Erős és gyenge mesterséges intelligencia

Az oldal jelenlegi verzióját még nem ellenőrizték tapasztalt közreműködők, és jelentősen eltérhet a 2021. szeptember 29-én felülvizsgált verziótól ; az ellenőrzések 3 szerkesztést igényelnek .

Az erős és gyenge mesterséges intelligencia a mesterséges intelligencia filozófiájának  egyik hipotézise , ​​amely szerint a mesterséges intelligencia egyes formái valóban igazolhatják és megoldhatják a problémákat [1] .

• Az erős mesterséges intelligencia elmélete azt sugallja, hogy a számítógépek elsajátíthatják azt a képességet , hogy önálló személyként gondolkodjanak és tudatában legyenek önmaguknak (különös tekintettel arra, hogy megértsék saját gondolataikat), bár nem feltétlenül, hogy gondolkodási folyamata hasonló lesz az emberéhez.
• a gyenge mesterséges intelligencia elmélete elutasítja ezt a lehetőséget.

Az "erős mesterséges intelligencia" kifejezést 1980-ban John Searle találta ki (a " Kínai szoba " gondolatkísérletet ismertető cikkében ), aki először a következőképpen jellemezte:

Egy megfelelően programozott számítógép a megfelelő bemenetekkel és kimenetekkel elme lesz, abban az értelemben, ahogy az emberi elme elme.

Eredeti szöveg  (angol)[ showelrejt] A megfelelően programozott számítógép valóban elme, abban az értelemben, hogy a megfelelő programokkal ellátott számítógépekről szó szerint elmondható, hogy más kognitív állapotokat is megértenek és más kognitív állapotokkal rendelkeznek [2] . - "Elme, agy és programok"

A közelmúltban olyan tudósok, mint Antonio Lieto , amellett érveltek, hogy a mesterséges intelligencia és a kognitív modellezés jelenlegi kutatásai tökéletesen illeszkednek a gyenge AI hipotézishez (amelyet nem szabad összetéveszteni az "általános" és a "szűk" MI közötti különbségtétellel), és hogy a népszerű feltevés. Az, hogy a mesterséges intelligencia kognitív rendszerei az Erős mesterséges intelligencia részét képezik, hibás és problematikus, mert "az agy és az elme mesterséges modelljei felhasználhatók a mentális jelenségek megértésére anélkül, hogy azt állítanák, hogy azok az általuk modellezett valódi jelenségek" [3] (85. o.).

Az erős mesterséges intelligencia felépítésének követelményei

Az intelligencia számos definícióját javasolták (például a Turing-teszt sikeres teljesítésének képességét ), de jelenleg nincs olyan definíció, amely mindenkit kielégítene. Általános egyetértés van azonban a mesterséges intelligencia kutatói között abban, hogy az erős mesterséges intelligencia a következő tulajdonságokkal rendelkezik: [4]

• Döntéshozatal, stratégiák alkalmazása, rejtvények megoldása és bizonytalanság melletti cselekvés;
• A tudás ábrázolása , beleértve a valóság általános elképzelését ;
• tervezés ;
• Képzés ;
• Kommunikáció természetes nyelven ;
• Akaraterő ;
• Mindezen képességek kombinálása közös célok elérése érdekében.

Folyamatban van a munka olyan gépek létrehozásán, amelyek rendelkeznek ezekkel a képességekkel, és várhatóan a Strong AI rendelkezik majd ezek mindegyikével vagy a nagy részével.

Az emberi intelligencia más aspektusai is az erős mesterségesintelligencia létrehozásának hátterében állnak:

• Tudatosság : Fogékony a környezetre;
• Öntudat : ​​Légy tisztában önmagaddal, mint különálló személyekkel, különösen, értsd meg saját gondolataidat;
• Empátia : Az „ érzés ” képessége;
• bölcsesség ;
• saját motiváció .

Jegyzetek

1. ↑ Averkin A. N. "AI és a kognitív tudományok" . Letöltve: 2020. február 15. Az eredetiből archiválva : 2019. szeptember 21. (határozatlan)
2. ↑ Searle, J. Elmék, agyak és programok Archivált : 2019. március 17., a Wayback Machine // Behavioral and brain sciences. - 1980. - V. 3., 3. szám (szeptember). - P. 417. - DOI: 10.1017/S0140525X00005756 .
3. ↑ Lieto, Antonio. Kognitív tervezés mesterséges elmék számára. — London, Egyesült Királyság: Routledge, Taylor & Francis, 2021. — ISBN 9781138207929 .
4. ↑ A lista a következő könyveken alapul: Russell & Norvig, 2003 , Luger & Stubblefield, 2004 , Poole, Mackworth & Goebel, 1998 és Nilsson, 1998 .

Irodalom

• Luger, George & Stubblefield, William (2004), Artificial Intelligence: Structures and Strategies for Complex Problem Solving (5. kiadás), The Benjamin/Cummings Publishing Company, Inc., p. 720, ISBN 0-8053-4780-1 , < http://www.cs.unm.edu/~luger/ai-final/tocfull.html > 
• Nilsson, Nils (1998), Artificial Intelligence: A New Synthesis , Morgan Kaufmann Publishers, ISBN 978-1-55860-467-4 
• Russell, Stuart J. & Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2. kiadás), Prentice Hall, ISBN 0-13-790395-2 , < http://aima.cs.berkeley.edu/ > 
• Poole, David ; Mackworth, Alan és Goebel, Randy (1998), Computational Intelligence: A Logical Approach , New York: Oxford University Press , < http://www.cs.ubc.ca/spider/poole/ci.html > 

Linkek

• RAII könyvtár. A RAAI Orosz Mesterséges Intelligencia Szövetség cikkei, könyvei, anyagai (1113 pont)

Mesterséges intelligencia
Sztori	A mesterséges intelligencia története A mesterséges intelligencia tél Dartmouth szeminárium
Filozófia	Turing teszt Kínai szoba Erős és gyenge mesterséges intelligencia Barátságos mesterséges intelligencia A mesterséges intelligencia etikája Vezérlési probléma
Útvonalak	Ügynöki megközelítés Adaptív vezérlés Tudásmérnöki Életképes rendszermodell Gépi tanulás Neurális hálózat zavaros logika természetes nyelvi feldolgozás Mintafelismerés Raj Intelligencia Szimbolikus AI Evolúciós algoritmusok Szakértői rendszer
Alkalmazás	Hangvezérlés Osztályozási feladat Dokumentum minősítés Dokumentumcsoportosítás klaszteranalízis Helyi keresés Gépi fordítás Optikai karakter felismerés Beszédfelismerés Kézírás felismerés Játék AI
Kutatók	Charles Babbage Vlagyimir Vapnik Weizenbaum József Wiener Norbert Viktor Glushkov Vlagyimir Gorodetszkij Jan LeCun Alekszej Ljapunov John McCarthy Marvin Minsky Allen Newell Seymour Papert Judah Pearl Germogen Poszpelov Dmitrij Poszpelov Frank Rosenblatt Herbert Sándor Simon Alan Turing Patrick Winston Victor Finn Szergej Fomin Demis Hassabis Geoffrey Hinton Noam Chomsky Claude Shannon Andrew Eun Eliezer Judkovszkij