Daftar
Daftar ini berasal dari Bruce Maxim, Profesor Teknik, Ilmu Komputer dan Informasi di University of Michigan. Dalam kuliahnya Spring 1998 catatan untuk CIS 479 1 , daftar berikut dipanggil,
"Masalah Baik Untuk Kecerdasan Buatan."
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
Sejak itu berkembang menjadi ini.
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
Apa itu
Daftarnya tidak pernah dimaksudkan untuk menjadi daftar kategori masalah AI sebagai titik cabang awal untuk pendekatan solusi atau, "teknik heuristik yang dirancang untuk mempercepat proses menemukan solusi yang memuaskan."
Maxim tidak pernah menambahkan daftar ini ke dalam publikasi akademisnya, dan ada alasannya.
Daftarnya heterogen. Ini berisi metode, karakteristik global, tantangan, dan pendekatan konseptual dicampur menjadi satu daftar seolah-olah mereka seperti elemen. Ini bukan kekurangan untuk daftar, "Masalah yang baik untuk AI," tetapi sebagai pernyataan formal tentang karakteristik atau kategori masalah AI, ia tidak memiliki kekakuan yang diperlukan. Maxim tentu saja tidak menyatakannya sebagai, "7 karakteristik masalah AI," daftar.
Ini tentu saja bukan daftar, "7 karakteristik masalah AI," daftar.
Apakah Ada Daftar Kategori atau Karakteristik?
Tidak ada daftar kategori yang baik untuk masalah AI karena jika seseorang membuat satu, akan mudah untuk memikirkan satu dari jutaan masalah yang dipecahkan oleh otak manusia yang tidak masuk ke dalam kategori mana pun atau duduk di batas dua atau lebih banyak kategori.
Bisa dibayangkan untuk mengembangkan daftar karakteristik masalah, dan mungkin terinspirasi oleh daftar Masalah Baik Maxim untuk AI. Mungkin juga untuk mengembangkan daftar pendekatan awal. Maka orang mungkin menggambar panah dari karakteristik dalam daftar pertama ke prospek terbaik untuk pendekatan dalam daftar kedua. Itu akan menjadi artikel yang bagus untuk publikasi jika ditangani secara komprehensif dan ketat.
Karakteristik Tingkat Tinggi Awal untuk Mendekati Daftar
Berikut adalah daftar pertanyaan yang mungkin diajukan oleh arsitek AI berpengalaman untuk menjelaskan persyaratan sistem tingkat tinggi sebelum memilih pendekatan.
- Apakah tugas pada dasarnya statis karena setelah beroperasi kemungkinan tidak memerlukan penyesuaian yang signifikan? Jika ini masalahnya, maka AI mungkin paling berguna dalam desain, fabrikasi, dan konfigurasi sistem (berpotensi termasuk pelatihan parameternya).
- Jika tidak, apakah tugas pada dasarnya variabel dengan cara yang dikembangkan teori kontrol pada awal abad ke-20 untuk beradaptasi dengan varians? Jika demikian, maka AI juga dapat berguna dalam pengadaan.
- Jika tidak, maka sistem mungkin memiliki kompleksitas nonlinier dan temporal yang cukup sehingga kecerdasan mungkin diperlukan. Kemudian pertanyaannya menjadi apakah fenomena tersebut dapat dikontrol sama sekali. Jika demikian, maka teknik AI harus digunakan dalam waktu nyata setelah penempatan.
Pendekatan Arsitektur yang Efektif
Jika seseorang membingkai langkah-langkah desain, fabrikasi, dan konfigurasi secara terpisah, proses yang sama dapat diikuti untuk menentukan peran apa yang mungkin dimainkan AI, dan ini dapat dilakukan secara rekursif ketika seseorang menguraikan keseluruhan produksi ide-ide hingga ke hal-hal seperti desain sebuah Konverter A-ke-D, atau ukuran kernel konvolusi untuk digunakan pada tahap tertentu dari visi komputer.
Seperti halnya desain sistem kontrol lainnya, dengan AI, tentukan input yang tersedia dan output yang Anda inginkan dan terapkan konsep teknik dasar. Berpikir bahwa disiplin teknik telah berubah karena sistem pakar atau jaring buatan adalah kesalahan, setidaknya untuk saat ini.
Tidak ada yang berubah secara signifikan dalam rekayasa sistem kontrol karena AI dan rekayasa sistem kontrol memiliki kesamaan asal. Kami hanya memiliki komponen tambahan yang dapat kami pilih dan teori tambahan untuk digunakan dalam desain, konstruksi, dan kontrol kualitas.
Peringkat, Dimensi, dan Topologi
Mengenai peringkat dan dimensi sinyal, tensor, dan pesan dalam sistem AI, dimensi Kartesius tidak selalu merupakan konsep yang tepat untuk mengkarakterisasi kualitas diskrit internal ketika kami mendekati simulasi berbagai kualitas mental otak manusia. Topologi sering merupakan bidang utama matematika yang paling tepat memodelkan jenis variasi yang kita lihat dalam kecerdasan manusia yang ingin kita kembangkan secara artifisial dalam sistem.
Lebih menarik lagi, topologi mungkin menjadi kunci untuk mengembangkan tipe-tipe intelijen baru yang tidak dilengkapi komputer maupun otak manusia.
Referensi
http://groups.umd.umich.edu/cis/course.des/cis479/lectures/htm.zip
