รายการ
รายการต่อไปนี้มาจาก Bruce Maxim ศาสตราจารย์ด้านวิศวกรรมคอมพิวเตอร์และสารสนเทศศาสตร์ที่ University of Michigan ในการบรรยายของเขา Spring 1998 บันทึกสำหรับ CIS 479 1 , รายการต่อไปนี้ถูกเรียก,
"ปัญหาที่ดีสำหรับปัญญาประดิษฐ์"
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
มันมีวิวัฒนาการมาตั้งแต่นี้
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
มันคืออะไร
รายชื่อของเขาไม่เคยตั้งใจจะเป็นรายชื่อปัญหาประเภท AI ในฐานะที่เป็นสาขาเริ่มต้นสำหรับแนวทางการแก้ปัญหาหรือ "เทคนิคการเรียนรู้แบบฮิวริสติกที่ออกแบบมาเพื่อเร่งกระบวนการค้นหาวิธีแก้ปัญหาที่น่าพอใจ"
Maxim ไม่เคยเพิ่มรายชื่อนี้ลงในสิ่งพิมพ์เชิงวิชาการใด ๆ ของเขาและมีเหตุผลว่าทำไม
รายการต่างกัน มันมีวิธีการลักษณะทั่วโลกความท้าทายและวิธีการแนวคิดที่ผสมอยู่ในรายการเดียวราวกับว่าพวกเขาเป็นองค์ประกอบ นี่ไม่ใช่ข้อผิดพลาดสำหรับรายการของ "ปัญหาที่ดีสำหรับ AI" แต่ในฐานะที่เป็นแถลงการณ์อย่างเป็นทางการของลักษณะหรือหมวดหมู่ปัญหาของ AI มันไม่มีความเข้มงวดที่จำเป็น Maxim แน่นอนไม่ได้แสดงว่าเป็นรายการ "ปัญหาลักษณะ AI 7 รายการ"
แน่นอนไม่ใช่รายการ "ปัญหาของ AI 7 รายการ"
มีรายการประเภทหรือลักษณะใด ๆ
ไม่มีรายการหมวดหมู่ที่ดีสำหรับปัญหา AI เพราะถ้ามีคนสร้างมันจะเป็นการง่ายที่จะนึกถึงหนึ่งในล้านปัญหาที่สมองมนุษย์ได้แก้ไขซึ่งไม่เหมาะกับหมวดหมู่ใด ๆ หรืออยู่ในขอบเขตของทั้งสอง หรือมากกว่าหมวดหมู่
เป็นไปได้ที่จะพัฒนารายการลักษณะปัญหาและอาจได้รับแรงบันดาลใจจากปัญหาที่ดีสำหรับรายการ AI มันเป็นไปได้ที่จะพัฒนารายการวิธีการเริ่มต้น จากนั้นหนึ่งอาจวาดลูกศรจากลักษณะเฉพาะในรายการแรกไปสู่โอกาสที่ดีที่สุดสำหรับแนวทางในรายการที่สอง นั่นจะทำให้เป็นบทความที่ดีสำหรับการตีพิมพ์หากดำเนินการอย่างละเอียดและจริงจัง
ลักษณะระดับสูงเริ่มต้นไปยังรายการแนวทาง
นี่คือรายการคำถามที่สถาปนิก AI ที่มีประสบการณ์อาจขอให้อธิบายข้อกำหนดของระบบในระดับสูงก่อนที่จะเลือกวิธีการ
- งานเป็นหลักในการคงที่เมื่อมันทำงานก็มีแนวโน้มที่จะไม่ต้องมีการปรับอย่างมีนัยสำคัญ? หากเป็นกรณีนี้ AI อาจมีประโยชน์มากที่สุดในการออกแบบการประดิษฐ์และการกำหนดค่าของระบบ (อาจรวมถึงการฝึกอบรมพารามิเตอร์ของมัน)
- หากไม่เป็นเช่นนั้นงานจะผันแปรตามทฤษฎีการควบคุมที่พัฒนาขึ้นในช่วงต้นศตวรรษที่ 20 ที่สามารถปรับให้เข้ากับความแปรปรวนได้หรือไม่? ถ้าเป็นเช่นนั้น AI ก็อาจมีประโยชน์ในการจัดหาเช่นเดียวกัน
- ถ้าไม่เช่นนั้นระบบอาจมีความไม่เชิงเส้นและความซับซ้อนทางโลกที่เพียงพอซึ่งอาจจำเป็นต้องใช้ความฉลาด จากนั้นคำถามก็กลายเป็นว่าปรากฏการณ์สามารถควบคุมได้ทั้งหมด ถ้าเป็นเช่นนั้นจะต้องใช้เทคนิค AI ในเวลาจริงหลังจากการปรับใช้
แนวทางที่มีประสิทธิภาพสู่สถาปัตยกรรม
หากหนึ่งเฟรมออกแบบการประดิษฐ์และขั้นตอนการกำหนดค่าในการแยกกระบวนการเดียวกันสามารถติดตามเพื่อกำหนดสิ่งที่บทบาท AI อาจเล่นและสิ่งนี้สามารถทำซ้ำเป็นหนึ่งในการย่อยสลายผลงานโดยรวมของความคิดลงไปในสิ่งต่าง ๆ เช่นการออกแบบของ ตัวแปลง A-to-D หรือขนาดเคอร์เนล convolution เพื่อใช้ในขั้นตอนเฉพาะของการมองเห็นคอมพิวเตอร์
เช่นเดียวกับการออกแบบระบบควบคุมอื่น ๆ ด้วย AI ให้กำหนดอินพุตที่มีอยู่และเอาต์พุตที่คุณต้องการและใช้แนวคิดวิศวกรรมพื้นฐาน การคิดว่าวิศวกรรมมีการเปลี่ยนแปลงเนื่องจากระบบผู้เชี่ยวชาญหรืออวนเทียมเป็นความผิดพลาดอย่างน้อยตอนนี้
ไม่มีอะไรเปลี่ยนแปลงอย่างมีนัยสำคัญในวิศวกรรมระบบควบคุมเนื่องจาก AI และวิศวกรรมระบบควบคุมมีจุดกำเนิดร่วมกัน เราเพิ่งมีส่วนประกอบเพิ่มเติมซึ่งเราสามารถเลือกและทฤษฎีเพิ่มเติมเพื่อใช้ในการออกแบบการก่อสร้างและการควบคุมคุณภาพ
อันดับมิติและโทโพโลยี
เกี่ยวกับการจัดอันดับและขนาดของสัญญาณเทนเซอร์และข้อความภายในระบบ AI มิติคาร์ทีเซียนนั้นไม่ใช่แนวคิดที่ถูกต้องเสมอไปที่จะจำแนกลักษณะคุณภาพที่ไม่ต่อเนื่องของ internals ในขณะที่เราเข้าใกล้แบบจำลองคุณสมบัติทางจิตต่าง ๆ ของสมองมนุษย์ โทโพโลยีมักจะเป็นพื้นที่สำคัญของคณิตศาสตร์ที่เป็นแบบอย่างที่หลากหลายที่สุดที่เราเห็นในหน่วยสืบราชการลับของมนุษย์ที่เราต้องการพัฒนาขึ้นในระบบ
ที่น่าสนใจคือโทโพโลยีอาจเป็นกุญแจสำคัญในการพัฒนารูปแบบใหม่ของความฉลาดซึ่งคอมพิวเตอร์และสมองของมนุษย์นั้นไม่ได้มีความพร้อม
อ้างอิง
http://groups.umd.umich.edu/cis/course.des/cis479/lectures/htm.zip
