एन लॉस मागील दोन लेख अॅलन ट्युरिंग, क्लॉड शॅनन आणि जॉन फॉन न्यूमन यांच्या कार्यामुळे कृत्रिम बुद्धिमत्ता होस्ट करण्यास सक्षम संगणकाची निर्मिती कशी शक्य झाली हे आम्ही पाहिले. तथापि, सर्वकार्य करण्यास सक्षम कार्यक्रम अद्याप तयार करणे आवश्यक होते. म्हणूनच या पोस्टमध्ये आम्ही पहिल्या संभाषण सिम्युलेशनपासून वर्तमान भाषेच्या मॉडेल्सपर्यंत सॉफ्टवेअरच्या मार्गाचे वर्णन करतो.
अॅलन ट्युरिंग हे या प्रकारच्या कार्यक्रमाचे यश निश्चित करण्याचा मार्ग परिभाषित करणारे पहिले होते. समस्या अशी आहे की ट्युरिंग चाचणीने केवळ प्रोग्रामिंग कौशल्य प्रदर्शित केले, असे नाही की ज्याला आर्टिफिशियल इंटेलिजन्स म्हणता येईल असा सामना करत होतो.
सॉफ्टवेअरचा मार्ग
मार्विन मिन्स्कीच्या व्याख्येनुसार कृत्रिम बुद्धिमत्ता मानण्यासाठी यंत्राने मानवाप्रमाणेच कार्य केले पाहिजे, त्यासाठी विचार करण्याची क्षमता आवश्यक आहे, ट्युरिंग चाचणी फक्त असे विचारते की मनुष्य त्याचा संवादकर्ता आहे की नाही हे ठरवू शकत नाही.
जरी ELIZA, 60 च्या मध्यात लिहिलेला संगणक प्रोग्राम, ट्युरिंग चाचणी उत्तीर्ण करण्याचा हेतू नव्हता, असे करण्याचा प्रयत्न करणाऱ्या अनेक कार्यक्रमांचा पाया घातला. शोमध्ये मनोचिकित्सकाची भूमिका गृहित धरली आहे जी रुग्णाला कुटुंब, मित्र किंवा मूड यासारख्या सामान्य विषयांबद्दल प्रश्नांची मालिका विचारते. उत्तरांनुसार, तो पूर्व-स्थापित ओळीचे अनुसरण करत राहिला.
नावाच्या स्वयं-शिकवलेल्या गणित शिक्षकाच्या कार्याशिवाय ELIZA (आणि खरंच इतर कोणतेही सॉफ्टवेअर) शक्य झाले नसते जॉर्ज बूले यांनी XNUMXव्या शतकात मानवी तर्क प्रक्रियेच्या गणितीय अटींमध्ये अनुवादाचा अभ्यास करण्यास सुरुवात केली. यासाठी, त्याने वर्गांमध्ये ऑब्जेक्ट्सचे गट करण्याच्या पद्धतीचे विश्लेषण केले आणि जेव्हा हे वर्ग इतरांसह एकत्र केले गेले तेव्हा काय झाले. त्यानंतर त्या प्रत्येक नात्यासाठी त्याने चिन्हे नियुक्त केली.
औपचारिकतेपासून अभिप्रायापर्यंत
जर एखाद्या संचाच्या वस्तू पुष्टीकरणाद्वारे बदलल्या गेल्या असतील आणि आम्ही त्यांच्यामध्ये तीन संभाव्य संबंध प्रस्थापित करतो (आणि, किंवा नाही) त्यांना दोन गटांपैकी एकामध्ये वर्गीकृत करण्याचा आमच्याकडे आधीपासूनच मार्ग आहे (सत्य किंवा असत्य).
तथापि, बूलेची कामे सर्व प्रकारच्या दाव्यांसाठी चांगली नव्हती. सामान्य संकल्पनांचे वर्णन करण्यासाठी एक मार्ग आवश्यक होता. म्हणजेच, परिस्थितीनुसार ते खरे किंवा खोटे असू शकतात.
जेणेकरून ते समजेल. बुलियन जॉब्स तुम्हाला प्रतिपादनासह काम करण्याची परवानगी देतात
दिएगो अर्जेंटिनाचा आहे आणि त्यात लिहितो Linux Adictos
परंतु आपण यासह काहीही करू शकत नाही:
X आहे... आणि Z मध्ये लिहितो.
त्यासाठी १९७० च्या दशकापर्यंत वाट पहावी लागली फ्रेगे नावाच्या जर्मन प्राध्यापकाने predicates ही संकल्पना मांडली. प्रेडिकेट हे एक विधान आहे ज्याचे वर्णन परिस्थितीनुसार सत्य किंवा खोटे म्हणून केले जाऊ शकते.
दिएगो, अर्जेंटीना y लिनक्स व्यसनीs अशा संस्था आहेत जे सत्य किंवा खोटे नसतात, परंतु ते एका प्रेडिकेटमध्ये कसे एकत्र केले जातात यावर अवलंबून ते तसे बनवतील.
फ्रेजेने त्यांच्या संबंधित चिन्हांसह दोन अभिव्यक्ती जोडल्या:
सर्वकाहीसाठी (हे दर्शविते की व्हेरिएबलची सर्व मूल्ये अटी पूर्ण करतात)
एक आहे… अशी (अशा किमान एक घटक आहे जो अट पूर्ण करेल.
अभिप्राय सिद्धांत
आर्टिफिशियल इंटेलिजेंसच्या निर्मितीमध्ये पुढचे मोठे योगदान गणिताचे नव्हते, ते जीवशास्त्राचे होते. सायबरनेटिक्सचे संस्थापक नॉर्बर्ट वीनर यांना अभियांत्रिकी आणि जीवशास्त्र यांच्यातील समान मुद्यांमध्ये रस होता. हीच आवड होती ज्यामुळे त्याला उबदार रक्ताचे प्राणी वातावरणातील तापमान बदलूनही त्यांचे तापमान कसे स्थिर ठेवतात याचे विश्लेषण करण्यास प्रवृत्त केले. या आणि इतर प्रकरणांमध्ये फीडबॅक यंत्रणा काम करत असल्याचे विनर यांनी नमूद केले. दुसऱ्या शब्दांत, माहिती प्राप्त करताना, त्याच्याशी जुळवून घेण्यासाठी प्रतिसाद तयार केला गेला.
पुढे जाऊन, त्याने हे पुष्टीकरण केले की बुद्धिमान वर्तन हे अभिप्राय यंत्रणेच्या परिणामापेक्षा अधिक काही नाही. दुसऱ्या शब्दांत, आपण असा निष्कर्ष काढू शकतो बुद्धिमत्ता (नैसर्गिक किंवा कृत्रिम) म्हणजे माहिती गोळा करणे, त्यावर प्रक्रिया करणे, निकालावर कृती करणे आणि प्रक्रिया पुन्हा करणे.