Apakah jaringan saraf dan variannya satu-satunya cara untuk mencapai kecerdasan buatan sejati?

Menurut pengetahuan saya sebagian besar studi kecerdasan buatan saat ini menggunakan beberapa jenis jaringan saraf atau variannya. Contoh yang baik adalah alfabet DeepMind yang saya percaya adalah jaringan saraf yang dalam, untuk penglihatan CNN, teks, musik dan fitur-fitur lainnya yang dipesan RNN, dll. Tetapi untuk aplikasi pembelajaran mesin kami memiliki jaringan saraf, mesin vektor dukungan, mesin vektor, hutan acak, metode regresi , dll. tersedia untuk aplikasi.

Jadi, apakah jaringan saraf dan variannya satu-satunya cara untuk mencapai kecerdasan buatan "benar"?

Jika dengan AI yang sebenarnya, yang Anda maksudkan 'seperti manusia', jawabannya adalah - tidak ada yang tahu apa mekanisme komputasi yang tepat (saraf atau sebaliknya) atau memang apakah kita mampu membangunnya.

Apa yang dilakukan Jaring Saraf Tiruan (JST) pada dasarnya adalah 'regresi nonlinier' - mungkin ini bukan model yang cukup kuat untuk mengekspresikan perilaku seperti manusia.

Terlepas dari properti 'Perkiraan fungsi universal' ANN, bagaimana jika kecerdasan manusia tergantung pada beberapa mekanisme yang belum terurus dari dunia fisik?

Sehubungan dengan pertanyaan Anda tentang "satu-satunya jalan": Sekalipun mekanisme saraf (fisik) entah bagaimana sebenarnya merupakan satu - satunya jalan menuju kecerdasan (misalnya melalui mikrotubulus kuantum Penrose), bagaimana hal itu dapat dibuktikan?

Bahkan di dunia formal matematika, ada pepatah yang mengatakan bahwa "Bukti ketidakberadaan itu sulit". Hampir tidak mungkin untuk dibayangkan bahwa, di dunia fisik, adalah mungkin untuk menunjukkan bahwa kecerdasan tidak dapat muncul dengan mekanisme lain.

Kembali ke sistem komputasi, perhatikan bahwa Stephen Wolfram membuat pengamatan menarik dalam bukunya 'A New Kind of Science' bahwa banyak dari mekanisme yang tampaknya berbeda yang ia amati tampaknya mampu 'Komputasi Universal', jadi dalam hal itu tidak ada yang sangat khususnya tentang JST.

Itu tergantung pada apa yang Anda anggap "kecerdasan buatan sejati". Tapi ini mungkin berarti bisa berpikir seperti manusia - dan mungkin, melakukannya dengan cara yang lebih rasional, seperti dalam otak manusia emosi muncul sebelum rasio.

Tampaknya jaringan saraf, atau algoritma genetika yang mengembangkan jaringan saraf, adalah cara terdekat - meniru manusia.

Namun, argumen kontra tradisional untuk ini adalah bahwa kami mencoba melakukan hal yang sama dengan penerbangan. Kami mencoba meniru alam, meniru burung - mencoba terbang dengan mengepakkan sayap. Namun akhirnya kami membuat pesawat terbang yang tidak mengandalkan mengepakkan sayap mereka.

Dalam AI, ada jauh lebih banyak variabel daripada aerodinamika. Jadi sangat mungkin bahwa kecerdasan seperti manusia dapat dicapai dengan metode lain selain jaringan saraf.

Pada akhirnya, jaringan saraf adalah salah satu pendekatan pembelajaran mesin. Ada yang lain, semua diatur oleh aturan untuk apa yang bisa dan tidak bisa dipelajari. (Ada bidang yang disebut Teori Pembelajaran Komputasi yang mencakup hal ini).

Meskipun dimungkinkan untuk memperluas sistem pembelajaran di luar apa yang dapat dipelajari menurut COLT, ini berarti bahwa sistem pembelajaran seperti itu - jaringan saraf atau lainnya - pada dasarnya cacat, dan akan menarik kesimpulan yang salah pada satu titik atau yang lain.

Untuk mendapat kesempatan menjawab ini, pertama-tama Anda perlu definisi yang ketat tentang "kecerdasan buatan sejati", yang tidak kita miliki. Dan bahkan jika Anda memiliki itu, jawaban terbaik mungkin adalah "tidak ada yang tahu." Kami bahkan tidak mengerti persis bagaimana kecerdasan manusia (yang mungkin merupakan model kecerdasan terbaik yang kami miliki untuk dipelajari) bekerja. Apa yang kita ketahui (atau kita pikir kita tahu) adalah bahwa JST paling-paling merupakan tiruan fungsi otak yang sangat dangkal. Mungkin ternyata mereka benar-benar jalan yang salah untuk mencapai "kecerdasan buatan sejati" walaupun saya berharap kebanyakan orang akan terkejut jika ternyata itu yang terjadi.

Apa yang mungkin tidak akan begitu mengejutkan adalah jika beberapa teknik lain muncul yang lebih baik daripada JST, ATAU jika ternyata Anda membutuhkan ansambel teknik. Secara pribadi saya pikir sudah dekat dengan bukti nyata bahwa otak bekerja sebagian besar dalam mode probabilistik, tetapi juga jelas bahwa kita kadang-kadang menggunakan pemrosesan simbolik / logika deduktif / aturan / dll. Dan saat ini, JST tidak memberi Anda banyak hal dalam cara berpikir, deduksi, dll. Jadi kita mungkin akhirnya menemukan bahwa kita harus menggabungkan pendekatan probabilistik seperti JST dengan teknik lain - mungkin Pemrograman Logika Induktif atau semacamnya.