Gyakran szokták a mesterséges intelligenciát úgy osztályozni, hogy szűk (narrow) és általános (general). Ez azt jelenti, hogy a szűk mesterséges intelligencia egy szűk területen tud megoldani feladatokat, pl. sakkozni tud, vagy autót vezetni, vagy poharakat felvenni az asztalról, de más területen már zéró a tudása, tehát nem tud dámázni, vagy buszt vezetni, vagy letenni poharat az asztalra. Az emberek azt hiszik magukról, hogy általános intelligenciák és azt is hiszik, hogy ha két dolog hasonlít, akkor aki az egyikben jó, az jó a másikban is, tehát ha valaki jó a sakkban, akkor jó a dámában is, ha fel tudja venni a poharat az asztalról, akkor le is tudja tenni. Csak amikor megpróbáljuk megtanítani a gépnek ezeket a dolgokat és precízen kell definiálni, akkor jövünk rá, hogy ez az implikáció esetleg csak korreláció és messze nem olyan szignifikáns amennyire hisszük (abba most ne is menjünk bele, hogy azt hisszük, hogy aki nagy orátor az nagy gazdasági zseni is).
A mesterséges intelligenciával foglalkozó kutatók hamar rájöttek arra, hogy biza a megoldandó problémák sokkal sokrétűbbek mint először gondolták. Persze, azért nem teljesen reménytelen a feladatokat osztályokba sorolni, de gyakran érik meglepetések az embereket és az igazi törésvonalak olyan dolgokban vannak, mint hogy teljes információs-e a feladat (azaz minden ismeret a döntéshez megismerhető, mint pl. a sakkban, vagy vannak rejtett információk, mint az ellenfél lapjai a pókerben vagy az asztallap pontos súrlódási együtthatója a pohár felemelésénél), vagy hány lehetséges lépés van minden egyes helyzetben (branching factor, sakknál relatív kevés, gónál sokkal több, matematikai levezetéseknél megszámlálhatóan végtelen (hacsak nem akarunk minden irracionális számot is kipróbálni)), vagy hogy mennyire könnyű megállapítani azt, hogy elértük-e a megoldást.
Szóval elég hamar rájöttek, hogy elég ha csak szűk feladatokon dolgoznak, ezzel telt a kutatás első ötven éve. Persze azért néhány ember aki értette a logikát, azért gyorsan bebizonyította, hogy az általános feladatmegoldó gép szinte lehetséges, hiszen bármely reprezentálható feladatot meg lehet oldani úgy, hogy felsoroljuk az összes lehetséges megoldási módszert és kiválasztjuk azt, ami megoldja a feladatunkat (de saját magát így nem tudja megoldani a végtelen lehetőség miatt, mondta Turing). Ugyanúgy, ahogy minden könyvet is meg lehet írni úgy, hogy végtelen majmot odateszünk verni az írógépet (persze valahogy el kell érjük, hogy különbözőképpen ütögessék a betűket) és az egyik produkció majd pont az lesz amit szerettünk volna (persze, ha már tudjuk, hogy mit szeretnénk pontosan, ez a megoldás kicsit fölösleges). Szóval egy általános számítógép evidens módon képes az általános feladatmegoldásra, a kérdés igazán az, hogy tudja-e ezt hatékonyan is csinálni.
Erről szól igazán a játék, olyan feladatmegoldási stratégiákat találni, amelyek csökkentik a próbálkozások számát. Ezeket a stratégiákat mi heurisztikának nevezzük, nem tudom miért, valószínűleg, hogy tudományosabban hangozzon. Szerencsére ezekből a heurisztikákból nagyon sokat megtaláltunk már, de arra is rájöttünk, hogy van a feladatoknak egy olyan osztálya, amelyet nem tudunk megoldani csak próbálkozásokkal és az nagyon rosszul skálázódik, minél nagyobb a feladat, a próbálkozások száma exponenciálisan nő, tehát még aránylag kis feladatokat is lehetetlen megoldani, ilyenkor azt szokták csinálni, hogy lazítanak a kritériumokon, nem kell a legoptimálisabb megoldás, elég az, ha "elég jó" a megoldás. Sajnos a legtöbb érdekes feladat ilyen feladat, pl. még az is, hogy ha több különböző méretű tárgyat akarunk bepakolni egy táskába, akkor melyeket tudjuk betenni úgy, hogy a legkevesebb kihasználatlan hely maradjon. Annyi örömünk azért lehet a dologban, hogy ha a gép nem képes optimálisan megoldani egy feladatot, akkor az ember tuti nem képes rá és hát a standardot az emberek képességei határozzák meg.
Na, ez egy kissé hosszabbra nyúlt mint terveztem, szóval legközelebb még mindig az általános intelligenciáról lesz szó, meg, hogy miért lenne az jó nekünk.
Demó.
AI.
Nincsenek megjegyzések:
Megjegyzés küldése