Чи є нейронні мережі та її варіанти єдиним способом досягти справжнього штучного інтелекту?

За моїми знаннями, більшість сучасних досліджень штучного інтелекту використовує якусь нейронну мережу або її варіанти. Хорошим прикладом може бути алфаго DeepMind, який, на мою думку, є глибокою нейронною мережею, для бачення CNN, тексту, музики та інших упорядкованих функцій RNN тощо. Але для застосування машинного навчання у нас є нейронні мережі, підтримуючі векторні машини, випадкові ліси, методи регресії. тощо, доступний для додатків.

Тож чи є нейронні мережі та її варіанти єдиним способом досягти "справжнього" штучного інтелекту?

Якщо під істинним ШІ ви маєте на увазі «як люди», то відповідь - ніхто не знає, якими є відповідні обчислювальні механізми (нейронні чи інші), чи ми здатні їх конструювати.

Те, що роблять штучні нейронні сітки - це, по суті, «нелінійна регресія» - можливо, це не є достатньо сильною моделлю для вираження поведінки, подібної до людини.

Незважаючи на властивість «Універсального наближення функції» ANN, що робити, якщо інтелект людини залежить від якогось ще не зрозумілого механізму фізичного світу?

Що стосується вашого питання про "єдиний шлях": Навіть якщо фізичні нервові механізми якось насправді були єдиним шляхом до інтелекту (наприклад, через квантові мікротрубочки Пенроуза), як це можна було б довести?

Навіть у формальному світі математики є приказка, що "Докази існування важкі". Навряд чи здається, що у фізичному світі можна було б продемонструвати, що інтелект не може виникати жодним іншим механізмом.

Повертаючись до обчислювальних систем, зауважте, що Стівен Вольфрам зробив цікаве спостереження у своїй книзі «Новий вид науки», що багато з очевидно виразних механізмів, які він спостерігав, здаються здатними до «універсальних обчислень», тому в цьому сенсі немає нічого дуже зокрема про ANN.

Це залежить від того, що ви вважаєте "справжнім штучним інтелектом". Але це, ймовірно, означає вміти мислити як людину - і, можливо, робити це більш раціонально, як у людському мозку емоція передує співвідношенню.

Здавалося б, нейронна мережа, або генетичний алгоритм, який розвиває нейронні мережі, є найближчим способом - наслідування людині.

Однак традиційний контр-аргумент цьому полягає в тому, що ми намагалися зробити те ж саме з польотом. Ми намагалися копіювати природу, наслідуючи птахів - намагаючись літати, махаючи крилами. Але врешті-решт ми зробили літаки, які не покладалися на махання крилами.

В AI є набагато більше змінних, ніж в аеродинаміці. Тож цілком ймовірно, що людський інтелект може бути досягнутий іншими методами, ніж нейронні мережі.

Зрештою, нейронні мережі - це один підхід до машинного навчання. Є й інші, всі регулюються правилами того, чого можна, а чого не можна навчитися. (Існує поле під назвою Теорія обчислювального навчання, яке охоплює це).

Незважаючи на те, що можна розширити системи навчання за межами того, що можна засвоїти згідно з COLT, це означає, що така система навчання - нейронна мережа чи іншим чином - по суті є недоліком, і зробить неправильні висновки в той чи інший момент.

Щоб мати будь-який шанс відповісти на це, спершу потрібно суворе визначення «справжнього штучного інтелекту», якого у нас немає. І навіть якби у вас це було, найкращою відповіддю було б, мабуть, "ніхто не знає". Ми навіть не розуміємо, як саме працює інтелект людини (що, мабуть, найкраща модель інтелекту, яку ми маємо для вивчення). Що ми знаємо (або думаємо, що знаємо) - це те, що ANN - це в кращому випадку поверхнева копія функції мозку. Може виявитись, що вони абсолютно неправильні шляхом до досягнення "справжнього штучного інтелекту", хоча, я думаю, більшість людей будуть здивовані, якби це виявилося так.

Що, мабуть, не було б таким дивним, якби з’явилася якась інша техніка, яка краща за ANN, АБО якщо виявиться, що вам потрібен ансамбль прийомів. Особисто я думаю, що це близьке до самоочевидного, що мозок працює в значній мірі імовірнісним чином, але також зрозуміло, що ми іноді використовуємо символічну обробку / дедуктивну логіку / правила / тощо. І зараз ANN не дає тобі багато чого спосіб міркування, дедукції тощо. Отже, ми можемо в кінцевому підсумку виявити, що нам доведеться поєднувати ймовірнісний підхід, як ANN, з іншими методами - можливо, індуктивним логічним програмуванням або чимось подібним.