Neats and scruffies - Neats and scruffies - Wikipedia

Düzgün ve kirli iki farklı tür için etiketlerdir yapay zeka (AI) araştırması. Neats çözümlerin olması gerektiğini düşünün zarif, Temiz ve kanıtlanabilir şekilde doğru. Scruffies zekanın çok karmaşık olduğuna inanmak (veya hesaplama açısından inatçı ) homojen sistem türleriyle çözülmesi için bu tür temiz gereksinimler genellikle zorunludur.

AI'daki büyük başarı, düzgün ve dağınık yaklaşımları birleştirmekten geldi. Örneğin, birçok bilişsel modeller eşleşen insan psikolojik yerleşik veri Yükselmek[1] ve ACT-R. Bu sistemlerin her ikisinin de resmi temsilleri ve yürütme sistemleri vardır, ancak kurallar içine modelleri yaratacak sistemler oluşturulur özel.

Tarih

Ayrım başlangıçta tarafından yapılmıştır Roger Schank 1970'lerin ortasında yaptığı çalışmalar arasındaki farkı karakterize etmek için doğal dil işleme (temsil eden sağduyu bilgisi büyük amorf şeklinde anlamsal ağlar ) çalışmasından John McCarthy, Allen Newell, Herbert A. Simon, Robert Kowalski ve çalışmaları mantığın mantık ve biçimsel uzantılarına dayanan diğerleri.[2] Roger Schank aslında dilbilimde Chomskian ve non-Chomskian ile ilgili olarak bu ayrımı yaptığını, ancak yapay zeka ve diğer alanlarda da işe yaradığını keşfettiğini belirtiyor.

Ayrım da kısmen coğrafi ve kültüreldi: "dağınık", MIT altında Marvin Minsky 1960'larda. Laboratuvarın meşhur "serbest dolaşması" idi ve araştırmacılar genellikle gerekli davranışı gösterene kadar programları ince ayar yaparak uzun saatler geçirerek AI programları geliştirdiler. Bu uygulamaya "hacklemek "ve laboratuvar hacker kültürünü doğurdu.[3] MIT'de geliştirilen önemli ve etkili "dağınık" programlar dahil Joseph Weizenbaum 's[4] ELIZA hiçbir resmi bilgisi olmaksızın İngilizce konuşuyormuş gibi davranan ve Terry Winograd 's[5] SHRDLU Bloklar ve bir robot koldan oluşan basitleştirilmiş bir dünyada soruları başarıyla yanıtlayabilen ve eylemleri gerçekleştirebilen.[6] SHRDLU, son derece başarılı olsa da, yararlı bir doğal dil işleme sistem, ancak kapsayıcı bir tasarımı olmadığı ve programın daha büyük bir versiyonunu sürdürmenin imkansız olduğu kanıtlandı; uzatılamayacak kadar dağınıktı.

Diğer AI laboratuvarları (en büyüğü Stanford, Carnegie Mellon Üniversitesi ve Edinburgh Üniversitesi ) AI için temel olarak mantık ve biçimsel problem çözmeye odaklandı. Bu kurumlar, John McCarthy, Herbert A. Simon, Allen Newell, Donald Michie, Robert Kowalski ve diğer birçok "temiz".

MIT'nin yaklaşımı ile diğer laboratuarlar arasındaki zıtlık da "prosedürel / bildirimsel ayrım" olarak tanımlandı. SHRDLU gibi programlar, eylemleri gerçekleştiren aracılar olarak tasarlandı; "prosedürler" uyguladılar. Diğer programlar, dünya hakkındaki resmi açıklamaları (veya "beyanları") manipüle eden çıkarım motorları olarak tasarlandı ve bu manipülasyonları eylemlere dönüştürdü.

Tartışma 1980'lerin ortasında zirveye ulaştı. Nils Nilsson başkanlık adresinde Yapay Zekayı Geliştirme Derneği 1983'te, "alanın her ikisine de ihtiyacı olduğunu" öne sürerek konuyu tartıştı. "Programlarımızın sahip olmasını istediğimiz bilginin çoğu, biçimcilik gibi bir tür bildirge, mantıkta açıklayıcı olarak temsil edilebilir ve sunulmalıdır. Özel yapıların yeri vardır, ancak bunların çoğu alanın kendisinden gelir."[7] Alex P. Pentland ve Martin Fischler MIT "Tümdengelim ve mantık benzeri biçimciliklerin yapay zeka araştırmalarında önemli bir rol oynayacağına dair hiçbir şüphe yok; ancak, Nils'in önerdiği Kraliyet rolüne bağlı görünmüyor. Bu taklitçi King, çıplak olmasa da , sınırlı bir gardıropa sahip gibi görünüyor. "[8] Diğer birçok araştırmacı da konunun bir tarafına veya diğer tarafına ağırlık verdi.

Dağınık yaklaşım robotikte uygulandı Rodney Brooks 1980'lerin ortasında. Kendi deyimiyle robotlar inşa etmeyi savundu, Hızlı, Ucuz ve Kontrol Dışı (Anita Flynn ile birlikte yazılan 1989 tarihli bir makalenin başlığı). Daha önceki robotların aksine Shakey ya da Stanford arabası, görsel bilgileri matematiksel algoritmalardan alınan algoritmalarla analiz ederek dünyanın temsillerini oluşturmadılar. makine öğrenme teknikler ve eylemlerini mantığa dayalı biçimlendirmeler kullanarak planlamadılar, örneğin 'Planlayıcı 'dil. Sensörlerine, hayatta kalmalarına ve hareket etmelerine yardımcı olacak şekilde tepki verdiler.[9]

Doug Lenat 's Döngü İnsan bilgisinin tamamını makinede okunabilir biçimde yakalayan en eski ve en iddialı projelerden biri olan proje, "kararlı bir şekilde dağınık bir girişimdir" (göre Pamela McCorduck ).[10] Cyc veritabanı, dünyanın tüm karmaşıklıklarıyla ilgili milyonlarca gerçek içerir ve bunların her biri bilgi mühendisleri tarafından birer birer girilmelidir. Bu girişlerin her biri, sistemin zekasına özel bir ektir. Sorun için "temiz" bir çözüm olsa da sağduyu bilgisi (gibi makine öğrenme ile algoritmalar doğal dil işleme internette bulunan metni inceleyebilir), henüz böyle bir proje başarılı olmamıştır.

Yeni istatistiksel ve yapay zekaya matematiksel yaklaşımlar, 1990'larda, Bayes ağları ve matematiksel optimizasyon. AI'da daha resmi yöntemlere yönelik bu genel eğilim, "safların zaferi" olarak tanımlanmaktadır. Peter Norvig ve Stuart Russell.[11] Pamela McCorduck, 2004'te: "Yazarken, Yapay Zeka Düzgün bir hegemonyaya sahip, en azından makine zekasının en iyi mantıksal, hatta matematiksel terimlerle ifade edildiğine inanan insanlar."[12] Düzgün çözümler, 21. yüzyılda oldukça başarılı olmuştur ve şimdi teknoloji endüstrisinde kullanılmaktadır. Bununla birlikte, bu çözümler çoğunlukla belirli çözümlere sahip belirli sorunlara ve Genel zeka çözümsüz kalır.

21. yüzyılda yapay zeka araştırmacıları tarafından "temiz" ve "dağınık" terimleri nadiren kullanılmaktadır, ancak sorun çözülmeden kalmıştır. Terimler, görüşmelerde yaygın olarak kullanılan Karl Friston üzerinde Serbest enerji ilkesi, Fizikçilerden "Neats" ve AI araştırmacılarından "Scruffies" (ve Filozoflardan "Mistik" olarak bahsediyor). Gibi sorunlara "düzgün" çözümler makine öğrenme ve Bilgisayar görüşü teknoloji sektörünün vazgeçilmezi haline gelmiş,[11] ancak geçici ve ayrıntılı çözümler hala araştırmaya hakim robotik ve sağduyu bilgisi.

Tipik metodolojiler

Terimlerden tahmin edilebileceği gibi, neats kullanım resmi yöntemler - gibi mantık veya saf uygulanmış İstatistik - münhasıran. Scruffies vardır hackerlar, her şeyden oluşan bir sistemi kim bir araya getirecek - hatta mantık. Neats, akıl yürütmelerinin her ikisi de olup olmadığını önemsiyor kanıtlanabilir şekilde ses ve tamamlayınız ve bu onların makine öğrenme sistemlerin bilinen bir süre içinde birleştiği gösterilebilir. Scruffies, öğrenmelerinin de yakınlaşmasını ister, ancak eğer ampirik deneyim, sistemlerinin yalnızca denklemler ve kanıtlar göstererek lazım için.

Düzgün, dağınık yöntemler rastgele görünür, yalnızca tesadüfen başarılı olur ve zekanın gerçekte nasıl çalıştığına dair içgörüler üretme olasılığı düşüktür. Dağınık bir şeye, düzgün yöntemler takılmış gibi görünür. biçimcilik ve gerçek sistemlere uygulanamayacak kadar yavaş, kırılgan veya sıkıcı olması.

Felsefe ve insan zekası ile ilişki

Bu çatışma daha derinlere iniyor bilgisayar Programlama uygulamalar, (açıkça paralellik gösterse de yazılım Mühendisliği ). İçin felsefi veya muhtemelen ilmi nedenleri bazı insanlar buna inanıyor zeka temelde akılcı ve en iyi şekilde temsil edilebilir mantıksal sistemler birleştiren gerçeği koruma. Diğerleri, istihbaratın en iyi şekilde bir yığın olarak uygulandığına inanıyor. öğrendi veya gelişti hileler sahip olmak zorunda değil iç tutarlılık veya herhangi bir birleştirici organizasyonel çerçeve.

Görünüşe göre dağınık olan felsefenin kanıtlanabilir olduğu da ortaya çıkabilir (tipik varsayımlar altında) en uygun birçok uygulama için.[kaynak belirtilmeli ] Zeka genellikle bir tür arama,[13] ve makul bir süre içinde mükemmel bir şekilde çözülebileceğine inanılmadığı için (ayrıca bkz. NP ve Basit Sezgisel,[14] sağduyu muhakemesi, Memetik, reaktif planlama ).

Şu açık bir sorudur: insan zeka doğası gereği dağınık veya temizdir. Bazıları sorunun kendisinin önemsiz olduğunu iddia ediyor: düzgün John McCarthy alenen, insan zekasının nasıl çalıştığıyla ilgilenmediğini söyledi[kaynak belirtilmeli ]ünlüken kirli Rodney Brooks insansı zeka yaratma konusunda açıkça takıntılı. (Görmek Subsumption mimarisi, Cog projesi (Brooks 2001)).

İyi bilinen örnekler

Neats

Scruffies

Ayrıca bakınız

Notlar

  1. ^ Newell 1990
  2. ^ Crevier 1993, s. 168
  3. ^ Crevier 1993, s. 68−71
  4. ^ Weizenbaum, bir AI eleştirmeni olacak ve özellikle "hackleme" uygulamasını "patolojik" olarak öne çıkaracaktı. McCorduck 2004, s. 374–376
  5. ^ Winograd ayrıca, akıllı makinelerin yalnızca resmi semboller kullanılarak inşa edilemeyeceğini, ancak bunun gerekli olduğunu savunarak, AI'ya erken yaklaşımların bir eleştirmeni haline geldi. Somut biliş. (Winograd 1986 )
  6. ^ McCorduck 2004, s. 300–305, Crevier 1993, sayfa 84−102, Russell ve Norvig 2003, s. 19
  7. ^ Nils Nilsson, başkanlık adresi AAAI 1983'te alıntılanmıştır McCorduck 2004, s. 421–422.
  8. ^ Pentland ve Fischler 1983, alıntılanan McCorduck 2004, s. 423–424
  9. ^ McCorduck 2004, s. 454–459
  10. ^ McCorduck 2004, s. 489
  11. ^ a b Russell ve Norvig 2003, s. 25-26
  12. ^ McCorduck 2004, s. 487
  13. ^ Winston 1992
  14. ^ Gigerenzer ve Todd 1999

Referanslar

  • Crevier, Daniel (1993), Yapay Zeka: Yapay Zeka için Kesintisiz Arayış, New York, NY: BasicBooks, ISBN  0-465-02997-3
  • Newell, Allen (1990). Birleşik Biliş Kuramları. Cambridge, Massachusetts: Harvard University Press.CS1 bakimi: ref = harv (bağlantı)
  • McCorduck, Pamela (2004), Düşünen Makineler (2. baskı), Natick, MA: A. K. Peters, Ltd., ISBN  1-56881-205-1.
  • Russell, Stuart J.; Norvig, Peter (2003), Yapay Zeka: Modern Bir Yaklaşım (2. baskı), Upper Saddle River, New Jersey: Prentice Hall, ISBN  0-13-790395-2.
  • Winston Patrick (1992). Yapay zeka. Addison Wesley. ISBN  978-0-201-53377-4.CS1 bakimi: ref = harv (bağlantı)
  • Gigerenzer, Gerd; Todd, Peter M .; et al. (ABC Araştırma Grubu) (1999). Bizi Akıllı Yapan Basit Buluşsal Yöntemler. Oxford University Press. ISBN  9780199729241.CS1 bakimi: ref = harv (bağlantı)

daha fazla okuma