ಎನ್ ಲಾಸ್ ಹಿಂದಿನ ಎರಡು ಲೇಖನಗಳು ಅಲನ್ ಟ್ಯೂರಿಂಗ್, ಕ್ಲೌಡ್ ಶಾನನ್ ಮತ್ತು ಜಾನ್ ವಾನ್ ನ್ಯೂಮನ್ ಅವರ ಕೆಲಸವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಹೋಸ್ಟ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ಕಂಪ್ಯೂಟರ್‌ಗಳನ್ನು ರಚಿಸಲು ಹೇಗೆ ಸಾಧ್ಯವಾಯಿತು ಎಂಬುದನ್ನು ನಾವು ನೋಡಿದ್ದೇವೆ. ಆದಾಗ್ಯೂ, ಎಲ್ಲಾಕಾರ್ಯವನ್ನು ನಿರ್ವಹಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ಕಾರ್ಯಕ್ರಮಗಳನ್ನು ಇನ್ನೂ ರಚಿಸಬೇಕಾಗಿದೆ. ಅದಕ್ಕಾಗಿಯೇ ಈ ಪೋಸ್ಟ್‌ನಲ್ಲಿ ನಾವು ಮೊದಲ ಸಂಭಾಷಣೆಯ ಸಿಮ್ಯುಲೇಶನ್‌ಗಳಿಂದ ಪ್ರಸ್ತುತ ಭಾಷಾ ಮಾದರಿಗಳವರೆಗೆ ಸಾಫ್ಟ್ವೇರ್ನ ಮಾರ್ಗವನ್ನು ವಿವರಿಸುತ್ತೇವೆ.
ಈ ರೀತಿಯ ಕಾರ್ಯಕ್ರಮದ ಯಶಸ್ಸನ್ನು ನಿರ್ಧರಿಸುವ ಮಾರ್ಗವನ್ನು ಮೊದಲು ವ್ಯಾಖ್ಯಾನಿಸಿದವರು ಅಲನ್ ಟ್ಯೂರಿಂಗ್. ಸಮಸ್ಯೆಯೆಂದರೆ ಟ್ಯೂರಿಂಗ್ ಪರೀಕ್ಷೆಯು ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಕೌಶಲ್ಯವನ್ನು ಮಾತ್ರ ಪ್ರದರ್ಶಿಸಿತು, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಂದು ಕರೆಯಬಹುದಾದುದನ್ನು ನಾವು ಎದುರಿಸುತ್ತಿದ್ದೇವೆ ಎಂದಲ್ಲ.
ಸಾಫ್ಟ್ವೇರ್ನ ಮಾರ್ಗ
ಮಾರ್ವಿನ್ ಮಿನ್ಸ್ಕಿಯ ವ್ಯಾಖ್ಯಾನವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಂದು ಪರಿಗಣಿಸಲು ಅಗತ್ಯವಿರುವಾಗ ಯಂತ್ರವು ಮನುಷ್ಯನಂತೆಯೇ ಅದೇ ಕೆಲಸವನ್ನು ನಿರ್ವಹಿಸಬೇಕು, ಅದು ಯೋಚಿಸುವ ಸಾಮರ್ಥ್ಯದ ಅಗತ್ಯವಿರುತ್ತದೆ, ಟ್ಯೂರಿಂಗ್ ಪರೀಕ್ಷೆಯು ಮಾನವನು ತನ್ನ ಸಂವಾದಕ ಅಥವಾ ಇಲ್ಲವೇ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ ಎಂದು ಕೇಳುತ್ತದೆ.
ELIZA, 60 ರ ದಶಕದ ಮಧ್ಯದಲ್ಲಿ ಬರೆದ ಕಂಪ್ಯೂಟರ್ ಪ್ರೋಗ್ರಾಂ, ಟ್ಯೂರಿಂಗ್ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಉತ್ತೀರ್ಣರಾಗಲು ಉದ್ದೇಶಿಸಿರಲಿಲ್ಲ. ಹಾಗೆ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುವ ಹಲವಾರು ಕಾರ್ಯಕ್ರಮಗಳಿಗೆ ಅಡಿಪಾಯ ಹಾಕಿದರು. ಕುಟುಂಬ, ಸ್ನೇಹಿತರು ಅಥವಾ ಮನಸ್ಥಿತಿಯಂತಹ ಸಾಮಾನ್ಯ ವಿಷಯಗಳ ಬಗ್ಗೆ ರೋಗಿಗೆ ಪ್ರಶ್ನೆಗಳ ಸರಣಿಯನ್ನು ಕೇಳುವ ಮನೋವೈದ್ಯರ ಪಾತ್ರವನ್ನು ಪ್ರದರ್ಶನವು ವಹಿಸಿಕೊಂಡಿದೆ. ಉತ್ತರಗಳ ಪ್ರಕಾರ, ಅವರು ಪೂರ್ವ-ಸ್ಥಾಪಿತ ಮಾರ್ಗವನ್ನು ಅನುಸರಿಸಿದರು.
ಎಲಿಜಾ (ಮತ್ತು ವಾಸ್ತವವಾಗಿ ಯಾವುದೇ ಇತರ ಸಾಫ್ಟ್ವೇರ್) ಎಂಬ ಸ್ವಯಂ-ಕಲಿಸಿದ ಗಣಿತ ಶಿಕ್ಷಕರ ಕೆಲಸವಿಲ್ಲದೆ ಸಾಧ್ಯವಾಗುತ್ತಿರಲಿಲ್ಲ ಜಾರ್ಜ್ ಬೂಲ್ ಅವರು XNUMX ನೇ ಶತಮಾನದಲ್ಲಿ ಮಾನವ ತಾರ್ಕಿಕ ಪ್ರಕ್ರಿಯೆಯ ಗಣಿತದ ಪದಗಳಿಗೆ ಅನುವಾದವನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿದರು. ಇದಕ್ಕಾಗಿ, ಅವರು ವಸ್ತುಗಳನ್ನು ವರ್ಗಗಳಾಗಿ ಗುಂಪು ಮಾಡುವ ವಿಧಾನವನ್ನು ವಿಶ್ಲೇಷಿಸಿದರು ಮತ್ತು ಈ ವರ್ಗಗಳನ್ನು ಇತರರೊಂದಿಗೆ ಸಂಯೋಜಿಸಿದಾಗ ಏನಾಯಿತು. ನಂತರ ಅವರು ಆ ಪ್ರತಿಯೊಂದು ಸಂಬಂಧಗಳಿಗೆ ಚಿಹ್ನೆಗಳನ್ನು ನಿಯೋಜಿಸಿದರು.
ಔಪಚಾರಿಕೀಕರಣದಿಂದ ಪ್ರತಿಕ್ರಿಯೆಗೆ
ಒಂದು ಸೆಟ್‌ನ ವಸ್ತುಗಳನ್ನು ದೃಢೀಕರಣಗಳಿಂದ ಬದಲಾಯಿಸಿದರೆ ಮತ್ತು ನಾವು ಅವುಗಳ ನಡುವೆ ಮೂರು ಸಂಭವನೀಯ ಸಂಬಂಧಗಳನ್ನು ಸ್ಥಾಪಿಸಿದರೆ (AND, OR ಮತ್ತು NOT) ನಾವು ಈಗಾಗಲೇ ಅವುಗಳನ್ನು ಎರಡು ಗುಂಪುಗಳಲ್ಲಿ ಒಂದಾಗಿ ವರ್ಗೀಕರಿಸಲು ಒಂದು ಮಾರ್ಗವನ್ನು ಹೊಂದಿದ್ದೇವೆ (ನಿಜ ಅಥವಾ ತಪ್ಪು).
ಆದಾಗ್ಯೂ, ಬೂಲ್ ಅವರ ಕೃತಿಗಳು ಎಲ್ಲಾ ರೀತಿಯ ಹಕ್ಕುಗಳಿಗೆ ಉತ್ತಮವಾಗಿರಲಿಲ್ಲ. ಸಾಮಾನ್ಯ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ವಿವರಿಸಲು ಒಂದು ಮಾರ್ಗ ಬೇಕಿತ್ತು. ಅಂದರೆ, ಸಂದರ್ಭಗಳನ್ನು ಅವಲಂಬಿಸಿ ಅವು ನಿಜ ಅಥವಾ ಸುಳ್ಳಾಗಿರಬಹುದು.
ಇದರಿಂದ ಅದು ಅರ್ಥವಾಗುತ್ತದೆ. ಬೂಲಿಯನ್ ಉದ್ಯೋಗಗಳು ನೀವು ಸಮರ್ಥನೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಅನುಮತಿಸುತ್ತದೆ
ಡಿಯಾಗೋ ಅರ್ಜೆಂಟೀನಾದ ಮತ್ತು ಬರೆಯುತ್ತಾನೆ Linux Adictos
ಆದರೆ ನೀವು ಏನನ್ನೂ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ:
X ಆಗಿದೆ... ಮತ್ತು Z ನಲ್ಲಿ ಬರೆಯುತ್ತಾರೆ.
ಇದಕ್ಕಾಗಿ ನಾವು 70 ರ ದಶಕದವರೆಗೆ ಕಾಯಬೇಕಾಯಿತು ಫ್ರೆಜ್ ಎಂಬ ಜರ್ಮನ್ ಪ್ರೊಫೆಸರ್ ಮುನ್ಸೂಚನೆಗಳ ಪರಿಕಲ್ಪನೆಯನ್ನು ಪರಿಚಯಿಸಿದರು. ಮುನ್ಸೂಚನೆಯು ಸಂದರ್ಭಗಳನ್ನು ಅವಲಂಬಿಸಿ ಸತ್ಯ ಅಥವಾ ಸುಳ್ಳು ಎಂದು ವಿವರಿಸಬಹುದಾದ ಹೇಳಿಕೆಯಾಗಿದೆ.
ಡಿಯಾಗೋ, ಅರ್ಜೆಂಟೀನಾದ y ಲಿನಕ್ಸ್ ಅಡಿಕ್ಟ್ಗಳು ನಿಜ ಅಥವಾ ಸುಳ್ಳಲ್ಲದ ಅಸ್ತಿತ್ವಗಳಾಗಿವೆ, ಆದರೆ ಅವುಗಳನ್ನು ಹೇಗೆ ಪೂರ್ವಸೂಚನೆಯಲ್ಲಿ ಸಂಯೋಜಿಸಲಾಗಿದೆ ಎಂಬುದರ ಆಧಾರದ ಮೇಲೆ ಅವರು ಅದನ್ನು ಮಾಡುತ್ತಾರೆ.
ಫ್ರೆಜೆ ಎರಡು ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಅವುಗಳ ಅನುಗುಣವಾದ ಚಿಹ್ನೆಗಳೊಂದಿಗೆ ಸೇರಿಸಿದ್ದಾರೆ:
ಎಲ್ಲರಿಗೂ (ವೇರಿಯಬಲ್‌ನ ಎಲ್ಲಾ ಮೌಲ್ಯಗಳು ಸ್ಥಿತಿಯನ್ನು ಪೂರೈಸುತ್ತವೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ)
ಇದೆ… ಅಂತಹ (ಷರತ್ತನ್ನು ಪೂರೈಸುವ ಕನಿಷ್ಠ ಒಂದು ಅಂಶವಿದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.
ಪ್ರತಿಕ್ರಿಯೆ ಸಿದ್ಧಾಂತ
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸೃಷ್ಟಿಗೆ ಮುಂದಿನ ದೊಡ್ಡ ಕೊಡುಗೆ ಗಣಿತವಲ್ಲ, ಅದು ಜೀವಶಾಸ್ತ್ರದಿಂದ ಬಂದಿದೆ. ನಾರ್ಬರ್ಟ್ ವೀನರ್, ಸೈಬರ್ನೆಟಿಕ್ಸ್ ಸಂಸ್ಥಾಪಕ, ಎಂಜಿನಿಯರಿಂಗ್ ಮತ್ತು ಜೀವಶಾಸ್ತ್ರದ ನಡುವಿನ ಸಾಮಾನ್ಯ ಅಂಶಗಳಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿದ್ದರು. ಆ ಆಸಕ್ತಿಯೇ ಸುತ್ತುವರಿದ ತಾಪಮಾನವನ್ನು ಬದಲಾಯಿಸಿದರೂ ಬೆಚ್ಚಗಿನ ರಕ್ತದ ಪ್ರಾಣಿಗಳು ತಮ್ಮ ತಾಪಮಾನವನ್ನು ಹೇಗೆ ಸ್ಥಿರವಾಗಿರಿಸಿಕೊಳ್ಳುತ್ತವೆ ಎಂಬುದನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಕಾರಣವಾಯಿತು. ಈ ಮತ್ತು ಇತರ ಸಂದರ್ಭಗಳಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯೆ ಕಾರ್ಯವಿಧಾನಗಳು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿವೆ ಎಂದು ವೀನರ್ ಪ್ರತಿಪಾದಿಸಿದರು. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಮಾಹಿತಿಯನ್ನು ಸ್ವೀಕರಿಸುವಾಗ, ಅದಕ್ಕೆ ಹೊಂದಿಕೊಳ್ಳುವ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಉತ್ಪಾದಿಸಲಾಯಿತು.
ಮುಂದೆ ಹೋಗುತ್ತಾ, ಬುದ್ಧಿವಂತ ನಡವಳಿಕೆಗಳು ಪ್ರತಿಕ್ರಿಯೆ ಕಾರ್ಯವಿಧಾನಗಳ ಫಲಿತಾಂಶಕ್ಕಿಂತ ಹೆಚ್ಚೇನೂ ಅಲ್ಲ ಎಂದು ಅವರು ದೃಢಪಡಿಸಿದರು. ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ನಾವು ಅದನ್ನು ತೀರ್ಮಾನಿಸಬಹುದು ಬುದ್ಧಿವಂತಿಕೆಯು (ನೈಸರ್ಗಿಕ ಅಥವಾ ಕೃತಕ) ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುವುದು, ಅದನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು, ಫಲಿತಾಂಶದ ಮೇಲೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪುನರಾವರ್ತಿಸುವುದು.