Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Traduccion 1
Traduccion 1
Traduccion 1
A NTECEDENTES DE AI
lleno de emocin y expectativa, el descubrimiento, y la decepcin. Desde el exceso de promesas de pronto (y ms tarde) la investigacin en IA, a los temores de la desconocido del pblico en general, la historia de la IA es digno de estudio por s mismo. En este captulo, vamos a explorar la historia tumultuosa de AI y tambin ofrecemos un Resumen introduccin a cada uno de los captulos de este libro.
QU ES LA INTELIGENCIA?
Para construir el software que se considera inteligente, es til comenzar con un definicin de inteligencia. La inteligencia puede ser definida simplemente como un conjunto de propiedades de la mente. Estas propiedades incluyen la capacidad para planificar, resolver problemas, y en general, la razn. Una definicin ms simple podra ser que la inteligencia es la capacidad de tomar la decisin correcta dado un conjunto de entradas y una variedad de posibles acciones. Usando esta definicin sencilla de la inteligencia (tomando la decisin correcta), podemos aplicar esta no slo a los seres humanos, sino tambin a los animales que exhiben racional comportamiento. Pero la inteligencia que se exhibe por los seres humanos es mucho ms compleja que la de los animales. Por ejemplo, los seres humanos tienen la capacidad para comunicarse con el lenguaje, pero tambin lo hacen algunos animales. Los humanos tambin pueden resolver problemas, pero lo mismo puede decirse de algunos animales. Una diferencia entonces es que los humanos encarnan muchos aspectos de la inteligencia (la capacidad de comunicar, resolver problemas, aprender y adaptarse) cuando los animales tpicamente incorporar un pequeo nmero de caractersticas inteligentes, y por lo general a una mucho nivel inferior al de los humanos. Podemos utilizar la misma analoga en AI aplicada a los sistemas informticos. Para ejemplo, es posible crear una aplicacin que juega un juego de clase mundial de Ajedrez, pero este programa no sabe nada del juego de damas, ni cmo hacer una buena taza de t. Una aplicacin de la minera de datos puede ayudar a identificar el fraude, pero no puede navegar en un entorno complejo. Desde esta perspectiva, la ms aplicaciones complejas e inteligentes pueden considerarse inteligente de un perspectiva, pero falta an la inteligencia ms simple que se puede ver en la menos inteligente de los animales.
El afamado autor Isaac Asimov escribi una vez acerca de su experiencia con pruebas de aptitud en el ejrcito. En el ejrcito, marc muy por encima de la norma. Pero lo que se dio cuenta era que poda obtener una buena puntuacin en los exmenes que eran desarrollado por otros que compartan sus inclinaciones acadmicas. Opin que si las pruebas fueron desarrolladas por las personas involucradas en la reparacin de automviles, tendra marc muy mal. La cuestin es que las pruebas se desarrollan en torno a un ncleo de la experiencia, y posee puntajes bajos en uno no necesariamente indica una falta de inteligencia.
NOTA
Alan Turing
En 1950 fue Alan Turing, que pregunt si una mquina puede pensar. No mucho antes de Turing haba introducido el concepto de su universal abstracto mquina (llamada la Mquina de Turing) que era simple y podra resolver cualquier problema matemtico (aunque situado con cierta complejidad). Partiendo de esta idea, Turing se pregunt que si la respuesta de un equipo eran indistinguibles de un ser humano, entonces la computadora podra ser considerada una mquina de pensar. La resultado de este experimento se llama la prueba de Turing. En la prueba de Turing, si la mquina se podra engaar a un ser humano en el pensamiento de que sino que tambin era un ser humano, entonces pas la prueba de inteligencia. Una forma de pensar en
la prueba de Turing es mediante la comunicacin con el otro agente a travs de un teclado. Se hacen preguntas del interlocutor a travs del texto escrito, y las respuestas son proporcionado a travs del terminal. Este ensayo proporciona una manera de determinar si se ha creado la inteligencia. Teniendo en cuenta la tarea que nos ocupa, no slo es necesario que el pares inteligente contener los conocimientos necesarios para tener un inteligente conversacin, debe ser capaz de analizar y comprender el lenguaje natural y generar respuestas en lenguaje natural. Las preguntas pueden involucrar el razonamiento habilidades (tales como la resolucin de problemas), por lo que los seres humanos que imitan sera una hazaa! Una realizacin importante de Turing durante este perodo fue la necesidad de comenzar pequeo y crecer la inteligencia, en lugar de esperar que se materialice. Turing propuso lo que llam la Mquina Nio en el que un menor agente inteligente se crea y se somete a continuacin a un curso de educacin. En lugar de asumir que se podra construir una inteligencia adulta, queremos construir una inteligencia nio primero y luego inyectarla con el conocimiento. Esta idea de empezar poco a poco y en los niveles ms bajos se corresponde con las ideas posteriores de los llamados pensadores "desaliados". El cerebro humano es compleja y no completamente entendido, en lugar de esforzarse por imitar esto, por qu no empezar ms pequea en la nio (o incluso ms pequeo organismo) y trabajar nuestro camino? Turing llam a esto el hojas en blanco argumento. Un nio es como un bloc de notas que est lleno de hojas en blanco, sino que es un mecanismo por el cual el conocimiento se almacena. La vida de Alan Turing termin en una edad joven, pero est considerado el fundador del campo de la IA (a pesar de que el apodo no se aplicara para otro seis aos),.
acerca de este programa es que se encontr una mejor prueba que haba existido antes de una ecuacin dada. En 1957, Simon y Newell construidas en este trabajo para desarrollar General Problem Solver (GPS). Los GPS utilizan el anlisis de medios y fines para resolver los problemas, pero en general se restringi a los problemas de juguete. Como matemticas complejas, los investigadores tempranos AI cree que si una computadora podra resolver los problemas que ellos pensaban que eran complejos, entonces se podra construir mquinas inteligentes. Del mismo modo, present una plataforma de pruebas de juegos interesantes para el desarrollo de algoritmos y tcnicas para la toma de decisiones inteligentes. En el Reino Unido en la Universidad de Oxford en la dcada de 1950, los investigadores desarrollaron programas de juego de juego para dos juegos complejos. Christopher Strachey desarrollado un programa que juega a las damas en la Ferranti Mark I. En 1952, su programa podra jugar un juego razonable de Checkers. Dietrich Prinz desarrollado un programa, de nuevo para la Ferranti Mark I, que podra jugar al ajedrez (mate en dos variedad). Su programa podra buscar un millar de posibles movimientos, pero en esta ordenador a tiempo, requiere mucho tiempo y jug muy lentamente. En 1952, Arthur Samuel levant la barra para los programas de IA. Sus Checkers jugando programa, que se desarroll en el IBM 701, incluido el aprendizaje y la generalizacin. Lo que Samuel lo hizo con su programa de Checkers aprendizaje era nico en el que permiti dos copias de su programa para jugar entre s, y, por tanto, aprender unos de otros. El resultado fue un programa que pudiera derrotar a su creador. Para 1962, el programa de Damas de Samuel derrot al ex Campen Connecticut Checkers. programa de Samuel, y su enfoque de jugar uno contra copias otro, es uno de los primeros ejemplos de computacin supervivencia del ms apto y el campo que se dio en llamar la computacin evolutiva.
NOTA
de la inteligencia puede, en principio, por lo que se describe, precisamente, de que un la mquina se puede hacer para simular. Un intento se har a encontrar cmo hacer que las mquinas usan el lenguaje, la forma y las abstracciones conceptos, resolver tipos de problemas ahora reservados para los seres humanos, y mejorarse a s mismos. Pensamos que un avance significativo puede ser realizado en uno o ms de estos problemas si una selecta grupo de cientficos trabaja en ello juntos durante un verano. Desde entonces, muchas conferencias de AI se han celebrado en todo el mundo, y en una variedad de disciplinas estudiadas bajo el nombre de AI. En el ao 2006, Dartmouth celebr la "Conferencia de Dartmouth Artificial Inteligencia: La Prximos cincuenta aos "(informalmente conocido como AI @ 50). La conferencia fue bien asistido (incluso de algunos que asistieron a la primera conferencia 50 aos antes), y se analizaron los avances de AI y de cmo sus retos estn relacionados con los de los dems campos de estudio.
El foco de IA fuerte
Recordemos que el objetivo de la primera IA fue en IA fuerte. Matemticas o lgica Resolver problemas, o la participacin en el dilogo, se consider que era inteligente, mientras que las actividades como caminar libremente en entornos inestables (que hacemos todos los das) no lo eran. En 1966, Joseph Weizenbaum, del MIT, ha desarrollado un programa que parodiaba
un psiclogo y poda sostener un dilogo interesante con un paciente. La diseo de Eliza sera considerado sencillo para los estndares actuales, pero su habilidades de bsqueda de patrones, que proporcionaron respuestas razonables a los pacientes declaraciones era real para muchas personas. Esta cualidad del programa fue molestarse en Weizenbaum que ms tarde se convirti en un crtico de la AI por su falta de la compasin.
Aplicaciones restringidas
Si bien gran parte de la primera IA fue-Strong centrado, hubo numerosas aplicaciones que se centr en la solucin de problemas prcticos. Una de tales aplicaciones se llama el "Proyecto Dendral," emerge en 1965 en la Universidad de Stanford. Dendral era desarrollados para ayudar a los qumicos orgnicos comprenden la organizacin de desconocido molculas orgnicas. Se utiliza como sus insumos grficos de espectrometra de masas y un base de conocimientos de la qumica, por lo que es el sistema experto primero conocido. Otras aplicaciones limitadas en esta era incluyen Macsyma, un sistema de lgebra computacional desarrollado en el MIT por Carl Engelman, William Martin y Joel Moiss. Macsyma fue escrito en Maclisp, un dialecto de LISP desarrollado en el MIT. Este sistema experto matemtica temprana demostrado la solucin de los problemas de integracin con el razonamiento simblico. Las ideas demostradas en Macsyma finalmente se abrieron paso en aplicaciones de matemticas comerciales.
INVIERNO DE AI
Antes de la dcada de 1970, Amnista Internacional haba generado un gran inters, y tambin considerable bombo de la comunidad investigadora. Muchos sistemas interesantes haba sido desarrollado, pero stos cayeron muy por debajo de las predicciones hechas por
algunos en la comunidad. Pero las nuevas tcnicas, como las redes neuronales respiraron nueva vida a este campo en evolucin, proporcionando formas adicionales para la clasificacin y aprendizaje. Pero la emocin de las redes neuronales lleg a su fin en 1969 con la publicacin de la mongraph titula "Perceptrones." Esta monografa fue escrito por Marvin Minsky y Seymour Papert, firmes defensores de Strong (o de arriba hacia abajo) AI. Los autores demostraron correctamente que los perceptrones de una sola capa fueron limitados, especialmente cuando se enfrentan a problemas que no son linealmente separables (tales como el problema XOR). El resultado fue una fuerte cada de financiacin en la investigacin de redes neuronales, y en general, la investigacin en AI como un campo. La investigacin posterior se encontraba con que las redes multicapa resolvieron el lineal problema de la separacin, pero demasiado tarde para que el dao hecho a la IA. Hardware construido para la IA, tales como las mquinas LISP, tambin sufri una prdida de inters. Mientras que las mquinas dieron paso a sistemas ms generales (no necesariamente programados en LISP), los lenguajes funcionales como LISP seguido atrayendo la atencin. Editores populares tales como emacs (desarrollado durante este perodo) siguen apoyando una gran comunidad de usuarios con un shell scripting basado en LISP.
desarrollo del lenguaje LISP. Los sistemas expertos y sus conchas siguieron la tendencia con las herramientas para la IA, pero otro hecho interesante que en un forma combinada las dos ideas resultaron del lenguaje Prolog. Prolog fue un lenguaje construido para la IA, y era tambin un shell (para los que los sistemas expertos podran desarrollar). Prolog fue creado en 1972 por Alain Colmeraur y Phillipe Roussel basa en la idea de clusulas de Horn. Prolog es un alto nivel declarativo lenguaje basado en la lgica formal. Los programas escritos en Prolog consisten en hechos y reglas que la razn sobre esos hechos. Usted puede encontrar ms informacin sobre Prolog en Captulo 5 Representacin del Conocimiento y el Captulo 13, Los lenguajes de la AI.
AI resurge
Al igual que la primavera siempre sigue el invierno, invierno de AI terminara eventualmente y traer una nueva vida en el campo (a partir de mediados de la dcada de 1980). La la reaparicin de la gripe aviar tuvo diferencias significativas respecto a los primeros das. En primer lugar, las predicciones salvajes de la creacin de mquinas inteligentes eran en su mayor parte sobre. En lugar de ello, los investigadores y los profesionales de IA se centraron en objetivos especficos principalmente en los aspectos dbiles de AI (en oposicin a IA fuerte). Dbil AI centrado en la solucin de problemas especficos, en comparacin con IA fuerte, cuyo objetivo
era emular a toda la gama de capacidades cognitivas humanas. En segundo lugar, el campo de la IA se ampli para incluir a muchos nuevos tipos de enfoques, por ejemplo, los enfoques inspirados en la biologa como la Colonia de Hormigas Optimizacin (ACO).