Список
Этот список происходит от Брюса Максима, профессора инженерных наук, компьютерных и информационных наук Мичиганского университета. В его лекции «Весна 1998» для СНГ 479 1 был назван следующий список:
«Хорошие проблемы для искусственного интеллекта».
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
С тех пор он превратился в это.
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
Что это
Его список никогда не предназначался для того, чтобы быть списком категорий проблем ИИ в качестве начальной точки ветвления для подходов к решению или «эвристической техники, разработанной для ускорения процесса поиска удовлетворительного решения».
Максим никогда не добавлял этот список ни в одну из своих научных публикаций, и есть причины, почему.
Список неоднороден. Он содержит методы, глобальные характеристики, проблемы и концептуальные подходы, смешанные в одном списке, как если бы они были как элементы. Это не является недостатком для списка «Хороших проблем для ИИ», но как формальное изложение характеристик или категорий проблем ИИ, ему не хватает необходимой строгости. Максим, конечно, не представлял его в виде списка «7 характеристик проблемы ИИ».
Это, конечно, не список «7 проблем ИИ».
Есть ли какие-либо категории или списки характеристик?
Не существует хорошего списка категорий для проблем ИИ, потому что, если он будет создан, было бы легко подумать об одной из миллионов проблем, которые решил человеческий мозг, которые не вписываются ни в одну из категорий или находятся на границах двух. или больше категорий.
Можно разработать список характеристик проблемы, и он может быть вдохновлен списком Максимальных проблем для ИИ. Также возможно разработать начальный список подходов. Затем можно нарисовать стрелки из характеристик в первом списке для наилучших перспектив подходов во втором списке. Это послужило бы хорошей статьей для публикации, если рассматривать ее всесторонне и строго.
Первоначальный список характеристик высокого уровня для подходов
Вот список вопросов, которые опытный архитектор ИИ может задать для объяснения системных требований высокого уровня до выбора подходов.
- Является ли задача по существу статичной в том смысле, что после ее выполнения она, вероятно, не потребует значительных корректировок? Если это так, то ИИ может быть наиболее полезным при проектировании, изготовлении и настройке системы (возможно, включая обучение ее параметров).
- Если нет, то является ли задача существенно изменчивой, чтобы теория управления, разработанная в начале 20-го века, могла адаптироваться к дисперсии? Если это так, то ИИ также может быть полезным при закупках.
- Если нет, то система может обладать достаточной нелинейной и временной сложностью, которая может потребоваться для интеллекта. Тогда возникает вопрос, является ли это явление управляемым вообще? Если это так, то методы ИИ должны применяться в реальном времени после развертывания.
Эффективный подход к архитектуре
Если кто-то формирует этапы проектирования, изготовления и конфигурирования изолированно, то можно следовать тому же процессу, чтобы определить, какую роль может сыграть ИИ, и это можно сделать рекурсивно, когда кто-то разлагает общую продуктивность идей на такие вещи, как дизайн АЦП или размер ядра свертки для использования на определенном этапе компьютерного зрения.
Как и в случае других систем управления, с помощью AI определите ваши доступные входные данные и желаемый выходной сигнал и примените базовые инженерные концепции. Думать, что инженерная дисциплина изменилась из-за экспертных систем или искусственных сетей, является ошибкой, по крайней мере, на данный момент.
Ничего существенно не изменилось в разработке систем управления, потому что ИИ и разработка систем управления имеют общее происхождение. У нас просто есть дополнительные компоненты, из которых мы можем выбрать, и дополнительная теория для проектирования, строительства и контроля качества.
Ранг, Размерность и Топология
Что касается ранга и размеров сигналов, тензоров и сообщений в системах ИИ, декартова размерность не всегда является правильной концепцией для характеристики дискретных качеств внутренних органов, когда мы подходим к моделированию различных психических качеств человеческого мозга. Топология часто является ключевой областью математики, которая наиболее правильно моделирует виды разнообразия, которые мы видим в человеческом интеллекте, который мы хотим искусственно развивать в системах.
Что еще интереснее, топология может быть ключом к разработке новых типов интеллекта, для которых ни компьютеры, ни человеческий мозг не достаточно хорошо оснащены.
Ссылки
http://groups.umd.umich.edu/cis/course.des/cis479/lectures/htm.zip
