ในหน้าวิกิพีเดียเกี่ยวกับ AI เราสามารถอ่านได้:
การรู้จำอักขระด้วยแสงจะไม่ถูกมองว่าเป็นแบบอย่างของ "ปัญญาประดิษฐ์" ที่กลายเป็นเทคโนโลยีประจำ
ในทางตรงกันข้ามฐานข้อมูลMNISTของตัวเลขที่เขียนด้วยลายมือได้รับการออกแบบมาโดยเฉพาะสำหรับการฝึกอบรมและการทดสอบเครือข่ายประสาทเทียมและอัตราความผิดพลาด (ดู: ตัวแยกประเภท )
เหตุใดสถานะการอ้างถึงข้างต้นที่ OCR จึงไม่เป็นแบบอย่างของ AI อีกต่อไป
คำตอบ:
เมื่อใดก็ตามที่ปัญหาเกิดขึ้นจากคอมพิวเตอร์ผู้คนก็เริ่มโต้เถียงว่าไม่จำเป็นต้องมีสติปัญญา John McCarthy มักอ้าง: "ทันทีที่มันทำงานไม่มีใครเรียกมันว่า AI อีกต่อไป" ( อ้างอิงใน CACM )
ครูคนหนึ่งของฉันในวิทยาลัยกล่าวว่าในปี 1950 อาจารย์คนหนึ่งถูกถามในสิ่งที่เขาคิดว่าฉลาดสำหรับเครื่องจักร ศาสตราจารย์ตอบอย่างมีชื่อเสียงว่าถ้าตู้หยอดเหรียญให้การเปลี่ยนแปลงที่ถูกต้องเขาน่าจะฉลาด
ต่อมาการเล่นหมากรุกก็ถือว่าฉลาด อย่างไรก็ตามคอมพิวเตอร์สามารถเอาชนะมาสเตอร์ที่หมากรุกและผู้คนไม่ได้บอกว่ามันเป็นรูปแบบของความฉลาด
ตอนนี้เรามี OCR แล้ว มันมีการระบุไว้แล้วในคำตอบอื่นว่าวิธีการของเราไม่มีสิ่งอำนวยความสะดวกการรับรู้ของ 5 ปี ทันทีที่ความสำเร็จนี้เกิดขึ้นผู้คนจะพูดว่า "ไม่เป็นความฉลาด แต่เด็กอายุ 5 ขวบสามารถทำเช่นนั้นได้!"
ความเอนเอียงทางจิตวิทยาจำเป็นต้องระบุว่าเราเหนือกว่าเครื่องจักรเป็นพื้นฐานของสิ่งนี้
แม้ว่า OCR จะเป็นเทคโนโลยีหลัก แต่ก็ยังคงเป็นความจริงที่ว่าไม่มีวิธีการของเราอย่างแท้จริงมีสิ่งอำนวยความสะดวกการรับรู้ของอายุ 5 ปี (อ้างว่าประสบความสำเร็จกับ CAPTCHAs แม้จะมี) เราไม่ทราบวิธีการทำให้บรรลุผลโดยใช้เทคนิคที่มีความเข้าใจอย่างดีดังนั้น OCR ควรได้รับการพิจารณาอย่างถูกต้องว่าเป็นปัญหา AI
เมื่อต้องการดูสาเหตุที่อาจเป็นเช่นนั้นจึงมีความสว่างที่จะอ่านบทความ "เมื่อเห็น A และเห็น AS"โดย Douglas Hofstadter
ด้วยความเคารพต่อประเด็นที่เกิดขึ้นในคำตอบอื่น ๆ การกำหนดกรอบตัวแทนนั้นมีประโยชน์อย่างใดอย่างหนึ่งตราบเท่าที่มันเป็นแรงบันดาลใจความสำเร็จในสภาพแวดล้อมที่ซับซ้อนมากขึ้น อย่างไรก็ตามมีปัญหาที่ยากมาก (เช่น Bongard) ที่ไม่จำเป็นต้องกล่าวถึงในรูปแบบดังกล่าว
ฉันไม่แน่ใจว่าการทำนาย MNIST นั้นถือได้ว่าเป็นงาน AI หรือไม่ ปัญหา AI มักจะถูกกำหนดกรอบภายใต้บริบทของตัวแทนที่ทำหน้าที่ในสภาพแวดล้อม โครงข่ายประสาทและเทคนิคการเรียนรู้ของเครื่องโดยทั่วไปไม่จำเป็นต้องจัดการกับโครงนี้ ตัวอย่างเช่นตัวแยกประเภทกำลังเรียนรู้การแมประหว่างสองช่องว่าง แม้ว่าใคร ๆ ก็สามารถเถียงได้ว่าคุณสามารถจัดหมวดหมู่ OCR / ภาพเป็นปัญหา AI - ตัวจําแนกเป็นตัวแทนการคาดการณ์แต่ละครั้งเป็นการกระทำและได้รับรางวัลตามความถูกต้องของการจัดหมวดหมู่ - ค่อนข้างผิดธรรมชาติ โดยทั่วไปถือว่าปัญหา AI