Dalam dua artikel sebelum ini kami melihat bagaimana kerja Alan Turing, Claude Shannon, dan John von Neuman memungkinkan untuk mencipta komputer yang mampu mengehoskan kecerdasan buatan. Namun, semuaprogram masih perlu diwujudkan yang mampu melakukan tugas. Itulah sebabnya dalam siaran ini kami menerangkan laluan perisian daripada simulasi perbualan pertama kepada model bahasa semasa.
Alan Turing adalah orang pertama yang menentukan cara untuk menentukan kejayaan program jenis ini. Masalahnya ialah ujian Turing hanya menunjukkan kemahiran pengaturcaraan, bukan kerana kita menghadapi apa yang boleh dipanggil kecerdasan buatan.
Laluan perisian
Sementara definisi Marvin Minsky menghendaki bahawa untuk dianggap sebagai kecerdasan buatan, sebuah mesin mesti melakukan tugas yang sama seperti yang dilakukan oleh manusia, ia memerlukan keupayaan untuk berfikir, ujian Turing hanya meminta seseorang manusia tidak dapat menentukan sama ada lawan bicaranya atau tidak.
Walaupun ELIZA, program komputer yang ditulis pada pertengahan 60-an, tidak bertujuan untuk lulus ujian Turing, ia meletakkan asas untuk beberapa program yang akan cuba melakukannya. Rancangan itu memainkan peranan sebagai pakar psikiatri yang bertanyakan beberapa soalan kepada pesakit tentang topik biasa seperti keluarga, rakan atau mood. Menurut jawapan, dia terus mengikuti garis yang telah ditetapkan.
Kedua-dua ELIZA (dan sememangnya mana-mana perisian lain) tidak mungkin dilakukan tanpa hasil kerja guru matematik yang diajar sendiri bernama George Boole yang pada abad ke-XNUMX mula mengkaji terjemahan ke dalam istilah matematik proses penaakulan manusia. Untuk ini, dia menganalisis cara untuk mengumpulkan objek ke dalam kelas dan apa yang berlaku apabila kelas ini digabungkan dengan yang lain. Dia kemudiannya memberikan simbol untuk setiap hubungan tersebut.
Daripada pemformalan kepada maklum balas
Jika objek set diubah dengan penegasan dan kami mewujudkan tiga kemungkinan hubungan antara mereka (DAN, ATAU dan TIDAK) kita sudah mempunyai cara untuk mengklasifikasikannya kepada salah satu daripada dua kumpulan (Benar atau Salah).
Walau bagaimanapun, karya Boole tidak baik untuk semua jenis tuntutan. Satu cara diperlukan untuk menerangkan konsep umum. Iaitu, mereka mungkin benar atau salah bergantung pada keadaan.
Supaya ianya difahami. Kerja Boolean membolehkan anda bekerja dengan penegasan
Diego adalah warga Argentina dan menulis Linux Adictos
Tetapi anda tidak boleh melakukan apa-apa dengan:
X ialah... dan menulis dalam Z.
Untuk ini, kami terpaksa menunggu sehingga tahun 70-an, apabila seorang profesor Jerman bernama Frege memperkenalkan konsep predikat. Predikat ialah pernyataan yang boleh digambarkan sebagai benar atau salah bergantung pada keadaan.
Diego, Orang Argentina y Penagih Linuxs ialah entiti yang tidak benar atau palsu, tetapi bergantung pada cara ia digabungkan dalam predikat, mereka akan menjadikannya begitu.
Freje menambah dua ungkapan dengan simbol yang sepadan:
Untuk semuanya (Menunjukkan bahawa semua nilai pembolehubah memenuhi syarat)
Ada… seperti itu (Menyiratkan bahawa terdapat sekurang-kurangnya satu elemen yang akan memenuhi syarat.
teori maklum balas
Sumbangan besar seterusnya kepada penciptaan Kecerdasan Buatan bukanlah matematik, ia datang dari Biologi. Norbert Wiener, pengasas Cybernetics, berminat dengan perkara biasa antara Kejuruteraan dan Biologi. Minat itulah yang mendorongnya untuk menganalisis bagaimana haiwan berdarah panas mengekalkan suhunya tetap walaupun suhu ambien berubah. Wiener berpendapat bahawa dalam kes ini dan kes-kes lain, mekanisme maklum balas sedang berfungsi. Dalam erti kata lain, apabila menerima maklumat, tindak balas dihasilkan untuk menyesuaikan diri dengannya.
Melangkah lebih jauh, beliau mengesahkan bahawa tingkah laku pintar tidak lebih daripada hasil daripada mekanisme maklum balas. Dengan kata lain, kita boleh membuat kesimpulan bahawa Kecerdasan (semula jadi atau buatan) ialah mengenai pengumpulan maklumat, memprosesnya, bertindak mengikut keputusan dan mengulangi proses tersebut.