답변:
나는 나보다 훨씬 똑똑한 사람들이이 주제를 좀 더 자세하게 다루었다는 점을 지적함으로써이 대답을 시작하려고한다. 내가 알 수있는 한 그것은 말했다 :
우리가 지능에 대해 이야기 할 때 우리는 다른 지능의 힘에 비해 문제와 관련된 문제 해결 강도를 말합니다.
이것은 합리성 과 합리적 에이전트 의 개념과 관련된 다소 게임 이론적 개념이다 . 이런 식으로 지능에 관해서는 피할 수 없을 수도 있습니다. 특히 지능을 문제 나 솔루션 또는 추상적 개념을 이해하는 능력으로 정의 할 수 있지만 테스트하지 않고서는 이해를 검증 할 수 없습니다. (예를 들어, 나는 수학적 기법을 이해한다고 생각할 수도 있지만, 그 믿음이 실제인지 환상인지 판단하는 유일한 방법은 그 기법을 활용하고 결과를 평가하는 것입니다.)
Chess 및 Go와 같은 게임이 게임에 대한 인간의 오랜 관심과는 별개로 이정표로 사용 된 이유는 단순하고 완전히 정의 가능한 매개 변수를 모델에 제공하고 Go의 경우 최소한 자연과 유사한 복잡성을 가지기 때문입니다. 하는 말은 풀리지 / 다루기 힘든 . (사소하게 해결되는 Tic-Tac-Toe의 강도와 비교하십시오.)
그러나 튜링 테스트와 관련된 질문에 대한이 간결한 답변의 요점을 고려해야 합니다 .
"... [지능]은 순전히 환경에서의 행동이나 그 행동에 도달하는 메커니즘에 의해 정의됩니까?"
구글이 AI에 데이터 센터 냉각을 제어 했기 때문에 이것은 중요하다 . 여기서는 유틸리티 자체를 분명히 보여주는 메커니즘 자체이지만, 지능적으로 의미를 갖기 위해 그 메커니즘을 지능이라고 부르더라도 여전히 "지능적인 방법"과 경쟁해야합니다. (어떻게 지능적입니까?) "지능형"을 알고 싶다면 (유틸리티의 정도) 우리는 여전히 다른 메커니즘의 성능과 관련하여 성능을 평가해야합니다.
(Google에서 에어컨을 제어하는 오토마타의 경우 기존 제어 시스템보다 훨씬 지능적이라고 말할 수 있습니다.)
여기에서 일련의 문제에 적용 할 수있는 메커니즘으로 정의 된보다 "일반화 된 지능"에 대해 이야기하기 시작했습니다 (저는 미니 맥스를 "축적 지능"형태로, 기계 학습을 "적응 지능"형태로 포함합니다). ) 정의를 확장하고 명확하게하는 것이 좋습니다.
지능은 다른 메커니즘의 강도에 비해 문제 또는 일련의 문제와 관련된 메커니즘의 문제 해결 강도입니다.
또는 우리가 화 내고 싶었다면 :
지능은 지능이하는 것처럼 (그리고 얼마나 잘하는가)
논문에서는 범용 지능 : 기계 지능의 정의 (2007), 레그 및 HUTTER는의 정의를 제공하는 지능 지능의 직관적 인 개념을 (사람들이 자주 참조하는 것이) 포착한다.
인텔리전스 는 광범위한 환경에서 목표를 달성 할 수 있는 에이전트 의 능력을 측정 합니다.
이 정의 는 좁은 AI (예 : 인간이 AlphaGo보다 지능적 임)보다 일반 지능 을 선호 하고 에이전트의 다른 환경에 대한 적응성을 "좋아합니다" . 그러나 바이러스가 광범위한 환경에 적응할 수있는 능력 (AlphaGo와 비교하여 Go 만 재생 함)을 고려할 때, 예를 들어 바이러스가 AlphaGo보다 더 지능적인 것으로 간주 될 수 있기 때문에이 정의는 완벽하지 않을 수 있습니다. . 이 정의는 AIXI 라는 인공 일반 지능의 수학적 이론과 관련이 있습니다. 자세한 내용은 논문을보십시오.
컴퓨터 시대 이전에 지능은 철학적 인 용어로 정의되었습니다. 그것은 논리, 사고, 학습, 자기 인식, 기억 및 문제 해결과 관련이 있습니다. 이 정의는 모호하며 소프트웨어로 구현할 수 없습니다. 지능을 정의하는 현대적인 접근 방식은 게임 이론을 기반으로합니다. 비결은 정보가 영혼을 가질 수있는 실제 사람들과 더 이상 연결되어 있지 않지만 게임을이기는 전략 일 뿐이라는 것입니다. 아이디어는 문제를 조금 수정하여 메모리와 학습이 무엇인지 논쟁하는 대신 게임을 만드는 방법입니다. 게임은 현실을 시뮬레이션하는 기계 판독 가능 규칙 시스템입니다. 예를 들어“Pong”은 테니스 시뮬레이션이고“Sim city”는 하우스 빌딩을 시뮬레이션합니다. 게임과 게임의 성공적인 전략 사이에는 차이가 있습니다. 게임에서 약한 점수를 얻을 수 있습니다.
컴퓨터의 발명은 지능의 실현이라고도합니다. 대부분의 이론적 인 컴퓨터 과학자들은 튜링 준비가 된 컴퓨터가 모든 문제를 해결할 수 있다는 데 동의합니다. 그가 필요한 것은 일련의 단계 인 알고리즘입니다. 즉, 기능의 관점에서 컴퓨터는 알고리즘을 실행할 수 있기 때문에 지능형이라고 할 수 있습니다. 이것은 구체적인 알고리즘이 어떻게 보이는지에 대한 대답은 아니지만 이론적으로 컴퓨터는 인간이 할 수있는 모든 것을 할 수 있습니다.
이것은 인공 지능 연구 분야에서 인공 지능 ( 아마도 가장 중요한 것)에 대한 중요한 질문 이다. AI가 과학이라면 실험은 실험적으로 실험적 일 것입니다. 합격 또는 불합격을 결정하는 방법이 있어야합니다. 지능에 대한 테스트는 무엇입니까? 테스트를 설계하기 전에 지능이 어떤지에 대한 명확한 아이디어가 필요합니다. 그렇지 않으면 어떻게 유능한 테스트를 설계 할 수 있습니까?
물론, 저는 수밀 잠수함 구축으로 알려진 연구 개발 프로젝트의 일원입니다. 물론 저는 잠수함이 수밀임을 확신합니다. "수밀"의 의미 이 모든 아이디어는 터무니 없다. 그러나 AI에게 "지능"이 무엇을 의미하는지 물어보십시오. 분석에서 얻은 답은 잠수함 예제와 거의 동일합니다.
기본 답변-행동
"지능"이라는 단어 (아이디어, 개념)는 일반적으로 행동 측면에서 AI에 의해 정의됩니다. 즉 튜링 테스트 방식입니다. 기계는 인간이 같은 방식으로 행동하는 방식으로 행동한다면 지능적이며 인간은 인간의 지능이 필요한 행동을 수행하고 있다고 말할 수 있습니다.
문제 1 : 연주자 피아노는 지능적입니다. 스콧 조플린 음악을 연주하려면 분명히 인간의 지능이 필요합니다.
문제 2 . 머신이 테스트를 통과하면 테스트 된 동작에 대해 머신이 "지능적"임을 나타냅니다. 테스트되지 않은 행동은 어떻습니까? 이것은 실제로 자율 주행 차량 AI 제어 시스템에서 오늘날의 삶과 죽음의 문제입니다. AI 시스템은 레인이 잘 표시된 고속도로, 좁은 구석이없는 고속도로 및 두 방향을 분리하는 중앙 장벽과 같은 특정 환경에서 자동차를 운전하는 데 능숙합니다 (인간 지능이 필요함). 그러나 "가장 복잡한 경우"에서 시스템은 비참하게 잘못됩니다 – 비정상적인 상황.
문제 3 . 스쿨 버스 운전을 위해 튜링 테스트를 통과 한 로봇으로 구동되는 스쿨 버스에 자녀를 배치 할 수있는 사람은 누구입니까? 라이브 전력선이 도로를 넘어 설 때의 폭풍은 어떻습니까? 아니면 멀리있는 비틀기가 이런 식으로오고 있습니까? 테스트되지 않은 다른 수천 가지 가능성은 어떻습니까? 책임있는 부모가 알고 싶은 것 (a)는 무엇 내부 프로세스와 인간의 지능의 구조 및 원리 (b)는 디지털 버스 드라이버가 적절하게 유사한 내부 프로세스와 구조를 가지고 있음 - 즉,없는 행동 있지만, 올바른 내부 요소를 오른쪽 내부 원인.
원하는 답변 – 내부 원칙
기계가 올바른 내부 프로세스를 실행 중이고 올바른 내부 (메모리) 구조에서 이러한 프로세스 (알고리즘)를 실행하고 있음을 알고 싶습니다. 문제는 인간 지능의 올바른 내부 과정과 구조가 무엇인지 아는 사람이 없다는 것입니다. (반드시 큰 문제이지만 AI를지지하지 않은 문제 또는 자율 주행 시스템 개발자에게는 1 비트) 이것이 의미하는 바는 AI가 지금해야 할 일이 내부 프로세스를 해결하는 것입니다. 그리고 인간 지능의 구조. 그러나이 작업은 수행하지 않고 결함이있는 기술을 상용화합니다.
정의의 요소 – 1. 일반화
우리는 인간 지능에 대해 몇 가지를 알고 있습니다. 일부 테스트는 실제로 기계에 인간의 특정 특성이 있는지 테스트합니다. 이러한 속성 중 하나는 일반화입니다. 그의 1950 년 논문에서 튜링은 일종의 농담으로서 대화 일반화의 좋은 예를 제시했습니다. (증인은 기계입니다.)
"인터로 게이터 : 당신의 소네트의 첫 줄에 '여름 날과 비교해 보겠습니다.'라고 말하면 '봄날'도 나을까요?
증인 : 스캔하지 않습니다.
질문자 : '겨울날'은 어떻습니까?
증인 : 그렇습니다. 그러나 어느 누구도 겨울과 비교하기를 원하지 않습니다.
질문자 : Pickwick 씨가 크리스마스를 상기 시켰다고 말할 수 있습니까?
증인 : 어떤 식 으로든.
질문자 : 그러나 크리스마스는 겨울 날이며, Pickwick 씨가 그 비교를 신경 쓰지 않을 것입니다.
증인 : 나는 당신이 진지하다고 생각하지 않습니다. 겨울철은 크리스마스 같은 특별한 날이 아니라 전형적인 겨울날을 의미합니다. "
현재의 AI에는 이와 같이 일반화 할 수있는 원격 환경도 없습니다. 일반화하지 못하면 아마도 현재 AI의 가장 큰 실패로 간주됩니다. 일반화하는 능력은 "지능"에 대한 적절한 정의의 일부일 것입니다. 그러나 어떤 일반화가 필요한지 설명해야합니다.
일반화의 문제는 또한 프레임 문제, 상식 지식 문제, 조합 폭발 문제를 포함하여 AI 이론에 대한 몇 가지 심각한 철학적 반대의 배후에있다.
정의의 요소 – 2. 인식
감각적 지각은 인간 학습과 지능에있어 매우 기본적입니다. 데이터 (일부 형태)는 사람의 감각에 의해 방출 된 다음 중앙 시스템에 의해 처리됩니다. 컴퓨터에서 이진 값은 디지털 센서를 빠져 나와 기계로 이동합니다. 그러나 값 자체에는 감지 된 내용을 나타내는 것이 없습니다. 그러나 컴퓨터가 얻는 유일한 것은 이진 값입니다. 기계가 어떻게 감지되는지 알 수 있습니까? (중국 고전 방 논쟁 문제.)
인간과 같은 지능의 또 다른 요소는 인간과 같은 방식으로 인식하는 능력입니다. 여기서 "인간과 같은 방법"은 기계가 사람의 인식에 적용되는 것과 동일한 원리를 사용하여 감각 입력을 처리한다는 것입니다. 문제는 디지털 센서 (또는 유기적 감각)에 의해 방출 된 데이터로부터 의미론 (지식)이 어떻게 구축 될 수 있는지 아는 사람이 없다는 것입니다. 그러나 여전히 인간과 같은 인식은 "지능"에 대한 적절한 정의의 요소가되어야합니다.
일단 AI가이 두 가지 문제 (일반화와 인식)를 분류하면 아마 희망적으로 (또는 취득 수) 인간 등으로 기계를 구축 - 과거 약 70 년이 원래의 목표를 실현의 방법에 잘있을 일반 지능. 그리고 일반화의 원리와 지각의 원리는 하나 일뿐입니다. 그리고 실제로 하나의 원칙 만있을 수 있습니다. 답이 복잡하다고 가정해서는 안됩니다. 때로는 이해하기 가장 어려운 것들이 가장 단순합니다.
따라서 "지능"이라고 말할 때 우리가 무엇을 의미 하는가는 AI에 정말로 중요합니다. 그리고 결론은 AI가 "지능"에 대한 현재의 행동 정의를 일반화와 인식의 인간 요소를 포함하는 것으로 대체해야한다는 결론입니다. 그런 다음 두 가지 모두의 작동 원리 또는 원리를 연구하십시오.
간결하고 정확한 지능이라는 용어의 가장 일반적인 정의는 이것입니다.
특정 범위의 환경 조건에서 특정 손실을 피하면서 특정 추구에 지속적으로 성공하는 일부 개체에 상주하는 행동 특징의 수집.
위의 정의에 따라 지능을 나타내는 데 실패한 예는 각 구의 중요성을 보여줍니다.
이 정의에서 네 가지를 주목하십시오.
지능은 모든 측면에서 그 맥락에 미덕을 얻고 행동하기 위해 어떤 맥락을 확보하는 상태입니다. 이것은 지각의 인간적 측면과 인공적 측면으로 나눌 수 있습니다. 효율적인 솔루션을 제공하기 위해 실제 상황에서 물체를 이해하는 다른 관점에서 컨텍스트를 감지하고 분석하는 기능.
지능은 논리, 창의성, 문제 해결 등과 같은 다양한 정신적 인물을 통합하는 일반적인 풀로 간주되어야합니다. 이들은 인간 및 인공 프로그램 관점에서 모두 훈련 될 수 있습니다.