AI什么时候变得不仅仅是复杂的预定义逻辑?

时间:2010-10-11 16:27:07

标签: artificial-intelligence

我不能假装开始理解人工智能软件是如何创建的,但是今天在阅读一些新闻文章时,我想到了这样的想法:人工智能什么时候成为真正的人工智能,而不仅仅是后台的复杂的IF语句?如果所有软件都归结为具有某种程度随机性的可确定的IF语句,那么它与其他任何程序相比有多少或更少的AI?

7 个答案:

答案 0 :(得分:12)

AI并没有“变成”真正的AI ......反过来说,当你弄明白它是如何运作的时候它就不再是人工智能了。

推荐阅读:PoAIP

答案 1 :(得分:4)

  

AI何时成为实际AI而不仅仅是后台中复杂的IF语句?

谁说有区别?据我们所知,大脑实际上只是“具有一定程度随机性的可确定的IF语句”。物理学只是应用数学,化学只是语言,一些细节被简化以允许更大规模的工作,生物学只是简化的大规模化学,到目前为止我们没有任何证据表明心理学不仅仅是简化的大规模生物学。

  

如果所有软件都归结为具有某种程度随机性的可确定的IF语句,那么它与其他任何程序相比有多少或更少的AI?

Emergent complexity - 整体不仅仅是其各个部分的总和,而且随着它变得越来越复杂,往往会显示出无法追踪到任何一个部分甚至是特定部分的行为。< / p>

答案 2 :(得分:4)

宇宙中的一切都是if语句。 AI和非AI(a.k.a。预编程的复杂if语句)之间的区别在于谁在做出决定。程序员还是电脑?

如果程序员对预定问题强制执行是/否答案,那么它不是AI。例如:

if (question == "Is the sky blue?")
   return true
else
   return false

真正的AI会在外部得到问题(从键盘输入,语音输入,OCR输入或其他东西),然后自己找出答案。将生成一个真正的动态if,但仍然可以采取预编程的步骤来提供答案:

  1. 使用附带的波长相机确定答案。
  2. 在Google或其他来源上查找答案。
  3. 向现实世界中的其他人询问可能基于信任的答案。
  4. 但它更深入。我们是否预加载上述#1的波长答案?我们是否在#3中预先确定了计算机的可靠来源?

    我们(人类)都是从出生开始,通过DNA预先编程的,内置了一组if语句答案,然后从那里成长并学习。在我们变得“活着”的那一刻,我们知道如何呼吸,如何母乳喂养,如何抽心等等。我们还使用感官......视觉,听觉,触觉,味觉和嗅觉在我们的大脑中建立了从出生第1天开始的信息数据库。我们使用此数据库来获取if语句的“答案”。

    那么在人类确定它是真正的AI之前,我们需要在计算机中预编程多少if个语句和答案?至少有些人要开始......

    但最终,要被称为AI,它需要能够自己动态构建和回答if语句并调整它给出的答案,因为它从内部数据库中学到了它的成长时间。

答案 3 :(得分:2)

对于初学者来说,当你可以“训练”你的AI以某种方式行事时。然后,AI可以根据从训练数据中学到的内容做出决策,而不是从“硬编码的if语句”做出决策。显然,这只是表面上看,但你可以看到AI使用(例如)neural network如何随着时间的推移而发展,因为网络中的数据已经改变。

答案 4 :(得分:0)

我认为它可以drive a real car in urban conditions非常接近人工智能。

你可以通过说“这只是一堆'如果'陈述”来贬低这一点吗?我不能。

"Any sufficiently advanced technology is indistinguishable from magic." - Arthur C. Clarke。

就个人而言,我认为飞机和汽车的自动驾驶员非常先进且令人印象深刻。

答案 5 :(得分:0)

尽管AI的大部分方法都是基于if-else结构,但实际上AI背后的思想是建立在计算模型上的。例如,大多数推荐系统都基于if-else结构,但是,这些结构永远不是AI。对于AI,算法中必须有一个计算模型,它与if-else结构无关。因此,这是数学! 另一个例子是像SIRI这样的化身。虽然有很多基于本体的语言方法,但我不认为谈论SIRI是AI,因为它不包含计算模型,尽管它可能有计算模型来帮助if-else结构。但是,计算模型并不占据中心舞台。所以,如果你把问题看成是一个if-else结构,那就没有新意,没有创造力,没有惊喜。

答案 6 :(得分:-1)

一种将AI与复杂的分离的方法&#34; if-else&#34;如果它能够理解它是什么,并考虑它自己的存在,那就是陈述。