggiuntivi da cui possiamo selezionare e teoria aggiuntiva da impiegare nella progettazione, costruzione e controllo di qualità.
Rango, dimensionalità e topologia
Per quanto riguarda il rango e le dimensioni di segnali, tensori e messaggi all'interno di un sistema di intelligenza artificiale, la dimensionalità cartesiana non è sempre il concetto corretto per caratterizzare le qualità discrete degli interni mentre ci avviciniamo alle simulazioni di varie qualità mentali del cervello umano. La topologia è spesso l'area chiave della matematica che modella più correttamente i tipi di varietà che vediamo nell'intelligenza umana che desideriamo sviluppare artificialmente nei sistemi.
Ancora più interessante, la topologia può essere la chiave per lo sviluppo di nuovi tipi di intelligenza per i quali né i computer né i cervelli umani sono ben equipaggiati.
Riferimenti
http://groups.umd.umich.edu/cis/course.des/cis479/lectures/htm.zip
