Danh sách
Danh sách này bắt nguồn từ Bruce Maxim, Giáo sư Kỹ thuật, Khoa học Máy tính và Thông tin tại Đại học Michigan. Trong bài giảng Mùa xuân năm 1998 ghi chú cho CIS 479 1 , danh sách sau đây được gọi,
"Những vấn đề tốt cho trí tuệ nhân tạo."
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
Nó đã phát triển thành này.
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
Nó là gì
Danh sách của ông không bao giờ có ý định trở thành một danh sách các loại vấn đề AI như một điểm nhánh ban đầu cho các phương pháp tiếp cận giải pháp hoặc, "kỹ thuật heuristic được thiết kế để tăng tốc quá trình tìm kiếm một giải pháp thỏa đáng."
Maxim không bao giờ thêm danh sách này vào bất kỳ ấn phẩm học thuật nào của mình, và có những lý do tại sao.
Danh sách không đồng nhất. Nó chứa các phương thức, đặc điểm toàn cầu, thách thức và cách tiếp cận khái niệm được trộn lẫn vào một danh sách như thể chúng giống như các yếu tố. Đây không phải là một thiếu sót cho một danh sách "Các vấn đề tốt cho AI", nhưng như một tuyên bố chính thức về các đặc điểm hoặc danh mục vấn đề AI, nó thiếu sự nghiêm ngặt cần thiết. Maxim chắc chắn không đại diện cho nó như là một danh sách "7 đặc điểm của vấn đề AI".
Đây chắc chắn không phải là danh sách "7 đặc điểm của vấn đề AI".
Có bất kỳ danh mục danh mục hoặc đặc điểm?
Không có danh sách danh mục tốt cho các vấn đề về AI vì nếu một người tạo ra một vấn đề, sẽ dễ dàng nghĩ đến một trong hàng triệu vấn đề mà bộ não con người đã giải quyết không phù hợp với bất kỳ danh mục nào hoặc nằm trong ranh giới của hai hoặc nhiều loại hơn.
Có thể hiểu được để phát triển một danh sách các đặc điểm vấn đề và nó có thể được lấy cảm hứng từ danh sách Những vấn đề tốt cho AI của Maxim. Nó cũng có thể hiểu được để phát triển một danh sách các phương pháp tiếp cận ban đầu. Sau đó, người ta có thể rút mũi tên từ các đặc điểm trong danh sách đầu tiên sang triển vọng tốt nhất cho các phương pháp tiếp cận trong danh sách thứ hai. Điều đó sẽ làm cho một bài viết tốt để xuất bản nếu được xử lý toàn diện và nghiêm ngặt.
Một đặc điểm cấp cao ban đầu để tiếp cận danh sách
Dưới đây là danh sách các câu hỏi mà một kiến trúc sư AI có kinh nghiệm có thể yêu cầu làm sáng tỏ các yêu cầu hệ thống cấp cao trước khi chọn phương pháp tiếp cận.
- Là nhiệm vụ cơ bản tĩnh trong đó một khi nó hoạt động có khả năng không yêu cầu điều chỉnh đáng kể? Nếu đây là trường hợp, thì AI có thể hữu ích nhất trong thiết kế, chế tạo và cấu hình của hệ thống (có khả năng bao gồm cả việc đào tạo các tham số của nó).
- Nếu không, nhiệm vụ về cơ bản có thể thay đổi theo cách mà lý thuyết điều khiển được phát triển vào đầu thế kỷ 20 có thể thích ứng với phương sai không? Nếu vậy, AI cũng có thể hữu ích tương tự trong mua sắm.
- Nếu không, thì hệ thống có thể có đủ độ phức tạp phi tuyến và thời gian mà trí thông minh có thể được yêu cầu. Sau đó, câu hỏi trở thành liệu hiện tượng có thể kiểm soát được không. Nếu vậy, các kỹ thuật AI phải được sử dụng trong thời gian thực sau khi triển khai.
Phương pháp tiếp cận hiệu quả với kiến trúc
Nếu tách biệt các bước thiết kế, chế tạo và cấu hình, thì có thể thực hiện quy trình tương tự để xác định vai trò của AI và điều này có thể được thực hiện theo cách đệ quy khi người ta phân tách tổng thể các ý tưởng xuống thành những thứ như thiết kế của một Bộ chuyển đổi A-D hoặc kích thước hạt nhân chập để sử dụng trong một giai đoạn cụ thể của thị giác máy tính.
Cũng như thiết kế hệ thống điều khiển khác, với AI, xác định đầu vào khả dụng và đầu ra mong muốn của bạn và áp dụng các khái niệm kỹ thuật cơ bản. Nghĩ rằng kỷ luật kỹ thuật đã thay đổi vì hệ thống chuyên gia hoặc lưới nhân tạo là một sai lầm, ít nhất là cho đến nay.
Không có gì thay đổi đáng kể trong kỹ thuật hệ thống điều khiển vì AI và kỹ thuật hệ thống điều khiển có chung nguồn gốc. Chúng tôi chỉ có các thành phần bổ sung mà từ đó chúng tôi có thể chọn và lý thuyết bổ sung để sử dụng trong thiết kế, xây dựng và kiểm soát chất lượng.
Thứ hạng, thứ nguyên và cấu trúc liên kết
Về thứ hạng và kích thước của tín hiệu, độ căng và thông điệp trong một hệ thống AI, chiều không phải là khái niệm chính xác để mô tả các phẩm chất riêng biệt của bên trong khi chúng ta tiếp cận mô phỏng các phẩm chất tinh thần khác nhau của não người. Cấu trúc liên kết thường là lĩnh vực chính của toán học mô hình chính xác nhất các loại giống mà chúng ta thấy trong trí thông minh của con người, chúng ta muốn phát triển một cách nhân tạo trong các hệ thống.
Thú vị hơn, cấu trúc liên kết có thể là chìa khóa để phát triển các loại trí thông minh mới mà cả máy tính và bộ não con người đều không được trang bị tốt.
Người giới thiệu
http://groups.umd.umich.edu/cis/cference.des/cis479/lectures/htm.zip
