AI risināšana

Mākslīgā intelekta mērķis (vismaz pēc jomas dibinātāju domām) ir radīt datorus, kuru intelekts ir līdzvērtīgs vai pārspēj cilvēkus. Šī mērķa sasniegšana ir slavenā AI problēma. Dažiem AI ir acīmredzams datorzinātņu liktenis. Citiem tā ir neveiksme: skaidrs, ka AI problēma ne tuvu nav atrisināta. Kāpēc? Lielākoties atbilde ir vienkārša: neviens īsti nemēģina to atrisināt. Tas var būt pārsteigums cilvēkiem ārpus lauka. Ko visi šie AI pētnieki ir darījuši visus šos gadus? Realitāte ir tāda, ka viņi lielākoties ir atteikušies no AI lielajām ambīcijām un tā vietā strādā pie arvien specializētākām apakšproblēmām: ne tikai, piemēram, mašīnmācīšanās vai dabiskās valodas izpratnes, bet arī problēmas šajās jomās, piemēram, objektu klasificēšana vai teikumu parsēšana.

Es domāju, ka šī skaldi un valdi pieeja nedarbosies. AI gadījumā labākais risinājums problēmai, kas tiek aplūkota atsevišķi, bieži traucē lielākas problēmas risināšanai. Lai panāktu patiesu progresu, mums ir jāstrādā no gala līdz galam — pašpietiekami uzdevumi, piemēram, teksta lasīšana un atbildes uz jautājumiem, kas ietver vairākus apakšuzdevumus (skatiet sadaļu Intelligent Software Assistant ). Līdz šim to īsti nebija iespējams izdarīt, jo nebija pieejama nepieciešamā skaitļošanas jauda. Bet aptuveni desmit gadu laikā datori pārspēs cilvēka smadzeņu skaitļošanas jaudu. (Lai gan datori ir ārkārtīgi efektīvi konkrētu uzdevumu, piemēram, aritmētikas, veikšanā, cilvēka smadzenes joprojām ir priekšā operāciju skaita ziņā, ko tās var veikt sekundē. Ja tas attiecas uz lietām, kas cilvēkiem padodas, piemēram, redze un valodas izpratne, datori zaudē.)

Šis stāsts bija daļa no mūsu 2009. gada marta numura

• Skatiet pārējo izdevuma daļu
• Abonēt

Tomēr skaitļošanas jauda nav visa atbilde. Iepriekšējie mēģinājumi atrisināt visaptverošas AI problēmas ir bijuši neveiksmīgi vienā no diviem veidiem. Daži pārlieku vienkāršoja problēmas tiktāl, ka risinājumi netika pārnesti uz reālo pasauli. Citi saskārās ar inženiertehnisko sarežģītības sienu: pārāk daudz lietu, ko salikt kopā, pārāk daudz mijiedarbības starp tām, pārāk daudz kļūdu.

Lai paveiktu labāk, mums ir vajadzīga jauna matemātiskā valoda mākslīgajam intelektam. Citu zinātnes un tehnoloģiju jomu piemēri parāda, cik tas var būt spēcīgs: piemēram, mehānika guvusi labumu no aprēķiniem; maiņstrāva no kompleksajiem skaitļiem; un digitālās shēmas no Būla loģikas. Mūsdienās šīs lietas viņu praktizētājiem šķiet kā otrā daba, taču tajā laikā tās nebūt nebija acīmredzamas. Galvenais ir atrast pareizo valodu, kurā formulēt un risināt problēmas.

Kādai vajadzētu būt AI valodai? Mums vismaz ir vajadzīga valoda, kas apvieno loģiku un varbūtību. Loģika var tikt galā ar reālās pasaules sarežģītību — lielu skaitu mijiedarbojošu objektu, piemēram, vai dažādu veidu objektus —, bet ne ar tās nenoteiktību. Varbūtības grafiskie modeļi ir kļuvuši par vispārēju valodu nenoteiktības risināšanai, taču tie nevar tikt galā ar reālās pasaules sarežģītību.

Pēdējā desmitgadē šajā virzienā ir vērojams reāls progress, taču šīs vēl ir sākuma dienas. Maz ticams, ka mēs atradīsim AI valodu, kamēr mums nebūs lielāka pieredze ar visaptverošām AI problēmām. Taču šādi mēs galu galā atrisināsim AI: mijiedarbojoties starp reālu problēmu risināšanu un valodas izgudrošanu, kas tās padara vienkāršākas.

Pedro Domingoss ir Sietlas Vašingtonas universitātes datorzinātņu un inženierzinātņu asociētais profesors.

paslēpties