ปัญญาประดิษฐ์. การใช้ AI ในการบริหารราชการ

ปัญญาประดิษฐ์ (AI, eng. ปัญญาประดิษฐ์, AI) - วิทยาศาสตร์และเทคโนโลยีในการสร้างเครื่องจักรอัจฉริยะโดยเฉพาะโปรแกรมคอมพิวเตอร์อัจฉริยะ AI เกี่ยวข้องกับงานที่คล้ายกันในการใช้คอมพิวเตอร์เพื่อทำความเข้าใจความฉลาดของมนุษย์ แต่ไม่จำเป็นต้องจำกัดอยู่เพียงวิธีการที่มีเหตุผลทางชีวภาพเท่านั้น

ปัญญาประดิษฐ์คืออะไร

ปัญญา(จากภาษาละติน intellectus - ความรู้สึก การรับรู้ ความเข้าใจ ความเข้าใจ แนวคิด เหตุผล) หรือ จิตใจ - คุณภาพของจิตใจ ประกอบด้วยความสามารถในการปรับตัวเข้ากับสถานการณ์ใหม่ ๆ ความสามารถในการเรียนรู้และจดจำจากประสบการณ์ เข้าใจและนำไปใช้ แนวคิดที่เป็นนามธรรมและใช้ความรู้ของตนเองในการจัดการสิ่งแวดล้อม ความฉลาดเป็นความสามารถทั่วไปสำหรับการรับรู้และการแก้ปัญหา ซึ่งรวมความสามารถทางปัญญาทั้งหมดของบุคคล: ความรู้สึก การรับรู้ ความจำ การเป็นตัวแทน การคิด จินตนาการ

ในช่วงต้นทศวรรษ 1980 นักวิทยาศาสตร์ด้านคอมพิวเตอร์ Barr และ Feigenbaum เสนอคำจำกัดความของปัญญาประดิษฐ์ (AI) ดังต่อไปนี้

ต่อมา อัลกอริทึมและระบบซอฟต์แวร์จำนวนหนึ่งเริ่มถูกเรียกว่า AI ซึ่งมีลักษณะเด่นคือสามารถแก้ปัญหาบางอย่างได้ในลักษณะเดียวกับที่คนคิดเกี่ยวกับวิธีแก้ปัญหาจะทำ

คุณสมบัติหลักของ AI คือความเข้าใจภาษา การเรียนรู้และความสามารถในการคิด และที่สำคัญที่สุดคือการกระทำ

AI เป็นความซับซ้อนของเทคโนโลยีและกระบวนการที่เกี่ยวข้องซึ่งกำลังพัฒนาอย่างมีคุณภาพและรวดเร็ว ตัวอย่างเช่น

• การประมวลผลข้อความภาษาธรรมชาติ
• ระบบผู้เชี่ยวชาญ
• ตัวแทนเสมือน (แชทบอทและผู้ช่วยเสมือน)
• ระบบคำแนะนำ

ทิศทางเทคโนโลยีของ AI ข้อมูลดีลอยท์

การวิจัยเอไอ

• บทความหลัก:การวิจัยในด้านปัญญาประดิษฐ์

การกำหนดมาตรฐานเอไอ

2018: การพัฒนามาตรฐานในด้านการสื่อสารควอนตัม AI และเมืองอัจฉริยะ

เมื่อวันที่ 6 ธันวาคม 2018 คณะกรรมการด้านเทคนิคระบบไซเบอร์-ฟิสิคัลบนพื้นฐานของ RVC ร่วมกับ SafeNet Regional Engineering Center ได้เริ่มพัฒนาชุดมาตรฐานสำหรับตลาดของ National Technology Initiative (NTI) และเศรษฐกิจดิจิทัล ภายในเดือนมีนาคม 2019 มีการวางแผนที่จะพัฒนาเอกสารมาตรฐานทางเทคนิคในด้านการสื่อสารควอนตัม และ RVC รายงาน อ่านเพิ่มเติม.

ผลกระทบของปัญญาประดิษฐ์

ความเสี่ยงต่อการพัฒนาอารยธรรมของมนุษย์

กระทบต่อเศรษฐกิจและธุรกิจ

• ผลกระทบของเทคโนโลยีปัญญาประดิษฐ์ต่อเศรษฐกิจและธุรกิจ

ส่งผลกระทบต่อตลาดแรงงาน

อคติทางปัญญาประดิษฐ์

หัวใจของทั้งหมดนั้นคือการปฏิบัติของ AI ( เครื่องแปลภาษา, การรู้จำเสียง , การประมวลผลภาษาธรรมชาติ , คอมพิวเตอร์วิทัศน์ , ระบบอัตโนมัติในการขับขี่รถยนต์ และอื่น ๆ) อยู่ที่การเรียนรู้เชิงลึก นี่เป็นส่วนย่อยของแมชชีนเลิร์นนิง ซึ่งมีลักษณะเด่นคือการใช้โมเดลโครงข่ายประสาทเทียม ซึ่งอาจกล่าวได้ว่าเป็นการเลียนแบบวิธีการทำงานของสมอง ดังนั้นจึงจัดประเภทได้ยากว่าเป็น AI โมเดลโครงข่ายประสาทเทียมใดๆ ได้รับการฝึกฝนในชุดข้อมูลขนาดใหญ่ ดังนั้นมันจึงได้รับ "ทักษะ" บางอย่าง แต่วิธีการใช้มันยังไม่ชัดเจนสำหรับผู้สร้าง ซึ่งท้ายที่สุดแล้วกลายเป็นหนึ่งในปัญหาที่สำคัญที่สุดสำหรับแอปพลิเคชันการเรียนรู้เชิงลึกจำนวนมาก เหตุผลคือโมเดลดังกล่าวทำงานกับรูปภาพอย่างเป็นทางการ โดยไม่เข้าใจว่ามันทำอะไร ระบบ AI และระบบที่สร้างขึ้นบนพื้นฐานของการเรียนรู้ของเครื่องเชื่อถือได้หรือไม่ ความสำคัญของคำตอบสำหรับคำถามสุดท้ายมีมากกว่าห้องปฏิบัติการทางวิทยาศาสตร์ ดังนั้น ความสนใจของสื่อต่อปรากฏการณ์ที่เรียกว่า AI bias จึงเพิ่มขึ้นอย่างเห็นได้ชัด สามารถแปลได้ว่า "AI bias" หรือ "AI bias" อ่านเพิ่มเติม.

ตลาดเทคโนโลยีปัญญาประดิษฐ์

ตลาด AI ในรัสเซีย

ตลาด AI ทั่วโลก

การประยุกต์ใช้ AI

ขอบเขตของการประยุกต์ใช้ AI ค่อนข้างกว้างและครอบคลุมทั้งเทคโนโลยีที่คุ้นเคยกับการได้ยิน และพื้นที่ใหม่ๆ ที่เกิดขึ้นใหม่ซึ่งห่างไกลจากการใช้งานจำนวนมาก กล่าวคือ นี่คือโซลูชันทั้งหมดตั้งแต่เครื่องดูดฝุ่นไปจนถึงสถานีอวกาศ เป็นไปได้ที่จะแบ่งความหลากหลายทั้งหมดตามเกณฑ์ของประเด็นสำคัญของการพัฒนา

AI ไม่ใช่สาขาวิชาที่มีเนื้อหาซับซ้อน ยิ่งไปกว่านั้น เทคโนโลยี AI บางอย่างยังปรากฏเป็นภาคส่วนย่อยใหม่ของเศรษฐกิจและหน่วยงานที่แยกจากกัน ในขณะที่ให้บริการพื้นที่ส่วนใหญ่ในระบบเศรษฐกิจไปพร้อม ๆ กัน

การใช้งานเชิงพาณิชย์หลักของเทคโนโลยีปัญญาประดิษฐ์

การพัฒนาการใช้ AI นำไปสู่การปรับตัวของเทคโนโลยีในภาคส่วนดั้งเดิมของเศรษฐกิจตลอดห่วงโซ่คุณค่าทั้งหมด และเปลี่ยนแปลงสิ่งเหล่านี้ ซึ่งนำไปสู่การปรับอัลกอริทึมของการทำงานเกือบทั้งหมด ตั้งแต่โลจิสติกส์ไปจนถึงการจัดการบริษัท

การใช้ AI เพื่อจุดประสงค์ด้านการป้องกันและการทหาร

ใช้ในการศึกษา

การใช้ AI ในธุรกิจ

AI ในอุตสาหกรรมพลังงาน

• ในระดับการออกแบบ: ปรับปรุงการคาดการณ์รุ่นและความต้องการทรัพยากรพลังงาน การประเมินความน่าเชื่อถือของอุปกรณ์ผลิตไฟฟ้า ระบบอัตโนมัติของรุ่นที่เพิ่มขึ้นในกรณีที่ความต้องการเพิ่มขึ้น
• ที่ระดับการผลิต: เพิ่มประสิทธิภาพการบำรุงรักษาเชิงป้องกันของอุปกรณ์ เพิ่มประสิทธิภาพการผลิต ลดการสูญเสีย ป้องกันการขโมยทรัพยากรพลังงาน
• ที่ระดับโปรโมชัน: การปรับราคาให้เหมาะสมขึ้นอยู่กับช่วงเวลาของวันและการเรียกเก็บเงินแบบไดนามิก
• ที่ระดับการให้บริการ: การเลือกซัพพลายเออร์ที่ทำกำไรสูงสุดโดยอัตโนมัติ สถิติการบริโภคโดยละเอียด การบริการลูกค้าอัตโนมัติ การปรับพลังงานให้เหมาะสมตามพฤติกรรมและพฤติกรรมของลูกค้า

AI ในการผลิต

• ในระดับการออกแบบ: ปรับปรุงประสิทธิภาพของการพัฒนาผลิตภัณฑ์ใหม่ การประเมินซัพพลายเออร์โดยอัตโนมัติ และการวิเคราะห์ข้อกำหนดสำหรับชิ้นส่วนและอะไหล่
• ในระดับการผลิต: ปรับปรุงกระบวนการดำเนินงาน ทำให้สายการประกอบเป็นอัตโนมัติ ลดจำนวนข้อผิดพลาด ลดเวลาการส่งมอบวัตถุดิบ
• ที่ระดับโปรโมชัน: การคาดการณ์ปริมาณบริการสนับสนุนและบำรุงรักษา การจัดการราคา
• ในระดับการส่งมอบบริการ: ปรับปรุงการวางแผนเส้นทางกองเรือ ยานพาหนะ, ความต้องการทรัพยากรยานพาหนะ, การปรับปรุงคุณภาพการฝึกอบรมของวิศวกรบริการ

AI ในธนาคาร

• การจดจำรูปแบบ - ใช้รวม เพื่อจดจำลูกค้าในสาขาและส่งข้อเสนอพิเศษให้พวกเขา

พื้นที่เชิงพาณิชย์หลักของการประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ในธนาคาร

AI ในการขนส่ง

• อุตสาหกรรมยานยนต์ใกล้จะปฏิวัติ 5 ความท้าทายแห่งยุคของการขับรถไร้คนขับ

AI ในด้านโลจิสติกส์

AI ในการผลิตเบียร์

การใช้ AI ในการบริหารราชการ

AI ในนิติวิทยาศาสตร์

• การจดจำรูปแบบ - ใช้รวม เพื่อตรวจจับอาชญากรในพื้นที่สาธารณะ

• ในเดือนพฤษภาคม 2018 เป็นที่ทราบกันดีเกี่ยวกับการใช้ปัญญาประดิษฐ์ของตำรวจเนเธอร์แลนด์ในการสืบสวนคดีอาชญากรรมที่ซับซ้อน

อ้างอิงจาก The Next Web การบังคับใช้กฎหมายเริ่มแปลงรายงานกว่า 1,500 ฉบับและ 30 ล้านหน้าที่เกี่ยวข้องกับคดีเย็น ข้อมูลกำลังถูกถ่ายโอนไปยังรูปแบบคอมพิวเตอร์ เริ่มตั้งแต่ปี 1988 ซึ่งอาชญากรรมไม่ได้รับการแก้ไขเป็นเวลาอย่างน้อย 3 ปี และผู้กระทำความผิดถูกตัดสินจำคุกมากกว่า 12 ปี

ไขคดีอาชญากรรมที่ซับซ้อนในหนึ่งวัน ตำรวจใช้ AI

เมื่อเนื้อหาทั้งหมดถูกแปลงเป็นดิจิทัลแล้ว เนื้อหานั้นจะเชื่อมต่อกับระบบแมชชีนเลิร์นนิงที่จะวิเคราะห์บันทึกและตัดสินว่ากรณีใดใช้หลักฐานที่ดีที่สุด สิ่งนี้ควรลดเวลาที่ใช้ในการดำเนินการคดีและแก้ปัญหาอาชญากรรมในอดีตและในอนาคตจากสัปดาห์เป็นวัน

ปัญญาประดิษฐ์จะแจกจ่ายคดีตาม "ความสามารถในการไขคดี" และระบุผลการตรวจ DNA ที่เป็นไปได้ จากนั้นมีการวางแผนที่จะทำให้การวิเคราะห์ในด้านอื่นๆ ของนิติวิทยาศาสตร์เป็นไปโดยอัตโนมัติ และอาจครอบคลุมข้อมูลในด้านต่างๆ เช่น สังคมศาสตร์และประจักษ์พยาน

นอกจากนี้ ตามที่หนึ่งในผู้พัฒนาระบบ Jeroen Hammer (Jeroen Hammer) ฟังก์ชัน API สำหรับพันธมิตรอาจได้รับการเผยแพร่ในอนาคต

ตำรวจเนเธอร์แลนด์มีหน่วยงานพิเศษที่เชี่ยวชาญด้านการพัฒนาเทคโนโลยีใหม่ๆ เพื่อแก้ปัญหาอาชญากรรม เขาเป็นผู้สร้างระบบ AI สำหรับ ค้นหาอย่างรวดเร็วอาชญากรตามหลักฐาน

AI ในศาลยุติธรรม

การพัฒนาในด้านปัญญาประดิษฐ์จะช่วยเปลี่ยนแปลงระบบการพิจารณาคดีอย่างรุนแรง ทำให้มีความยุติธรรมมากขึ้นและปราศจากแผนการคอร์รัปชั่น ความคิดเห็นนี้แสดงในช่วงฤดูร้อนปี 2560 โดย Vladimir Krylov, Doctor of Technical Sciences, ที่ปรึกษาด้านเทคนิคของ Artezio

นักวิทยาศาสตร์เชื่อว่าโซลูชัน AI ที่มีอยู่แล้วสามารถนำไปใช้ในด้านต่าง ๆ ของเศรษฐกิจและชีวิตสาธารณะได้สำเร็จ ผู้เชี่ยวชาญชี้ AI ประสบความสำเร็จในการแพทย์ แต่ในอนาคตอาจเปลี่ยนระบบตุลาการโดยสิ้นเชิง

“การดูรายงานข่าวรายวันเกี่ยวกับพัฒนาการในด้าน AI ทำให้เราประหลาดใจกับความไร้ขีดจำกัดของจินตนาการและผลสำเร็จของนักวิจัยและนักพัฒนาในสาขานี้ ข้อความเกี่ยวกับ การวิจัยทางวิทยาศาสตร์สลับกับสิ่งพิมพ์อย่างต่อเนื่องเกี่ยวกับผลิตภัณฑ์ใหม่ที่ออกสู่ตลาดและรายงานผลลัพธ์ที่น่าทึ่งที่ได้รับจากการใช้ AI ในด้านต่างๆ หากเราพูดถึงเหตุการณ์ที่คาดไว้พร้อมกับโฆษณาที่เห็นได้ชัดเจนในสื่อ ซึ่ง AI จะกลายเป็นพระเอกของข่าวอีกครั้ง ฉันคงไม่เสี่ยงที่จะคาดการณ์ทางเทคโนโลยี ฉันสามารถสันนิษฐานได้ว่าเหตุการณ์ต่อไปคือการปรากฏตัวที่ไหนสักแห่งของศาลที่มีอำนาจมากในรูปแบบของปัญญาประดิษฐ์ ยุติธรรมและไม่สามารถเปลี่ยนแปลงได้ สิ่งนี้น่าจะเกิดขึ้นในปี 2563-2568 และกระบวนการที่จะเกิดขึ้นในศาลนี้จะนำไปสู่การไตร่ตรองที่ไม่คาดคิดและความปรารถนาของผู้คนจำนวนมากที่จะถ่ายโอนกระบวนการส่วนใหญ่ในการจัดการสังคมมนุษย์ไปยัง AI

นักวิทยาศาสตร์ยอมรับว่าการใช้ปัญญาประดิษฐ์ในระบบการพิจารณาคดีเป็น "ขั้นตอนเชิงตรรกะ" ในการพัฒนาความเสมอภาคทางกฎหมายและความยุติธรรม จิตใจของเครื่องจักรไม่อยู่ภายใต้การทุจริตและอารมณ์ สามารถปฏิบัติตามกรอบกฎหมายอย่างเคร่งครัดและตัดสินใจโดยคำนึงถึงปัจจัยหลายอย่าง รวมถึงข้อมูลที่ระบุลักษณะของผู้เข้าร่วมในข้อพิพาท เมื่อเปรียบเทียบกับด้านการแพทย์ ผู้พิพากษาหุ่นยนต์สามารถทำงานกับข้อมูลขนาดใหญ่จากที่เก็บข้อมูลบริการสาธารณะ สันนิษฐานได้ว่าหน่วยสืบราชการลับของเครื่องจักรจะสามารถประมวลผลข้อมูลได้อย่างรวดเร็วและคำนึงถึงปัจจัยต่างๆ มากมายมากกว่าการตัดสินโดยมนุษย์

อย่างไรก็ตาม ผู้เชี่ยวชาญด้านจิตวิทยาเชื่อว่าการไม่มีองค์ประกอบทางอารมณ์ในการพิจารณาคดีในศาลจะส่งผลเสียต่อคุณภาพของการตัดสิน คำตัดสินของศาลเครื่องอาจตรงไปตรงมาเกินไปโดยไม่คำนึงถึงความสำคัญของความรู้สึกและอารมณ์ของผู้คน

จิตรกรรม

ในปี 2558 ทีมงาน Google ได้ทำการทดสอบ เครือข่ายประสาทเพื่อความสามารถในการสร้างภาพได้เอง จากนั้นปัญญาประดิษฐ์ได้รับการฝึกฝนโดยใช้ตัวอย่างรูปภาพต่างๆ จำนวนมาก อย่างไรก็ตาม เมื่อเครื่องถูก "ขอให้" อธิบายบางสิ่งด้วยตัวของมันเอง กลับกลายเป็นว่ามันตีความโลกรอบตัวเราด้วยวิธีที่ค่อนข้างแปลก ตัวอย่างเช่นสำหรับงานวาดดัมเบลล์นักพัฒนาได้รับภาพที่มือมนุษย์เชื่อมต่อโลหะ สิ่งนี้อาจเกิดขึ้นเนื่องจากในขั้นตอนการฝึกซ้อม รูปภาพที่วิเคราะห์ด้วยดัมเบลประกอบด้วยมือ และโครงข่ายประสาทเทียมตีความสิ่งนี้ผิด

เมื่อวันที่ 26 กุมภาพันธ์ 2016 ที่งานประมูลพิเศษในซานฟรานซิสโก ตัวแทนของ Google ระดมทุนได้ประมาณ 98,000 ดอลลาร์จากภาพวาดชวนเคลิบเคลิ้มที่วาดโดยปัญญาประดิษฐ์ เงินเหล่านี้ถูกบริจาคเพื่อการกุศล ภาพรถที่ประสบความสำเร็จมากที่สุดภาพหนึ่งแสดงไว้ด้านล่าง

ภาพที่วาดโดยปัญญาประดิษฐ์ของ Google

ปัญญาประดิษฐ์เป็นหนึ่งในหัวข้อที่ได้รับความนิยมมากที่สุดในโลกเทคโนโลยีเมื่อเร็ว ๆ นี้ จิตใจเช่น Elon Musk, Stephen Hawking และ Steve Wozniak มีความกังวลอย่างมากเกี่ยวกับการวิจัย AI และอ้างว่าการสร้าง AI นั้นคุกคามเราด้วยอันตรายถึงชีวิต ในขณะเดียวกัน นิยายวิทยาศาสตร์และภาพยนตร์ฮอลลีวูดได้สร้างความเข้าใจผิดมากมายเกี่ยวกับ AI เราตกอยู่ในอันตรายจริง ๆ หรือไม่ และเราทำความไม่ถูกต้องอะไรเมื่อเราจินตนาการถึงการทำลายล้างของ Skynet Earth การว่างงานทั่วไป หรือในทางกลับกัน ความเจริญรุ่งเรือง และความประมาทเลินเล่อ ตำนานมนุษย์เกี่ยวกับปัญญาประดิษฐ์ถูกหักล้างโดย Gizmodo นี่คือการแปลบทความของเขาฉบับเต็ม

เรียกได้ว่าเป็นการทดสอบความฉลาดของเครื่องจักรที่สำคัญที่สุด นับตั้งแต่ Deep Blue เอาชนะ Garry Kasparov ในการแข่งขันหมากรุกเมื่อ 20 ปีที่แล้ว Google AlphaGo เอาชนะปรมาจารย์ Li Sedol ในการแข่งขันโกะด้วยคะแนน 4:1 ซึ่งแสดงให้เห็นว่าปัญญาประดิษฐ์ (AI) ก้าวหน้าไปมากเพียงใด วันที่เป็นเวรเป็นกรรมเมื่อเครื่องจักรสามารถเอาชนะใจมนุษย์ได้ในที่สุด แต่ดูเหมือนว่าเรายังไม่เข้าใจผลที่ตามมาของเหตุการณ์การสร้างยุคนี้

ในความเป็นจริง เรากำลังยึดติดกับความเข้าใจผิดที่ร้ายแรงและเป็นอันตรายเกี่ยวกับปัญญาประดิษฐ์ ปีที่แล้ว Elon Musk ผู้ก่อตั้ง SpaceX เตือนว่า AI สามารถยึดครองโลกได้ คำพูดของเขาทำให้เกิดพายุความคิดเห็นทั้งฝ่ายตรงข้ามและผู้สนับสนุนความคิดเห็นนี้ สำหรับเหตุการณ์สำคัญในอนาคตนั้น มีข้อถกเถียงกันอย่างน่าประหลาดใจว่าจะเกิดขึ้นหรือไม่ และหากเกิดขึ้นจะเป็นในรูปแบบใด สิ่งนี้น่าเป็นห่วงอย่างยิ่งเมื่อคุณพิจารณาถึงประโยชน์อันเหลือเชื่อที่มนุษย์จะได้รับจาก AI และความเสี่ยงที่อาจเกิดขึ้น AI มีศักยภาพที่จะเปลี่ยนแปลงมนุษยชาติหรือทำลายเราได้ ซึ่งแตกต่างจากสิ่งประดิษฐ์อื่นๆ ของมนุษย์

ยากที่จะรู้ว่าควรเชื่ออะไร แต่ด้วยผลงานในยุคแรกๆ ของนักวิทยาศาสตร์คอมพิวเตอร์ นักประสาทวิทยาศาสตร์ นักทฤษฎี AI ทำให้เห็นภาพที่ชัดเจนขึ้น ต่อไปนี้คือความเข้าใจผิดและความเชื่อผิดๆ เกี่ยวกับปัญญาประดิษฐ์

ตำนาน #1: “เราจะไม่สร้าง AI ด้วยความฉลาดของมนุษย์”

ความเป็นจริง:เรามีคอมพิวเตอร์ที่เทียบเท่าหรือเกินความสามารถของมนุษย์ในด้านหมากรุก การเล่นโกะ การซื้อขายหุ้น และการสนทนา คอมพิวเตอร์และอัลกอริทึมที่เรียกใช้จะดีขึ้นเท่านั้น เป็นเพียงเรื่องของเวลาก่อนที่พวกเขาจะเหนือกว่ามนุษย์ในภารกิจใดๆ

Gary Marcus นักจิตวิทยาการวิจัยของ NYU กล่าวว่า "ทุกคนอย่างแท้จริง" ที่ทำงานเกี่ยวกับ AI เชื่อว่าในที่สุดเครื่องจักรจะเอาชนะเราได้: "ความแตกต่างที่แท้จริงเพียงอย่างเดียวระหว่างผู้กระตือรือร้นและผู้ขี้ระแวงคือการประมาณเวลา" นักอนาคตศาสตร์อย่าง Ray Kurzweil คิดว่ามันอาจเกิดขึ้นได้ภายในไม่กี่ทศวรรษ ในขณะที่คนอื่นบอกว่าอาจใช้เวลาหลายศตวรรษ

ผู้คลางแคลงเกี่ยวกับ AI ไม่เชื่อเมื่อพวกเขากล่าวว่านี่เป็นปัญหาทางเทคโนโลยีที่แก้ไขไม่ได้ และมีบางสิ่งที่ไม่เหมือนใครในธรรมชาติของสมองทางชีวภาพ สมองของเราเป็นเครื่องจักรทางชีวภาพ - มันมีอยู่ใน โลกแห่งความจริงและเป็นไปตามกฎพื้นฐานของฟิสิกส์ ไม่มีอะไรที่ไม่รู้เกี่ยวกับพวกเขา

ตำนาน #2: “ปัญญาประดิษฐ์จะมีสติสัมปชัญญะ”

ความเป็นจริง:ส่วนใหญ่คิดว่าจิตใจของเครื่องจักรจะมีสติและคิดในแบบที่คนคิด ยิ่งไปกว่านั้น นักวิจารณ์อย่าง Paul Allen ผู้ร่วมก่อตั้ง Microsoft เชื่อว่าเรายังไม่สามารถบรรลุปัญญาประดิษฐ์ทั่วไป (ที่สามารถแก้ปัญหาทางจิตใดๆ ที่มนุษย์สามารถแก้ไขได้) เพราะเราขาดทฤษฎีจิตสำนึกทางวิทยาศาสตร์ แต่ดังที่ Murray Shanahan ผู้เชี่ยวชาญด้านวิทยาการหุ่นยนต์แห่งการรับรู้ที่ Imperial College London กล่าวว่า เราไม่ควรเอาแนวคิดทั้งสองนี้มาเปรียบเทียบกัน

“สติเป็นสิ่งที่อัศจรรย์อย่างยิ่งและ สิ่งสำคัญแต่ฉันไม่เชื่อว่ามันจำเป็นสำหรับปัญญาประดิษฐ์ระดับมนุษย์ แม่นยำยิ่งขึ้น เราใช้คำว่า "สติสัมปชัญญะ" เพื่ออ้างถึงลักษณะทางจิตวิทยาและการรับรู้หลายอย่างที่บุคคล "มาในชุด" นักวิทยาศาสตร์อธิบาย

เครื่องจักรอัจฉริยะที่ไม่มีคุณสมบัติเหล่านี้อย่างน้อยหนึ่งอย่างสามารถจินตนาการได้ ในท้ายที่สุด เราสามารถสร้าง AI ที่ฉลาดอย่างเหลือเชื่อซึ่งไม่สามารถรับรู้โลกทั้งทางความคิดและจิตใจได้ ชานาฮานให้เหตุผลว่าจิตใจและจิตสำนึกสามารถรวมกันเป็นเครื่องจักรได้ แต่เราต้องไม่ลืมว่าแนวคิดทั้งสองนี้แตกต่างกัน

ความจริงที่ว่าเครื่องจักรผ่านการทดสอบทัวริงซึ่งแยกไม่ออกจากมนุษย์ ไม่ได้หมายความว่ามันมีสติสัมปชัญญะ สำหรับเราแล้ว AI ขั้นสูงอาจดูเหมือนมีสติ แต่การตระหนักรู้ในตนเองจะไม่มีอะไรมากไปกว่าก้อนหินหรือเครื่องคิดเลข

ตำนาน #3: “เราไม่ควรกลัว AI”

ความเป็นจริง:ในเดือนมกราคม Mark Zuckerberg ผู้ก่อตั้ง Facebook กล่าวว่าเราไม่ควรกลัว AI เพราะมันจะทำสิ่งดี ๆ มากมายให้กับโลก เขาถูกต้องครึ่งหนึ่ง เราจะได้รับประโยชน์มหาศาลจาก AI ตั้งแต่รถยนต์ที่ขับเคลื่อนได้เองไปจนถึงยาใหม่ๆ แต่ก็ไม่รับประกันว่าการใช้ AI ทุกครั้งจะไม่เป็นพิษเป็นภัย

ระบบที่ชาญฉลาดสามารถรู้ทุกอย่างเกี่ยวกับงานเฉพาะ เช่น การแก้ปัญหาทางการเงินที่น่ารังเกียจหรือการเจาะระบบ การป้องกันศัตรู. แต่นอกขอบเขตของความเชี่ยวชาญพิเศษเหล่านี้ เธอจะเพิกเฉยอย่างสุดซึ้งและไม่รู้ตัว ระบบ DeepMind ของ Google เป็นผู้เชี่ยวชาญใน Go แต่ไม่มีความสามารถหรือเหตุผลในการสำรวจพื้นที่นอกเหนือจากความเชี่ยวชาญ

ระบบเหล่านี้หลายระบบอาจไม่ได้รับการพิจารณาด้านความปลอดภัย ตัวอย่างที่ดีคือไวรัส Stuxnet ที่ซับซ้อนและทรงพลัง ซึ่งเป็นหนอนกึ่งทหารที่พัฒนาโดยกองทัพอิสราเอลและสหรัฐฯ เพื่อแทรกซึมและก่อวินาศกรรมโรงไฟฟ้านิวเคลียร์ของอิหร่าน ไวรัสนี้ (โดยเจตนาหรือโดยบังเอิญ) ติดเชื้อในโรงไฟฟ้านิวเคลียร์ของรัสเซีย

อีกตัวอย่างหนึ่งคือโปรแกรม Flame ที่ใช้สำหรับการจารกรรมทางไซเบอร์ในตะวันออกกลาง เป็นเรื่องง่ายที่จะจินตนาการถึง Stuxnet หรือ Flame เวอร์ชันอนาคตที่ล้ำหน้าเป้าหมายและสร้างความเสียหายอย่างใหญ่หลวงต่อโครงสร้างพื้นฐานที่ละเอียดอ่อน (เพื่อความเข้าใจ ไวรัสเหล่านี้ไม่ใช่ AI แต่ในอนาคตอาจมีได้ ดังนั้นข้อกังวล)

ไวรัส Flame ถูกใช้สำหรับการจารกรรมทางไซเบอร์ในตะวันออกกลาง รูปถ่าย: มีสาย

ตำนาน #4: “ปัญญาประดิษฐ์จะฉลาดเกินไปที่จะทำผิดพลาด”

ความเป็นจริง: Richard Lucimore นักวิจัย AI และผู้ก่อตั้ง Surfing Samurai Robots เชื่อว่าสถานการณ์ส่วนใหญ่ วันโลกาวินาศที่เกี่ยวข้องกับ AI ไม่สอดคล้องกัน พวกเขามักจะสร้างขึ้นบนสมมติฐานที่ AI กำลังพูดว่า "ฉันรู้ว่าการทำลายมนุษยชาติเกิดจากข้อบกพร่องในการออกแบบ แต่ฉันก็ยังต้องทำ" ลูซิมอร์กล่าวว่าหาก AI ทำงานในลักษณะนี้โดยพูดถึงการทำลายล้างของเรา ความขัดแย้งเชิงตรรกะดังกล่าวจะหลอกหลอนเขาไปตลอดชีวิต สิ่งนี้จะทำให้ฐานความรู้ของเขาเสื่อมเสียและทำให้เขาโง่เกินกว่าจะสร้างได้ สถานการณ์อันตราย. นักวิทยาศาสตร์ยังระบุด้วยว่า คนที่พูดว่า: “AI ทำได้เฉพาะสิ่งที่ถูกตั้งโปรแกรมไว้ให้ทำเท่านั้น” นั้นผิดพอๆ กับเพื่อนร่วมงานของพวกเขาในยุคเริ่มต้นของยุคคอมพิวเตอร์ เมื่อก่อนผู้คนใช้วลีนี้เพื่ออ้างว่าคอมพิวเตอร์ไม่สามารถแสดงความยืดหยุ่นเพียงเล็กน้อยได้

Peter McIntyre และ Stuart Armstrong ซึ่งทำงานที่ Future of Humanity Institute ที่ Oxford University ไม่เห็นด้วยกับ Lucimore พวกเขาให้เหตุผลว่า AI นั้นผูกพันกับวิธีการตั้งโปรแกรมเป็นส่วนใหญ่ McIntyre และ Armstrong เชื่อว่า AI ไม่สามารถทำผิดพลาดหรือโง่เกินกว่าจะไม่รู้ว่าเราคาดหวังอะไรจากมัน

“ตามคำนิยามแล้ว ปัญญาประดิษฐ์ (AI) คือหน่วยงานที่มีความฉลาดเหนือกว่าสมองมนุษย์ที่ดีที่สุดในสาขาความรู้ใดๆ เขาจะรู้ว่าเราต้องการให้เขาทำอะไร” แมคอินไทร์กล่าว นักวิทยาศาสตร์ทั้งสองเชื่อว่า AI จะทำในสิ่งที่ถูกตั้งโปรแกรมไว้ให้ทำเท่านั้น แต่ถ้าเขาฉลาดพอเขาจะเข้าใจว่ามันแตกต่างจากเจตนารมณ์ของกฎหมายหรือเจตนารมณ์ของประชาชนอย่างไร

McIntyre เปรียบเทียบสถานการณ์ในอนาคตของมนุษย์และ AI กับการโต้ตอบระหว่างมนุษย์กับเมาส์ในปัจจุบัน จุดประสงค์ของหนูคือการหาอาหารและที่พักพิง แต่มักจะขัดแย้งกับความต้องการของคนที่ต้องการให้สัตว์วิ่งรอบตัวเขาอย่างอิสระ “เราฉลาดพอที่จะเข้าใจจุดประสงค์บางอย่างของหนู ดังนั้น ASI ก็จะเข้าใจความปรารถนาของเราเช่นกัน แต่อย่าสนใจพวกเขา” นักวิทยาศาสตร์กล่าว

ตามที่เนื้อเรื่องของภาพยนตร์เรื่อง Ex Machina แสดงให้เห็น เป็นเรื่องยากมากที่คนๆ หนึ่งจะรักษา AI ที่ฉลาดกว่านี้ไว้

ตำนาน #5: “โปรแกรมแก้ไขง่ายๆ จะแก้ปัญหาการควบคุม AI”

ความเป็นจริง:ด้วยการสร้างปัญญาประดิษฐ์ที่ฉลาดกว่ามนุษย์ เราจะเผชิญกับปัญหาที่เรียกว่า "ปัญหาการควบคุม" นักทฤษฎีแห่งอนาคตและนักทฤษฎี AI ตกอยู่ในสภาวะสับสนอย่างสิ้นเชิงเมื่อถูกถามว่าเราจะควบคุมและจำกัด ASI ได้อย่างไรหากเกิดขึ้น หรือทำอย่างไรให้มั่นใจว่าเขาเป็นมิตรกับผู้คน เมื่อเร็ว ๆ นี้ นักวิจัยจาก Georgia Institute of Technology เสนออย่างไร้เดียงสาว่า AI สามารถรับเอาคุณค่าของมนุษย์และกฎเกณฑ์ทางสังคมด้วยการอ่าน เรื่องราวที่เรียบง่าย. ในความเป็นจริงมันจะยากกว่านี้มาก

“มีคำแนะนำง่ายๆ มากมายที่สามารถ 'แก้ไข' ปัญหาการควบคุม AI ทั้งหมดได้” Armstrong กล่าว ตัวอย่างรวมถึงการเขียนโปรแกรม ASI เพื่อให้จุดประสงค์คือทำให้ผู้คนพอใจ หรือเพื่อให้มันทำหน้าที่เป็นเครื่องมือในมือของบุคคล อีกทางเลือกหนึ่งคือการรวมแนวคิดของความรักหรือความเคารพไว้ในซอร์สโค้ด เพื่อป้องกันไม่ให้ AI ยอมรับการมองโลกด้านเดียวที่เรียบง่าย จึงเสนอให้โปรแกรม AI ให้ความสำคัญกับความหลากหลายทางปัญญา วัฒนธรรม และสังคม

แต่วิธีแก้ปัญหาเหล่านี้ง่ายเกินไป เหมือนกับการพยายามบีบความซับซ้อนของความชอบและไม่ชอบของมนุษย์ให้เป็นหนึ่งเดียวกัน คำจำกัดความผิวเผิน. ตัวอย่างเช่น ลองคิดคำนิยามคำว่า “ความเคารพ” ที่ชัดเจน มีเหตุมีผล และเป็นไปได้ นี่เป็นเรื่องยากมาก

เครื่องจักรใน The Matrix สามารถทำลายมนุษยชาติได้อย่างง่ายดาย

ตำนาน #6: “ปัญญาประดิษฐ์จะทำลายเรา”

ความเป็นจริง:ไม่มีการรับประกันว่า AI จะทำลายเราหรือเราไม่สามารถหาวิธีควบคุมมันได้ ดังที่ Eliezer Yudkowsky นักทฤษฎี AI กล่าวว่า “AI ไม่ได้รักหรือเกลียดคุณ แต่คุณสร้างมาจากอะตอมที่สามารถใช้เพื่อวัตถุประสงค์อื่นได้”

ในหนังสือปัญญาประดิษฐ์ของเขา ขั้นตอน ภัยคุกคาม กลยุทธ์” นิค บอสตรอม นักปรัชญาของอ็อกซ์ฟอร์ดเขียนว่าปัญญาประดิษฐ์ที่แท้จริง เมื่อปรากฏขึ้นแล้วจะมีความเสี่ยงมากกว่าสิ่งประดิษฐ์อื่นๆ ของมนุษย์ บุคคลที่มีชื่อเสียงเช่น Elon Musk, Bill Gates และ Stephen Hawking (ฝ่ายหลังเตือนว่า AI อาจเป็น "ความผิดพลาดที่เลวร้ายที่สุดในประวัติศาสตร์" ของเรา) ก็ได้แสดงความกังวลเช่นกัน

McIntyre กล่าวว่าเป้าหมายส่วนใหญ่ที่ ISI สามารถชี้นำได้คือ เหตุผลที่ดีกำจัดผู้คน

“AI สามารถทำนายได้ค่อนข้างถูกต้องว่าเราไม่ต้องการให้บริษัทใดบริษัทหนึ่งเพิ่มผลกำไรสูงสุด ไม่ว่าลูกค้าจะมีต้นทุนเท่าใดก็ตาม สิ่งแวดล้อมและสัตว์ ดังนั้นเขาจึงมีแรงจูงใจที่หนักแน่นเพื่อให้แน่ใจว่าเขาจะไม่ถูกขัดจังหวะ ขัดขวาง เลิกสนใจ หรือเปลี่ยนเป้าหมาย เพราะนั่นจะไม่บรรลุเป้าหมายดั้งเดิมของเขา” แมคอินไทร์กล่าว

เว้นแต่เป้าหมายของ ASI จะสะท้อนถึงเป้าหมายของเราอย่างถูกต้อง ก็จะมีเหตุผลที่ดีที่จะไม่ให้โอกาสเราหยุดเป้าหมายนั้น เนื่องจากระดับสติปัญญาของเขาเหนือกว่าเราอย่างมาก เราจึงไม่สามารถทำอะไรได้

ไม่มีใครรู้ว่า AI จะมาในรูปแบบใด และจะคุกคามมนุษยชาติได้อย่างไร ตามที่ Musk กล่าวไว้ ปัญญาประดิษฐ์สามารถใช้ในการควบคุม ควบคุม และตรวจสอบ AI อื่นๆ ได้ หรืออาจเต็มไปด้วยคุณค่าของมนุษย์หรือความปรารถนาที่จะเป็นมิตรกับผู้คน

ตำนาน #7: “ปัญญาประดิษฐ์จะเป็นมิตร”

ความเป็นจริง:อิมมานูเอล คานท์ นักปรัชญาเชื่อว่าเหตุผลมีความสัมพันธ์อย่างมากกับศีลธรรม David Chalmers นักประสาทวิทยาศาสตร์ในการศึกษาของเขาเรื่อง “The Singularity: การวิเคราะห์เชิงปรัชญานำแนวคิดที่โด่งดังของ Kant มาประยุกต์ใช้กับปัญญาประดิษฐ์ที่เกิดขึ้นใหม่

หากสิ่งนี้เป็นจริง... เราสามารถคาดหวังว่าการระเบิดทางปัญญาจะนำไปสู่การระเบิดทางศีลธรรม จากนั้นเราสามารถคาดหวังให้ระบบ ASI ที่เกิดขึ้นใหม่นั้นมีความเหนือศีลธรรมเช่นเดียวกับความฉลาดหลักแหลม ทำให้เราสามารถคาดหวังความดีจากพวกเขาได้

แต่ความคิดที่ว่า AI ขั้นสูงจะได้รับการรู้แจ้งและใจดีโดยเนื้อแท้นั้นไม่น่าเชื่อถือมากนัก ดังที่อาร์มสตรองชี้ให้เห็นว่ามีอาชญากรสงครามที่ชาญฉลาดมากมายอยู่ที่นั่น ดูเหมือนว่ามนุษย์จะไม่มีความเชื่อมโยงระหว่างเหตุผลและศีลธรรม ดังนั้นเขาจึงตั้งคำถามถึงการดำเนินการของหลักการนี้ท่ามกลางรูปแบบที่ชาญฉลาดอื่นๆ

“คนฉลาดที่ประพฤติผิดศีลธรรมสามารถสร้างความเจ็บปวดในระดับที่ใหญ่กว่าคนที่โง่เขลากว่า ความเฉลียวฉลาดช่วยให้พวกเขาเป็นคนเลวได้ด้วยสติปัญญาที่ดี มันไม่ได้ทำให้พวกเขาเป็นคนดี” อาร์มสตรองกล่าว

ตามที่ McIntyre อธิบาย ความสามารถของอาสาสมัครในการบรรลุเป้าหมายไม่เกี่ยวข้องกับว่าเป้าหมายนั้นจะสมเหตุสมผลหรือไม่ในการเริ่มต้น “เราจะโชคดีมากหาก AI ของเรามีพรสวรรค์ที่ไม่เหมือนใคร และระดับศีลธรรมของพวกเขาก็เติบโตไปพร้อมกับจิตใจ การหวังโชคไม่ใช่แนวทางที่ดีที่สุดสำหรับสิ่งที่กำหนดอนาคตของเรา” เขากล่าว

ตำนาน #8: “ความเสี่ยงของ AI และหุ่นยนต์มีค่าเท่ากัน”

ความเป็นจริง:นี่เป็นข้อผิดพลาดทั่วไปโดยเฉพาะอย่างยิ่งที่เผยแพร่โดยสื่อที่ไร้วิจารณญาณและภาพยนตร์ฮอลลีวูดอย่าง The Terminator

หากหน่วยข่าวกรองประดิษฐ์อย่าง Skynet ต้องการจะทำลายมนุษยชาติจริง ๆ ก็คงไม่ใช้หุ่นยนต์ที่มีปืนกลหกลำกล้อง จะส่งกาฬโรคทางชีวภาพหรือนาโนเทคเกรย์กูที่มีประสิทธิภาพมากกว่ามาก หรือแค่ทำลายบรรยากาศ

ปัญญาประดิษฐ์อาจเป็นอันตรายได้ ไม่ใช่เพราะมันอาจส่งผลกระทบต่อการพัฒนาของวิทยาการหุ่นยนต์ แต่เนื่องจากลักษณะที่ปรากฏของมันจะส่งผลกระทบต่อโลกโดยทั่วไป

ตำนาน #9: “การพรรณนาถึง AI ในนิยายวิทยาศาสตร์เป็นการพรรณนาถึงอนาคตอย่างแม่นยำ”

จิตหลายชนิด. ภาพ: Eliezer Yudkowsky

แน่นอนว่า นักเขียนและนักอนาคตศาสตร์ใช้นิยายวิทยาศาสตร์ในการทำนายที่น่าอัศจรรย์ แต่ขอบฟ้าเหตุการณ์ที่กำหนดโดย ASI นั้นเป็นเรื่องราวที่แตกต่างไปจากเดิมอย่างสิ้นเชิง ยิ่งไปกว่านั้น ลักษณะที่ไร้มนุษยธรรมของ AI ทำให้เราไม่สามารถรู้ได้ ดังนั้นจึงคาดเดาลักษณะและรูปแบบของมันได้

เพื่อสร้างความบันเทิงให้กับคนงี่เง่า AI ส่วนใหญ่ในนิยายวิทยาศาสตร์จะถูกบรรยายให้ดูเหมือนเรา “มีสเปกตรัมของจิตใจที่เป็นไปได้ทั้งหมด แม้แต่ในหมู่มนุษย์ คุณก็ค่อนข้างแตกต่างจากเพื่อนบ้าน แต่การเปลี่ยนแปลงนี้เทียบไม่ได้เลยกับความฉลาดทั้งหมดที่มีอยู่” แมคอินไทร์กล่าว

นิยายวิทยาศาสตร์ส่วนใหญ่ไม่จำเป็นต้องมีความถูกต้องทางวิทยาศาสตร์เพื่อบอกเล่าเรื่องราวที่น่าสนใจ ความขัดแย้งมักจะเกิดขึ้นระหว่างฮีโร่ที่มีความแข็งแกร่งใกล้เคียงกัน “ลองนึกภาพว่าเรื่องราวจะน่าเบื่อแค่ไหน เมื่อ AI ไร้จิตสำนึก ไม่มีความสุขหรือเกลียดชัง จะยุติมนุษยชาติโดยปราศจากการต่อต้านใด ๆ เพื่อบรรลุเป้าหมายที่ไม่น่าสนใจ” Armstrong หาว

หุ่นยนต์หลายร้อยตัวทำงานในโรงงานเทสลา

ตำนานที่ 10: “มันแย่มากที่ AI จะมาแย่งงานของเราทั้งหมด”

ความเป็นจริง:ความสามารถของ AI ในการทำให้สิ่งที่เราทำหลายอย่างเป็นไปโดยอัตโนมัติ และศักยภาพของ AI ในการทำลายมนุษยชาตินั้นเป็นสองสิ่งที่แตกต่างกันมาก แต่ตามคำกล่าวของมาร์ติน ฟอร์ด ผู้เขียน In the Dawn of Robots: Technology and the Threat of a Jobless Future พวกเขามักถูกมองในภาพรวม เป็นเรื่องดีที่จะคิดถึงอนาคตอันไกลโพ้นของแอปพลิเคชัน AI แต่ถ้ามันไม่ได้ทำให้เราไขว้เขวจากปัญหาที่เราจะต้องเผชิญในทศวรรษต่อๆ ไป หัวหน้าของพวกเขาคือระบบอัตโนมัติจำนวนมาก

ไม่มีใครสงสัยว่าปัญญาประดิษฐ์จะเข้ามาแทนที่งานที่มีอยู่มากมาย ตั้งแต่พนักงานโรงงานไปจนถึงงานระดับบนของปกขาว ผู้เชี่ยวชาญบางคนคาดการณ์ว่าครึ่งหนึ่งของงานในสหรัฐฯ จะถูกคุกคามโดยระบบอัตโนมัติในอนาคตอันใกล้นี้

แต่นั่นไม่ได้หมายความว่าเราไม่สามารถรับมือกับความตกใจได้ โดยทั่วไปแล้ว การกำจัดงานส่วนใหญ่ของเรา ทั้งทางร่างกายและจิตใจ เป็นเป้าหมายกึ่งยูโทเปียของเผ่าพันธุ์เรา

“ภายในสองสามทศวรรษ AI จะเข้ามากำจัดงานจำนวนมาก แต่นั่นไม่ใช่เรื่องเลวร้าย” Miller กล่าว รถยนต์ไร้คนขับจะเข้ามาแทนที่คนขับรถบรรทุก ลดต้นทุนการขนส่ง และทำให้สินค้าหลายอย่างมีราคาถูกลง “ถ้าคุณเป็นคนขับรถบรรทุกและคุณหาเลี้ยงชีพได้จากมัน คุณจะขาดทุน แต่ในทางกลับกัน คนอื่นๆ จะสามารถซื้อสินค้าได้มากขึ้นด้วยเงินเดือนที่เท่ากัน และเงินที่ประหยัดได้จะถูกนำไปใช้กับสินค้าและบริการอื่นๆ ที่จะสร้างงานใหม่ให้กับผู้คน” มิลเลอร์กล่าว

ในทุกโอกาส ปัญญาประดิษฐ์จะสร้างโอกาสใหม่สำหรับการผลิตสิ่งที่ดี ทำให้ผู้คนมีอิสระในการทำสิ่งอื่น ความก้าวหน้าในการพัฒนา AI จะมาพร้อมกับความก้าวหน้าในด้านอื่นๆ โดยเฉพาะในด้านการผลิต ในอนาคต มันจะง่ายขึ้น ไม่ยากขึ้นสำหรับเราที่จะตอบสนองความต้องการขั้นพื้นฐานของเรา

ปัญญาประดิษฐ์

ปัญญาประดิษฐ์เป็นสาขาหนึ่งของวิทยาการคอมพิวเตอร์ที่ศึกษาความเป็นไปได้ในการให้เหตุผลและการกระทำที่สมเหตุสมผลด้วยความช่วยเหลือของระบบคอมพิวเตอร์และอุปกรณ์ประดิษฐ์อื่นๆ ในกรณีส่วนใหญ่ อัลกอริทึมสำหรับการแก้ปัญหาไม่เป็นที่รู้จักล่วงหน้า

ไม่มีคำจำกัดความที่แน่นอนของวิทยาศาสตร์นี้เนื่องจากคำถามเกี่ยวกับธรรมชาติและสถานะของสติปัญญาของมนุษย์ยังไม่ได้รับการแก้ไขในปรัชญา ไม่มีเกณฑ์ที่แน่นอนสำหรับการบรรลุ "ความฉลาด" ด้วยคอมพิวเตอร์ แม้ว่าในยุคเริ่มต้นของปัญญาประดิษฐ์จะมีการเสนอสมมติฐานจำนวนหนึ่ง เช่น การทดสอบทัวริงหรือสมมติฐานนิวเวลล์-ไซมอน บน ช่วงเวลานี้มีหลายวิธีในการทำความเข้าใจงานของ AI และการสร้างระบบอัจฉริยะ

ดังนั้น หนึ่งในการจำแนกประเภทจึงแยกแยะแนวทางการพัฒนา AI ได้สองแนวทาง:

จากบนลงล่าง สัญศาสตร์ - การสร้างระบบสัญลักษณ์ที่จำลองระดับสูง กระบวนการทางจิต: การคิด การใช้เหตุผล คำพูด อารมณ์ ความคิดสร้างสรรค์ ฯลฯ ;

จากล่างขึ้นบน, ชีวภาพ - การศึกษาโครงข่ายประสาทเทียมและการคำนวณวิวัฒนาการที่สร้างแบบจำลองพฤติกรรมอัจฉริยะตามองค์ประกอบ "ไม่ฉลาด" ที่มีขนาดเล็กกว่า

วิทยาศาสตร์นี้เชื่อมโยงกับจิตวิทยา สรีรวิทยา ข้ามมนุษย์ และอื่น ๆ เช่นเดียวกับวิทยาการคอมพิวเตอร์อื่น ๆ มันใช้เครื่องมือทางคณิตศาสตร์ ปรัชญาและวิทยาการหุ่นยนต์มีความสำคัญเป็นพิเศษสำหรับเธอ

ปัญญาประดิษฐ์เป็นสาขาการวิจัยที่ยังใหม่มากซึ่งเปิดตัวในปี 1956 เส้นทางประวัติศาสตร์ของมันมีลักษณะคล้ายกับไซน์ไซด์ ซึ่งการ "เพิ่มขึ้น" แต่ละครั้งนั้นเกิดจากแนวคิดใหม่บางอย่าง ที่ ตอนนี้การพัฒนากำลังถดถอย ทำให้ไม่สามารถนำผลลัพธ์ที่สำเร็จแล้วไปประยุกต์ใช้ในด้านอื่นๆ ของวิทยาศาสตร์ อุตสาหกรรม ธุรกิจ และแม้แต่ชีวิตประจำวันได้

แนวทางการศึกษา

มีหลายวิธีในการสร้างระบบ AI ในขณะนี้มี 4 แนวทางที่แตกต่างกันมาก:

1. วิธีการเชิงตรรกะ พื้นฐานสำหรับวิธีการเชิงตรรกะคือพีชคณิตบูลีน โปรแกรมเมอร์ทุกคนคุ้นเคยกับมันและตัวดำเนินการเชิงตรรกะตั้งแต่ตอนที่เขาเชี่ยวชาญคำสั่ง IF พีชคณิตบูลีนได้รับการพัฒนาเพิ่มเติมในรูปแบบของแคลคูลัสเพรดิเคต ซึ่งขยายโดยการแนะนำสัญลักษณ์เรื่อง ความสัมพันธ์ระหว่างพวกมัน ปริมาณของการดำรงอยู่และความเป็นสากล แทบทุกระบบ AI ที่สร้างขึ้นบนหลักการเชิงตรรกะเป็นเครื่องพิสูจน์ทฤษฎีบท ในกรณีนี้ ข้อมูลเริ่มต้นจะถูกเก็บไว้ในฐานข้อมูลในรูปแบบของสัจพจน์ กฎของการอนุมานเป็นความสัมพันธ์ระหว่างพวกเขา นอกจากนี้ แต่ละเครื่องดังกล่าวยังมีบล็อกการสร้างเป้าหมาย และระบบการอนุมานจะพยายามพิสูจน์ เป้าหมายนี้เหมือนทฤษฎีบท หากเป้าหมายได้รับการพิสูจน์ การติดตามกฎที่ใช้จะช่วยให้คุณได้รับการดำเนินการที่จำเป็นเพื่อให้บรรลุเป้าหมาย (ระบบดังกล่าวเรียกว่าระบบผู้เชี่ยวชาญ) พลังของระบบดังกล่าวถูกกำหนดโดยความสามารถของเครื่องสร้างเป้าหมายและเครื่องพิสูจน์ทฤษฎีบท เพื่อให้ได้แนวทางเชิงตรรกะที่ชัดเจนยิ่งขึ้น อนุญาตให้มีทิศทางที่ค่อนข้างใหม่ เช่น ลอจิกแบบคลุมเครือ ความแตกต่างที่สำคัญคือความจริงของข้อความสามารถรับได้นอกเหนือจากใช่ / ไม่ใช่ (1/0) รวมถึงค่ากลางด้วย - ฉันไม่รู้ (0.5) ผู้ป่วยมีแนวโน้มที่จะมีชีวิตอยู่ มากกว่าตาย (0.75) ผู้ป่วยมีโอกาสตายมากกว่ามีชีวิตอยู่ (0.25) วิธีการนี้เหมือนกับการคิดของมนุษย์มากกว่า เนื่องจากไม่ค่อยตอบคำถามที่มีเพียงใช่หรือไม่ใช่

2. ด้วยวิธีการเชิงโครงสร้าง เราหมายถึงความพยายามในการสร้าง AI โดยสร้างแบบจำลองโครงสร้างของสมองมนุษย์ ความพยายามครั้งแรกอย่างหนึ่งคือ Perceptron ของ Frank Rosenblatt หน่วยโครงสร้างแบบจำลองหลักใน perceptrons (เช่นเดียวกับตัวเลือกการสร้างแบบจำลองสมองอื่น ๆ ส่วนใหญ่) คือเซลล์ประสาท ต่อมามีแบบจำลองอื่น ๆ เกิดขึ้นซึ่งส่วนใหญ่รู้จักกันดีภายใต้คำว่าโครงข่ายประสาทเทียม (NNs) แบบจำลองเหล่านี้แตกต่างกันในโครงสร้างของเซลล์ประสาทแต่ละตัว ในโทโพโลยีของการเชื่อมต่อระหว่างเซลล์เหล่านั้น และในอัลกอริทึมการเรียนรู้ ในบรรดารูปแบบที่เป็นที่รู้จักมากที่สุดของ NN ในตอนนี้ ได้แก่ back-propagation NN, เครือข่าย Hopfield, เครือข่ายประสาทสุ่ม ในความหมายกว้างๆ แนวทางนี้เรียกว่า Connectivism

3. แนวทางวิวัฒนาการ เมื่อสร้างระบบ AI ตามแนวทางนี้ ความสนใจหลักจะจ่ายไปที่การสร้างแบบจำลองเริ่มต้น และกฎที่สามารถเปลี่ยนแปลง (วิวัฒนาการ) ได้ ยิ่งไปกว่านั้น แบบจำลองสามารถคอมไพล์ได้โดยใช้วิธีการที่หลากหลาย มันสามารถเป็นโครงข่ายประสาทเทียมและชุดของกฎตรรกะและแบบจำลองอื่นๆ หลังจากนั้นเราก็เปิดคอมพิวเตอร์และจากการตรวจสอบโมเดลจะเลือกรุ่นที่ดีที่สุดโดยพิจารณาจากโมเดลใหม่ที่สร้างขึ้นตามกฎต่างๆ ในบรรดาอัลกอริธึมเชิงวิวัฒนาการ อัลกอริธึมเชิงพันธุกรรมถือเป็นแบบคลาสสิก

4. วิธีการจำลองสถานการณ์ วิธีการนี้เป็นแบบคลาสสิกสำหรับไซเบอร์เนติกส์ด้วยหนึ่งในนั้น แนวคิดพื้นฐานกล่องดำ. วัตถุที่มีการจำลองพฤติกรรมเป็นเพียง "กล่องดำ" ไม่สำคัญสำหรับเราว่ามันและโมเดลมีอะไรอยู่ข้างในและทำงานอย่างไร สิ่งสำคัญคือโมเดลของเราจะทำงานในลักษณะเดียวกันในสถานการณ์ที่คล้ายคลึงกัน ดังนั้นจึงมีการสร้างแบบจำลองคุณสมบัติอื่นของบุคคลที่นี่ - ความสามารถในการคัดลอกสิ่งที่ผู้อื่นทำโดยไม่ต้องลงรายละเอียดว่าเหตุใดจึงจำเป็น บ่อยครั้งที่ความสามารถนี้ช่วยเขาประหยัดเวลาได้มากโดยเฉพาะในช่วงเริ่มต้นของชีวิต

ภายใต้กรอบของระบบอัจฉริยะแบบไฮบริด พวกเขากำลังพยายามรวมส่วนเหล่านี้เข้าด้วยกัน กฎการอนุมานของผู้เชี่ยวชาญสามารถสร้างขึ้นโดยโครงข่ายประสาทเทียม และกฎการกำเนิดได้มาจากการเรียนรู้ทางสถิติ

แนวทางใหม่ที่มีแนวโน้มซึ่งเรียกว่าการขยายความฉลาด มองว่าความสำเร็จของ AI ผ่านการพัฒนาเชิงวิวัฒนาการเป็นผลข้างเคียงของเทคโนโลยีที่ขยายความฉลาดของมนุษย์

ทิศทางการวิจัย

การวิเคราะห์ประวัติของ AI เราสามารถแยกแยะพื้นที่ที่กว้างขวางเช่นการสร้างแบบจำลองเหตุผลได้ เป็นเวลาหลายปีที่การพัฒนาวิทยาศาสตร์นี้ได้เคลื่อนไปตามเส้นทางนี้ และตอนนี้มันเป็นหนึ่งในพื้นที่ที่มีการพัฒนามากที่สุดใน AI สมัยใหม่ การสร้างแบบจำลองการใช้เหตุผลเกี่ยวข้องกับการสร้างระบบสัญลักษณ์ที่อินพุตซึ่งมีการตั้งค่างานบางอย่างและที่เอาต์พุตจำเป็นต้องแก้ปัญหา ตามกฎแล้วงานที่เสนอได้รับการทำให้เป็นทางการแล้วเช่น แปลเป็น แบบฟอร์มทางคณิตศาสตร์แต่ไม่มีอัลกอริทึมการแก้ปัญหา หรือซับซ้อนเกินไป ใช้เวลานาน ฯลฯ พื้นที่นี้รวมถึง: การพิสูจน์ทฤษฎีบท การตัดสินใจและทฤษฎีเกม การวางแผนและการจัดส่ง การคาดการณ์

พื้นที่สำคัญคือการประมวลผลภาษาธรรมชาติ ซึ่งจะวิเคราะห์ความเป็นไปได้ในการทำความเข้าใจ ประมวลผล และสร้างข้อความในภาษา "มนุษย์" โดยเฉพาะอย่างยิ่งปัญหาของการแปลข้อความจากภาษาหนึ่งไปยังอีกภาษาหนึ่งด้วยเครื่องยังไม่ได้รับการแก้ไข ในโลกสมัยใหม่ การพัฒนาวิธีการสืบค้นข้อมูลมีบทบาทสำคัญ โดยธรรมชาติแล้ว การทดสอบทัวริงดั้งเดิมเกี่ยวข้องกับทิศทางนี้

ตามที่นักวิทยาศาสตร์หลายคนกล่าวว่าคุณสมบัติที่สำคัญของสติปัญญาคือความสามารถในการเรียนรู้ ดังนั้น วิศวกรรมความรู้จึงมาเป็นลำดับต้นๆ โดยรวมภารกิจในการรับความรู้จากข้อมูลง่ายๆ การจัดระบบ และการใช้งาน ความก้าวหน้าในด้านนี้ส่งผลกระทบต่อการวิจัยด้าน AI เกือบทุกด้าน ที่นี่ควรสังเกตโดเมนย่อยที่สำคัญสองรายการด้วย ประการแรก - การเรียนรู้ด้วยเครื่อง - เกี่ยวข้องกับกระบวนการรับความรู้โดยอิสระโดยระบบอัจฉริยะในระหว่างการดำเนินงาน ประการที่สองเกี่ยวข้องกับการสร้างระบบผู้เชี่ยวชาญ - โปรแกรมที่ใช้ฐานความรู้เฉพาะเพื่อรับข้อสรุปที่เชื่อถือได้เกี่ยวกับปัญหาใด ๆ

มีความสำเร็จที่ยอดเยี่ยมและน่าสนใจในด้านการสร้างแบบจำลองระบบทางชีววิทยา พูดอย่างเคร่งครัด สามารถรวมทิศทางอิสระหลายทิศทางไว้ที่นี่ โครงข่ายประสาทเทียมถูกนำมาใช้เพื่อแก้ปัญหาที่คลุมเครือและซับซ้อน เช่น การรู้จำรูปทรงเรขาคณิตหรือการจัดกลุ่มวัตถุ วิธีการทางพันธุกรรมมีพื้นฐานอยู่บนแนวคิดที่ว่าอัลกอริทึมสามารถมีประสิทธิภาพมากขึ้นได้หากยืมลักษณะเฉพาะที่ดีกว่าจากอัลกอริทึมอื่นๆ ("พาเรนต์") แนวทางที่ค่อนข้างใหม่ซึ่งงานคือการสร้างโปรแกรมอิสระ - เอเจนต์ที่โต้ตอบกับสภาพแวดล้อมภายนอกเรียกว่าแนวทางเอเจนต์ และถ้าคุณบังคับให้เจ้าหน้าที่ที่ "ไม่ฉลาดมาก" จำนวนมากมีปฏิสัมพันธ์กันอย่างเหมาะสม คุณจะได้รับความฉลาดที่ "เหมือนมด"

งานของการจดจำรูปแบบได้รับการแก้ไขแล้วบางส่วนภายในกรอบของส่วนอื่นๆ ซึ่งรวมถึงการจดจำตัวอักษร ลายมือ คำพูด การวิเคราะห์ข้อความ ควรกล่าวถึงเป็นพิเศษเกี่ยวกับคอมพิวเตอร์วิทัศน์ซึ่งเกี่ยวข้องกับแมชชีนเลิร์นนิงและวิทยาการหุ่นยนต์

โดยทั่วไป หุ่นยนต์และปัญญาประดิษฐ์มักจะเกี่ยวข้องกัน การผสานศาสตร์ทั้งสองเข้าด้วยกันทำให้เกิดหุ่นยนต์อัจฉริยะ ถือได้ว่าเป็นอีกทิศทางหนึ่งของ AI

ความคิดสร้างสรรค์ของเครื่องจักรแยกตัวออกจากกันเนื่องจากธรรมชาติของความคิดสร้างสรรค์ของมนุษย์นั้นได้รับการศึกษาน้อยกว่าธรรมชาติของความฉลาด อย่างไรก็ตามพื้นที่นี้มีอยู่และปัญหาในการเขียนเพลงงานวรรณกรรม (มักเป็นบทกวีหรือนิทาน) ความคิดสร้างสรรค์ทางศิลปะ.

ประการสุดท้าย มีการประยุกต์ใช้ปัญญาประดิษฐ์มากมาย ซึ่งแต่ละรูปแบบมีทิศทางที่เกือบจะเป็นอิสระต่อกัน ตัวอย่าง ได้แก่ โปรแกรมอัจฉริยะในเกมคอมพิวเตอร์ การควบคุมแบบไม่เชิงเส้น ระบบรักษาความปลอดภัยอัจฉริยะ

จะเห็นได้ว่าการวิจัยหลายด้านทับซ้อนกัน นี่เป็นเรื่องจริงสำหรับวิทยาศาสตร์ใด ๆ แต่ในปัญญาประดิษฐ์ ความสัมพันธ์ระหว่างทิศทางที่ดูเหมือนต่างกันนั้นแข็งแกร่งเป็นพิเศษ และนี่เป็นเพราะการถกเถียงทางปรัชญาเกี่ยวกับ AI ที่แข็งแกร่งและอ่อนแอ

ในตอนต้นของศตวรรษที่ 17 Rene Descartes เสนอว่าสัตว์เป็นกลไกที่ซับซ้อนชนิดหนึ่ง ด้วยเหตุนี้จึงกำหนดทฤษฎีกลไกขึ้น ในปี ค.ศ. 1623 Wilhelm Schickard ได้สร้างคอมพิวเตอร์ดิจิทัลเชิงกลเครื่องแรก ตามด้วยเครื่องของ Blaise Pascal (1643) และ Leibniz (1671) ไลบ์นิซยังเป็นคนแรกที่อธิบายระบบเลขฐานสองสมัยใหม่ แม้ว่าก่อนหน้านี้นักวิทยาศาสตร์ผู้ยิ่งใหญ่หลายคนจะนำระบบนี้ไปใช้เป็นระยะๆ ในศตวรรษที่ 19 Charles Babbage และ Ada Lovelace ทำงานในคอมพิวเตอร์เครื่องกลที่ตั้งโปรแกรมได้

ในปี พ.ศ. 2453-2456 Bertrand Russell และ A. N. Whitehead ตีพิมพ์ Principia Mathematica ซึ่งปฏิวัติตรรกะอย่างเป็นทางการ ในปี 1941 Konrad Zuse ได้สร้างคอมพิวเตอร์ที่ควบคุมด้วยโปรแกรมเครื่องแรก Warren McCulloch และ Walter Pitts ตีพิมพ์ A Logical Calculus of the Ideas Immanent in Nervous Activity ในปี 1943 ซึ่งวางรากฐานสำหรับโครงข่ายประสาทเทียม

สถานการณ์ปัจจุบัน

ในขณะนี้ (2008) ในการสร้างปัญญาประดิษฐ์ (ในความหมายเดิมของคำว่า ระบบผู้เชี่ยวชาญและโปรแกรมหมากรุกไม่ได้อยู่ที่นี่) มีการขาดแคลนความคิด มีการลองใช้แนวทางเกือบทั้งหมด แต่ไม่มีแนวทางเดียวที่นำไปสู่การเกิดขึ้นของปัญญาประดิษฐ์ กลุ่มวิจัยไม่พอดี

ระบบ AI พลเรือนที่น่าประทับใจที่สุดคือ:

Deep Blue - แพ้แชมป์หมากรุกโลก (การแข่งขันระหว่างคาสปารอฟกับซูเปอร์คอมพิวเตอร์ไม่ได้สร้างความพึงพอใจให้กับนักวิทยาศาสตร์คอมพิวเตอร์หรือผู้เล่นหมากรุก และระบบนี้ไม่ได้รับการยอมรับจากคาสปารอฟ แม้ว่าโปรแกรมหมากรุกขนาดกะทัดรัดดั้งเดิมจะเป็นองค์ประกอบสำคัญของความคิดสร้างสรรค์หมากรุก จากนั้นสายผลิตภัณฑ์ซูเปอร์คอมพิวเตอร์ของไอบีเอ็มก็ปรากฏตัวใน โครงการ BluGene (การสร้างแบบจำลองโมเลกุล) และการสร้างแบบจำลองของระบบเซลล์เสี้ยมใน Swiss Blue Brain Center เรื่องนี้เป็นตัวอย่างของความสัมพันธ์ที่ซับซ้อนและเป็นความลับระหว่าง AI ธุรกิจ และเป้าหมายเชิงกลยุทธ์ระดับชาติ)

Mycin เป็นหนึ่งในระบบผู้เชี่ยวชาญในยุคแรกๆ ที่สามารถวินิจฉัยกลุ่มย่อยของโรคได้ ซึ่งมักจะแม่นยำพอๆ กับแพทย์

20q เป็นโครงการที่ได้รับแรงบันดาลใจจาก AI ซึ่งได้รับแรงบันดาลใจจากเกม 20 คำถามคลาสสิก เขาได้รับความนิยมอย่างมากหลังจากปรากฏตัวบนอินเทอร์เน็ตบนเว็บไซต์ 20q.net

การรู้จำเสียง ระบบเช่น ViaVoice สามารถให้บริการผู้บริโภคได้

หุ่นยนต์ในการแข่งขัน RoboCup ประจำปีจะแข่งขันในรูปแบบฟุตบอลที่เรียบง่าย

การประยุกต์ใช้เอไอ

ธนาคารใช้ระบบปัญญาประดิษฐ์ (AI) ในกิจกรรมการประกันภัย (คณิตศาสตร์ประกันภัย) เมื่อเล่นในตลาดหลักทรัพย์และจัดการทรัพย์สิน ในเดือนสิงหาคม พ.ศ. 2544 หุ่นยนต์เอาชนะมนุษย์ในการแข่งขันซื้อขายอย่างกะทันหัน (BBC News, 2544) วิธีการจดจำรูปแบบ (รวมถึงทั้งเครือข่ายที่ซับซ้อนและเฉพาะทางและโครงข่ายประสาทเทียม) ถูกนำมาใช้กันอย่างแพร่หลายในการจดจำด้วยแสงและเสียง (รวมถึงข้อความและคำพูด) การวินิจฉัยทางการแพทย์ ตัวกรองสแปม ระบบป้องกันภัยทางอากาศ (การระบุเป้าหมาย) และเพื่อให้แน่ใจว่า งานด้านความมั่นคงของชาติอื่นๆ

นักพัฒนาเกมคอมพิวเตอร์ถูกบังคับให้ใช้ AI ที่มีระดับความซับซ้อนแตกต่างกัน ภารกิจมาตรฐานของ AI ในเกมคือการหาเส้นทางในพื้นที่ 2 มิติหรือ 3 มิติ การจำลองพฤติกรรมของหน่วยรบ การคำนวณกลยุทธ์ทางเศรษฐกิจที่เหมาะสม และอื่นๆ

มุมมองเกี่ยวกับ AI

การพัฒนา AI มีสองทิศทาง:

ประการแรกคือการแก้ปัญหาที่เกี่ยวข้องกับการประมาณระบบ AI เฉพาะทางกับความสามารถของมนุษย์และการรวมเข้าด้วยกันซึ่งดำเนินการโดยธรรมชาติของมนุษย์

ประการที่สองคือการสร้างปัญญาประดิษฐ์ที่แสดงถึงการรวมระบบ AI ที่สร้างไว้แล้วเข้าด้วยกัน ระบบเดียวสามารถแก้ปัญหาของมนุษย์ได้

ความสัมพันธ์กับศาสตร์อื่นๆ

ปัญญาประดิษฐ์มีความเกี่ยวข้องอย่างใกล้ชิดกับลัทธิข้ามมนุษย์ เมื่อรวมกับสรีรวิทยาและจิตวิทยาการรู้คิด ทำให้เกิดเป็นวิทยาศาสตร์ทั่วไปที่เรียกว่า ความรู้ความเข้าใจ ปรัชญามีบทบาทแยกต่างหากในปัญญาประดิษฐ์

คำถามเชิงปรัชญา

วิทยาศาสตร์ของ "การสร้างปัญญาประดิษฐ์" ไม่สามารถดึงดูดความสนใจของนักปรัชญาได้ ด้วยการถือกำเนิดของระบบอัจฉริยะระบบแรก คำถามพื้นฐานเกี่ยวกับมนุษย์และความรู้ และบางส่วนเกี่ยวกับระเบียบโลกจึงถูกหยิบยกขึ้นมา ในแง่หนึ่ง พวกมันเชื่อมโยงอย่างแยกไม่ออกกับวิทยาศาสตร์นี้ และในทางกลับกัน พวกมันนำความโกลาหลมาสู่มัน ในบรรดานักวิจัย AI ยังไม่มีมุมมองที่โดดเด่นเกี่ยวกับเกณฑ์ของสติปัญญา การจัดระบบของเป้าหมายและงานที่ต้องแก้ไข ไม่มีแม้แต่คำจำกัดความที่เข้มงวดของวิทยาศาสตร์

เครื่องจักรสามารถคิดได้หรือไม่?

การถกเถียงที่ดุเดือดที่สุดในปรัชญาของปัญญาประดิษฐ์คือคำถามเกี่ยวกับความเป็นไปได้ในการคิดการสร้างสรรค์จากมือมนุษย์ คำถาม "เครื่องจักรคิดได้หรือไม่" ซึ่งกระตุ้นให้นักวิจัยสร้างศาสตร์แห่งการสร้างแบบจำลองจิตใจมนุษย์ ถูกตั้งขึ้นโดย Alan Turing ในปี 1950 มุมมองหลักสองประเด็นเกี่ยวกับเรื่องนี้เรียกว่าสมมติฐานของปัญญาประดิษฐ์ที่แข็งแกร่งและอ่อนแอ

คำว่า "ปัญญาประดิษฐ์ที่แข็งแกร่ง" ได้รับการแนะนำโดย John Searle และแนวทางของเขามีลักษณะเฉพาะด้วยคำพูดของเขาเอง:

“ยิ่งไปกว่านั้น โปรแกรมดังกล่าวจะไม่ใช่แค่แบบจำลองของจิตใจเท่านั้น เธออยู่ใน อย่างแท้จริงคำพูดจะเป็นเหตุผลในความหมายเดียวกับที่เหตุผลของมนุษย์เป็นเหตุผล

ในทางตรงกันข้าม ผู้สนับสนุน AI ที่อ่อนแอมักมองว่าซอฟต์แวร์เป็นเพียงเครื่องมือสำหรับแก้ปัญหาบางอย่างที่ไม่ต้องการความสามารถทางปัญญาของมนุษย์อย่างเต็มที่

ในพระองค์ การทดลองทางความคิด"ห้องจีน" โดย John Searle แสดงให้เห็นว่าการผ่านการทดสอบของ Turing ไม่ใช่เกณฑ์สำหรับเครื่องจักรที่จะมีกระบวนการคิดที่แท้จริง

การคิดเป็นกระบวนการของการประมวลผลข้อมูลที่เก็บไว้ในหน่วยความจำ: การวิเคราะห์ การสังเคราะห์ และการเขียนโปรแกรมด้วยตนเอง

โรเจอร์ เพนโรส มีจุดยืนที่คล้ายกันนี้ ซึ่งในหนังสือของเขาเรื่อง The New Mind of a King ให้เหตุผลว่าเป็นไปไม่ได้ที่จะได้รับกระบวนการคิดบนพื้นฐานของระบบที่เป็นทางการ

มีมุมมองที่แตกต่างกันในเรื่องนี้ วิธีการวิเคราะห์เกี่ยวข้องกับการวิเคราะห์กิจกรรมทางประสาทที่สูงขึ้นของบุคคลจนถึงระดับต่ำสุดที่แบ่งแยกไม่ได้ (การทำงานของกิจกรรมประสาทที่สูงขึ้น ปฏิกิริยาเบื้องต้นต่อสิ่งเร้าภายนอก (สิ่งเร้า) การระคายเคืองของซินแนปส์ของเซลล์ประสาทที่เชื่อมต่อกันด้วยการทำงาน) และ การสืบพันธุ์ของฟังก์ชันเหล่านี้ในภายหลัง

ผู้เชี่ยวชาญบางคนใช้ความสามารถในการเลือกที่มีเหตุผลและมีแรงจูงใจสำหรับความฉลาดเมื่อเผชิญกับการขาดข้อมูล นั่นคือโปรแกรมของกิจกรรมนั้น (ไม่จำเป็นต้องนำไปใช้กับคอมพิวเตอร์สมัยใหม่) ถือเป็นปัญญาชนซึ่งสามารถเลือกจากชุดทางเลือกบางอย่างได้ เช่น จะไปที่ไหนในกรณีของ "คุณจะไปทางซ้าย ... " "คุณจะไปทางขวา ... ", "คุณจะตรงไป ... "

ศาสตร์แห่งความรู้

นอกจากนี้ญาณวิทยายังเกี่ยวข้องอย่างใกล้ชิดกับปัญหาของปัญญาประดิษฐ์ - วิทยาศาสตร์แห่งความรู้ภายใต้กรอบของปรัชญา นักปรัชญาที่จัดการกับปัญหานี้ได้แก้ปัญหาที่คล้ายกับคำถามของวิศวกร AI เกี่ยวกับวิธีที่ดีที่สุดในการนำเสนอและใช้ความรู้และข้อมูล

ทัศนคติต่อ AI ในสังคม

เอไอกับศาสนา

ในบรรดาสาวกของศาสนาอับบราฮัมมิก มีหลายมุมมองเกี่ยวกับความเป็นไปได้ในการสร้าง AI ตามแนวทางเชิงโครงสร้าง

ตามที่หนึ่งในนั้นสมองซึ่งเป็นงานที่ระบบพยายามเลียนแบบตามความเห็นของพวกเขาไม่ได้มีส่วนร่วมในกระบวนการคิดไม่ใช่แหล่งที่มาของสติและกิจกรรมทางจิตอื่น ๆ การสร้าง AI ตามแนวทางเชิงโครงสร้างนั้นเป็นไปไม่ได้

ตามมุมมองอื่นสมองมีส่วนร่วมในกระบวนการคิด แต่อยู่ในรูปแบบของ "เครื่องส่งสัญญาณ" ข้อมูลจากจิตวิญญาณ สมองรับผิดชอบหน้าที่ "ง่ายๆ" เช่น ปฏิกิริยาตอบสนองแบบไม่มีเงื่อนไข การตอบสนองต่อความเจ็บปวด ฯลฯ การสร้าง AI ตามแนวทางเชิงโครงสร้างเป็นไปได้หากระบบที่ออกแบบสามารถทำหน้าที่ "ถ่ายโอน" ได้

ตำแหน่งทั้งสองไม่สอดคล้องกับข้อมูลของวิทยาศาสตร์สมัยใหม่เพราะ แนวคิดของจิตวิญญาณไม่ได้ถูกพิจารณาโดยวิทยาศาสตร์สมัยใหม่ว่าเป็นหมวดหมู่ทางวิทยาศาสตร์

ตามที่ชาวพุทธหลายคน AI เป็นไปได้ ดังนั้นผู้นำทางจิตวิญญาณของดาไลลามะที่สิบสี่จึงไม่กีดกันความเป็นไปได้ของการมีอยู่ของจิตสำนึกบนพื้นฐานคอมพิวเตอร์

Raelites สนับสนุนการพัฒนาในด้านปัญญาประดิษฐ์อย่างแข็งขัน

AI และนิยายวิทยาศาสตร์

ในวรรณกรรมนิยายวิทยาศาสตร์ AI มักจะถูกมองว่าเป็นพลังที่พยายามโค่นอำนาจของมนุษย์ (Omnius, HAL 9000, Skynet, Colossus, The Matrix และ Replicant) หรือรับใช้มนุษย์ (C-3PO, Data, KITT และ KARR ชายสองร้อยปี) นักเขียนนิยายวิทยาศาสตร์อย่าง Isaac Asimov และ Kevin Warwick ปฏิเสธไม่ได้ที่ AI จะครองโลกจนเกินควบคุม

วิสัยทัศน์ที่น่าสงสัยเกี่ยวกับอนาคตถูกนำเสนอใน Turing's Choice โดยนักเขียนนิยายวิทยาศาสตร์ Harry Harrison และนักวิทยาศาสตร์ Marvin Minsky ผู้เขียนพูดถึงการสูญเสียความเป็นมนุษย์ในบุคคลที่ฝังสมองด้วยคอมพิวเตอร์ และการได้มาซึ่งความเป็นมนุษย์ด้วยเครื่องจักรที่มี AI ซึ่งมีการคัดลอกข้อมูลความทรงจำจากสมองมนุษย์

นักเขียนนิยายวิทยาศาสตร์บางคน เช่น Vernor Vinge ได้คาดเดาเกี่ยวกับความหมายของ AI ซึ่งน่าจะนำการเปลี่ยนแปลงครั้งใหญ่มาสู่สังคม ช่วงเวลานี้เรียกว่าภาวะเอกฐานทางเทคโนโลยี

ปัญญาประดิษฐ์

ปัญญาประดิษฐ์[ภาษาอังกฤษ] ปัญญาประดิษฐ์ (AI)] เป็นสาขาหนึ่งของวิทยาการคอมพิวเตอร์ที่ศึกษาความเป็นไปได้ในการให้เหตุผลและการกระทำที่สมเหตุสมผลโดยใช้ระบบคอมพิวเตอร์และอุปกรณ์ประดิษฐ์อื่นๆ
ในกรณีส่วนใหญ่ อัลกอริทึมสำหรับการแก้ปัญหาไม่เป็นที่รู้จักล่วงหน้า
การวิจัยครั้งแรกที่เกี่ยวข้องกับปัญญาประดิษฐ์ได้ดำเนินการเกือบจะในทันทีหลังจากการกำเนิดของคอมพิวเตอร์เครื่องแรก
ในปี 1910-13 Bertrand Russell และ Alfred North Whitehead ตีพิมพ์ Principia Mathematica ซึ่งปฏิวัติตรรกะอย่างเป็นทางการ ในปีพ.ศ. 2474 เคิร์ต โกเดลได้แสดงให้เห็นว่าระบบที่เป็นทางการซึ่งซับซ้อนพอสมควรมีข้อความที่อย่างไรก็ตาม ไม่สามารถพิสูจน์หรือหักล้างในระบบนี้ได้ ดังนั้นระบบ AI ที่สร้างความจริงของข้อความทั้งหมดโดยอนุมานจากสัจพจน์จึงไม่สามารถพิสูจน์ข้อความเหล่านั้นได้ เนื่องจากมนุษย์สามารถ "เห็น" ความจริงของข้อความดังกล่าวได้ AI จึงถูกมองว่าเป็นสิ่งที่ต้องคิดในภายหลัง ในปี 1941 Konrad Zuse ได้สร้างคอมพิวเตอร์ที่ควบคุมด้วยโปรแกรมเครื่องแรก Warren McCulloch และ Walter Pitts ตีพิมพ์ A Logical Calculus of the Ideas Immanent in Nervous Activity ในปี 1943 ซึ่งวางรากฐานสำหรับโครงข่ายประสาทเทียม
ในปี 1954 นักวิจัยชาวอเมริกัน A. Newell ตัดสินใจเขียนโปรแกรมสำหรับเล่นหมากรุก เขาแบ่งปันแนวคิดนี้กับนักวิเคราะห์ของ RAND Corporation (www.rand.org) J. Show และ H. Simon ซึ่งเสนอความช่วยเหลือให้ Newell ตามพื้นฐานทางทฤษฎีสำหรับโปรแกรมดังกล่าว ได้มีการตัดสินใจว่าจะใช้วิธีการที่เสนอในปี 1950 โดย C.E. Shannon ผู้ก่อตั้งทฤษฎีสารสนเทศ อลันทัวริงทำให้วิธีนี้เป็นทางการอย่างแม่นยำ เขาจำลองมันด้วยมือ นักจิตวิทยาชาวดัตช์กลุ่มหนึ่งนำโดย A. de Groot ซึ่งศึกษารูปแบบการเล่นของผู้เล่นหมากรุกที่โดดเด่นได้มีส่วนร่วมในงานนี้ หลังจากทำงานร่วมกันเป็นเวลาสองปี ทีมนี้ได้สร้างภาษาโปรแกรม IPL1 ซึ่งดูเหมือนจะเป็นภาษาสัญลักษณ์ภาษาแรกสำหรับการประมวลผลรายการ ในไม่ช้าก็มีการเขียนโปรแกรมแรกซึ่งสามารถนำมาประกอบกับความสำเร็จในด้านปัญญาประดิษฐ์ นี่คือโปรแกรม "นักทฤษฎีลอจิก" (1956) ซึ่งออกแบบมาเพื่อพิสูจน์ทฤษฎีบทโดยอัตโนมัติในแคลคูลัสเชิงประพจน์
ที่จริงแล้วโปรแกรมสำหรับเล่นหมากรุก NSS เสร็จสมบูรณ์ในปี 1957 การทำงานของมันขึ้นอยู่กับสิ่งที่เรียกว่าฮิวริสติกส์ (กฎที่ให้คุณเลือกได้โดยไม่มีเหตุผลทางทฤษฎีที่แน่นอน) และคำอธิบายของเป้าหมาย อัลกอริธึมการควบคุมพยายามลดความแตกต่างระหว่างการประเมินสถานการณ์ปัจจุบันและการประเมินเป้าหมายหรือเป้าหมายย่อยอย่างใดอย่างหนึ่ง
ในปี 1960 กลุ่มเดียวกันตามหลักการที่ใช้ใน NSS ได้เขียนโปรแกรมที่ผู้สร้างเรียกว่า GPS (ตัวแก้ปัญหาทั่วไป) ซึ่งเป็นตัวแก้ปัญหาสากล GPS สามารถไขปริศนาต่างๆ คำนวณปริพันธ์ไม่จำกัด แก้ปัญหาอื่นๆ ได้ ผลลัพธ์เหล่านี้ดึงดูดความสนใจของผู้เชี่ยวชาญในด้านคอมพิวเตอร์ มีโปรแกรมสำหรับการพิสูจน์ทฤษฎีบทโดยอัตโนมัติจากแผนผังและการแก้ปัญหาเกี่ยวกับพีชคณิต (สูตรใน ภาษาอังกฤษ).
จอห์น แมคคาร์ตี (J.McCarty) จากสแตนฟอร์ดสนใจ พื้นฐานทางคณิตศาสตร์ผลลัพธ์เหล่านี้และการคำนวณเชิงสัญลักษณ์โดยทั่วไป เป็นผลให้ในปี 1963 เขาพัฒนาภาษา LISP (LISP จากการประมวลผลรายการ) ซึ่งขึ้นอยู่กับการใช้การแสดงรายการเดียวสำหรับโปรแกรมและข้อมูล การใช้นิพจน์เพื่อกำหนดฟังก์ชัน ไวยากรณ์วงเล็บ
นักตรรกะก็เริ่มแสดงความสนใจในการวิจัยในด้านปัญญาประดิษฐ์ ในปี 1964 เดียวกัน งานของนักตรรกศาสตร์ Leningrad Sergei Maslov "วิธีการผกผันสำหรับการสร้างการอนุมานในแคลคูลัสเพรดิเคตคลาสสิก" ได้รับการตีพิมพ์ ซึ่งเป็นครั้งแรกที่มีการเสนอวิธีการสำหรับการค้นหาการพิสูจน์ทฤษฎีบทในแคลคูลัสเพรดิเคตโดยอัตโนมัติ .
อีกหนึ่งปีต่อมา (ในปี พ.ศ. 2508) งานของ J.A.Pobinson ได้ปรากฏขึ้นในสหรัฐอเมริกา โดยอุทิศให้กับวิธีการที่แตกต่างออกไปเล็กน้อยในการค้นหาการพิสูจน์ทฤษฎีบทโดยอัตโนมัติในแคลคูลัสภาคแสดงลำดับที่หนึ่ง วิธีนี้เรียกว่าวิธีการแก้ปัญหาและเป็นจุดเริ่มต้นสำหรับการสร้างภาษาโปรแกรมใหม่ที่มีขั้นตอนการอนุมานในตัว - ภาษาโปรล็อก (PROLOG) ในปี 1971
ในปี 1966 ในสหภาพโซเวียต Valentin Turchin ได้พัฒนาภาษาของฟังก์ชันเรียกซ้ำ Refal ซึ่งออกแบบมาเพื่ออธิบายภาษาและ ประเภทต่างๆการประมวลผลของพวกเขา แม้ว่าจะถูกมองว่าเป็นภาษาโลหะอัลกอริทึม แต่สำหรับผู้ใช้ก็เหมือนกับ LISP และ Prolog ซึ่งเป็นภาษาการประมวลผลข้อมูลเชิงสัญลักษณ์
ในช่วงปลายทศวรรษที่ 60 โปรแกรมเกมแรก, ระบบสำหรับการวิเคราะห์ข้อความเบื้องต้นและการแก้ปัญหาบางอย่าง ปัญหาทางคณิตศาสตร์(เรขาคณิต, อินทิกรัลแคลคูลัส). ในปัญหาการแจงนับที่ซับซ้อนที่เกิดขึ้นในกรณีนี้ จำนวนตัวเลือกที่ต้องแยกออกนั้นลดลงอย่างมากโดยใช้ฮิวริสติกทุกชนิดและ " การใช้ความคิดเบื้องต้นแนวทางนี้เริ่มถูกเรียกว่าการเขียนโปรแกรมฮิวริสติก การพัฒนาต่อไปของการเขียนโปรแกรมฮิวริสติกเป็นไปตามเส้นทางของอัลกอริทึมที่ซับซ้อนและการปรับปรุงฮิวริสติก อย่างไรก็ตาม ในไม่ช้าก็เห็นได้ชัดว่ามีขีดจำกัดที่เหนือกว่าซึ่งไม่มีการปรับปรุงฮิวริสติกและความซับซ้อนของอัลกอริทึม ปรับปรุงคุณภาพของระบบและที่สำคัญที่สุดไม่ใช่ โปรแกรมที่เล่นหมากรุกจะไม่เล่นหมากฮอสหรือเกมไพ่
นักวิจัยค่อยๆ เริ่มตระหนักว่าโปรแกรมที่สร้างขึ้นก่อนหน้านี้ทั้งหมดขาดสิ่งที่สำคัญที่สุด นั่นคือความรู้ในสาขาที่เกี่ยวข้อง ผู้เชี่ยวชาญแก้ปัญหาบรรลุ ผลลัพธ์สูงด้วยความรู้และประสบการณ์ หากโปรแกรมเข้าถึงความรู้และนำไปใช้ก็จะได้งานที่มีคุณภาพสูงเช่นกัน
ความเข้าใจนี้ซึ่งเกิดขึ้นในช่วงต้นทศวรรษที่ 70 นั้นหมายถึงการก้าวกระโดดเชิงคุณภาพในการทำงานเกี่ยวกับปัญญาประดิษฐ์
ข้อพิจารณาพื้นฐานเกี่ยวกับเรื่องนี้ถูกแสดงในปี 1977 ในการประชุมร่วมครั้งที่ 5 เรื่องปัญญาประดิษฐ์โดยนักวิทยาศาสตร์ชาวอเมริกัน E. Feigenbaum
ในช่วงกลางทศวรรษที่ 70 ระบบอัจฉริยะที่ประยุกต์ใช้ครั้งแรกปรากฏขึ้นโดยใช้วิธีการต่าง ๆ ในการแสดงความรู้เพื่อแก้ปัญหา - ระบบผู้เชี่ยวชาญ หนึ่งในระบบแรกคือระบบผู้เชี่ยวชาญของ DENDRAL ซึ่งพัฒนาขึ้นที่มหาวิทยาลัยสแตนฟอร์ดและออกแบบมาเพื่อสร้างสูตร สารประกอบทางเคมีซึ่งเป็นรากฐาน การวิเคราะห์สเปกตรัม. ปัจจุบัน DENDRAL จัดหาสเปกโตรมิเตอร์ให้กับลูกค้า ระบบ MYCIN มีไว้สำหรับการวินิจฉัยและรักษาโรคเลือดติดเชื้อ ระบบ PROSPECTOR คาดการณ์แหล่งแร่ มีหลักฐานว่ามีการค้นพบเงินฝากโมลิบดีนัมซึ่งมีมูลค่าเกิน 100 ล้านเหรียญสหรัฐ ระบบการประเมินคุณภาพน้ำที่ดำเนินการบนพื้นฐานของเทคโนโลยี SIMER + MIR ของรัสเซียเมื่อหลายปีก่อนทำให้ความเข้มข้นของสารมลพิษในแม่น้ำมอสโกใกล้กับ Serebryany Bor เกินระดับสูงสุดที่อนุญาต ระบบ CASNET มีไว้สำหรับวินิจฉัยและเลือกวิธีการรักษาโรคต้อหิน ฯลฯ
ปัจจุบันการพัฒนาและการใช้งานระบบผู้เชี่ยวชาญได้กลายเป็นสาขาวิศวกรรมอิสระ การวิจัยทางวิทยาศาสตร์มีความเข้มข้นในหลายๆ ด้าน ซึ่งบางส่วนมีรายชื่ออยู่ด้านล่าง
ทฤษฎีนี้ไม่ได้ให้คำจำกัดความอย่างชัดเจนว่าสิ่งใดถือเป็นเงื่อนไขที่จำเป็นและเพียงพอสำหรับการบรรลุความเฉลียวฉลาด แม้ว่าจะมีสมมติฐานหลายข้อเกี่ยวกับคะแนนนี้ ตัวอย่างเช่น สมมติฐาน Newell-Simon โดยปกติแล้ว การนำระบบอัจฉริยะมาใช้จะเข้าถึงได้อย่างแม่นยำจากมุมมองของการสร้างแบบจำลองสติปัญญาของมนุษย์ ดังนั้น ภายในกรอบของปัญญาประดิษฐ์จึงมีสองส่วนหลัก:
■ สัญลักษณ์ (เชิงสัญลักษณ์ จากบนลงล่าง) ขึ้นอยู่กับแบบจำลองของกระบวนการคิดระดับสูงของมนุษย์ ในการนำเสนอและการใช้ความรู้
■ Neurocybernetic (เครือข่ายประสาท, จากน้อยไปหามาก) ขึ้นอยู่กับการสร้างแบบจำลองโครงสร้างสมองระดับต่ำ (เซลล์ประสาท)
ดังนั้น ภารกิจหลักของปัญญาประดิษฐ์คือการสร้างระบบอัจฉริยะของคอมพิวเตอร์ที่มีประสิทธิภาพในการแก้ปัญหางานนอกรูปแบบที่เทียบเท่าหรือเหนือกว่าของมนุษย์
กระบวนทัศน์การเขียนโปรแกรมที่ใช้บ่อยที่สุดในการสร้างระบบปัญญาประดิษฐ์ ได้แก่ การเขียนโปรแกรมเชิงฟังก์ชันและการเขียนโปรแกรมเชิงตรรกะ ซึ่งแตกต่างจากแนวทางเชิงโครงสร้างและเชิงวัตถุแบบดั้งเดิมในการพัฒนาตรรกะของโปรแกรมโดยการอนุมานการตัดสินใจแบบไม่เชิงเส้นและเครื่องมือระดับต่ำเพื่อสนับสนุนการวิเคราะห์และการสังเคราะห์โครงสร้างข้อมูล
มีโรงเรียนวิทยาศาสตร์สองแห่งที่มีแนวทางที่แตกต่างกันในการแก้ปัญหา AI: Conventional AI และ Computational AI
ใน AI แบบเดิมส่วนใหญ่ใช้วิธีการเรียนรู้ด้วยเครื่องบนพื้นฐานของพิธีการและการวิเคราะห์ทางสถิติ
วิธี AI ทั่วไป:
■ ระบบผู้เชี่ยวชาญ: โปรแกรมที่ดำเนินการตามกฎบางอย่างประมวลผลข้อมูลจำนวนมากและเป็นผลให้สรุปตามนั้น
■ การให้เหตุผลตามกรณีที่คล้ายกัน (Case-based reasoning)
■ เครือข่ายเบส์ - มัน วิธีการทางสถิติการค้นหารูปแบบในข้อมูล สำหรับสิ่งนี้ จะใช้ข้อมูลหลักซึ่งมีอยู่ในโครงสร้างเครือข่ายหรือในฐานข้อมูล
■ แนวทางพฤติกรรม: วิธีการแบบโมดูลาร์ในการสร้างระบบ AI ซึ่งระบบจะแบ่งออกเป็นโปรแกรมพฤติกรรมที่ค่อนข้างเป็นอิสระหลายโปรแกรมที่เปิดใช้งานโดยขึ้นอยู่กับการเปลี่ยนแปลงในสภาพแวดล้อมภายนอก
AI เชิงคำนวณหมายถึงการพัฒนาซ้ำและการฝึกอบรม (เช่น การเลือกพารามิเตอร์ในเครือข่ายการเชื่อมต่อ) การเรียนรู้ขึ้นอยู่กับข้อมูลเชิงประจักษ์และเชื่อมโยงกับ AI ที่ไม่ใช่สัญลักษณ์และการคำนวณแบบอ่อน
วิธีการหลักในการคำนวณ AI:
■ โครงข่ายประสาทเทียม: ระบบที่มีความสามารถในการจดจำที่ดีเยี่ยม
■ ระบบคลุมเครือ: เทคนิคการให้เหตุผลภายใต้ความไม่แน่นอน (ใช้กันอย่างแพร่หลายในอุตสาหกรรมสมัยใหม่และระบบควบคุมผู้บริโภค)
■ การคำนวณวิวัฒนาการ: ที่นี่ แนวคิดแบบดั้งเดิมที่เกี่ยวข้องกับชีววิทยา เช่น ประชากร การกลายพันธุ์ และการคัดเลือกโดยธรรมชาติ ถูกนำมาใช้เพื่อสร้างวิธีแก้ปัญหาที่ดีที่สุด วิธีการเหล่านี้แบ่งออกเป็นอัลกอริทึมเชิงวิวัฒนาการ (เช่น อัลกอริธึมเชิงพันธุกรรม) และวิธีการฉลาดแบบฝูง (เช่น อัลกอริทึมฝูงมด)
ภายในกรอบของระบบอัจฉริยะแบบไฮบริด พวกเขากำลังพยายามรวมสองส่วนนี้เข้าด้วยกัน กฎการอนุมานของผู้เชี่ยวชาญสามารถสร้างขึ้นโดยโครงข่ายประสาทเทียม และกฎการกำเนิดได้มาจากการเรียนรู้ทางสถิติ
ทิศทางของปัญญาประดิษฐ์
วิธีการ CBR (Case-Based Reasoning Modeling) ถูกนำมาใช้แล้วในหลาย ๆ แอพพลิเคชั่น - ในทางการแพทย์, การจัดการโครงการ, สำหรับการวิเคราะห์และจัดระเบียบสิ่งแวดล้อมใหม่, สำหรับการพัฒนาผลิตภัณฑ์สำหรับตลาดมวลชนโดยคำนึงถึงความชอบของกลุ่มผู้บริโภคที่แตกต่างกัน ฯลฯ เราควรคาดหวังการประยุกต์ใช้วิธีการ CBR สำหรับปัญหาของการดึงข้อมูลอัจฉริยะ อีคอมเมิร์ซ (การเสนอสินค้า การสร้างตัวแทนการค้าเสมือนจริง) พฤติกรรมการวางแผนในสภาพแวดล้อมแบบไดนามิก การเชื่อมโยง การออกแบบ และการสังเคราะห์โปรแกรม
นอกจากนี้ เราควรคาดหวังอิทธิพลที่เพิ่มขึ้นของแนวคิดและวิธีการ (AI) ในการวิเคราะห์ข้อความด้วยเครื่อง (AT) ในภาษาธรรมชาติ อิทธิพลนี้มีแนวโน้มที่จะส่งผลต่อการวิเคราะห์ความหมายและวิธีการแยกวิเคราะห์ที่เกี่ยวข้อง - ในพื้นที่นี้จะแสดงให้เห็นโดยคำนึงถึงแบบจำลองของโลกในขั้นตอนสุดท้ายของการวิเคราะห์ความหมายและใช้ความรู้โดเมนและข้อมูลสถานการณ์เพื่อลดการค้นหามากขึ้น ระยะแรก(ตัวอย่างเช่น เมื่อสร้าง parse tree)
"ช่องทางการสื่อสาร" ที่สองของ AI และ AT คือการใช้วิธีการเรียนรู้ของเครื่องใน AT; "ช่องทาง" ที่สามคือการใช้เหตุผลตามกรณีและการโต้แย้งตามเหตุผลเพื่อแก้ปัญหาบางอย่างของ AT เช่นการลดเสียงรบกวนและการปรับปรุงความเกี่ยวข้องของการค้นหา
หนึ่งในสิ่งที่สำคัญที่สุดและ ทิศทางที่มีแนวโน้มในปัญญาประดิษฐ์ งานของการวางแผนพฤติกรรมอัตโนมัติควรนำมาประกอบกันในวันนี้ ขอบเขตของวิธีการวางแผนอัตโนมัติคืออุปกรณ์ที่หลากหลายซึ่งมีอิสระในระดับสูงและมีพฤติกรรมที่มุ่งหมาย ตั้งแต่เครื่องใช้ในครัวเรือนไปจนถึงยานอวกาศไร้คนขับสำหรับการสำรวจห้วงอวกาศ

แหล่งที่มาที่ใช้
1. Stuart Russell, Peter Norvig "Artificial Intelligence: A Modern Approach (AIMA)" พิมพ์ครั้งที่ 2: Per. จากอังกฤษ. - ม.: สำนักพิมพ์ "วิลเลียมส์", 2548.-1424 หน้าพร้อมภาพประกอบ.
2. George F. Luger "Artificial Intelligence: Strategies and Solutions" พิมพ์ครั้งที่ 4: ต่อ จากอังกฤษ. - ม.: สำนักพิมพ์วิลเลียมส์, 2547.
3. Gennady Osipov ประธานสมาคมปัญญาประดิษฐ์แห่งรัสเซีย สมาชิกถาวรของคณะกรรมการประสานงานปัญญาประดิษฐ์แห่งยุโรป (ECCAI) ดุษฎีบัณฑิตสาขาวิทยาศาสตร์กายภาพและคณิตศาสตร์ ศาสตราจารย์ "ปัญญาประดิษฐ์: สถานะของการวิจัยและการมองไปในอนาคต "

ปัญญาประดิษฐ์

ปัญญาประดิษฐ์(AI จากภาษาอังกฤษ ปัญญาประดิษฐ์ AI) - วิทยาศาสตร์และเทคโนโลยีในการสร้างเครื่องจักรอัจฉริยะโดยเฉพาะโปรแกรมคอมพิวเตอร์อัจฉริยะ

AI เกี่ยวข้องกับงานที่คล้ายกันในการใช้คอมพิวเตอร์เพื่อทำความเข้าใจความฉลาดของมนุษย์ แต่ไม่จำเป็นต้องจำกัดอยู่เพียงวิธีการที่มีเหตุผลทางชีวภาพเท่านั้น

AI เป็นทิศทางทางวิทยาศาสตร์ที่พัฒนาวิธีการที่ช่วยให้คอมพิวเตอร์อิเล็กทรอนิกส์สามารถแก้ปัญหาทางปัญญาได้หากบุคคลนั้นแก้ไขได้ แนวคิดของ "ปัญญาประดิษฐ์" หมายถึงการทำงานของเครื่องจักรในการแก้ปัญหาของมนุษย์ ปัญญาประดิษฐ์มีเป้าหมายเพื่อเพิ่มประสิทธิภาพของแรงงานทางจิตของมนุษย์ในรูปแบบต่างๆ

รูปแบบของปัญญาประดิษฐ์ที่พบบ่อยที่สุดคือคอมพิวเตอร์ที่ตั้งโปรแกรมให้ตอบสนองต่อหัวข้อเฉพาะ "ระบบผู้เชี่ยวชาญ" ดังกล่าวมีความสามารถของมนุษย์ในการทำงานวิเคราะห์ของผู้เชี่ยวชาญ โปรแกรมประมวลผลคำที่คล้ายกันสามารถตรวจจับข้อผิดพลาดในการสะกดคำได้ สามารถ "ฝึกฝน" ในคำศัพท์ใหม่ได้ สำหรับสิ่งนี้ ระเบียบวินัยทางวิทยาศาสตร์ติดกับอีกหัวข้อหนึ่งซึ่งบางครั้งเรียกว่า " ชีวิตประดิษฐ์" เธอมีส่วนร่วมในข่าวกรองมากขึ้น ระดับต่ำ. ตัวอย่างเช่น หุ่นยนต์สามารถตั้งโปรแกรมให้นำทางในหมอกได้ เช่น เพื่อให้สามารถโต้ตอบทางกายภาพกับสิ่งแวดล้อมได้

คำว่า "ปัญญาประดิษฐ์" ถูกเสนอครั้งแรกในการสัมมนาชื่อเดียวกันที่ Dartsmouth College ในสหรัฐอเมริกาในปี พ.ศ. 2499 ต่อจากนั้น นักวิทยาศาสตร์หลายคนได้ให้คำจำกัดความของปัญญาประดิษฐ์ดังต่อไปนี้:

AI - สาขาวิชาวิทยาการคอมพิวเตอร์ที่เกี่ยวข้องกับการทำงานอัตโนมัติของพฤติกรรมอัจฉริยะ

AI เป็นศาสตร์แห่งการคำนวณที่ทำให้การรับรู้ การอนุมาน และการกระทำเป็นไปได้

AI เป็นเทคโนโลยีสารสนเทศที่เกี่ยวข้องกับกระบวนการอนุมาน การเรียนรู้ และการรับรู้

ประวัติของปัญญาประดิษฐ์เป็นทิศทางใหม่ทางวิทยาศาสตร์เริ่มต้นขึ้นในกลางศตวรรษที่ 20 มาถึงตอนนี้ข้อกำหนดเบื้องต้นหลายประการสำหรับการกำเนิดได้ก่อตัวขึ้นแล้ว: ในหมู่นักปรัชญามีข้อโต้แย้งเกี่ยวกับธรรมชาติของมนุษย์และกระบวนการในการรู้จักโลกมานานแล้วนักประสาทสรีรวิทยาและนักจิตวิทยาได้พัฒนาทฤษฎีจำนวนหนึ่งเกี่ยวกับงานนี้ สมองมนุษย์และการคิด นักเศรษฐศาสตร์และนักคณิตศาสตร์ถามคำถามเกี่ยวกับการคำนวณที่เหมาะสมที่สุดและการแสดงความรู้เกี่ยวกับโลกในรูปแบบที่เป็นทางการ ในที่สุด รากฐานของทฤษฎีทางคณิตศาสตร์ของการคำนวณ - ทฤษฎีของอัลกอริทึม - ก็ถือกำเนิดขึ้นและคอมพิวเตอร์เครื่องแรกก็ถูกสร้างขึ้น

ปัญหาหลักของปัญญาประดิษฐ์คือการพัฒนาวิธีการแสดงและประมวลผลความรู้

โปรแกรมปัญญาประดิษฐ์ประกอบด้วย:

โปรแกรมเกม (สุ่ม, เกมคอมพิวเตอร์);

โปรแกรมภาษาธรรมชาติ - การแปลด้วยเครื่อง, การสร้างข้อความ, การประมวลผลคำพูด;

โปรแกรมจดจำ - จดจำลายมือ รูปภาพ แผนที่

โปรแกรมสำหรับสร้างและวิเคราะห์กราฟิก จิตรกรรม งานดนตรี

พื้นที่ของปัญญาประดิษฐ์ต่อไปนี้มีความโดดเด่น:

ระบบผู้เชี่ยวชาญ

เครือข่ายประสาท

ระบบภาษาธรรมชาติ

วิธีการวิวัฒนาการและอัลกอริธึมเชิงพันธุกรรม

ชุดคลุมเครือ

ระบบสกัดความรู้

ระบบผู้เชี่ยวชาญมุ่งเน้นไปที่การแก้ปัญหาเฉพาะ

โครงข่ายประสาทเทียมใช้อัลกอริทึมโครงข่ายประสาทเทียม

แบ่งออกเป็น:

เครือข่าย วัตถุประสงค์ทั่วไปซึ่งรองรับอัลกอริธึมเครือข่ายประสาทประมาณ 30 รายการและกำหนดค่าเพื่อแก้ปัญหาเฉพาะ

เชิงวัตถุ - ใช้สำหรับการจดจำตัวอักษร การจัดการการผลิต การทำนายสถานการณ์ในตลาดแลกเปลี่ยนเงินตราต่างประเทศ

ไฮบริด - ใช้ร่วมกับซอฟต์แวร์บางตัว (Excel, Access, Lotus)

ระบบภาษาธรรมชาติ (NL) แบ่งออกเป็น:

ผลิตภัณฑ์ซอฟต์แวร์อินเทอร์เฟซภาษาธรรมชาติในฐานข้อมูล (การแสดงข้อความค้นหาภาษาธรรมชาติในแบบสอบถาม SQL)

การค้นหาด้วยภาษาธรรมชาติในข้อความ การสแกนข้อความที่สื่อความหมาย (ใช้ในเครื่องมือค้นหาทางอินเทอร์เน็ต เช่น Google)

เครื่องมือรู้จำเสียงที่ปรับขนาดได้ (ล่ามพร้อมกันแบบพกพา);

ส่วนประกอบการประมวลผลคำพูดเป็นเครื่องมือในการให้บริการ ซอฟต์แวร์(โอเอส วินโดวส์ XP)

Fuzzy set - ใช้ความสัมพันธ์เชิงตรรกะระหว่างข้อมูล ผลิตภัณฑ์ซอฟต์แวร์เหล่านี้ใช้ในการจัดการวัตถุทางเศรษฐกิจ สร้างระบบผู้เชี่ยวชาญ และระบบสนับสนุนการตัดสินใจ

ขั้นตอนวิธีเชิงพันธุกรรมเป็นวิธีการวิเคราะห์ข้อมูลที่ไม่สามารถวิเคราะห์ด้วยวิธีมาตรฐานได้ ตามกฎแล้วจะใช้สำหรับการประมวลผลข้อมูลจำนวนมาก สร้างแบบจำลองการคาดการณ์ ใช้ใน วัตถุประสงค์ทางวิทยาศาสตร์ในการจำลองสถานการณ์

ระบบการสกัดความรู้ - ใช้เพื่อประมวลผลข้อมูลจากที่เก็บข้อมูล

ระบบ AI ที่มีชื่อเสียงที่สุดคือ:

สีน้ำเงินเข้ม- เอาชนะแชมป์หมากรุกโลก การจับคู่ระหว่างคาสปารอฟกับซูเปอร์คอมพิวเตอร์ไม่ได้สร้างความพึงพอใจให้กับนักวิทยาศาสตร์คอมพิวเตอร์หรือผู้เล่นหมากรุก และคาสปารอฟไม่รู้จักระบบนี้ จากนั้นสายผลิตภัณฑ์ซูเปอร์คอมพิวเตอร์ของไอบีเอ็มได้ปรากฏตัวในโครงการสร้างแบบจำลองระบบ BluGene (การสร้างแบบจำลองระดับโมเลกุล) และเซลล์เสี้ยมแบบเดรัจฉานที่ Blue Brain ประเทศสวิตเซอร์แลนด์

วัตสัน- การพัฒนาที่มีแนวโน้มของ IBM สามารถรับรู้คำพูดของมนุษย์และดำเนินการค้นหาความน่าจะเป็นโดยใช้อัลกอริธึมจำนวนมาก เพื่อสาธิตการทำงานวัตสันเข้าร่วมในเกมอเมริกัน "อันตราย!" ซึ่งเป็นเกมอะนาล็อกของ "เกมของตัวเอง" ในรัสเซียซึ่งระบบสามารถเอาชนะในทั้งสองเกมได้

ไมซิน- หนึ่งในระบบผู้เชี่ยวชาญในยุคแรกๆ ที่สามารถวินิจฉัยโรคกลุ่มเล็กๆ ได้ และมักจะแม่นยำพอๆ กับแพทย์

20Q- โครงการตามแนวคิดของ AI ตามเกมคลาสสิก "20 คำถาม" ได้รับความนิยมอย่างมากหลังจากปรากฏบนอินเทอร์เน็ตที่ 20q.net

การรู้จำเสียง ระบบเช่น ViaVoice สามารถให้บริการผู้บริโภคได้

หุ่นยนต์ในการแข่งขัน RoboCup ประจำปีจะแข่งขันในรูปแบบฟุตบอลที่เรียบง่าย

ธนาคารใช้ระบบปัญญาประดิษฐ์ (AI) ในกิจกรรมการประกันภัย (คณิตศาสตร์ประกันภัย) เมื่อเล่นในตลาดหลักทรัพย์และจัดการทรัพย์สิน วิธีการจดจำรูปแบบ (รวมถึงวิธีการที่ซับซ้อนและเฉพาะทางและโครงข่ายประสาทเทียม) มีการใช้กันอย่างแพร่หลายในการจดจำด้วยแสงและเสียง (รวมถึงข้อความและคำพูด) การวินิจฉัยทางการแพทย์ ตัวกรองสแปม ระบบป้องกันภัยทางอากาศ (การระบุเป้าหมาย) ตลอดจนเพื่อให้แน่ใจว่า งานด้านความมั่นคงของชาติอื่นๆ อีกจำนวนหนึ่ง

นักพัฒนาเกมคอมพิวเตอร์ใช้ AI ในระดับต่างๆ ของความซับซ้อน นี่เป็นแนวคิดของ "เกมปัญญาประดิษฐ์" ภารกิจมาตรฐานของ AI ในเกมคือการหาเส้นทางในพื้นที่ 2 มิติหรือ 3 มิติ การจำลองพฤติกรรมของหน่วยรบ การคำนวณกลยุทธ์ทางเศรษฐกิจที่เหมาะสม และอื่นๆ

ศูนย์วิทยาศาสตร์และการวิจัยที่ใหญ่ที่สุดในด้านปัญญาประดิษฐ์:

สหรัฐอเมริกา (สถาบันเทคโนโลยีแมสซาชูเซตส์);

เยอรมนี (ภาษาเยอรมัน ศูนย์วิจัยเกี่ยวกับปัญญาประดิษฐ์);

ญี่ปุ่น ( สถาบันแห่งชาติวิทยาศาสตร์และเทคโนโลยีอุตสาหกรรมสมัยใหม่ (AIST));

รัสเซีย (สภาวิทยาศาสตร์เกี่ยวกับวิธีการของปัญญาประดิษฐ์ของ Russian Academy of Sciences)

วันนี้เนื่องจากความก้าวหน้าในด้านปัญญาประดิษฐ์ทำให้เกิดการพัฒนาทางวิทยาศาสตร์จำนวนมากซึ่งทำให้ชีวิตของผู้คนง่ายขึ้นมาก การรู้จำเสียงพูดหรือข้อความที่สแกน การแก้ปัญหาที่ซับซ้อนในการคำนวณ เวลาอันสั้นและอีกมากมาย - ทั้งหมดนี้มีให้เนื่องจากการพัฒนาปัญญาประดิษฐ์

การเปลี่ยนผู้เชี่ยวชาญที่เป็นมนุษย์ด้วยระบบปัญญาประดิษฐ์ โดยเฉพาะอย่างยิ่งกับระบบผู้เชี่ยวชาญ แน่นอนว่าหากได้รับอนุญาต สามารถเพิ่มความเร็วและลดต้นทุนของกระบวนการผลิตได้อย่างมาก ระบบปัญญาประดิษฐ์นั้นมีวัตถุประสงค์เสมอและผลงานของพวกเขาไม่ได้ขึ้นอยู่กับอารมณ์ชั่วขณะและปัจจัยส่วนตัวอื่น ๆ ที่มีอยู่ในตัวบุคคล แต่ถึงแม้จะมีทั้งหมดข้างต้น แต่ก็ไม่ควรปิดบังภาพลวงตาที่น่าสงสัยและหวังว่าในอนาคตอันใกล้แรงงานมนุษย์จะถูกแทนที่ด้วยงานของปัญญาประดิษฐ์ ประสบการณ์แสดงให้เห็นว่าทุกวันนี้ระบบปัญญาประดิษฐ์บรรลุผลลัพธ์ที่ดีที่สุดเมื่อทำงานร่วมกับบุคคล ท้ายที่สุดแล้ว เป็นคนที่ไม่เหมือนกับปัญญาประดิษฐ์ที่สามารถคิดนอกกรอบและสร้างสรรค์ ซึ่งทำให้เขาสามารถพัฒนาและก้าวไปข้างหน้าตลอดยุคสมัยของเขา

แหล่งที่มาที่ใช้

1. www.aiportal.ru

3. th.wikipedia.org

กลยุทธ์วิวัฒนาการใหม่ของมนุษยชาติ

เขาชี้ให้เห็นว่า: “ปัญหาคือเรายังไม่สามารถระบุได้ว่ากระบวนการคำนวณใดที่เราต้องการเรียกว่าอัจฉริยะ เราเข้าใจกลไกของหน่วยสืบราชการลับบางอย่างและไม่เข้าใจกลไกอื่น ดังนั้นความเฉลียวฉลาดในศาสตร์นี้จึงถูกเข้าใจว่าเป็นองค์ประกอบทางการคำนวณของความสามารถในการบรรลุเป้าหมายในโลกเท่านั้น

ในขณะเดียวกันก็มีมุมมองตามที่สติปัญญาสามารถเป็นปรากฏการณ์ทางชีววิทยาเท่านั้น

ในฐานะประธานสาขาเซนต์ปีเตอร์สเบิร์กของสมาคมปัญญาประดิษฐ์แห่งรัสเซีย T. A. Gavrilova ชี้ให้เห็นวลีภาษาอังกฤษ ปัญญาประดิษฐ์ไม่มีสีของมนุษย์ที่ยอดเยี่ยมเล็กน้อยที่ได้มาจากการแปลภาษารัสเซียที่ค่อนข้างไม่ประสบความสำเร็จ คำ ปัญญาหมายถึง "ความสามารถในการให้เหตุผลอย่างมีเหตุผล" และไม่ใช่ "สติปัญญา" แต่อย่างใด เทียบเท่าภาษาอังกฤษ สติปัญญา .

สมาชิกของสมาคมปัญญาประดิษฐ์แห่งรัสเซียให้คำจำกัดความของปัญญาประดิษฐ์ดังต่อไปนี้:

หนึ่งในคำจำกัดความส่วนตัวของปัญญาทั่วไปสำหรับบุคคลและ "เครื่องจักร" สามารถกำหนดได้ดังนี้: "ปัญญาคือความสามารถของระบบในการสร้างโปรแกรม (โดยหลักคือฮิวริสติก) ในหลักสูตรการเรียนรู้ด้วยตนเองเพื่อแก้ปัญหาของ ความซับซ้อนระดับหนึ่งและแก้ปัญหาเหล่านี้” .

บ่อยครั้งที่ปัญญาประดิษฐ์เรียกอีกอย่างว่าอุปกรณ์อิเล็กทรอนิกส์ที่ง่ายที่สุดเพื่อระบุการมีอยู่ของเซ็นเซอร์และการเลือกโหมดการทำงานโดยอัตโนมัติ คำว่าประดิษฐ์ในกรณีนี้หมายความว่าคุณไม่ควรคาดหวังว่าระบบจะสามารถค้นหาโหมดการทำงานใหม่ในสถานการณ์ที่นักพัฒนาไม่ได้มองเห็น

ข้อกำหนดเบื้องต้นสำหรับการพัฒนาวิทยาศาสตร์ของปัญญาประดิษฐ์

ประวัติของปัญญาประดิษฐ์เป็นทิศทางใหม่ทางวิทยาศาสตร์เริ่มต้นขึ้นในกลางศตวรรษที่ 20 มาถึงตอนนี้ข้อกำหนดเบื้องต้นหลายประการสำหรับการกำเนิดได้ก่อตัวขึ้นแล้ว: ในหมู่นักปรัชญามีการโต้เถียงกันมานานแล้วเกี่ยวกับธรรมชาติของมนุษย์และกระบวนการในการรู้จักโลก นักประสาทสรีรวิทยาและนักจิตวิทยาได้พัฒนาทฤษฎีจำนวนหนึ่งเกี่ยวกับการทำงานของสมองมนุษย์และ นักคิด นักเศรษฐศาสตร์และนักคณิตศาสตร์ถามคำถามเกี่ยวกับการคำนวณที่เหมาะสมที่สุดและการแสดงความรู้เกี่ยวกับโลกในรูปแบบที่เป็นทางการ ในที่สุด รากฐานของทฤษฎีทางคณิตศาสตร์ของการคำนวณ - ทฤษฎีของอัลกอริทึม - ก็ถือกำเนิดขึ้นและคอมพิวเตอร์เครื่องแรกก็ถูกสร้างขึ้น

ความสามารถของเครื่องจักรใหม่ในแง่ของความเร็วในการคำนวณนั้นสูงกว่าของมนุษย์ ดังนั้นคำถามจึงพุ่งเข้าสู่ชุมชนวิทยาศาสตร์: อะไรคือขีดจำกัดของความสามารถของคอมพิวเตอร์ และเครื่องจักรจะไปถึงระดับการพัฒนาของมนุษย์หรือไม่? ในปี 1950 หนึ่งในผู้บุกเบิกด้านเทคโนโลยีคอมพิวเตอร์ Alan Turing นักวิทยาศาสตร์ชาวอังกฤษ ได้เขียนบทความชื่อ "Can a machine think?" ซึ่งอธิบายถึงขั้นตอนที่จะสามารถระบุช่วงเวลาที่เครื่องจักรมีความเท่าเทียมกันในแง่ของความฉลาดกับบุคคล ซึ่งเรียกว่าการทดสอบทัวริง

ประวัติความเป็นมาของการพัฒนาปัญญาประดิษฐ์ในสหภาพโซเวียตและรัสเซีย

ในสหภาพโซเวียต งานด้านปัญญาประดิษฐ์เริ่มขึ้นในทศวรรษที่ 1960 การศึกษาบุกเบิกจำนวนหนึ่งดำเนินการที่มหาวิทยาลัยมอสโกและ Academy of Sciences นำโดย Veniamin Pushkin และ D. A. Pospelov

ในปี 1964 ผลงานของ Sergei Maslov นักตรรกวิทยาเลนินกราด "วิธีการผกผันสำหรับการสร้างอนุพันธ์ในแคลคูลัสเพรดิเคตแบบคลาสสิก" ได้รับการตีพิมพ์ ซึ่งเป็นครั้งแรกที่มีการเสนอวิธีการสำหรับการค้นหาการพิสูจน์ทฤษฎีบทในแคลคูลัสเพรดิเคตโดยอัตโนมัติ

จนถึงทศวรรษ 1970 ในสหภาพโซเวียต การวิจัย AI ทั้งหมดดำเนินการภายใต้กรอบของไซเบอร์เนติกส์ จากข้อมูลของ D. A. Pospelov วิทยาศาสตร์ของ "วิทยาการคอมพิวเตอร์" และ "ไซเบอร์เนติกส์" นั้นผสมกันในเวลานั้นเนื่องจากข้อพิพาททางวิชาการหลายประการ เฉพาะในช่วงปลายทศวรรษ 1970 ในสหภาพโซเวียตพวกเขาเริ่มพูดคุยเกี่ยวกับทิศทางทางวิทยาศาสตร์ "ปัญญาประดิษฐ์" ในฐานะสาขาวิทยาการคอมพิวเตอร์ ในเวลาเดียวกัน สารสนเทศเองก็ถือกำเนิดขึ้น โดยปราบบรรพบุรุษ "ไซเบอร์เนติกส์" ในช่วงปลายทศวรรษ 1970 พจนานุกรมอธิบายปัญญาประดิษฐ์ หนังสืออ้างอิงสามเล่มเกี่ยวกับปัญญาประดิษฐ์และ พจนานุกรมสารานุกรมในสาขาสารสนเทศซึ่งรวมถึงส่วน "Cybernetics" และ "ปัญญาประดิษฐ์" พร้อมกับส่วนอื่น ๆ ในองค์ประกอบของสารสนเทศ คำว่า "วิทยาการคอมพิวเตอร์" เริ่มแพร่หลายในทศวรรษที่ 1980 และคำว่า "ไซเบอร์เนติกส์" ก็ค่อยๆ หายไปจากการเผยแพร่ เหลือเพียงในชื่อของสถาบันเหล่านั้นที่เกิดขึ้นในยุคของ "ไซเบอร์เนติกส์บูม" ในช่วงปลายทศวรรษ 1950 และต้นทศวรรษ 1960 มุมมองของปัญญาประดิษฐ์ ไซเบอร์เนติกส์ และวิทยาการคอมพิวเตอร์นี้ไม่ได้ถูกแบ่งปันโดยทุกคน นี่เป็นเพราะความจริงที่ว่าในตะวันตกขอบเขตของวิทยาศาสตร์เหล่านี้แตกต่างกันบ้าง

แนวทางและทิศทาง

แนวทางการทำความเข้าใจปัญหา

ไม่มีคำตอบเดียวสำหรับคำถามที่ว่าปัญญาประดิษฐ์ทำอะไร นักเขียนเกือบทุกคนที่เขียนหนังสือเกี่ยวกับ AI เริ่มต้นจากคำจำกัดความบางอย่างในนั้น โดยพิจารณาจากความสำเร็จของวิทยาศาสตร์นี้ในแง่ของมัน

• จากมากไปน้อย (ภาษาอังกฤษ) AI จากบนลงล่าง), สัญศาสตร์ - การสร้างระบบผู้เชี่ยวชาญ ฐานความรู้ และระบบการอนุมานที่เลียนแบบกระบวนการทางจิตระดับสูง: การคิด การให้เหตุผล คำพูด อารมณ์ ความคิดสร้างสรรค์ ฯลฯ
• จากน้อยไปมาก (ภาษาอังกฤษ) AI จากล่างขึ้นบน) ชีวภาพ - การศึกษาเครือข่ายประสาทและการคำนวณเชิงวิวัฒนาการที่จำลองพฤติกรรมทางปัญญาตามองค์ประกอบทางชีววิทยา เช่นเดียวกับการสร้างระบบคอมพิวเตอร์ที่เหมาะสม เช่น ระบบประสาทคอมพิวเตอร์หรือคอมพิวเตอร์ชีวภาพ

แนวทางหลัง พูดอย่างเคร่งครัด ใช้ไม่ได้กับวิทยาศาสตร์ของ AI ตามความหมายที่จอห์น แม็กคาร์ธีให้ไว้ กล่าวคือ พวกมันรวมเป็นหนึ่งเดียวโดยมีเป้าหมายสูงสุดร่วมกันเท่านั้น

การทดสอบทัวริงและวิธีการที่ใช้งานง่าย

การทดสอบเชิงประจักษ์เสนอโดย Alan Turing ในบทความ " เครื่องคอมพิวเตอร์และจิตใจ" เครื่องจักรคอมพิวเตอร์และปัญญา ) ตีพิมพ์ในปี พ.ศ. 2493 ในวารสารปรัชญา จิตใจ". จุดประสงค์ของการทดสอบนี้คือเพื่อพิจารณาความเป็นไปได้ของการคิดประดิษฐ์ที่ใกล้เคียงกับมนุษย์

การตีความมาตรฐานของการทดสอบนี้มีดังต่อไปนี้: " คนโต้ตอบกับคอมพิวเตอร์หนึ่งเครื่องและหนึ่งคน จากคำตอบของคำถาม เขาจะต้องพิจารณาว่าเขากำลังคุยกับใคร: กับบุคคลหรือโปรแกรมคอมพิวเตอร์ งานของโปรแกรมคอมพิวเตอร์คือการทำให้บุคคลเข้าใจผิดโดยบังคับให้เขาเลือกผิด". ผู้เข้าร่วมการทดสอบทั้งหมดไม่เห็นหน้ากัน

• วิธีการทั่วไปส่วนใหญ่สันนิษฐานว่า AI จะสามารถแสดงพฤติกรรมเหมือนมนุษย์ในสถานการณ์ปกติได้ แนวคิดนี้เป็นการวางแนวทั่วไปของแนวทางการทดสอบของทัวริง ซึ่งระบุว่าเครื่องจักรจะฉลาดขึ้นเมื่อสามารถสนทนากับบุคคลทั่วไปได้ และเขาจะไม่สามารถเข้าใจได้ว่าเขากำลังพูดคุยกับเครื่องจักร (the การสนทนาจะดำเนินการโดยการติดต่อ)
• นักเขียนนิยายวิทยาศาสตร์มักแนะนำแนวทางอื่น: AI จะเกิดขึ้นเมื่อเครื่องจักรสามารถรู้สึกและสร้างได้ ดังนั้นเจ้าของ Andrew Martin จาก "Bicentennial Man" จึงเริ่มปฏิบัติต่อเขาเหมือนคนเมื่อเขาสร้างของเล่นตามการออกแบบของเขาเอง และข้อมูลจาก Star Trek ความสามารถในการสื่อสารและการเรียนรู้ ความฝันที่จะดึงดูดอารมณ์และสัญชาตญาณ

อย่างไรก็ตาม แนวทางหลังนี้ไม่น่าจะอยู่ภายใต้การตรวจสอบข้อเท็จจริงในรายละเอียดเพิ่มเติม ตัวอย่างเช่น เป็นเรื่องง่ายที่จะสร้างกลไกที่จะประเมินพารามิเตอร์บางอย่างของสภาพแวดล้อมภายนอกหรือภายในและตอบสนองต่อค่าที่ไม่เอื้ออำนวย เราสามารถพูดเกี่ยวกับระบบดังกล่าวว่ามีความรู้สึก ("ความเจ็บปวด" เป็นปฏิกิริยาต่อเซ็นเซอร์ช็อต "ความหิว" เป็นปฏิกิริยาต่อการชาร์จแบตเตอรี่ต่ำ ฯลฯ ) และกลุ่มที่สร้างขึ้นโดยแผนที่ Kohonen และผลิตภัณฑ์อื่น ๆ อีกมากมายของระบบ "อัจฉริยะ" ถือได้ว่าเป็นความคิดสร้างสรรค์ประเภทหนึ่ง

วิธีการเชิงสัญลักษณ์

ในอดีต วิธีการเชิงสัญลักษณ์เป็นวิธีการแรกในยุคของคอมพิวเตอร์ดิจิทัล เนื่องจากหลังจากการสร้าง Lisp ซึ่งเป็นภาษาคอมพิวเตอร์เชิงสัญลักษณ์ภาษาแรก ผู้เขียนจึงมั่นใจในความเป็นไปได้ที่จะเริ่มนำวิธีการทางปัญญาเหล่านี้ไปใช้จริง วิธีการเชิงสัญลักษณ์ช่วยให้สามารถดำเนินการกับการแสดงที่เป็นทางการและความหมายที่อ่อนแอได้

ความสำเร็จและประสิทธิภาพของการแก้ปัญหาใหม่ขึ้นอยู่กับความสามารถในการดึงข้อมูลที่จำเป็นเท่านั้น ซึ่งต้องอาศัยความยืดหยุ่นในวิธีการนามธรรม ในขณะที่โปรแกรมทั่วไปกำหนดวิธีหนึ่งในการตีความข้อมูลของตัวเอง ซึ่งเป็นเหตุผลว่าทำไมงานของมันจึงดูมีอคติและเป็นกลไกล้วน ๆ ในกรณีนี้ เฉพาะบุคคล นักวิเคราะห์หรือโปรแกรมเมอร์เท่านั้นที่สามารถแก้ปัญหาทางปัญญา โดยไม่สามารถมอบสิ่งนี้ให้กับเครื่องจักรได้ เป็นผลให้มีการสร้างแบบจำลองที่เป็นนามธรรมเดียว ซึ่งเป็นระบบของเอนทิตีเชิงสร้างสรรค์และอัลกอริทึม และความยืดหยุ่นและความสามารถรอบด้านส่งผลให้มีต้นทุนทรัพยากรที่สำคัญสำหรับ งานทั่วไปนั่นคือระบบเปลี่ยนจากข่าวกรองเป็นกำลังดุร้าย

คุณสมบัติหลักของการคำนวณเชิงสัญลักษณ์คือการสร้างกฎใหม่ระหว่างการทำงานของโปรแกรม ในขณะที่ความเป็นไปได้ของระบบที่ไม่ฉลาดนั้นเสร็จสิ้นก่อนที่ความสามารถในการระบุปัญหาที่เกิดขึ้นใหม่เป็นอย่างน้อย ยิ่งไปกว่านั้น ปัญหาเหล่านี้ไม่ได้รับการแก้ไข และในที่สุด คอมพิวเตอร์ก็ไม่ได้ปรับปรุงความสามารถดังกล่าวด้วยตัวมันเอง

ข้อเสียของวิธีการเชิงสัญลักษณ์ก็คือ เปิดโอกาสถูกมองโดยคนที่ไม่พร้อมว่าขาดเครื่องมือ ปัญหาเชิงวัฒนธรรมนี้ได้รับการแก้ไขบางส่วนโดยการเขียนโปรแกรมเชิงตรรกะ

วิธีการเชิงตรรกะ

แนวทางเชิงตรรกะในการสร้างระบบปัญญาประดิษฐ์นั้นมีเป้าหมายเพื่อสร้างระบบผู้เชี่ยวชาญด้วยแบบจำลองเชิงตรรกะของฐานความรู้โดยใช้ภาษาภาคแสดง

ภาษาโปรแกรมลอจิกและระบบ Prolog ถูกนำมาใช้เป็นรูปแบบการฝึกอบรมสำหรับระบบปัญญาประดิษฐ์ในทศวรรษที่ 1980 ฐานความรู้ที่เขียนด้วยภาษา Prolog แสดงถึงชุดของข้อเท็จจริงและกฎการอนุมานที่เขียนด้วยภาษาของภาคแสดงตรรกะ

แบบจำลองเชิงตรรกะของฐานความรู้ช่วยให้คุณไม่เพียงบันทึกข้อมูลและข้อมูลเฉพาะในรูปแบบข้อเท็จจริงในภาษา Prolog เท่านั้น แต่ยังรวมถึงข้อมูลทั่วไปโดยใช้กฎและขั้นตอนการอนุมาน รวมถึงกฎเชิงตรรกะสำหรับการกำหนดแนวคิดที่แสดงความรู้เฉพาะเจาะจง และข้อมูลทั่วไป

โดยทั่วไปแล้ว การวิจัยเกี่ยวกับปัญหาของปัญญาประดิษฐ์ภายใต้กรอบแนวทางเชิงตรรกะในการออกแบบฐานความรู้และระบบผู้เชี่ยวชาญนั้นมุ่งเป้าไปที่การสร้าง การพัฒนา และการดำเนินงานของระบบข้อมูลอัจฉริยะ รวมถึงประเด็นการสอนนักเรียนและเด็กนักเรียน เช่น ตลอดจนฝึกอบรมผู้ใช้และผู้พัฒนาระบบข้อมูลอัจฉริยะดังกล่าว

วิธีการตามตัวแทน

วิธีการล่าสุดที่พัฒนาขึ้นตั้งแต่ต้นทศวรรษ 1990 เรียกว่า วิธีการตามตัวแทน, หรือ วิธีการขึ้นอยู่กับการใช้ตัวแทนที่ชาญฉลาด (มีเหตุผล). ตามแนวทางนี้ หน่วยสืบราชการลับคือส่วนการคำนวณ (พูดคร่าวๆ คือการวางแผน) ของความสามารถในการบรรลุเป้าหมายที่กำหนดไว้สำหรับเครื่องจักรอัจฉริยะ เครื่องจักรดังกล่าวจะเป็นตัวแทนอัจฉริยะ รับรู้โลกรอบตัวด้วยความช่วยเหลือของเซ็นเซอร์ และสามารถมีอิทธิพลต่อวัตถุในสภาพแวดล้อมด้วยความช่วยเหลือของแอคชูเอเตอร์

วิธีการนี้มุ่งเน้นไปที่วิธีการและอัลกอริทึมเหล่านั้นที่จะช่วยให้ตัวแทนอัจฉริยะอยู่รอดในสภาพแวดล้อมในขณะที่ปฏิบัติงาน ดังนั้น ที่นี่จึงมีการศึกษาอัลกอริธึมการค้นหาเส้นทางและการตัดสินใจอย่างรอบคอบมากขึ้น

วิธีการแบบผสมผสาน

บทความหลัก: วิธีการแบบผสมผสาน

วิธีการแบบผสมผสานแนะนำว่า เท่านั้นการผสมผสานที่ทำงานร่วมกันของโมเดลประสาทและสัญลักษณ์ทำให้เกิดความสามารถด้านความรู้ความเข้าใจและการคำนวณอย่างเต็มรูปแบบ ตัวอย่างเช่น กฎการอนุมานของผู้เชี่ยวชาญสามารถสร้างขึ้นโดยโครงข่ายประสาทเทียม และกฎการกำเนิดได้มาจากการเรียนรู้ทางสถิติ ผู้เสนอแนวทางนี้เชื่อว่าระบบข้อมูลแบบไฮบริดจะแข็งแกร่งกว่าผลรวม แนวคิดต่างๆแยกกัน

รูปแบบและวิธีการวิจัย

แบบจำลองเชิงสัญลักษณ์ของกระบวนการคิด

บทความหลัก: การสร้างแบบจำลองการใช้เหตุผล

จากการวิเคราะห์ประวัติของ AI เราสามารถระบุทิศทางที่ครอบคลุมได้ เช่น การสร้างแบบจำลองการใช้เหตุผล. เป็นเวลาหลายปีที่การพัฒนาวิทยาศาสตร์นี้ได้เคลื่อนไปตามเส้นทางนี้ และตอนนี้มันเป็นหนึ่งในพื้นที่ที่มีการพัฒนามากที่สุดใน AI สมัยใหม่ การสร้างแบบจำลองการใช้เหตุผลเกี่ยวข้องกับการสร้างระบบสัญลักษณ์ที่อินพุตซึ่งมีการตั้งค่างานบางอย่างและที่เอาต์พุตจำเป็นต้องแก้ปัญหา ตามกฎแล้ว ปัญหาที่เสนอได้รับการทำให้เป็นทางการแล้ว นั่นคือ แปลเป็นรูปแบบทางคณิตศาสตร์ แต่ไม่มีอัลกอริทึมการแก้ปัญหา หรือซับซ้อนเกินไป ใช้เวลานาน ฯลฯ ทิศทางนี้รวมถึง: การพิสูจน์ทฤษฎีบท การตัดสินใจ และ ทฤษฎีเกม, การวางแผนและการจัดส่ง , การพยากรณ์ .

การทำงานกับภาษาธรรมชาติ

ทิศทางที่สำคัญคือ การประมวลผลภาษาธรรมชาติซึ่งวิเคราะห์ความเป็นไปได้ในการทำความเข้าใจ ประมวลผล และสร้างข้อความในภาษา "มนุษย์" ในทิศทางนี้ เป้าหมายคือการประมวลผลภาษาธรรมชาติที่จะสามารถได้รับความรู้ด้วยตัวของมันเองโดยการอ่าน ข้อความที่มีอยู่มีอยู่บนอินเทอร์เน็ต การใช้งานโดยตรงของการประมวลผลภาษาธรรมชาติรวมถึงการดึงข้อมูล (รวมถึงการขุดข้อความ) และการแปลด้วยเครื่อง

การเป็นตัวแทนและการใช้ความรู้

ทิศทาง วิศวกรรมความรู้รวมงานของการได้รับความรู้จากข้อมูลง่าย ๆ การจัดระบบและการใช้งาน ทิศทางนี้เกี่ยวข้องกับการสร้างในอดีต ระบบผู้เชี่ยวชาญ- โปรแกรมที่ใช้ฐานความรู้เฉพาะเพื่อให้ได้ข้อสรุปที่เชื่อถือได้เกี่ยวกับปัญหาใด ๆ

การผลิตความรู้จากข้อมูลเป็นปัญหาพื้นฐานของการทำเหมืองข้อมูล มีหลายวิธีในการแก้ปัญหานี้ รวมถึงวิธีการที่ใช้เทคโนโลยีเครือข่ายประสาท

การเรียนรู้ของเครื่อง

ปัญหา การเรียนรู้ของเครื่องเกี่ยวข้องกับกระบวนการ เป็นอิสระการได้มาซึ่งความรู้โดยระบบทางปัญญาในกระบวนการปฏิบัติงาน ทิศทางนี้เป็นศูนย์กลางตั้งแต่จุดเริ่มต้นของการพัฒนา AI ในปี 1956 ที่การประชุม Dartmund Summer Conference เรย์ โซโลมอนอฟฟ์เขียนบทความเกี่ยวกับเครื่องความน่าจะเป็นแบบไม่มีผู้ดูแลที่เรียกว่าเครื่องอนุมานแบบอุปนัย

วิทยาการหุ่นยนต์

บทความหลัก: วิทยาการหุ่นยนต์อัจฉริยะ

ความคิดสร้างสรรค์ของเครื่องจักร

บทความหลัก: ความคิดสร้างสรรค์ของเครื่องจักร

ธรรมชาติของความคิดสร้างสรรค์ของมนุษย์นั้นเข้าใจได้น้อยกว่าธรรมชาติของสติปัญญา อย่างไรก็ตามพื้นที่นี้มีอยู่และนี่คือปัญหาในการเขียนเพลงงานวรรณกรรม (มักเป็นบทกวีหรือนิทาน) ความคิดสร้างสรรค์ทางศิลปะ การสร้างภาพที่เหมือนจริงนั้นใช้กันอย่างแพร่หลายในอุตสาหกรรมภาพยนตร์และเกม

การศึกษาปัญหาความคิดสร้างสรรค์ทางเทคนิคของระบบปัญญาประดิษฐ์นั้นแยกจากกัน ทฤษฎีการแก้ปัญหาเชิงประดิษฐ์ซึ่งเสนอในปี 1946 โดย G. S. Altshuller เป็นจุดเริ่มต้นของการวิจัยดังกล่าว

การเพิ่มคุณสมบัตินี้ให้กับระบบอัจฉริยะใด ๆ ช่วยให้คุณแสดงให้เห็นอย่างชัดเจนว่าระบบรับรู้อะไรและเข้าใจอย่างไร ด้วยการเพิ่มสัญญาณรบกวนแทนข้อมูลที่ขาดหายไปหรือกรองสัญญาณรบกวนด้วยความรู้ที่มีอยู่ในระบบ ภาพคอนกรีตจะผลิตขึ้นจากความรู้นามธรรมที่บุคคลสามารถรับรู้ได้ง่าย สิ่งนี้มีประโยชน์อย่างยิ่งสำหรับความรู้ที่หยั่งรู้และมีคุณค่าต่ำ การตรวจสอบซึ่งใน รูปแบบที่เป็นทางการต้องใช้ความพยายามอย่างมาก

การวิจัยด้านอื่น ๆ

ประการสุดท้าย มีการประยุกต์ใช้ปัญญาประดิษฐ์มากมาย ซึ่งแต่ละรูปแบบมีทิศทางที่เกือบจะเป็นอิสระต่อกัน ตัวอย่าง ได้แก่ โปรแกรมอัจฉริยะในเกมคอมพิวเตอร์ การควบคุมแบบไม่เชิงเส้น ระบบรักษาความปลอดภัยข้อมูลอัจฉริยะ

จะเห็นได้ว่าการวิจัยหลายด้านทับซ้อนกัน นี่เป็นเรื่องจริงสำหรับวิทยาศาสตร์ใด ๆ แต่ในปัญญาประดิษฐ์ ความสัมพันธ์ระหว่างทิศทางที่ดูเหมือนต่างกันนั้นแข็งแกร่งเป็นพิเศษ และนี่เป็นเพราะการถกเถียงทางปรัชญาเกี่ยวกับ AI ที่แข็งแกร่งและอ่อนแอ

ปัญญาประดิษฐ์สมัยใหม่

การพัฒนา AI มีสองทิศทาง:

• การแก้ปัญหาที่เกี่ยวข้องกับการประมาณระบบ AI เฉพาะทางกับความสามารถของมนุษย์และการรวมเข้าด้วยกันซึ่งดำเนินการโดยธรรมชาติของมนุษย์ ( ดูการขยายความฉลาด);
• การสร้างปัญญาประดิษฐ์ซึ่งแสดงถึงการรวมระบบ AI ที่สร้างไว้แล้วให้เป็นระบบเดียวที่สามารถแก้ปัญหาของมนุษยชาติได้ ( ดูปัญญาประดิษฐ์ที่แข็งแกร่งและอ่อนแอ).

แต่ในขณะนี้ ในด้านของปัญญาประดิษฐ์ มีหลายคนเข้ามาเกี่ยวข้อง สาขาวิชาซึ่งมีความเกี่ยวข้องกับ AI ในเชิงปฏิบัติมากกว่าพื้นฐาน มีการทดลองหลายวิธี แต่ยังไม่มีกลุ่มวิจัยใดที่คิดการเกิดขึ้นของปัญญาประดิษฐ์ ด้านล่างนี้เป็นเพียงส่วนหนึ่งของการพัฒนา AI ที่โดดเด่นที่สุด

แอปพลิเคชัน

การแข่งขัน RoboCup

ระบบ AI ที่มีชื่อเสียงที่สุดคือ:

ธนาคารใช้ระบบปัญญาประดิษฐ์ (AI) ในกิจกรรมการประกันภัย (คณิตศาสตร์ประกันภัย) เมื่อเล่นในตลาดหลักทรัพย์และจัดการทรัพย์สิน วิธีการจดจำรูปแบบ (รวมถึงวิธีการที่ซับซ้อนและเฉพาะทางและโครงข่ายประสาทเทียม) มีการใช้กันอย่างแพร่หลายในการจดจำด้วยแสงและเสียง (รวมถึงข้อความและคำพูด) การวินิจฉัยทางการแพทย์ ตัวกรองสแปม ระบบป้องกันภัยทางอากาศ (การระบุเป้าหมาย) ตลอดจนเพื่อให้แน่ใจว่า งานด้านความมั่นคงของชาติอื่นๆ อีกจำนวนหนึ่ง

จิตวิทยาและวิทยาศาสตร์การรับรู้

วิธีการสร้างแบบจำลองความรู้ความเข้าใจได้รับการออกแบบมาเพื่อวิเคราะห์และตัดสินใจในสถานการณ์ที่ไม่ชัดเจน มันถูกเสนอโดย Axelrod

มันขึ้นอยู่กับการสร้างแบบจำลองความคิดเชิงอัตวิสัยของผู้เชี่ยวชาญเกี่ยวกับสถานการณ์และรวมถึง: วิธีการสำหรับการจัดโครงสร้างสถานการณ์: แบบจำลองสำหรับการแสดงความรู้ของผู้เชี่ยวชาญในรูปแบบของ digraph ที่ลงนาม (แผนที่ความรู้ความเข้าใจ) (F, W) โดยที่ F คือ ชุดของปัจจัยสถานการณ์ W เป็นชุดของความสัมพันธ์ระหว่างเหตุและผลระหว่างปัจจัยสถานการณ์ ; วิธีการวิเคราะห์สถานการณ์ ในปัจจุบันวิธีการของการสร้างแบบจำลองความรู้ความเข้าใจกำลังพัฒนาไปในทิศทางของการปรับปรุงเครื่องมือในการวิเคราะห์และจำลองสถานการณ์ ที่นี่มีการเสนอแบบจำลองสำหรับการคาดการณ์การพัฒนาของสถานการณ์ วิธีการแก้ปัญหาผกผัน

ปรัชญา

วิทยาศาสตร์ของ "การสร้างปัญญาประดิษฐ์" ไม่สามารถดึงดูดความสนใจของนักปรัชญาได้ ด้วยการถือกำเนิดของระบบอัจฉริยะระบบแรก คำถามพื้นฐานเกี่ยวกับมนุษย์และความรู้ และบางส่วนเกี่ยวกับระเบียบโลกจึงถูกหยิบยกขึ้นมา

ปัญหาทางปรัชญาของการสร้างปัญญาประดิษฐ์สามารถแบ่งออกได้เป็นสองกลุ่ม ซึ่งก็คือ "ก่อนและหลังการพัฒนาของ AI" กลุ่มแรกตอบคำถาม: “AI คืออะไร สามารถสร้างได้หรือไม่ และถ้าเป็นไปได้ จะทำอย่างไร” กลุ่มที่สอง (จริยธรรมของปัญญาประดิษฐ์) ถามคำถามว่า "อะไรคือผลลัพธ์ของการสร้าง AI สำหรับมนุษยชาติ"

คำว่า "ปัญญาประดิษฐ์ที่แข็งแกร่ง" ได้รับการแนะนำโดย John Searle และแนวทางของเขามีลักษณะเฉพาะด้วยคำพูดของเขาเอง:

ยิ่งกว่านั้น โปรแกรมดังกล่าวจะเป็นมากกว่าแบบจำลองของจิตใจ มันจะเป็นจิตใจอย่างแท้จริง ในแง่เดียวกับที่จิตใจของมนุษย์ก็คือจิตใจ

ในขณะเดียวกันก็จำเป็นต้องเข้าใจว่าจิต “เทียมบริสุทธิ์” (“เมทามายด์”) นั้นเป็นไปได้หรือไม่ ทำความเข้าใจและตัดสินใจ ปัญหาที่แท้จริงและในขณะเดียวกันก็ปราศจากอารมณ์ที่เป็นลักษณะของบุคคลและจำเป็นต่อการอยู่รอดของแต่ละคน

ในทางตรงกันข้าม ผู้สนับสนุน AI ที่อ่อนแอมักมองว่าซอฟต์แวร์เป็นเพียงเครื่องมือสำหรับแก้ปัญหาบางอย่างที่ไม่ต้องการความสามารถทางปัญญาของมนุษย์อย่างเต็มที่

จริยธรรม

นิยายวิทยาศาสตร์

หัวข้อของ AI ได้รับการพิจารณาจากมุมต่างๆ ในงานของ Robert Heinlein: สมมติฐานของการเกิดขึ้นของการตระหนักรู้ในตนเองของ AI เมื่อโครงสร้างมีความซับซ้อนมากขึ้นจนเกินระดับวิกฤต และมีปฏิสัมพันธ์กับโลกภายนอกและผู้ให้บริการจิตใจอื่นๆ ( “The Moon Is a Harsh Mistress”, “Time Enough For Love”, ตัวละคร Mycroft, Dora และ Aya ในซีรีส์ "History of the Future") ปัญหาของการพัฒนา AI หลังจากการตระหนักรู้ในตนเองตามสมมุติฐาน และประเด็นทางสังคมและจริยธรรมบางประการ (" วันศุกร์"). ปัญหาทางสังคมและจิตวิทยาของการปฏิสัมพันธ์ของมนุษย์กับ AI ก็ได้รับการพิจารณาจากนวนิยายของ Philip K. Dick เรื่อง “Do Androids Dream of Electric Sheep? ” ซึ่งเป็นที่รู้จักจากการดัดแปลงภาพยนตร์ของ Blade Runner

การสร้างความจริงเสมือน ปัญญาประดิษฐ์ หุ่นยนต์นาโน และปัญหาอื่น ๆ อีกมากมายของปรัชญาปัญญาประดิษฐ์ได้รับการอธิบายและคาดหวังไว้มากในผลงานของนักเขียนนิยายวิทยาศาสตร์และนักปรัชญา สตานิสลาฟ เลม สิ่งที่ควรทราบเป็นพิเศษคือ อนาคตวิทยา ผลรวมของเทคโนโลยี นอกจากนี้ ในการผจญภัยของ Iyon the Quiet ความสัมพันธ์ระหว่างสิ่งมีชีวิตกับเครื่องจักรได้รับการอธิบายซ้ำแล้วซ้ำอีก: การกบฏของคอมพิวเตอร์ที่ตามมาด้วย เหตุการณ์ที่ไม่คาดคิด(การเดินทางครั้งที่ 11) การดัดแปลงหุ่นยนต์ใน สังคมมนุษย์(“โศกนาฏกรรมล้างบาป” จาก “Memories of Iyon the Quiet”) สร้างความสงบเรียบร้อยบนโลกด้วยการประมวลผลสิ่งมีชีวิต (การเดินทางครั้งที่ 24) สิ่งประดิษฐ์ของ Corcoran และ Diagor (“Memoirs of Iyon the Quiet”) คลินิกจิตเวชสำหรับหุ่นยนต์ (“ความทรงจำของ Iyon the Quiet”)”) นอกจากนี้ยังมีเรื่องราวและเรื่องราวทั้งหมดของ Cyberiad ซึ่งตัวละครเกือบทั้งหมดเป็นหุ่นยนต์ซึ่งเป็นลูกหลานอันห่างไกลของหุ่นยนต์ที่หนีจากผู้คน (พวกเขาเรียกคนซีดและคิดว่าเป็นสัตว์ในตำนาน)

ภาพยนตร์

ตั้งแต่เกือบทศวรรษที่ 60 พร้อมกับการเขียนเรื่องราวและนวนิยายที่น่าอัศจรรย์ ภาพยนตร์เกี่ยวกับปัญญาประดิษฐ์ได้ถูกสร้างขึ้น นวนิยายหลายเล่มของนักเขียนที่ได้รับการยอมรับทั่วโลกถูกถ่ายทำและกลายเป็นนิยายคลาสสิก ส่วนนิยายเรื่องอื่นๆ กลายเป็นหลักสำคัญในการพัฒนานิยายวิทยาศาสตร์ เช่น The Terminator และ The Matrix

ดูสิ่งนี้ด้วย

หมายเหตุ

1. คำถามที่พบบ่อยจาก John McCarthy, 2007
2. เอ็ม. แอนดรูว์. ชีวิตจริงและปัญญาประดิษฐ์ // "ข่าวปัญญาประดิษฐ์", RAII, 2543
3. Gavrilova T. A. Khoroshevsky V. F. ฐานความรู้ของระบบอัจฉริยะ: หนังสือเรียนสำหรับมหาวิทยาลัย
4. Averkin A. N. , Gaaze-Rapoport M. G. , Pospelov D. A. พจนานุกรมอธิบายปัญญาประดิษฐ์ - ม.: วิทยุและการสื่อสาร, 2535. - 256 น.
5. G. S. Osipov ปัญญาประดิษฐ์: สถานะของการวิจัยและการมองไปในอนาคต
6. Ilyasov F. N. จิตใจประดิษฐ์และเป็นธรรมชาติ // การดำเนินการของ Academy of Sciences of the Turkmen SSR ชุดสังคมศาสตร์ 2529. ครั้งที่ 6. ส. 46-54.
7. อลัน ทัวริง เครื่องจักรคิดได้หรือไม่?
8. เครื่องจักรอัจฉริยะ S. N. Korsakov
9. ดี. เอ. โพสเปลอฟ การก่อตัวของสารสนเทศในรัสเซีย
10. ในประวัติศาสตร์ของไซเบอร์เนติกส์ในสหภาพโซเวียต เรียงความที่หนึ่ง, เรียงความที่สอง
11. แจ็ค โคปแลนด์. ปัญญาประดิษฐ์คืออะไร? 2543
12. Alan Turing, เครื่องจักรคอมพิวเตอร์และสติปัญญา, จิตใจ, เล่มที่ ลิกส์ ไม่ 236 ตุลาคม 2493 น. 433-460.
13. การประมวลผลภาษาธรรมชาติ:
14. แอปพลิเคชันการประมวลผลภาษาธรรมชาติรวมถึงการดึงข้อมูล (รวมถึง: การวิเคราะห์ข้อความและการแปลด้วยคอมพิวเตอร์):
15. Gorban P. A.การดึงความรู้โครงข่ายประสาทเทียมจากข้อมูลและการวิเคราะห์ทางจิตคอมพิวเตอร์
16. การเรียนรู้ของเครื่อง:
17. Alan Turing กล่าวถึงเป็นหัวข้อหลักในช่วงต้นปี 1950 ในบทความคลาสสิกเรื่อง Computing Machinery and Intelligence ()
18. (pdf สแกนต้นฉบับ) (ฉบับที่ตีพิมพ์ในปี 1957, An Inductive Inference Machine, "IRE Convention Record, Section on Information Theory, Part 2, pp. 56-62)
19. วิทยาการหุ่นยนต์ :
20. หน้า 916–932
21. หน้า 908–915
22. โครงการสมองสีฟ้า - สมองประดิษฐ์
23. วัตสันผู้มีมารยาทอ่อนโยนเสียบไม้ฝ่ายตรงข้ามที่เป็นมนุษย์ด้วยอันตราย
24. 20Q.net อิงค์
25. Axelrod R. โครงสร้างของการตัดสินใจ: แผนที่ความรู้ความเข้าใจของชนชั้นนำทางการเมือง - พรินซ์ตัน สำนักพิมพ์มหาวิทยาลัย, 2519
26. จอห์น เซียร์ล. จิตใจของสมอง - โปรแกรมคอมพิวเตอร์?
27. เพนโรส อาร์จิตใหม่ของพระราชา. เกี่ยวกับคอมพิวเตอร์ การคิด และกฎของฟิสิกส์ - ม.: URSS, 2548 - ISBN 5-354-00993-6
28. AI เป็นปัจจัยเสี่ยงระดับโลก
29. …จะนำคุณไปสู่ชีวิตนิรันดร์
30. http://www.rc.edu.ru/rc/s8/intellect/rc_intellect_zaharov_2009.pdf มุมมองดั้งเดิมเกี่ยวกับปัญหาปัญญาประดิษฐ์
31. แฮรี่ แฮร์ริสัน.ทางเลือกของทัวริง - M.: Eksmo-Press, 1999. - 480 น. - ไอ 5-04-002906-3

วรรณกรรม

• คอมพิวเตอร์เรียนรู้และเหตุผล (ตอนที่ 1) // คอมพิวเตอร์ได้รับปัญญา = รูปภาพคอมพิวเตอร์ปัญญาประดิษฐ์ / ed. V. L. Stefanyuk - มอสโก: เมียร์ 2533 - 240 หน้า - 100,000 เล่ม - ISBN 5-03-001277-X (รัสเซีย); ไอ 705409155
• Devyatkov V.V.ระบบปัญญาประดิษฐ์ / ช. เอ็ด I. B. Fedorov - ม.: สำนักพิมพ์ มสวท. im. N. E. Bauman, 2544. - 352 น. - (สารสนเทศศาสตร์ มรภ.). - 3000 เล่ม - ไอ 5-7038-1727-7

• Korsakov S.N.จารึกแนวทางการวิจัยแบบใหม่ด้วยความช่วยเหลือของเครื่องเปรียบเทียบความคิด / เอ็ด เช่น. มิคาอิลอฟ. - M.: MEPhI, 2009. - 44 น. - 200 ชุด -