Yapay Zekanın geleceği: istatistiksel öğrenmeden hayali bir alanda hareket etmeye ve düşünmeye

Admin

Administrator
Yönetici
İstatistikleri nedensellik lehine terk etmek, insan düşünme aygıtını geliştirmek için bir zorunluluktur
Yapay zeka alanı son zamanlarda büyümesine rağmen, hala bir insan düşünme cihazı kurmaktan çok uzaktayız. Elbette, cihazlar henüz insanlarla aynı rahatlamayla yeni ve çeşitli kurulumlara uyum sağlayamıyor. Ek olarak, bilgisayar sistemi sistemleri henüz insanlığın gelişimi için önemli olan yaratıcılık armağanına sahip değildir. Bu kısıtlamalar, şu anda bölgede benimsenen ve tamamen korelasyon keşfine dayanan keşif standardından kaynaklanmaktadır. Bu yazıda, başlangıçta yapay zeka alanının arka planını inceleyeceğiz, alanın yıllar boyunca nasıl geliştiğine bir göz atacağız ve birlikte, bir kez daha, bölgede bir dönüşümün zorunlu olduğunu önereceğiz. Özellikle, gerçekten insan düzeyinde bilginin eşiğinde bir cihaz geliştirmek istiyorsak, mevcut analitik ve veri odaklı keşif standardını nedensel temelli bir yöntem lehine terk etmemiz gerektiğini önereceğiz.

1970'lerde ve 1980'lerin başlarında, bilgisayar sistemi araştırmacıları, insanlar tarafından sunulan işaretlerin kontrolünün, bilgisayar sistemi sistemlerinin bilgiyi sergilemesi ve nispeten zor sorunları yeniden çözmesi için yeterli olduğunu düşünüyorlardı. Bu hipoteze sembol-kural hipotezi adı verildi.

Bununla birlikte, bilgisayar sistemi satrancı ve teorem gösterimi gibi bazı ön motive edici gelişmelere rağmen, kural tabanlı sistemlerin insanlara nispeten kolay görünen sorunları yeniden çözemeyeceği hızla ortaya çıktı. Hans Moravec'in dediği gibi:

"Bilgisayar sistemleri fuarı yetişkin derece verimliliği oluşturmak nispeten basit [...] ve bir yaşındaki bir çocuğun yeteneklerini sağlamak zor ya da zor".

Ek olarak, kural tabanlı sistemler, keyfi ve metodik hatalar nedeniyle doğada yaygın olan öngörülemezlik veya çelişkili bilgiler altında iyi çalışmayabilir. Bu kısıtlamalar ve potansiyel müşterilerin bulunmaması nedeniyle yapay zekadaki tutku oranı azaldı ve bölge yapay Zeka kış mevsimi olarak adlandırılan bir süreye girdi.

Sonuçta, birkaç yıl sonra, çoğunlukla geleneksel AI alanından bağımsız olarak, Cihaz Keşfi adı verilen yepyeni bir alan ortaya çıkmaya başladı. Rosenblatt'ın perceptron ile yaptığı çok erken bir anlaşma gibi, Cihaz Keşfi, tamamen doğal akıllı sistemlerin temsillerinin ve yönergelerinin, sembol-kural hipotezi yerine geliştirme ve keşfetme prosedürleriyle ilgili deneyimlerden elde edildiği izlenimini geliştirdi. O zamandan beri, Cihaz Keşfi ve özellikle Sentetik Sinir Ağlarına dayanan Cihaz Keşfinin bir alt alanı olan Derin Keşif, AI alanındaki en şaşırtıcı başarılardan birini yarattı.

Bununla birlikte, bu kayda değer ilerlemeler birçok araştırmacıyı şokla yakalamış ve Katı AI'nın tanıtılmasının yakın olduğunu düşünmemize neden olmuş olsa da, hala insan düzeyinde bilginin eşiğinde bir cihaz kurmaktan çok uzaktayız ve muhtemelen, bunu başarma ihtimalimiz yüksek değil. AI araştırma çalışmasında önemli bir hareket gerçekleşir. Elbette, mevcut son teknoloji AI sistemlerinin genelleme yetenekleri hala kesinlikle kötüdür ve uygulamalarını sıkılaştırmaya ve belirli işlere kısıtlamaktadır. Öte yandan, insanlar yeni ve tamamen çeşitli kurulumlara kolayca uyum sağlayabilirler.

Birçoğu, "Yaptığımı varsayalım ...?", "Nasıl ...?", "Neden ...?" ve "Yaptığımı varsayalım ...?"insanların yanıt vermesi oldukça basit olduğunu keşfettikleri, bilgisayar sistemi sistemlerine aşırı. Doğrudan bir sonuç olarak, cihazlar faaliyetlerinin dış atmosfer üzerindeki olası etkilerini hesaba katamaz ve tercih edilen sonucu oluşturmak için bu amaca yönelik değişiklikler arasından seçim yapamaz. Ek olarak, önceki faaliyetlerini değerlendiremedikleri ve seçenek durumlarını görselleştiremedikleri için yaratıcılık ve geriye dönük gözlemden yoksundurlar.

Muhtemelen, bu kısıtlamalar şaşırtıcı değildir; ayrıca, mevcut yapay zeka sistemleri tamamen basit bir ilişkisel ortamda çalışır ve sonunda başarıları 4 ana öğeye iner: (i) i.i. dekorasyon varsayımı, (ii) büyük miktarda bilgi, (iii) yüksek kapasiteli tasarımlar ve daha fazlası. (iv) yüksek performanslı bilgisayar. Temel olarak, karmaşık nedensel bağlantılar ağına ilişkin faktör yerine analitik korelasyonları yakalayarak ham bilgiye yönelik bir çalışmayı tamamen şekillendirmeye çalışırlar ve bunu büyük miktarlarda ham bilgi ve hesaplama kaynakları tüketerek yaparlar. Platon'un Mağara Alegorisindeki tutuklular gibi, yapay zeka programları da mağaradaki karanlığın hareketini nasıl öngöreceklerini öğrenirler, ancak bu karanlığın üç boyutlu öğelerin basit tahminleri olduğunu bilemezler.

Ayrıca atalarımız ilk başta nedensel bir anlayışa sahip değildi, ancak Yuval Harari'nin Sapiens adlı kitabında öne sürdüğü gibi, insanlar belirli noktaların öncekiyle eğlenmenin sonuncuyu değiştirebileceğini başkalarını tetiklediğini anlamaya başladıkça, önemli ölçüde çok daha hızlı bir hızda geliştik. Bu dönüştürücü prosedür Bilişsel Dönüşüm olarak adlandırıldı. Göz önünde bulundurulması gereken tüm bu faktörler, nedensel bilgiye dayalı bir psikolojik tasarımla kurmadıkça, Konrad Lorenz'in hissiyatında resimde görülen bir alanda etkili bir insan düşünme aygıtı inşa etme arzusuna daha iyi bir tür elde etmememizi önermektedir.

Bu amaca ulaşmak için satın alırken, Nedensellik adı verilen yeni bilimsel araştırmanın en popüler temsilcilerinden biri olan Judea Pearl, gelecekteki AI sistemlerinde diş implantına "nedensel çıkarım motoru" önermektedir. Bu nedensel çıkarım motoru, yanıt için bir tahmin ve fiyat teklifi üretmek için girdi olarak bir sorgulama ve çok fazla bilgi alan bir cihazdır. Tahmin, soruşturmaya yanıt vermek için bir yemek olarak kabul edilebilirken ve gizli nedensel tasarıma uygun olarak oluşturulurken, yaklaşık girdi bilgileri nedeniyle gerçek yanıttır. Bu nedenle, geleneksel analitik yöntemin aksine, bilginin işlevi sadece yaklaşık hesaplamaya devredilir. Öte yandan, bu, veri odaklı keşfe dayanan Cihaz Keşfi ile istisnai bir durumdur.

Bu gelişmenin arkasındaki mantık, ham bilginin doğal olarak aptalca olmasıdır. Elbette, mevcut araştırma çalışma kalıpları, nedensel kaygılar ortaya çıktığında veri merkezli bir yöntemin bizi uygun cevaba götürmesini istiyor gibi görünse de, nedensel kaygıların doğrudan ham bilgiden yanıtlanamayacağı gösterilebilir. Nedensel düşüncenin gizli bilgi üretme prosedürüyle ilgili bazı varsayımlara ihtiyacı vardır ve Nedensellik alanı, bu varsayımları nedensel tasarımlar adı verilen matematiksel öğeler topluluğu aracılığıyla resmileştirebileceğimizi ortaya koymuştur.

Bununla birlikte, Nedensellik alanı tipik olarak 2 sessiz varsayım yapar: (i) nedensel tasarımlar insanlar tarafından önsel olarak sağlanır ve (ii) nedensel değişkenler doğrudan gözlemlenebilir.
Bununla birlikte, bazı alanlarda, anlayışımız, dünyanın nasıl yürüdüğüne dair hiçbir ipucumuzun olmadığı embriyonik bir belirtide kalmaktadır. Ayrıca, gerçek dünya izlemeleri tipik olarak nedensel değişken sistemler halinde düzenlenmez. Örnek olarak, resimlerdeki nedensel düşünceye izin veren öğelerin başlangıçta çizilmesi gerekir. Bu nedenle, Aygıt Keşfi, işaretlerin önsel olarak sağlanmasına ihtiyaç duymama konusunda sembol-kural hipotezini geçtiğinden, ortaya çıkan Nedensellik alanı, gerçek dünya fenomenlerinin nedensel tasarımlarını keşfetmeyi ve nedensel değişken sistemlerini gerçek dünya izlemelerinden otomatik bir şekilde bulmayı amaçlayacaktır. Ayrıca, nedensel bir çıkarım motoru ile donatılmış gelecekteki Güçlü bir AI cihazı, dünyayla ilgili bazı varsayımları varsayabilir ve daha sonra ek deneyim kazandıkça bunları ince ayar yapabilir.
 
Üst