En la página de Wikipedia sobre IA, podemos leer:
El reconocimiento óptico de caracteres ya no se percibe como un ejemplo de que la "inteligencia artificial" se haya convertido en una tecnología de rutina.
Por otro lado, la base de datos MNIST de dígitos escritos a mano está especialmente diseñada para entrenar y probar redes neuronales y sus tasas de error (ver: Clasificadores ).
Entonces, ¿por qué la cita anterior establece que OCR ya no es un ejemplo de IA?
Cada vez que una computadora puede resolver un problema, la gente comienza a argumentar que no requiere inteligencia. A menudo se cita a John McCarthy: "Tan pronto como funciona, ya nadie lo llama AI" ( referenciado en CACM ).
Uno de mis maestros en la universidad dijo que en la década de 1950, se le preguntó a un profesor qué pensaba que era inteligente para una máquina. Supuestamente, el profesor respondió que si una máquina expendedora le daba el cambio correcto, sería inteligente.
Más tarde, jugar ajedrez se consideró inteligente. Sin embargo, las computadoras ahora pueden derrotar a los grandes maestros en el ajedrez, y la gente ya no dice que es una forma de inteligencia.
Ahora tenemos OCR. Ya se indicó en otra respuesta que nuestros métodos no tienen las facilidades de reconocimiento de un niño de 5 años. Tan pronto como se logre esto, la gente dirá "meh, eso no es inteligencia, ¡un niño de 5 años puede hacer eso!"
La base de esto es un sesgo psicológico, la necesidad de afirmar que de alguna manera somos superiores a las máquinas.
Aunque OCR es ahora una tecnología convencional, sigue siendo cierto que ninguno de nuestros métodos tiene realmente las facilidades de reconocimiento de un niño de 5 años (a pesar de tener éxito con CAPTCHA). No sabemos cómo lograr esto utilizando técnicas bien entendidas, por lo que el OCR debe considerarse legítimamente un problema de IA.
Para ver por qué esto puede ser así, es esclarecedor leer el ensayo "Al ver A y ver AS" de Douglas Hofstadter.
Con respecto a un punto hecho en otra respuesta, el encuadre del agente es útil en la medida en que motiva el éxito en entornos cada vez más complejos. Sin embargo, hay muchos problemas difíciles (por ejemplo, Bongard) que no necesitan ser expresados de esa manera.
fuente
No estoy seguro de si predecir MNIST puede considerarse realmente como una tarea de IA. Los problemas de IA generalmente se pueden enmarcar en el contexto de un agente que actúa en un entorno. Las redes neuronales y las técnicas de aprendizaje automático en general no tienen que lidiar con este marco. Los clasificadores, por ejemplo, están aprendiendo un mapeo entre dos espacios. Aunque se podría argumentar que puede enmarcar la clasificación de OCR / imagen como un problema de IA: el clasificador es el agente, cada predicción que hace es una acción, y recibe recompensas basadas en su precisión de clasificación; esto es bastante poco natural y diferente de los problemas que son comúnmente considerados problemas de IA.
fuente