V dva prejšnja članka videli smo, kako je delo Alana Turinga, Clauda Shannona in Johna von Neumana omogočilo ustvarjanje računalnikov, ki lahko gostijo umetno inteligenco. Vendar pa vseše vedno je bilo treba ustvariti programe, ki bodo lahko opravili to nalogo. Zato v tej objavi opisujemo pot programske opreme od prvih simulacij pogovorov do trenutnih jezikovnih modelov.
Alan Turing je bil prvi, ki je opredelil način za določanje uspeha tovrstnega programa. Težava je v tem, da je Turingov test pokazal le programsko znanje, ne da bi se soočili s tem, čemur bi lahko rekli umetna inteligenca.
Pot programske opreme
Medtem ko definicija Marvina Minskyja zahteva, da mora stroj opravljati enako nalogo kot človeško bitje, da bi ga lahko obravnavali kot umetno inteligenco, zahteva sposobnost razmišljanja, Turingov test le zahteva, da človek ne more ugotoviti, ali je njegov sogovornik ali ne.
Čeprav ELIZA, računalniški program, napisan sredi šestdesetih let prejšnjega stoletja, ni bil predviden, da bi opravil Turingov test, postavili temelje za številne programe, ki bi to poskušali storiti. Oddaja je prevzela vlogo psihiatra, ki pacientu postavlja vrsto vprašanj o pogostih temah, kot so družina, prijatelji ali razpoloženje. Glede na odgovore je nadaljeval po vnaprej začrtani liniji.
Niti ELIZA (in pravzaprav nobena druga programska oprema) ne bi bila mogoča brez del samouka učitelja matematike po imenu George Boole, ki je v XNUMX. stoletju začel preučevati prevajanje človeškega procesa razmišljanja v matematične izraze. Za to je analiziral način združevanja predmetov v razrede in kaj se je zgodilo, ko so te razrede združili z drugimi. Nato je dodelil simbole za vsako od teh razmerij.
Od formalizacije do povratne informacije
Če objekte množice spremenimo z afirmacijami in med njimi vzpostavimo tri možne relacije (IN, ALI in NE) že imamo način, kako jih razvrstiti v eno od dveh skupin (True ali False).
Vendar Boolejeva dela niso bila dobra za vse vrste trditev. Potreben je bil način za opis splošnih pojmov. To pomeni, da so lahko resnične ali napačne, odvisno od okoliščin.
Tako, da se razume. Logična opravila vam omogočajo delo s trditvijo
Diego je Argentinec in piše Linux Adictos
Vendar ne morete storiti ničesar z:
X je ... in piše v Z.
Za to je bilo treba čakati vse do sedemdesetih let 70. stoletja, ko nemški profesor po imenu Frege je predstavil koncept predikatov. Predikat je izjava, ki jo lahko glede na okoliščine opišemo kot resnično ali napačno.
Diego, argentinščina y Odvisnik od Linuxas so entitete, ki niso niti resnične niti napačne, vendar bodo glede na to, kako so združene v predikat, postale takšne.
Freje je dodal dva izraza z ustreznimi simboli:
Za vse (Označuje, da vse vrednosti spremenljivke izpolnjujejo pogoj)
Obstaja … tako, da (Pomeni, da obstaja vsaj en element, ki bo izpolnjeval pogoj.
teorija povratne informacije
Naslednji velik prispevek k ustvarjanju umetne inteligence ni bil matematični, prišel je iz biologije. Norberta Wienerja, ustanovitelja kibernetike, so zanimale skupne točke med tehniko in biologijo. To zanimanje ga je vodilo k analizi, kako so toplokrvne živali ohranjale svojo temperaturo konstantno kljub spreminjajočim se temperaturam okolja. Wiener je domneval, da so v tem in drugih primerih delovali povratni mehanizmi. Z drugimi besedami, ob prejemu informacij je bil proizveden odziv, da se jim prilagodi.
Nadalje je prišel do potrditve, da inteligentno vedenje ni nič drugega kot rezultat mehanizmov povratnih informacij. Z drugimi besedami, lahko sklepamo, da Inteligenca (naravna ali umetna) je zbiranje informacij, njihova obdelava, delovanje na podlagi rezultata in ponavljanje procesa.