¿Quién fue la primera persona en reconocer la distinción entre inteligencia general similar a la humana e inteligencia específica de dominio?

10

En la década de 1950, existían creencias generalizadas de que la "Inteligencia Artificial" se volvería rápidamente consciente y lo suficientemente inteligente como para ganar ajedrez con humanos. Varias personas sugirieron marcos de tiempo de, por ejemplo, 10 años (ver "Historia oficial de la controversia del perceptrón de Olazaran", o digamos 2001: Odisea en el espacio).

¿Cuándo quedó claro que el diseño de programas que dominan juegos como el ajedrez dio como resultado diseños de software que solo se aplicaron a juegos como aquellos para los que fueron programados? ¿Quién fue la primera persona en reconocer la distinción entre inteligencia general similar a la humana e inteligencia específica de dominio?

liori
fuente

Respuestas:

1

Muchas publicaciones de mediados del siglo XX prueban la afirmación del interrogador de que era una creencia generalizada durante ese período que la IA rápidamente se volvería consciente, consciente de sí misma e inteligente.

Gran éxito

Muchas tareas y formas de especialización, una vez que el dominio exclusivo de la inteligencia humana, después del desarrollo de la arquitectura informática de propósito general de Von Neumann se convirtió, a fines de ese siglo, en un dominio más o menos exclusivo de las computadoras. Estos son solo algunos ejemplos.

  • Computación científica y estadística.
  • Elaboración y automatización de procesos de fabricación (CAD y CAM)
  • Publicación y composición tipográfica
  • Ciertas formas de reducciones algebraicas y de cálculo (Maxima y sus derivados)
  • Análisis de circuitos
  • Juego de mesa magistral
  • Rentable especulación bursátil
  • Reconocimiento de patrones (OCR, huella digital, reconocimiento de voz, clasificación, terreno)
  • Programación en lógica de predicados y predicados recursivos
  • Evaluación de estrategia

Decepciones (hasta ahora)

En contraste con esta impresionante variedad de éxitos, hay una lista igualmente larga de expectativas fallidas.

  • Robots bípedos disponibles para el consumidor
  • Aspiradora automática (gran decepción para el autor de esta respuesta)
  • Trabajadores de fábricas mecánicas autónomas.
  • Matemáticos automatizados (generación de hipótesis creativas y prueba / prueba para extender la teoría)
  • Comprensión del lenguaje natural
  • Obediencia a comandos arbitrarios
  • Expresión humana en conversación
  • Innovación técnica automatizada
  • Moralidad informática
  • Estados emocionales humanos (o al menos mamíferos)
  • Sistema operativo de tres leyes de Asimov
  • Desarrollo de estrategias adaptativas en un conjunto de dominios arbitrario y cambiante.

Dominio y Distinción Libre de Dominio

¿Cuándo quedó claro que el diseño de programas que dominan juegos como el ajedrez dio como resultado diseños de software que solo se aplicaron a juegos como aquellos para los que fueron programados?

Aunque el público en general puede haber pensado que un maestro de ajedrez cibernético también sería más inteligente que las personas de otras maneras, quienes crearon esos programas eran muy conscientes de la distinción entre el desarrollo de software que exhibía excelencia en el ajedrez y el desarrollo de software que exhibe la capacidad para aprender el juego de ajedrez y desarrollar excelencia de forma iterativa desde principiantes.

El objetivo final siempre había sido la inteligencia general de alto poder. Se crearon objetivos más alcanzables a corto plazo para facilitar la demostración del progreso a los inversores. Era la única forma de mantener un flujo continuo de fondos de investigación de los militares.

El primer hito fue dominar un solo juego sin aprendizaje automático. Luego, la investigación se centró en la construcción de conocimiento de dominio para que se pudiera realizar una clase de soluciones, adaptaciones y formas de planificación en tiempo real durante la guerra. A medida que la dominación económica se volvió más preferible a la dominación militar durante el tercer cuarto del siglo XX, la visión de la IA se amplió para abarcar los dominios de la economía y la gestión de los recursos naturales.

Considere este espectro de madurez de automatización.

  • Un programa que enumera las posibilidades actuales de la secuencia de movimiento en cada turno en el juego de un juego de ajedrez, eliminando probables movimientos malos en cada punto de movimiento proyectado, y selecciona el siguiente movimiento con mayor probabilidad de ganar.
  • Un programa que hace lo anterior pero también sesga la probabilidad según el reconocimiento de patrones de estrategias de ajedrez ganadoras
  • Un programa diseñado para ser un motor de reglas optimizado en tiempo de ejecución que centraliza y abstrae las operaciones redundantes del juego de un juego arbitrario y aísla y agrega la representación de reglas de ajedrez, estrategias de ajedrez y patrones y antipatrones de ajedrez.
  • Un programa que, dado un conjunto de reglas de un juego, puede generar un próximo movimiento basado en cualquier estado del juego, recuerda los resultados de éxito y fracaso y las secuencias que condujeron a esos resultados, y tiene la capacidad de evaluar la probable pérdida o ganancia de movimientos individuales y los patrones de juego en el espacio y el tiempo a su alrededor basados ​​en la historia, y luego aprovecha estas habilidades para aprender un juego arbitrario, alcanzando el nivel magistral de ajedrez a través del aprendizaje
  • Un programa que aprende a aprender juegos de tal manera que, después de aprender varios juegos, puede aprender ajedrez más rápido que un humano con talento intelectual.

El primero es fácil. El último es extremadamente desafiante.

Cuando las distinciones entre estas fases de la madurez de la automatización se hicieron evidentes y cuán claras quedaron las personas de esas distinciones en las que los grupos de investigación es una función probabilística compleja.

Colaboradores clave

¿Quién fue la primera persona en reconocer la distinción entre inteligencia general similar a la humana e inteligencia específica de dominio?

Norbert Wiener fue probablemente el primero en comprender profundamente la distinción entre el control electrónico de los relés (investigado teóricamente por Claude Shannon) y el control de circuito cerrado. En su libro, Cybernetics, un trabajo principalmente matemático, estableció con precisión las bases de los sistemas de autocorrección y adaptación. John von Neumann comprendió la distinción entre programar un buen juego y la capacidad humana de aprender un buen juego y publicó mucho sobre el tema.

Fue Arthur Lee Samuel quien realmente escribió la primera demostración impresionante de la distinción entre el software de juego y el aprendizaje automático. Fue él quien unió el trabajo de Wiener con la computadora digital contemporánea y acuñó el término Machine Learning.

Reformulaciones distorsionadas de investigación e innovación auténticas

Las categorías inteligencia estrecha artificial (ANI), inteligencia general artificial (AGI) y superinteligencia artificial (ASI), propuestas en The AI ​​Revolution: The Road to Superintelligence por el blogger Tim Urban (Huffington Post, THE BLOG, publicado el 2/10 / 2015, actualizado 4/12/2015), se hace referencia en AI Stack Exchange en varios lugares, pero las distinciones entre estas categorías no están definidas con precisión y las ideas contenidas en ellas no son revisadas por pares ni validadas por otras investigaciones o estadísticas.

El trabajo no es menos conjetura que la ciencia ficción mediocre: lo suficientemente entretenido como para ganar algo de popularidad, pero no conclusiones racionales extraídas de experimentos repetibles o estudios aleatorios. Los gráficos de tendencias proporcionados en el artículo tienen una forma inventada, no representaciones gráficas de datos reales.

Posteriormente, se puede encontrar que parte del material tiene algo de verdad, como en el caso de muchas interpretaciones laicas de la investigación científica o los pensamientos futuristas de los autores de ciencia ficción. Sin embargo, gran parte del material conduce a conceptos erróneos y afirmaciones falsas.

Douglas Daseeco
fuente
0

Espero que una respuesta muy precisa a esta pregunta se pierda en las arenas del tiempo, aunque espero que alguien pueda dar esa respuesta. Mientras tanto, aquí hay una pista sobre el camino ... Esta antología de artículos de 2007 comienza con la siguiente propaganda:

Nuestro objetivo en la creación de este volumen editado ha sido llenar un vacío aparente en la literatura científica, al proporcionar una presentación coherente de un cuerpo de investigación contemporánea que, a pesar de su importancia integral, hasta ahora ha mantenido un perfil muy bajo dentro de la investigación científica y científica. comunidad intelectual Este cuerpo de trabajo no ha recibido un nombre antes; en este libro lo bautizamos como "Inteligencia General Artificial" (AGI). Lo que distingue el trabajo de AGI de la investigación común de "inteligencia artificial" es que se centra explícitamente en la ingeniería de inteligencia general a corto plazo.

Pero incluso si este es el origen de la frase específica "Inteligencia General Artificial", estoy bastante seguro de que la gente estaba haciendo la distinción entre técnicas de "inteligencia general" y "tareas específicas" mucho antes.

El artículo de Wikipedia sobre AGI también tiene una pista, donde dice:

Sin embargo, a principios de la década de 1970, se hizo evidente que los investigadores habían subestimado enormemente la dificultad del proyecto. Las agencias que financiaron la IA se volvieron escépticas sobre la IA fuerte y pusieron a los investigadores bajo una presión creciente para producir tecnología útil o "IA aplicada".

Esa sección cita este libro como apoyo para esa declaración. Y de hecho, contiene el siguiente verborrea:

Aunque la mayoría de los fundadores del campo de la IA continuaron con preguntas básicas de inteligencia humana y mecánica, algunos de sus estudiantes y otros investigadores de segunda generación comenzaron a buscar formas de usar métodos y enfoques de IA para abordar problemas del mundo real. Sus iniciativas fueron importantes, no solo por derecho propio, sino también porque indicaban un cambio gradual pero significativo en el entorno de financiación hacia ámbitos de investigación más aplicados. El desarrollo de sistemas expertos, como DENDRAL en SAIL, proporciona solo un ejemplo de esta tendencia.

Dado que DENDRAL comenzó alrededor de 1965, parece que algún cuerpo significativo de investigadores (o al menos financiadores) se dio cuenta de la distinción entre la investigación en "inteligencia general" y la "IA aplicada" en algún lugar a fines de la década de 1960. Si sigue leyendo, otros pasajes apoyan la noción de que DARPA en particular comenzó a impulsar un enfoque más "aplicado" a la investigación de IA a lo largo de la década de 1970.

Por lo tanto, no es una respuesta definitiva, pero parece que podemos decir que la distinción se conocía y se tenía en cuenta al menos en 1970, aunque el uso exacto del término "inteligencia general artificial" parece ser de acuñación más reciente.

crimen mental
fuente
0

En 1973, el gobierno británico contrató a Sir James Lighthill para encargar una "encuesta general" sobre el estado de la inteligencia artificial. Su informe fue una condena a la investigación actual sobre IA, liderando una ola de pesimismo entre los científicos de AI y el Primer Invierno de AI . Puede ver el informe de Lighthill (y las críticas contemporáneas de su informe) aquí , pero resumiré los puntos clave de Lighthill.

Sir James Lighthill dividió la IA en tres categorías:

  1. Automatización avanzada : trabajo específico de la tarea
  2. Investigación basada en computadora del SNC : investigación sobre el "sistema nervioso central" de los humanos
  3. El puente entre la automatización avanzada y la investigación basada en computadora del SNC. Este puente generalmente se consideraría como una robótica de "propósito general", por lo que Lighthill también usaría el término Robots de construcción .

La automatización avanzada (o "IA aplicada") es obviamente útil. La investigación del SNC basada en computadora es útil porque queremos saber más sobre la inteligencia humana. Ambos campos de IA tuvieron algunos éxitos, pero sus practicantes fueron demasiado optimistas, lo que llevó a la decepción en esos campos. Sin embargo, Sir James Lighthill seguía apoyando mucho la investigación en estos dos campos.

¿Robots de construcción , por otro lado? Sir James Lighthill era muy hostil a la idea misma, probablemente porque era más exagerada que las otras dos categorías y producía la menor cantidad de producción valiosa.

Mencionó el ajedrez en particular como un ejemplo donde la investigación "robótica" ha fallado. En el momento en que se publicó el informe, los motores de juego de ajedrez estaban en el nivel de "estándar aficionado experimentado experimentado por los jugadores de clubes de condado en Inglaterra". Sin embargo, estos motores de juego de ajedrez se basaban en heurísticas hechas por seres humanos. Los motores no eran inteligentes en absoluto ... simplemente seguían las heurísticas creadas por humanos inteligentes . La única ventaja que los robots aportan es "velocidad, confiabilidad y capacidad de oferta", e incluso eso no fue suficiente para vencer a los grandes maestros del ajedrez.

Ahora, hoy, probablemente no trataríamos el ajedrez como un ejemplo de resolución de problemas de propósito general. Lo clasificaríamos con mayor precisión como "automatización avanzada", un problema de "IA estrecha" divorciado de las implicaciones más amplias del mundo real de la resolución general de problemas. Pero sir James Lighthill probablemente estaría de acuerdo con nosotros. Nunca usó el término "IA estrecha" y "AGI" (ninguno de esos términos existía todavía) pero escribiría:

En resumen, esta evidencia y todo el resto estudiado por el presente autor sobre el trabajo de IA dentro de la categoría B durante los últimos veinticinco años es, en cierta medida, alentador sobre los programas escritos para desempeñarse en dominios de problemas altamente especializados, cuando la programación se completa cuenta los resultados de la experiencia humana y la inteligencia humana dentro del dominio relevante, pero es totalmente desalentador acerca de los programas de propósito general que buscan imitar los aspectos de resolución de problemas de la actividad del SNC humano en un campo bastante amplio. Tal programa de propósito general, el codiciado objetivo a largo plazo de la actividad de IA, parece tan remoto como siempre.

Sir James Lighthill creía que lo único que conecta la automatización avanzada y la investigación del SNC basada en computadora es la existencia de la categoría de "puente" Building Roobts . Pero es muy pesimista acerca de que esta categoría realmente produce algo que valga la pena. Entonces, en cambio, el campo de la IA debería dividirse en sus propias partes constituyentes (automatización e investigación). Cualquier robot que se construya podría entonces especializarse dentro de su subcampo ... ya sea automatización industrial o investigación del SNC. Intentar construir el santo grial del "programa de propósito general" sería inútil ... al menos por el momento.

Izquierda SE en 10_6_19
fuente