La lista
Esta lista proviene de Bruce Maxim, profesor de ingeniería, informática y ciencias de la información de la Universidad de Michigan. En su conferencia, Notas de primavera de 1998 para CIS 479 1 , se llamó a la siguiente lista:
"Buenos problemas para la inteligencia artificial".
Decomposable to easier problems
Solution steps can be ignored or undone
Predictable Problem Universe
Good Solutions are obvious
Internally consistent knowledge base (KB)
Requires lots of knowledge or uses knowledge to constrain solutions
Interactive
Desde entonces se ha convertido en esto.
Decomposable to smaller or easier problems
Solution steps can be ignored or undone
Predictable problem universe
Good solutions are obvious
Uses internally consistent knowledge base
Requires lots of knowledge or uses knowledge to constrain solutions
Requires periodic interaction between human and computer
Lo que es
Su lista nunca tuvo la intención de ser una lista de categorías de problemas de IA como punto de partida inicial para enfoques de solución o una "técnica heurística diseñada para acelerar el proceso de encontrar una solución satisfactoria".
Maxim nunca agregó esta lista en ninguna de sus publicaciones académicas, y hay razones por las cuales.
La lista es heterogénea. Contiene métodos, características globales, desafíos y enfoques conceptuales mezclados en una lista como si fueran elementos. Esta no es una deficiencia para una lista de "Buenos problemas para la IA", pero como una declaración formal de las características o categorías de los problemas de IA, carece del rigor necesario. Maxim ciertamente no lo representó como una lista de "7 características del problema de IA".
Ciertamente no es una lista de "7 problemas de IA".
¿Hay alguna categoría o lista de características?
No hay una buena lista de categorías para los problemas de IA porque si uno creara uno, sería fácil pensar en uno de los millones de problemas que los cerebros humanos han resuelto y que no encajan en ninguna de las categorías o se encuentran en los límites de dos o más categorías.
Es concebible desarrollar una lista de características de problemas, y puede estar inspirada en la lista de problemas buenos de Maxim para IA. También es concebible desarrollar una lista de enfoques iniciales. Entonces uno podría dibujar flechas de las características en la primera lista a las mejores perspectivas para los enfoques en la segunda lista. Eso sería un buen artículo para su publicación si se trata de manera exhaustiva y rigurosa.
Una lista inicial de características de alto nivel para los enfoques
Aquí hay una lista de preguntas que un arquitecto experimentado de IA puede hacer para dilucidar los requisitos del sistema de alto nivel antes de seleccionar un enfoque.
- ¿Es la tarea esencialmente estática en el sentido de que una vez que opera es probable que no requiera ajustes significativos? Si este es el caso, la IA puede ser más útil en el diseño, la fabricación y la configuración del sistema (incluida la capacitación de sus parámetros).
- Si no es así, ¿la tarea es esencialmente variable de manera que la teoría de control desarrollada a principios del siglo XX pueda adaptarse a la variación? Si es así, la IA también puede ser igualmente útil en la adquisición.
- Si no, entonces el sistema puede poseer suficiente complejidad no lineal y temporal que puede requerir inteligencia. Entonces la pregunta es si el fenómeno es controlable en absoluto. Si es así, entonces las técnicas de IA deben emplearse en tiempo real después del despliegue.
Enfoque efectivo a la arquitectura
Si se enmarcan los pasos de diseño, fabricación y configuración de forma aislada, se puede seguir el mismo proceso para determinar qué papel podría desempeñar la IA, y esto se puede hacer de forma recursiva a medida que se descompone la producción general de ideas en cosas como el diseño de un Convertidor de A a D, o el tamaño del núcleo de convolución para usar en una etapa particular de la visión por computadora.
Al igual que con otros diseños de sistemas de control, con AI, determine sus entradas disponibles y su salida deseada y aplique conceptos básicos de ingeniería. Pensar que la disciplina de la ingeniería ha cambiado debido a sistemas expertos o redes artificiales es un error, al menos por ahora.
Nada ha cambiado significativamente en la ingeniería del sistema de control porque la IA y la ingeniería del sistema de control comparten un origen común. Solo tenemos componentes adicionales de los que podemos seleccionar y teoría adicional para emplear en diseño, construcción y control de calidad.
Rango, dimensionalidad y topología
Con respecto al rango y las dimensiones de las señales, los tensores y los mensajes dentro de los sistemas de IA, la dimensionalidad cartesiana no siempre es el concepto correcto para caracterizar las cualidades discretas de los componentes internos a medida que nos acercamos a las simulaciones de varias cualidades mentales del cerebro humano. La topología es a menudo el área clave de las matemáticas que modela más correctamente los tipos de variedad que vemos en la inteligencia humana que deseamos desarrollar artificialmente en los sistemas.
Más interesante aún, la topología puede ser la clave para desarrollar nuevos tipos de inteligencia para los cuales ni las computadoras ni los cerebros humanos están bien equipados.
Referencias
http://groups.umd.umich.edu/cis/course.des/cis479/lectures/htm.zip
