Richard Hamming: Capítulo 7. Inteligencia artificial - II

"El objetivo de este curso es prepararte para tu futuro técnico".

Hola Habr ¿Recuerdas el increíble artículo "Tú y tu trabajo" (+219, 2442 marcadores, 389k lecturas)?

Entonces, Hamming (sí, sí, los códigos de Hamming que se autoverifican y corrigen a sí mismos) tiene un libro completo escrito basado en sus conferencias. Lo estamos traduciendo, porque el hombre está hablando de negocios.

Este libro no es solo sobre TI, es un libro sobre el estilo de pensamiento de personas increíblemente geniales. “Esto no es solo una carga de pensamiento positivo; describe condiciones que aumentan las posibilidades de hacer un gran trabajo ".

Ya hemos traducido 23 (de 30) capítulos. Y estamos trabajando en una edición en papel.

Capítulo 7. Inteligencia artificial artificial - II

En este libro, abordamos principalmente la cuestión de los beneficios de las computadoras en el campo intelectual, y no en el mecánico, por ejemplo, en la fabricación. En el campo de la mecánica, las computadoras nos permiten producir productos mejores, preferidos y más baratos. En algunas áreas, esta ayuda es muy importante, para vuelos a la luna sería difícil hacer mucho sin computadoras. La IA puede considerarse una adición a la robotización: se refiere principalmente al lado intelectual de una persona, y no al físico, aunque, por supuesto, ambas partes interactúan estrechamente en muchos proyectos.

Volvamos al comienzo de la discusión y reexaminemos los componentes de la máquina y el hombre. Tanto la máquina como el hombre están formados por átomos y moléculas. Tanto la máquina como el hombre están compuestos de partes básicas; Las máquinas, entre otras cosas, tienen dispositivos de acumulación y conmutación (válvulas), y una persona se compone de órganos. Las máquinas tienen estructuras grandes, bloques aritméticos, memoria, unidades de control, dispositivos de entrada y salida, mientras que una persona consiste en huesos, músculos, vasos sanguíneos, el sistema nervioso, etc.

Consideremos algunos aspectos con más atención. Se sabe que en sistemas grandes pueden ocurrir nuevos efectos. Por ejemplo, se cree que no hay fricción entre las moléculas, pero en sistemas grandes se detecta este efecto; este es un efecto que se manifiesta cuando las partes pequeñas se organizan en un sistema grande.

Vale la pena señalar que cuando un ingeniero desarrolla un dispositivo idéntico al existente en la naturaleza, lo hace de manera diferente. Por ejemplo, tenemos aviones, generalmente con un ala fija, mientras que los pájaros agitan sus alas. También hicimos un poco diferente: los aviones definitivamente vuelan más alto y más rápido que las aves. La naturaleza no inventó la rueda, y el hombre la usa en muchos dispositivos. Nuestro sistema nervioso es relativamente lento, transmite señales a una velocidad de varios cientos de metros por segundo, y las señales se transmiten a las computadoras a una velocidad de aproximadamente 186,000 millas por segundo.

En tercer lugar, antes de nuevas discusiones sobre la IA, observamos que el cerebro humano consta de muchos componentes que están conectados entre sí por los nervios. Queremos definir el pensamiento como un cierto proceso que el cerebro humano puede realizar. Las explicaciones de fallas pasadas en el pensamiento de programación en máquinas consistieron en el tamaño insuficiente de las máquinas, su velocidad, etc. Algunos comenzaron a creer que si el automóvil es lo suficientemente grande, ¡automáticamente pensará! Recuerde, parece que el problema es escribir el programa correcto, y no construir una máquina grande, aparecerá un nuevo efecto en dicho programa, ¡pensando en detalles sin pensar! En realidad, ¡esto es todo lo que es pensar! Esto no es algo aislado, sino un artefacto de un sistema grande.
Volver a las aplicaciones de IA. Hay un programa para probar teoremas geométricos estudiados en el curso de la geometría clásica. Se le pidió al programa que probara el conocido teorema "Si dos lados son iguales en un triángulo, entonces sus dos ángulos son iguales", ver fig. 7.1.



Probablemente estés tratando de reducir a la mitad la esquina superior, demostrar la similitud de los dos triángulos y deducir la igualdad de los dos ángulos a partir de esto. Algunos pueden dividir el tercer lado del triángulo por la mitad, dibujar una línea en la esquina opuesta y también llegar a la conclusión de similitud. La prueba que dedujo el programa no utilizó construcciones adicionales. Al comparar los triángulos ABC y CBA, se llegó a una conclusión sobre la auto-similitud y la igualdad de ángulos.
Alguien encontrará esta prueba elegante, correcta e inesperada. Quizás las personas que escribieron el programa para probar los teoremas no lo sabían; no es ampliamente conocido, aunque se discute en las notas al pie de los libros de texto de geometría. Alguien dijo que el programa mostró "originalidad", "novedad" que no fue incorporada por los desarrolladores, "creatividad" y otras cualidades notables.

Un análisis más profundo muestra que los programadores establecieron un algoritmo según el cual el programa primero intenta probar el teorema y luego construye líneas adicionales. Si se les enseñara a hacer lo mismo, ¿muchos de ustedes encontrarían elegante esta evidencia? Por lo tanto, esta prueba fue programada. Como señalé anteriormente, ¿qué es un curso de geometría como no cargar pruebas en programas de capacitación? No significativo Esto se aplica a las personas, pero para la máquina es suficiente descargar el programa una vez y ya no necesita repetir y repetir sin cesar, ¡y aún así olvida algo!

¿El programa de ajedrez de Samuel mostró originalidad cuando venció al campeón estatal vhecker haciendo un movimiento inesperado? Si no, ¿puedes decir que tienes originalidad? ¿Cuál debería ser la prueba para separarte del programa de computadora?
Alguien puede argumentar que el programa de ajedrez ha aprendido, y el programa para probar los teoremas mostró "creatividad", "originalidad" u otra cosa. Estos son solo algunos ejemplos de tales programas escritos. Es difícil demostrar que un programa ha declarado propiedades; tan pronto como el programa ejecuta algo, esto se correlaciona inmediatamente con el paso del algoritmo incorporado, incluso si se ingresan números aleatorios en el programa. Por lo tanto, se obtiene una paradoja: el hecho mismo de la existencia del programa confirma que es un cierto proceso mecánico y niega las manifestaciones de otras propiedades. Desde este punto de vista, una máquina nunca demostrará que es más que una "máquina" en el sentido clásico; no hay forma de demostrar, por ejemplo, que una máquina puede "pensar".

Los defensores de la IA dura creen que una persona es una máquina y, por lo tanto, todas las posibles acciones humanas en la esfera intelectual pueden ser copiadas por una máquina. Como señalé anteriormente, cuando una máquina demuestra ciertas propiedades, la mayoría de los lectores creen automáticamente que estas propiedades no son manifestaciones de características humanas. Dos preguntas surgen de inmediato. Primero, ¿es esto cierto? En segundo lugar, ¿qué tan seguro está de que no es solo un conjunto de moléculas en un campo de energía, sino que el mundo entero es solo una molécula que orbita alrededor de otra molécula? Si crees en algunas fuerzas místicas de otro mundo, ¿cómo afectan el movimiento de las moléculas y, si no lo hacen, de qué manera afectan nuestro mundo? Los físicos han descrito todas las fuerzas existentes en la naturaleza, ¿o todavía hay fuerzas inexploradas? Esta es una pregunta muy difícil. (Actualmente, 1994, se cree que el Universo está compuesto en un 90-99% de la llamada materia oscura, de la cual solo se conoce la capacidad de atracción gravitacional.

Pasamos a la consideración de las aplicaciones informáticas en el campo de la cultura. En los albores de la revolución informática, Max Matthew y John Pierce, del Laboratorio Telefónico Bell, estudiaron la generación de sonido informático. Como quedó claro más tarde, la frecuencia de muestreo está determinada por la frecuencia máxima de sonido reproducido. Las personas pueden escuchar sonidos de hasta 18 kHz y solo a una edad temprana, mientras que los adultos hablan por teléfono y reconocen el sonido a una frecuencia de menos de 8 kHz. La cuantización de una pista de audio no ofrece grandes oportunidades. La secuencia de reproducción de "música" es la siguiente: la computadora calcula los valores de la pista de sonido en cada intervalo de tiempo, presenta este valor en forma de voltaje y aplica un filtro de suavizado. Un tono puro es una simple sinusoide. La combinación de frecuencias determina el instrumento y su "sonido" característico (aumento de la intensidad del sonido al principio y notas y atenuación al final). Usando varias herramientas de software, es posible obtener varias notas y música grabada para su posterior reproducción. Con esto, no es necesario crear música en tiempo real, la computadora puede reproducir música a la velocidad con la que es necesaria, no necesariamente constante, la velocidad real se alcanza después de la edición y reproducción en el dispositivo de audio.

¿Por qué solo estamos hablando de tocar notas? ¿Por qué no enseñarle a tu computadora a hacer música? Después de todo, hay muchas reglas para componer música. Los investigadores de la posibilidad de generar sonido han enseñado a las computadoras a componer música usando tales reglas e introduciendo la aleatoriedad en un generador de números aleatorios. Ahora hay computadoras que pueden reproducir música y componer música; Muchas pistas similares se reproducen en la radio y la televisión. Este enfoque es más barato, más controlado y le permite crear sonidos que ningún instrumento musical existente produce. Cualquier sonido de una pista de música puede ser creado por una computadora.

Las computadoras admiten tocar y hacer música. Con la excepción de pequeños detalles (frecuencia de muestreo, el número de niveles de cuantización que pueden incrementarse por el costo), los compositores ahora tienen acceso para escuchar cualquier sonido que pueda existir en cualquier frecuencia, en cualquier combinación, en cualquier tempo y volumen. De hecho, "la mejor calidad de música grabada" es digital. No habrá mejoras técnicas significativas en esta área en el futuro. Muchos tienen reproductores digitales y reproducen el sonido mucho mejor que los reproductores analógicos antiguos.

Las máquinas ayudan al compositor a escuchar la música compuesta más rápido (casi al instante). Anteriormente, el compositor a menudo tenía que esperar años hasta que se hizo famoso, y su música comenzó a sonar desde el escenario, y no solo en su imaginación. Ahora los compositores pueden encontrar rápidamente nuevas direcciones. Al leer una revista sobre música de computadora, tuve la impresión de que los compositores modernos usan y personalizan ampliamente los programas de computadora, y que hay muchas maneras de crear música junto con la máquina.

Los conductores tienen más oportunidades. Anteriormente, cuando grababa música, el director intentaba mejorar de los músicos, a menudo la grabación final se obtenía de cortes de varias grabaciones, diferentes micrófonos. Ahora el conductor puede obtener exactamente el registro que desea con una precisión de milisegundos, al tono deseado y teniendo en cuenta conceptos individuales sobre la calidad del sonido de un instrumento en particular. Al final, los músicos no siempre interpretan el mismo pasaje (parte de una pieza musical) todas las veces perfectamente.
Continuamos considerando la influencia de las computadoras, cómo nos devuelven del mundo de las cosas al mundo de las ideas, cómo complementan y expanden las capacidades de las personas.

Un aspecto de la IA que me interesa es lo que una persona y una computadora pueden hacer juntas, y no debería haber ninguna competencia entre ellas. Por supuesto, los robots reemplazan a muchas personas en términos de realizar trabajos de rutina. De hecho, los robots realizan el trabajo de rutina mucho mejor, mientras descargan el tiempo de las personas para tareas más "humanas". Desafortunadamente, muchos no están listos para tal competencia con los automóviles; muchos no pueden hacer otra cosa que este o aquel trabajo de rutina. Existe una creencia generalizada de que con la capacitación adecuada, las personas podrán competir con los robots. Sin embargo, dudo que sea posible tomar, por ejemplo, mineros y convertirlos en programadores útiles. Tengo algunas estimaciones sobre el porcentaje de personas que pueden participar en la programación en el sentido clásico; Por supuesto, si considera que interactuar con un cajero automático o un teléfono es programar (ingresar datos de una persona afecta el programa ejecutable), entonces muchos pueden llamarse programadores. Pero si la programación se considera la actividad clásica del análisis reflexivo, una especificación detallada, entonces existe una gran duda sobre el porcentaje de personas que pueden competir con una computadora en igualdad de condiciones.

El uso de computadoras ha llevado tanto a una disminución en el número de trabajos como a la creación de nuevos, es difícil decir por qué más. Pero está muy claro que, en promedio, han aparecido más trabajos de alto nivel y muchos trabajos de bajo nivel han desaparecido. Nuevamente, algunos creen que en el futuro la mayoría de las personas pueden estar preparadas para un trabajo de alto nivel, me parece que esta opinión no está probada.

Además de los programas en el campo de los juegos, la geometría, la música, había programas en el campo del álgebra: son más "manejables" que los programas "individuales" y dependen de la interacción con una persona en una etapa u otra. Curiosamente, resultó posible crear un programa "único" en el campo de la geometría, e imposible en el campo del álgebra. Uno de los problemas no resueltos es la simplificación de las expresiones. Al estudiar álgebra, es posible que no haya notado que no había reglas claras para la "simplificación" de la acción "simplificar la expresión"; y si lo hicieron, entonces estas reglas eran obviamente complejas. Por ejemplo, se cree que la expresión



no se puede simplificar, pero la expresión



es posible!

Usamos constantemente la palabra "simplificar", pero su significado depende de lo que vamos a hacer a continuación. Por ejemplo, si durante los cálculos tiene la intención de integrarse más, divide la expresión en partes pequeñas, mientras las combina en un trabajo o relación conveniente.

También se ha desarrollado un programa similar "impulsado por el hombre" para la síntesis de compuestos químicos. Resultó ser muy útil, ya que calculó: (1) posibles rutas de síntesis, (2) costo, (3) tiempo requerido para la reacción, (4) rendimiento efectivo del compuesto sintetizado. Por lo tanto, este programa ayuda a descubrir muchas formas diferentes de sintetizar nuevos compuestos o redescubrir los antiguos debido a los cambios en el costo de las materias primas necesarias.

Las máquinas reemplazaron el aspecto poco confiable de una persona a través de un microscopio durante la mayoría de las pruebas médicas. En la mayoría de los casos, el uso de métodos de máquina es más rápido, más confiable y más barato. Tal vez las máquinas puedan diagnosticar más y así reemplazar a los médicos. De hecho, en este caso, ¡la máquina probablemente se diagnosticará más rápido que el médico! Esta idea no es nada nuevo: se vendieron kits para el autodiagnóstico de ciertas enfermedades. Este enfoque es simplemente una mejora en el kit de autodiagnóstico y una forma de prescribir un plan de tratamiento.

Los médicos son humanos, por lo tanto, no son confiables. A menudo, en el caso de enfermedades raras, el médico puede encontrarse primero con dicha enfermedad, pero puede ingresar descripciones de todas las enfermedades en la máquina, y ella nunca las olvidará. Según los síntomas, la máquina puede hacer un diagnóstico con cierta probabilidad o recetar más pruebas para un diagnóstico adicional. A la larga, la máquina, teniendo en cuenta la probabilidad de diagnósticos (que pueden corregirse durante las epidemias), puede realizar mejores "admisiones de pacientes" que los médicos de calificación promedio o incluso alta. Al mismo tiempo, no olvide que un médico puede tratar físicamente a un número limitado de personas.

Entre otros, uno de los principales problemas es legal. La ley perdona a los médicos cuando cometen un error, si actuaron, en el lenguaje legal, "con la debida diligencia", son solo personas. Pero, ¿quién será el culpable de un error de máquina? Un coche? Programador ¿Expertos que formaron las reglas? ¿Quienes articularon estas reglas con más detalle? ¿Los que los ponen en algoritmos? ¿O los que los programaron? En el caso de un diagnóstico incorrecto realizado por la máquina, es posible realizar un análisis detallado de todo el programa, dicho análisis no puede llevarse a cabo en términos de tomar una decisión incorrecta por parte del médico. Creo que en el futuro habrá muchos programas auxiliares para que un médico haga un diagnóstico, pero durante mucho tiempo siempre habrá una persona entre el paciente y la máquina. Hay un cierto crecimiento en los programas que hacen posible hacer un diagnóstico por sí mismos, pero surgen problemas legales para dichos programas.

Por ejemplo, dudo que el paciente tenga la oportunidad de escribir independientemente (a través del programa) una receta para los medicamentos necesarios sin la participación de un médico. Probablemente haya notado que en todas las licencias para software distribuido está exento de cualquier, enfatizo nuevamente, ¡de cualquier responsabilidad! En esta área, el principal problema será legal, no de ingeniería.

En los hospitales modernos, se puede ver la gran penetración de las máquinas en el campo de la medicina: la medicina es muy agresiva y utiliza las capacidades de las máquinas para mejorar el rendimiento, reducir costos, mejorar la precisión y la velocidad. En los hospitales, las máquinas mantienen registros de finanzas, horarios y registros; Incluso los médicos privados comenzaron a trabajar con el uso de varias máquinas. Hasta cierto punto, las autoridades federales tienen la culpa de esto, lo que les obliga a realizar correspondencia electrónica burocrática.

En muchos hospitales en salas de cuidados intensivos y otros, se instalan monitores de computadora si es necesario. Los automóviles no se aburren, responden rápidamente, transmiten instantáneamente una señal al puesto de enfermería si es necesario. Es dudoso que la enfermera pueda realizar constantemente las tareas que realiza junto con el monitor.

En el campo de las matemáticas, uno de los primeros programas para la transformación simbólica de fórmulas fue un programa de diferenciación para calcular derivadas de orden superior. Con este programa, es posible calcular los primeros 20 miembros de una serie de potencia de una función compleja. Como debe saber, la diferenciación es una tarea formal simple con pocas reglas. Al estudiar, esto puede no parecer así, pero es necesario distinguir la tarea de diferenciación directa de una mayor simplificación y trabajar con derivados. Otro programa para trabajar con fórmulas simbólicas era un programa para convertir coordenadas, necesario para controlar satélites, radares, etc.

James Slagle (https://en.wikipedia.org/wiki/James_Robert_Slagle) escribió un programa de integración analítica. El algoritmo del programa es similar a los algoritmos que se enseñan en los cursos de matemáticas. El programa puede competir con el graduado promedio de MIT en términos de las integrales que pueden resolver, y en términos de la corrección y redundancia de los algoritmos aplicados. Desde entonces, los programas de integración de computadoras han mejorado significativamente, se asumió que habrá un programa basado en el conocido algoritmo Rich que podría integrar cualquier función, si es posible. Sin embargo, después de muchos años de expectativa, no vi tal programa, hay programas de integración analítica que consideran integrales finitas o prueban que la expresión no puede integrarse.

Las computadoras con forma de robot invadieron las líneas de producción de bienes complejos como tabletas, etc. Ahora las computadoras están ensambladas por robots controlados por otras computadoras, los chips en circuitos integrados están diseñados principalmente por computadoras controladas por humanos. Ninguna mente humana puede organizar cualitativamente millones de transistores en un chip, esta es una tarea desesperada. Definitivamente hay un grado de inteligencia artificial en el programa de diseño. En áreas limitadas donde no hay accidentes, los robots son efectivos, pero donde hay eventos inesperados, los robots pueden enfrentar serios problemas. Una respuesta de rutina a un evento no rutinario puede conducir al desastre.

Otro campo de aplicación obvio para las computadoras es un robot que es resistente a entornos más agresivos que incluso las personas equipadas con ropa protectora, como el fuego. Si durante la realización de dicho trabajo se destruye el robot, entonces esto no es lo mismo que la muerte de una persona. Los buscaminas con control remoto aparecieron en el arsenal de la armada, la pérdida del barco es inconmensurablemente menor que la pérdida de menos que la tripulación y el barco. La flota usa constantemente robots cuando navega en aguas profundas; ahora hay muchas áreas no minadas en el mar.

Pensemos en jugar ajedrez de computadora nuevamente. Los robots se vuelven cada vez más eficientes y, hasta que vencieron al campeón mundial de ajedrez, parecía una pérdida de tiempo. Solía ​​ser que necesita analizar todas las combinaciones posibles de movimientos, y no la forma en que una persona juega al ajedrez. Las computadoras ahora analizan millones de combinaciones por segundo, mientras que las personas, según los psicólogos, analizan hasta 50 combinaciones máximas de 100 para tomar una decisión sobre el curso. Por lo tanto, al menos, se cree que una persona piensa de una manera completamente diferente cuando juega al ajedrez. ¡Ni siquiera sabemos cómo!

En otros juegos, los autos tuvieron más éxito. Por ejemplo, les cuento a todos sobre el robot que juega backgammon, que fue capaz de derrotar a todos los campeones. Pero algunos juegos con reglas simples, por ejemplo, jugar Go, resultaron ser muy difíciles para una solución de máquina.
En resumen, las máquinas resultaron ser capaces de jugar juegos y actividades similares, pero para algunos juegos eran absolutamente incapaces. La forma en que juega la máquina se puede describir como "hacer mucha computación", no como un juego basado en la comprensión. Comenzamos a enseñar juegos de computadora para comprender los procesos del pensamiento humano, pero el objetivo inicial fue distorsionado, y la investigación continuó hacia el desarrollo de programas que puedan ganar.

Permítanme repetirlo, ¡no pueden permitirse ignorar el campo de la inteligencia artificial, el uso del conocimiento en un área u otra puede mejorar las aplicaciones informáticas y conducir a un gran fiasco!

Ahora es el momento de explicar la diferencia entre novedad lógica y psicológica. En el proceso, no produce novedad lógica, pero definitivamente producen novedad psicológica. ¡Los programadores notan constantemente nuevos efectos en los programas que escriben! Pero, ¿puede una persona producir novedad lógica? Un análisis cuidadoso de las historias de los grandes descubrimientos muestra que se hicieron sobre la base del análisis de experiencias pasadas. Las circunstancias condujeron al éxito; es solo una novedad psicológica, no lógica. ¿No todos tus nuevos logros provienen de experiencias pasadas? ¿Es posible la novedad lógica en su forma más pura?

No es necesario pensar que la novedad lógica es algo banal. En cualquier ciencia, después de la asignación inicial de postulados, definiciones y lógica, todas las conclusiones adicionales son novedad psicológica; en las conclusiones después de la asignación inicial, ¡no hay novedad lógica!

Se cree que si usamos el generador aleatorio para tomar decisiones, podemos romper el círculo vicioso de dos moléculas, pero ¿dónde podemos obtener una fuente aleatoria de eventos si no es del mundo material con moléculas?

Supuestamente, la información está contenida en la fuente de eventos aleatorios. Esta declaración se basa en experiencias mentales con monos y máquinas de escribir. Los monos frente a las máquinas de escribir y al azar hacen clic en botones aleatorios. ¡Se cree que en algún momento uno de ellos podrá imprimir todos los libros de la biblioteca británica en el orden en que se encuentran en los estantes! Tarde o temprano, el mono presionará la primera letra correctamente, de hecho, con un número infinito de intentos que suceden infinitamente a menudo.

Entre estos intentos será correcto con la segunda letra, y así sucesivamente. Con el tiempo de funcionamiento infinito de los monos, surgirá la combinación correcta de personajes.

La experiencia es una confirmación de que el conocimiento está contenido en las fuentes de eventos aleatorios, y puede extraerlos si escribe el programa correcto para "reconocer" la información. Por ejemplo, tarde o temprano, una nueva teoría física surgirá de una corriente de ruido, ¡y puede detectarla si filtra la corriente de números aleatorios! Esta lógica es innegable: ¡es difícil creer en tal realidad! La verdad es que no siempre puede reconocer la "información", incluso si la ve.

Hace tiempo que se cree que la "libre expresión de la voluntad" es un mito. En determinadas circunstancias y en un momento dado, usted es quien es y actúa de la manera en que actúa. Este argumento suena convincente en el contexto del hecho de que crees en tu libre albedrío. Intentemos aclarar este problema mediante un experimento. Parece que no se puede hacer un experimento convincente para ilustrar este problema. La verdad es que elegimos constantemente entre dos líneas de comportamiento. El maestro tiene que creer que está diciendo las palabras correctas a sus alumnos. Los padres tienen que creer que están criando a sus hijos correctamente. Sin embargo, un sentido de libertad se encuentra en lo profundo de nosotros, y somos reacios a rechazarlo, ¡pero podemos negarlo fácilmente a los demás!

Hay muchos más ejemplos para discutir la pregunta "¿Pueden pensar los automóviles?"

En conclusión, tal vez el pensamiento no esté determinado por lo que pensamos, sino por cómo pensamos. Cuando observo cómo un niño aprende a multiplicar números de dos o tres dígitos, me da la impresión de que está pensando. Cuando lo hago yo mismo, parece una especie de "reflejo condicionado". Cuando la computadora hace la misma multiplicación, no parece que esté pensando. En las palabras de la vieja canción, "esto no es lo que haces, sino cómo lo haces". Quizás, en el campo del pensamiento, confundimos los conceptos de resultado y el método de obtención, lo que conduce a algunas dificultades en el campo de la investigación de IA.

Los defensores de la teoría rígida de la inteligencia artificial consideran que esta o aquella teoría tiene éxito solo después de la confirmación. Este enfoque, sin una evaluación adecuada de los hechos, ha afectado a muchos investigadores. La creencia de que "el resultado es una medida de pensamiento" permite a muchas personas creer que pueden pensar, pero no hay máquina.

La situación con respecto a las computadoras y el pensamiento se ha mezclado. Al mismo tiempo, podemos suponer que las computadoras pueden o no pensar. Queremos creer en el pensamiento de las máquinas, porque nos ayudan. Y no queremos creer para mantener nuestro propio significado. Las computadoras nos han pasado por alto en muchas áreas, velocidad, precisión, confiabilidad, costo, velocidad de reacción, están libres de aburrimiento, olvidan fácilmente lo viejo y aprenden cosas nuevas, pueden trabajar en un entorno agresivo, libre de problemas personales, nos gustaría superarlos en algunas áreas: ¡al mismo tiempo son nuestras creaciones! Por ejemplo, si algún programa de computadora puede hacer el trabajo mucho mejor que los médicos, ¿dónde se quedarán? Donde te quedaras

Dos conclusiones principales:

1. , , .
2. , , , .

En los dos capítulos anteriores, escribí la cuestión de los límites del hardware y el software, pero en estos dos capítulos las cuestiones de inteligencia artificial se plantean superficialmente. Simplemente no sabemos de qué estamos hablando; los conceptos no están definidos y no está claro si se definirán en el futuro cercano. Nos vemos obligados a usar un lenguaje para describir un lenguaje de computadora; Esta recursividad conduce a la complicación y la reducción del rigor. La cuestión principal de los capítulos sobre IA (la cuestión de los límites del software) permanece abierta debería ser muy importante en su carrera. El estudio del campo de la IA requiere precisión y conclusiones equilibradas, ya que muchos investigadores han llegado a conclusiones obvias incorrectas.

Continuará ...

¿Quién quiere ayuda con la traducción, diseño y publicación de un libro - escritura en un magisterludi2016@yandex.ru personal o electrónico

Por cierto, hemos puesto en marcha una traducción de otro más fresco libro - «del sueño de la máquina: La historia de la revolución del ordenador" )