Výpočetní heuristická inteligence - Computational heuristic intelligence

Výpočetní heuristická inteligence[1] (CHI) odkazuje na specializované programovací techniky v výpočetní inteligence (také zvaný umělá inteligence nebo AI). Cílem těchto technik je vyhnout se složitost problémy, také zvané NP-tvrdé problémy pomocí technik podobných člověku. Nejlépe je je lze shrnout jako použití příkladných metod (heuristika ), spíše než metody založené na pravidlech (algoritmy ). Proto je tento termín odlišný od konvenčnějšího výpočetního algoritmické inteligence, nebo GOFAI. Příkladem techniky CHI je princip specificity kódování Tulving a Thompson.[2] Obecně platí, že principy CHI jsou techniky řešení problémů používané lidmi, nikoli naprogramované do strojů. Pouhým upozorněním na tento klíčový rozdíl je použití tohoto výrazu oprávněné v oblasti již plné matoucích neologismů. Všimněte si, že právní systémy všech moderních lidských společností využívají jak heuristiku (zevšeobecňování případů) z jednotlivých záznamů soudů, tak i zákonné zákony (pravidla) jako regulační vodítka.

Dalším nedávným přístupem k zamezení problémům se složitostí je zaměstnávání zpětná vazba spíše než dopředu modelování jako paradigma řešení problémů. Tento přístup byl nazýván výpočetní kybernetika, protože (a) pojem „výpočetní“ je spojen s konvenčními technikami počítačového programování, které představují strategický, kompilovaný nebo dopředný model problému, a (b) pojem „kybernetický“ je spojován s konvenčními technikami provozu systému, které představují taktický, interpretovaný nebo zpětnovazební model problému. Skutečné programy a skutečné problémy samozřejmě obsahují jak komponenty zpětné vazby, tak zpětné vazby. Skutečným příkladem, který ilustruje tento bod, je příklad lidského poznání, které jasně zahrnuje jak percepční (zdola nahoru, zpětná vazba, senzorově orientovaná) a koncepční (vzhůru nohama, dopředné, motoricky orientované) informační toky a hierarchie.

Inženýr AI si musí vybrat mezi paradigmatem matematického a kybernetického řešení problému a návrhem stroje. Nejedná se o problém kódování (programového jazyka), ale týká se pochopení vztahu mezi deklarativním a procedurálním paradigmatem programování. Drtivá většina profesionálů v oboru STEM nikdy nedostane příležitost navrhnout nebo implementovat čistě kybernetická řešení. Po stisknutí většina respondentů odmítne důležitost jakéhokoli rozdílu tím, že řekne, že veškerý kód lze stejně snížit na matematický model. Bohužel, nejen že je tato víra falešná, ale v mnoha scénářích AI nejpozoruhodněji selže.

Matematické modely nejsou časově agnostické, ale ze své podstaty jsou předem vypočítané, tj. Dopředné. Dyer [2012] a Feldman [2004] nezávisle zkoumali nejjednodušší ze všech paradigmat somatické správy, jmenovitě kontrolu jednoduché kloubní končetiny jediným flexorovým svalem. Zjistili, že je nemožné určit síly z poloh končetin - problém proto nemůže mít předem vypočítané (dopředné) matematické řešení. Namísto toho signál zkreslení příkazu shora dolů mění prahovou úroveň zpětné vazby ve smyčce senzoru motoru, např. smyčka tvořená aferentními a eferentními nervy, čímž se mění takzvaný ‚rovnovážný bod 'systému flexorového svalu / lokte. Přehled uspořádání ukazuje, že globální polohy a poloha končetin jsou ovládány dopředně, pomocí globálních posunů (společné kódování), přičemž potřebné síly jsou vypočítávány lokálně pomocí zpětnovazebních smyček. Tato metoda řízení senzomotorické jednotky, která je založena na tom, co Anatol Feldman nazývá teorie „rovnovážného bodu“, je formálně ekvivalentní servomechanismu, jako je „tempomat“ automobilu.

Viz také

Reference

  1. ^ Newell, A. (1981) HEURISTIKA GEORGE POLYA A JEJÍ VZTAH K UMĚLÉ INTELIGENCI Ústav výpočetní techniky, Carnegie-Mellon University
  2. ^ Tulving, E., & Thomson, D.M. (1973). Procesy kódování specificity a vyhledávání v epizodické paměti. Psychologický přehled, 80, 352–373,