Dapatkah kecerdasan buatan dianggap sebagai optimasi?

Dalam video ini seorang ahli mengatakan, "Salah satu cara berpikir tentang apa kecerdasan itu [khusus yang berkaitan dengan kecerdasan buatan], adalah sebagai proses optimasi."

Dapatkah kecerdasan selalu dianggap sebagai proses pengoptimalan, dan dapatkah kecerdasan buatan selalu dimodelkan sebagai masalah pengoptimalan? Bagaimana dengan pengenalan pola? Atau apakah dia salah menandai?

Jawaban yang baik untuk pertanyaan ini tergantung pada apa yang ingin Anda gunakan untuk label.

Ketika saya berpikir tentang "optimasi," saya berpikir tentang ruang solusi dan fungsi biaya; yaitu, ada banyak kemungkinan jawaban yang bisa dikembalikan dan kita bisa tahu berapa biayanya dari jawaban tertentu.

Dalam pandangan ini, jawabannya adalah "Ya" - pengenalan pola adalah kasus di mana masing-masing pola adalah jawaban yang mungkin, dan metode pengoptimalan berusaha menemukan yang mana biayanya paling rendah (yaitu, di mana jawaban cocok dengan apa yang Anda ingin itu cocok).

Tetapi sebagian besar masalah optimisasi yang menarik ditandai oleh ruang solusi eksponensial dan fungsi biaya bersih, sehingga dapat dianggap lebih sebagai masalah 'pencarian', sedangkan sebagian besar masalah pengenalan pola ditandai oleh ruang solusi sederhana dan fungsi biaya rumit, dan mungkin terasa tidak wajar untuk menempatkan mereka berdua bersama.

(Secara umum, saya benar-benar berpikir bahwa optimasi dan kecerdasan sangat terkait sehingga kekuatan optimasi adalah ukuran kecerdasan yang baik, dan tentu saja ukuran yang lebih baik dari penggunaan praktis intelijen daripada pengenalan pola.)

Saya dapat menawarkan dua (pada pandangan pertama, yang bertentangan) perspektif tentang ini:

Pertama:

Jika string huruf 'abc' menjadi 'abd' seperti apa bentuk "melakukan hal yang sama" untuk 'ijk'?

Ini hanyalah salah satu contoh dari masalah (yang disebut 'masalah analogi huruf-string') yang tidak mudah dibingkai sebagai masalah optimasi - ada berbagai jawaban yang tampaknya menarik bagi manusia, masing-masing karena alasan spesifik secara struktural. . Beberapa seluk-beluk masalah semacam ini dibahas secara rinci di sini .

Kedua:

Berikut adalah sangat perspektif tingkat tinggi tentang AGI di mana optimasi memainkan bagian penting .

Sama sekali tidak jelas bagaimana kedua skala pendekatan yang sangat berbeda ini dapat direkonsiliasi. Sebagai seseorang yang melakukan riset optimasi untuk mencari nafkah, saya akan cenderung mengatakan bahwa, tentu saja untuk semua tujuan praktis saat ini , AGI tidak dapat benar-benar diperlakukan sebagai masalah optimisasi, karena sebagian besar kegiatan yang menarik tidak siap meminjamkan diri untuk deskripsi melalui fungsi biaya.