I to tidligere artikler vi så hvordan arbeidet til Alan Turing, Claude Shannon og John von Neuman gjorde det mulig å lage datamaskiner som kunne være vert for kunstig intelligens. Imidlertid alleprogrammer måtte fortsatt lages som var i stand til å utføre oppgaven. Derfor beskriver vi i dette innlegget programvarens vei fra de første samtalesimuleringene til gjeldende språkmodeller.
Alan Turing var den første som definerte en måte å avgjøre suksessen til denne typen programmer. Problemet er at Turing-testen bare demonstrerte programmeringsferdigheter, ikke at vi sto overfor det som kan kalles en kunstig intelligens.
Programvarens vei
Mens Marvin Minskys definisjon krever at en maskin for å bli betraktet som kunstig intelligens må utføre den samme oppgaven som et menneske, krever den evnen til å tenke, Turing-testen ber bare om at et menneske ikke kan avgjøre om samtalepartneren er det eller ikke.
Selv om ELIZA, et dataprogram skrevet på midten av 60-tallet, ikke var ment å bestå Turing-testen, la grunnlaget for en rekke programmer som ville forsøke å gjøre det. Showet påtok seg rollen som en psykiater som stiller en rekke spørsmål til en pasient om vanlige emner som familie, venner eller humør. Ifølge svarene fortsatte han etter en på forhånd etablert linje.
Verken ELIZA (og faktisk noen annen programvare) ville vært mulig uten verkene til en selvlært matematikklærer ved navn George Boole som på XNUMX-tallet begynte å studere oversettelsen til matematiske termer av den menneskelige resonneringsprosessen. For dette analyserte han måten å gruppere objekter i klasser og hva som skjedde når disse klassene ble kombinert med andre. Han tildelte deretter symboler for hvert av disse forholdene.
Fra formalisering til tilbakemelding
Hvis objektene til et sett endres av bekreftelser og vi etablerer tre mulige relasjoner mellom dem (OG, ELLER og IKKE) har vi allerede en måte å klassifisere dem i en av to grupper (sant eller usant).
Men Booles verk var ikke bra for alle slags påstander. En måte var nødvendig for å beskrive generelle begreper. Det vil si at de kan være sanne eller usanne avhengig av omstendighetene.
Slik at det blir forstått. Boolske jobber lar deg jobbe med påstanden
Diego er argentiner og skriver inn Linux Adictos
Men du kan ikke gjøre noe med:
X er... og skriver i Z.
For dette måtte vi vente til 70-tallet, da en tysk professor ved navn Frege introduserte begrepet predikater. Et predikat er et utsagn som kan beskrives som sant eller usant avhengig av omstendighetene.
Diego, argentinsk y Linux-avhengigs er enheter som verken er sanne eller usanne, men avhengig av hvordan de kombineres i et predikat vil de gjøre det slik.
Freje la til to uttrykk med tilhørende symboler:
For alle (Indikerer at alle verdiene til en variabel oppfyller en betingelse)
Det er en... slik at (Antyder at det er minst ett element som vil tilfredsstille en betingelse.
tilbakemeldingsteori
Det neste store bidraget til opprettelsen av kunstig intelligens var ikke matematisk, det kom fra biologi. Norbert Wiener, grunnlegger av kybernetikk, var interessert i de felles punktene mellom ingeniørvitenskap og biologi. Det var denne interessen som førte til at han analyserte hvordan varmblodige dyr holdt temperaturen konstant til tross for skiftende omgivelsestemperaturer. Wiener postulerte at i dette og andre tilfeller var tilbakemeldingsmekanismer på jobb. Med andre ord, ved mottak av informasjon ble det produsert en respons for å tilpasse seg den.
Når han gikk videre, kom han til å bekrefte at intelligent atferd ikke er noe annet enn et resultat av tilbakemeldingsmekanismer. Med andre ord kan vi konkludere med det Intelligens (naturlig eller kunstig) handler om å samle informasjon, bearbeide den, handle på resultatet og gjenta prosessen.