Список
Цей список походить від Брюса Максима, професора інженерії, комп’ютерних та інформаційних наук з Мічиганського університету. У своїй лекції навесні 1998 р. Зазначає про СНД 479 1 наступний список,
"Гарні проблеми для штучного інтелекту".
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
З цього часу вона переросла в це.
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
Що це
Його список ніколи не мав бути списком AI проблемних категорій як початкової точки розгалуження підходів до рішення або "евристичної методики, розробленої для пришвидшення процесу пошуку задовільного рішення".
Максим ніколи не додавав цей список до жодної своєї академічної публікації, і є причини, чому.
Список неоднорідний. Він містить методи, глобальні характеристики, виклики та концептуальні підходи, змішані в одному списку так, ніби вони схожі на елементи. Це не є недоліком для списку "Хороших проблем для ШІ", але як формальне твердження характеристик або категорій проблем ІІ, воно не має необхідної суворості. Максим, безумовно, не представляв це як перелік "7 характеристик проблеми AI".
Це, безумовно, не "7 характеристик проблеми AI", перелік.
Чи є списки категорій чи характеристик?
Немає хорошого списку категорій для проблем зі ШІ, тому що якби його створили, було б легко подумати про одну з мільйонів проблем, які вирішив людський мозок, які не вписуються ні в одну з категорій, ні на межі двох або більше категорій.
Можна розробити список характеристик проблеми, і це може бути натхнене списком «Проблеми Максима» для ШІ. Можна також розробити список первинних підходів. Тоді можна намалювати стрілки з характеристик у першому списку до найкращих перспектив підходів у другому списку. Це дозволило б стати хорошою статтею для публікації, якщо розглядатися всебічно та суворо.
Початкові характеристики високого рівня для списку підходів
Ось перелік питань, які досвідчений архітектор AI може задати для з'ясування системних вимог високого рівня перед вибором підходів.
- Чи є завдання по суті статичним у тому, що після його виконання, ймовірно, не знадобиться суттєвих коригувань? Якщо це так, то AI може бути найбільш корисним для проектування, виготовлення та конфігурації системи (можливо, включаючи навчання її параметрів).
- Якщо ні, чи по суті міняється завдання таким чином, щоб теорія управління, розроблена на початку 20 століття, могла адаптуватися до дисперсії? Якщо так, то AI також може бути корисним у закупівлях.
- Якщо ні, то система може мати достатню нелінійну та часову складність, для якої може знадобитися інтелект. Тоді стає питання, чи явище взагалі є контрольованим. Якщо так, то AI-методи повинні бути використані в режимі реального часу після розгортання.
Ефективний підхід до архітектури
Якщо один кадр проектування, виготовлення та конфігурації обрамляє один і той самий процес, слід визначити, яку роль може грати AI, і це можна зробити рекурсивно, оскільки розкладається загальна продукція ідеї аж до таких речей, як дизайн A-D-перетворювач або розмір ядра згортки для використання на певній стадії комп'ютерного зору.
Як і у випадку з іншими системами управління системами, з AI визначайте наявні входи та бажаний вихід та застосовуйте основні інженерні концепції. Думаючи, що інженерна дисципліна змінилася через експертні системи чи штучні сітки, - принаймні поки що помилка.
У інженерії систем управління нічого не змінилося, оскільки AI та інженерія систем управління мають спільне походження. У нас просто є додаткові компоненти, з яких ми можемо вибрати та додаткову теорію для використання в галузі дизайну, будівництва та контролю якості.
Ранг, розмірність і топологія
Що стосується рангу та розмірів сигналів, тензорів та повідомлень в системах ШІ, декартові розміри не завжди є правильною концепцією для характеристики дискретних якостей внутрішніх органів, коли ми підходимо до моделювання різних психічних якостей мозку людини. Топологія часто є ключовою областю математики, яка найбільш правильно моделює види різноманітності, які ми бачимо в людському інтелект, який ми хочемо штучно розвивати в системах.
Що ще цікавіше, топологія може бути ключем до розробки нових типів інтелекту, для яких ні комп’ютери, ні людський мозок не оснащені.
Список літератури
http://groups.umd.umich.edu/cis/course.des/cis479/lectures/htm.zip
