Drosophila ของ AI คืออะไรตอนนี้

ในช่วงกลางทศวรรษที่ 1960 นักวิจัยได้อ้างถึงหมากรุกว่า " Drosophila of AI" ที่มีชื่อเสียง: เหมือนแมลงวันผลไม้เกมหมากรุกสามารถเข้าถึงได้และเป็นปัญหาที่ค่อนข้างง่ายที่จะทำการทดลอง

ตอนนี้ผู้คนดูเหมือนจะพูดว่า "หมากรุกเป็นเพียงปัญหาการค้นหา" และ "วิธีหมากรุกจะให้ความสนใจต่อชุมชน AI เพียงเล็กน้อย"

ดังนั้นสิ่งที่เป็นแมลงหวี่ของ AI ตอนนี้หรือไม่

machine-learning

— ทะเบียน
แหล่งที่มา

Geoffrey Hinton อธิบายว่า MNIST เป็นดรอสโซฟิล่าแห่งการเรียนรู้ของเครื่อง

— ashunigion

แก้ไขเพื่อความถูกต้องทางชีวภาพพร้อมกับการสะกดผิดเล็กน้อยภายในระยะที่ฉันเอื้อมถึง แมลงหวี่เป็นชื่อสกุลสมควรได้รับเงินทุนเริ่มต้นและตัวเอียงเช่นเดียวกับการสะกดที่ถูกต้อง

— Nick Cox

คำตอบ:

ฉันเพิ่ง googled และหลายคนอ้างว่าJohn McCarthyเรียกGo " Drosophilaใหม่ของ AI" - แม้ว่าฉันจะไม่พบคำพูดดั้งเดิมของเขา

นอกจากนี้ยังมีเอกสารที่น่าสนใจ"THE DROSOPHILA REVISITED" ( pdf ) ซึ่งโดยเฉพาะอย่างยิ่งการอ่าน:

หลังจากการแข่งขัน DEEP BLUE - Kasparov (New York, 1997) ซึ่งเครื่องจักรได้พิสูจน์ความเหนือกว่าของมันแล้วการเปลี่ยนแปลงอย่างช้าๆถูกพบในโลกของเกมตั้งแต่หมากรุกไปจนถึงเกมอื่นโดยมี Go เป็น frontrunner ปัจจุบัน ICCA เปลี่ยนชื่อเป็น ICGA และคำถามที่เกิดขึ้น: Go Drosophilaใหม่ของ AI หรือไม่

บางคนก็เห็นด้วยกับคำสั่งนี้และคนอื่นจะต่อต้านมันอย่างจริงจัง ในแง่ที่สมดุลมากขึ้นเราจะพูดว่า: สำหรับการเปลี่ยนกระบวนทัศน์การเปลี่ยนกระบวนทัศน์เป็นสิ่งที่จำเป็นต้องมีการเปลี่ยนโฟกัสไม่เพียงพอ ในขณะนี้ (2010) เราอาจระบุว่าเงื่อนไขเป็นจริงเนื่องจาก MCTS ถือได้ว่าเป็นการเปลี่ยนกระบวนทัศน์

— ทะเบียน
แหล่งที่มา

น่าสนใจ ฉันเรียนรู้สิ่งใหม่วันนี้ .... :)

— Dov

ฉันจะโต้แย้งว่าโกไม่น่าสนใจจริง ๆ ... มันท้าทายมากกว่าหมากรุกเพราะการระเบิดแบบ combinatorial นั้นสูงกว่ามาก (และดังนั้นจึงไม่น่าที่จะ "แก้ไข" ในอนาคตอันใกล้ซึ่งอาจเป็นหมากรุก) แต่ พวกมันมีความเหมือนกันในธรรมชาติ ฉันคิดว่ามีความเป็นไปได้ที่น่าสนใจมากกว่า ... ขอให้ฉันคิด ....

— tdc

ฉันเห็นด้วยกับ tdc เพียงเพราะพื้นที่ปัญหามีขนาดใหญ่กว่าในโกไม่ได้ทำให้มันเป็น "Drosophila" ที่ดี บางทีการออกแบบชิปอาจเป็นตัวเลือกที่ดี ฉันไม่รู้ว่ามันง่ายต่อการทดสอบหรือไม่ แต่มันจะสร้างความรู้ที่สำคัญอย่างแน่นอน

— B เซเว่น

อืม "drosophilla" เป็นอย่างดีเมื่อคุณทำการทดลองอย่างง่ายและรับความรู้ที่ถูกต้องสำหรับปัญหาที่ซับซ้อนมากขึ้น .. การออกแบบชิปหรือหุ่นยนต์ง่ายหรือไม่? ฉันไม่รู้! :)

— ทะเบียน

แล้วหุ่นยนต์ (โดยเฉพาะหุ่นยนต์ฮิวแมนนอยด์) ล่ะ?

โดยเฉพาะฉันคิดว่าความท้าทายในวิทยาการหุ่นยนต์คือการรวมชุดของเทคโนโลยีที่พัฒนาขึ้นเอง:

การมองเห็นคอมพิวเตอร์: หุ่นยนต์ต้องการการประมวลผลที่รวดเร็วของโลกภาพ
การสร้างแบบจำลองภายในของโลก: พวกเขายังต้องรู้ว่าพวกเขาสามารถส่งผลกระทบต่อโลกและวิธีการเชื่อมต่อภูมิทัศน์ภาพกับการเคลื่อนไหวของพวกเขา
การรู้จำเสียง: เราต้องการพูดคุยกับพวกเขาใช่ไหม?
การสังเคราะห์เสียงพูด: และเราต้องการได้ยินสิ่งที่พวกเขาพูด!
การเสริมแรงการเรียนรู้: พวกเขาควรจะสามารถเรียนรู้ผ่านการลองผิดลองถูก ฯลฯ
การใช้เหตุผลแบบเบย์: ในบางครั้งพวกเขาอาจจำเป็นต้องมีแนวคิดเกี่ยวกับความน่าจะเป็นของวัตถุในโลกเพื่ออำนวยความสะดวกในการตัดสินใจ

มันจะง่ายพอที่จะให้พวกเขามีความสามารถในการเล่นหมากรุกหรือเล่นด้วย ;-)

ฉันคิดว่าปัญหาเดียวของมุมมองดรอสโซฟิล่าคือมีค่าใช้จ่ายจำนวนมากในด้านฮาร์ดแวร์ อย่างไรก็ตามไม่มีเหตุผลว่าทำไมหุ่นยนต์ถึงไม่สามารถอยู่ในโลกจำลองได้

และบางทีอาจมีบางอย่างในโลกเกมเช่นนี้ที่คุณสามารถสร้าง AI bot ของคุณเองที่สามารถโต้ตอบกับเอ็นจิ้นฟิสิกส์โดยใช้รังสีหลาย ๆ

— tdc
แหล่งที่มา

ดังนั้นเราสามารถพูดได้ว่า drosophilla ใหม่ของ AI คือ drosophilla ที่เกิดขึ้นจริงในโลกจำลองหรือไม่! ;)

— and ลงทะเบียน