Krótkie Wprowadzenie

Bardzo ogólnie, sztuczna inteligencja (AI) to interdyscyplinarne podejście do rozumienia, modelowania i powielania inteligencji i procesów poznawczych poprzez przywoływanie różnych zasad i urządzeń obliczeniowych, matematycznych, logicznych, mechanicznych, a nawet biologicznych. Z jednej strony jest często abstrakcyjne i teoretyczne, ponieważ badacze próbują opracować teorie, które wzbogacą nasze rozumienie naturalnego poznania lub pomogą zdefiniować granice obliczalności lub teorii dowodu. Z drugiej strony jest to często czysto pragmatyczne, ponieważ inni badacze koncentrują się na inżynierii inteligentnych maszyn i aplikacji. Historycznie jej praktycy wywodzili się z takich dyscyplin, jak logika, matematyka, inżynieria, filozofia, psychologia, językoznawstwo i oczywiście informatyka. Tworzy krytyczną gałąź kognitywistyki, ponieważ często poświęca się opracowywaniu modeli wyjaśniających różne wymiary poznania ludzi i zwierząt. Rzeczywiście, od momentu powstania w połowie XX wieku AI jest jednym z najbardziej owocnych nowych obszarów badań nad naturą ludzkiej mentalności. Dzisiaj niemożliwe jest bycie poważnym naukowcem kognitywnym lub filozofem umysłu bez przynajmniej pewnej znajomości głównych zmian w AI. Jednocześnie każdy, kto korzysta z nowoczesnej technologii, prawdopodobnie korzysta z funkcji, które w taki czy inny sposób wywodzą się z badań nad sztuczną inteligencją, a technologia sztucznej inteligencji niewątpliwie będzie odgrywać coraz większą rolę w naszym życiu w nadchodzących dziesięcioleciach. Ten tekst ma na celu opisanie stanu techniki w dziedzinie sztucznej inteligencji oraz podkreślenie ważnych teoretycznych i filozoficznych zastosowań obecnych badań. Koncentruje się na teorii, a nie na zagadnieniach technicznych i stosowanych, a sekcja powinny być przydatne nie tylko badaczom AI i innym naukom kognitywisty, ale także filozofom i naukom humanistycznym. Omawiamy podstawy tej dyscypliny, architektury poznawcze, różne aspekty badań nad sztuczną inteligencją i rozszerzenia badań nad sztuczną inteligencją, takie jak robotyka i sztuczne życie. Ciężko pracowaliśmy, aby udostępnić materiał niespecjalistom, a czytelnicy nie powinni mieć znaczącego doświadczenia w omawianych obszarach tematycznych. Tekst ma wiele charakterystycznych cech. Po pierwsze, zapewnia zwięzłe i aktualne informacje o różnorodnej i szybko rozwijającej się dziedzinie. Po drugie, przedstawia pracę naukową w formie dostępnej dla humanistyki i skupia się na ogólnych zagadnieniach teoretycznych i zastosowaniach, a nie na pracy eksperymentalnej i szczegółach technicznych. Przedstawiono ogólne zasady logiczne i matematyczne, a użycie notacji symbolicznej zostało ograniczone do minimum. Po trzecie, tekst zawiera omówienie ważnych tematów, które zostały względnie pominięte w poprzednich przeglądach, w tym etyki sztucznej inteligencji, sztucznego życia i świadomości maszynowej. Po czwarte, dyskusja odbywa się na poziomie średnio zaawansowanym, odpowiednim zarówno dla zaawansowanych studentów, jak i początkujących naukowców w tej dziedzinie

Sztuczna inteligencja i interdyscyplinarność

Tekst ten ma służyć jako przewodnik po samej AI, a nie filozofii AI. Oznacza to, że główny nacisk kładziony jest na badania pierwszego rzędu w AI, a także na kwestie teoretyczne poruszone bezpośrednio przez te badania, a nie na filozoficzne pytania filozoficzne dotyczące nauki o AI. Istnieje wiele powodów, dla których filozoficzne zaangażowanie w tekst o AI jest korzystne. Po pierwsze, tak naprawdę, rozróżnienie między badaniami AI a filozoficzną pracą nad mentalnością nie jest wyraźne. Jak wynika z wielu sekcji , nie ma uporządkowanych i dobrze zdefiniowanych granic między, powiedzmy, programowaniem racjonalności z jednej strony a filozoficzną pracą nad logiką lub rozumowaniem z drugiej. Podstawowe pytania i wyzwania dotyczące rozwoju syntetycznych umysłów mają nieuchronnie charakter filozoficzny i badacze sztucznej inteligencji często muszą zastanowić się nad szerszymi implikacjami swoich odkryć, spekulować na temat spraw abstrakcyjnych, takich jak ukryte założenia i nadrzędne tematy, odwoływać się do eksperymentów myślowych i odwoływać się do tradycyjnych koncepcji filozoficznych, takich jak wiedza, reprezentacja i działanie. Innymi słowy, istnieje wiele filozoficznych argumentów związanych z byciem najnowocześniejszym badaczem w AI. Jednocześnie filozofowie umysłu muszą być dobrze zaznajomieni z teoriami, modelami i głównymi osiągnięciami sztucznej inteligencji, aby ich wkład był świadomy i użyteczny. Po drugie, filozofowie umysłu posiadają dwa atrybuty, które zapewniają im unikalne spojrzenie na same badania nad AI. Jednym jest zrozumienie ogólne problemów metafizycznych, epistemologicznych, a nawet etycznych, które pojawiają się w AI. Należą do nich pytania dotyczące natury inteligencji i świadomości maszyny, redukcjonizmu, poziomów wyjaśnienia, właściwości symboli i reprezentacji, statusu moralnego nie-ludzi i tak dalej. Drugim atrybutem jest zrozumienie konkretnych fundamentalnych problemów w różnych obszarach badań nad AI. Od stuleci filozofowie myślą i piszą o szerokiej gamie zjawisk, które badacze AI badają obecnie - takich zjawisk, jak inteligencja, świadomość, racjonalność, reprezentacja mentalna, doświadczenie percepcyjne i działanie człowieka. Są to zarówno ustalone obszary analizy filozoficznej, jak i cel wzmożonych badań naukowych. Sama filozofia umysłu jest przekształcana przez pracę w AI, a jednocześnie filozofowie mają wyjątkową przewagę, dzięki której mogą wyjaśnić pracę empiryczną, syntetyzować idee, tworzyć powiązania teoretyczne i uwypuklać kwestie koncepcyjne i metodologiczne. Jednak pomimo tego nakładania się między zaawansowanymi badaczami sztucznej inteligencji a naukowcami zajmującymi się pokrewnymi dyscyplinami, w tym filozofią, pozostała pewna odległość. W związku z tym trzecim i ostatnim powodem, dla którego warto mieć wkład od osób z zewnątrz, jest pomoc w przezwyciężeniu tego. Odległość została szczególnie zaznaczona tam, gdzie badania nad sztuczną inteligencją były wysoce techniczne i koncentrowały się na konkretnych zastosowaniach i zadaniach. Do pewnego stopnia badacze AI należą do ściślejszej, bardziej jednorodnej społeczności niż badacze z innych dziedzin kognitywistyki, z większym naciskiem na badanie precyzyjnych problemów teoretycznych lub tworzenie wysoce specyficznych zastosowań. Koncentracja ta doprowadziła do znacznego postępu w wielu obszarach, ale sprawiła, że znaczna część pracy stała się mniej dostępna dla osób z innych dyscyplin. Tak więc jednym z naszych celów była pomoc w wypełnieniu tej luki poprzez przedstawienie nawet technicznych dziedzin badań w przystępny sposób, z naciskiem na ogólne zasady, a nie na konkretne szczegóły. Poniżej podajemy krótkie podsumowanie zawartości każdej części

Część I: Podstawy

Ta część poświęcona jest wyjaśnieniu i omówieniu podstawowych problemów w AI. W pierwszej sekcji przedstawiamy zwięzłą analizę głównych tematów dyscypliny, przełomowych momentów, najważniejszych osiągnięć, głównych obszarów badań i najnowszych trendów. Sekcja 2 szczegółowo analizuje filozoficzne i koncepcyjne korzenie sztucznej inteligencji. Na przykład funkcjonalistyczne przekonanie, że umysł jest jak program obliczeniowy, tradycyjnie służyło jako metafizyczna podstawa dużej ilości pracy w sztucznej inteligencji, ale doprowadziło również do różnych silnych krytyków. Omówiono te i inne sposoby przenikania się filozofii i sztucznej inteligencji. Dziedzina sztucznej inteligencji stanęła również przed szeregiem filozoficznych wyzwań, zarówno dotyczących ogólnego projektu tworzenia sztucznej inteligencji, jak i konkretnych podejść w tej dziedzinie. Sekcja 3 omawia najważniejsze z nich oraz sposoby, w jakie obrońcy zareagowali. Na przykład dokładnie wyjaśnia dobrze znany argument Searle′a w chińskim pokoju przeciwko klasycznemu podejściu do AI do przetwarzania symboli oraz odpowiedziom proponowanym przez zwolenników tego podejścia.

Część II: Architektury

W tej części omówiono trzy główne poglądy architektoniczne (ogólne teorie przedstawień i procesów związanych z inteligentną myślą i działaniem), które zdominowały pracę w AI. W sekcji 4 przedstawiono przegląd podstawowych cech klasycznych architektur obliczeniowych, często nazywanych GOFAI (w przypadku "Good Old-Fashioned AI"). Bada mocne i słabe strony klasycznego podejścia i twierdzi, że domniemana porażka tradycyjnej sztucznej inteligencji została rażąco zawyżona, choć przyznaje, że prawdopodobnie będzie trzeba ją uzupełnić innymi podejściami. Przedstawiono podobny przegląd połączenia i sieci neuronowych w sekcji 5. Po przedstawieniu perspektywy historycznej i analizie charakterystycznych cech modeli połączeń (takich jak reprezentacje rozproszone), oferujemy wsparcie dla architektur hybrydowych, które łączą oba połączenia i tradycyjne elementy symboliczne. W sekcji 6 szczegółowo przyglądamy się dynamicznemu i osadzonemu podejściu do sztucznej inteligencji. Takie podejście koncentruje się na dynamicznej interakcji między inteligentnymi systemami a ich otoczeniem i opiera się w dużej mierze na narzędziach matematycznych, takich jak teoria systemów dynamicznych, aby uchwycić tę interakcję w czasie. Przedstawiona analizę zarówno unikalnych cech struktury SED, jak i jej perspektyw na radykalnie nowy sposób myślenia o inteligentnych systemach.

Część III: Wymiary

W tej części przedstawiono najnowsze badania w różnych dziedzinach AI, odpowiadających różnym wymiarom inteligencji: uczeniu się, percepcji, rozumowaniu, językowi, działaniu i świadomości. Sekcja rozpoczyna się od części 7, w którym zawarto przegląd różnych form uczenia maszynowego oraz rodzajów algorytmów i metod, które okazały się skuteczne. Część zawiera również ciekawą analizę niektórych technicznych i filozoficznych wyzwań, przed którymi stoją naukowcy w tej dziedzinie. W sekcjie 8 zrecenzowano prace w sztucznej percepcji, szczególnie w wizji komputerowej. Podano szczegółowe informacje o najnowszych osiągnięciach w takich krytycznych obszarach, jak rozpoznawanie i kategoryzacja obiektów, śledzenie i serwomechanizm wizualny oraz oparte na wizji interakcje człowiek-komputer, a także oferują ocenę najważniejszych wyzwań, które przed nami stoją. W sekcji 9 przedstawiono ankietę dotyczącą ostatnich prac nad sztucznym rozumowaniem i podejmowaniem decyzji - tematów, które są kluczowe dla podpola sztucznej inteligencji znanej jako Reprezentacja wiedzy i rozumowanie (KR&R). Badamy techniki reprezentowania informacji i wnioskowania z nimi (w tym oparte na logice zdań i teorii probabilistycznej), analizujemy różne formalizacje, które kierowały pracą w zautomatyzowanym podejmowaniu decyzji, i zwraca uwagę na niektóre problemy przekrojowe, takie jak pojawienie się aplikacji łączących logikę metody oparte i probabilistyczne. Dwa inne ważne obszary AI to Przetwarzanie języka naturalnego i Lingwistyka obliczeniowa, z których oba koncentrują się na sztucznym przetwarzaniu języka. W sekcji 10 przedstawiono niektóre z podstaw tych pól i wyjaśnia, w jaki sposób odnoszą się one do kluczowych obszarów językoznawstwa, w tym przetwarzania syntaktycznego, semantyki i lekceważenia leksykalnego. Wyjaśnia także niektóre podejścia ilościowe i statystyczne, które zostały ostatnio zastosowane do opracowania systemów sztucznej inteligencji o zdolnościach językowych. W sekcji 11 przyglądamy się agencji w AI i omawiamy strategie stosowane do opracowywania systemów AI, które działają jako kompetentni agenci w różnych środowiskach, zarówno w wyniku przechowywanej wiedzy, jak i uczenia się. W szczególności Podkreślono znaczenie rozwijającej się sztucznej inteligencji zorientowanej na agenta, w której systemy oprogramowania są zaprojektowane do wyświetlania zachowań autonomicznych, adaptacyjnych i społecznych. W tej sekcji omówiono wyzwania związane z opracowaniem sztucznych agentów, które mogą działać w środowiskach z wieloma agentami przy użyciu takich technik, jak negocjacje i argumentacja. W ostatniej sekcji,12, szczegółowo zapoznasz się z ostatnimi pracami nad opracowaniem maszyn, które doświadczają emocji, a nawet pewnej formy świadomości. Przeglądając historyczne i filozoficzne wymiary problemu (takie jak możliwa funkcjonalna rola emocji), analizujemy główne wyzwania stojące przed tą linią badań, zauważając, że musimy jeszcze opracować jasne kryteria decydowania o tym, kiedy system ma, czy nie stany subiektywne.

Część IV: Rozszerzenia

Ta ostatnia sekcja rozszerza zakres tekstu na tematy i programy badawcze, które są ściśle związane z AI, w tym robotyką, sztucznym życiem i etycznymi wymiarami AI. W sekcji 13 przyglądamy się najnowszej historii maszyn budowlanych, które angażują się w inteligentne zachowanie, zarówno do zastosowań przemysłowych, jak i do celów badawczych. Badamy wysiłki naśladowania układów biologicznych, zwłaszcza owadów, i podejścia ewolucyjne, które wykorzystują procesy iteracji replikacji i mutacji do generowania kontrolerów robotów dostosowanych do konkretnych zadań i środowisk. Sekja 14 autorstwa przedstawia fascynujące spojrzenie na szybko rozwijającą się dziedzinę sztucznego życia, która dąży do syntezy życia w różnych formach, w tym systemów robotycznych, sztucznych komórek wykonanych z biochemicznych elementów budulcowych oraz agentów oprogramowania zamieszkujących wirtualną eko -systemy. Po zbadaniu, w jaki sposób sztuczne życie jest powiązane z konwencjonalną sztuczną inteligencją, zbadamy, czego nauczyliśmy się o żywych systemach, i zwraca uwagę na nowe poruszane przez niego kwestie filozoficzne. W ostatniej sekcji, 15, zbadamy szeroki zakres zagadnień etycznych związanych z tworzeniem maszyn myślenia i odczuwania. Należą do nich pytania dotyczące naszego wykorzystania algorytmów AI do zarządzania transakcjami finansowymi lub prawnymi, tworzenia sztucznych osób o statusie moralnym i prawach oraz rozwoju maszyn, które są mądrzejsze od ludzi. Jak słusznie zauważają Bostrom i Yudkowsky, choć kwestie te kiedyś należały do dziedziny science fiction, stają się coraz bardziej prawdziwymi dylematami moralnymi, z którymi musimy się zmierzyć.

Tematy ogólne

Czytelnik zauważy szereg wspólnych tematów pojawiających się w całym tekscie. Na przykład w przeszłości wiele badań nad sztuczną inteligencją wiązało się z promocją konkretnych architektur lub teorii, takich jak klasyczne obliczenia lub łączność. Często opracowywano proste systemy zabawek, po części w celu zademonstrowania, w jaki sposób dany rodzaj ram obliczeniowych może w zasadzie wykonać określone zadanie. Jednak dzięki szybkiemu rozwojowi technologii i mocy obliczeniowej stało się możliwe zbudowanie znacznie bardziej wyrafinowanych systemów sztucznej inteligencji, które mogą wykonywać prawdziwą pracę, w wyniku czego pragmatyczne problemy inżynieryjne stały się bardziej centralne. Wielu badaczy jest dziś bardziej zaangażowanych w wykorzystywanie tego, co najlepiej pasuje do danego zadania, niż promowanie konkretnej architektury globalnej. W związku z tym coraz więcej pracy AI wymaga systemów hybrydowych, ponieważ badacze stosują różnego rodzaju architektury dla różnych podprocesów lub zadań. Odzwierciedla to najnowsze trendy w kognitywistyce, takie jak "dual-process" teorie poznania, które twierdzą, że różne typy architektur obliczeniowych leżą u podstaw różnych zdolności poznawczych. Wiele prac omawianych w tym tomie sugeruje, że przeszłe podziały teoretyczne i bitwy o konkurujące ze sobą architektury zanikają, podczas gdy rosnąca liczba badaczy przyjmuje bardziej integracyjne i ekumeniczne podejście. Kolejnym trendem jest zmiana teoretycznych, koncepcyjnych i filozoficznych zagadnień, które zajmują badaczy. Tradycyjne pytania dotyczące tego, czy komputer może odczuwać ból, czy natury symboli obliczeniowych są nadal ważne, ale widzimy też, że nowe obawy filozoficzne stają się centralne. Na przykład opracowanie modeli dynamicznych w sztucznej inteligencji zachęciło ludzi do ponownego rozważenia tego, co liczy się jako system obliczeniowy lub inteligentny, granic takich systemów i tego, jak należy wyjaśnić inteligentne zachowanie. Jednocześnie wielu śledczych ponownie zastanawia się nad potrzebą reprezentacji lub modeli wewnętrznych, które w przeszłości były uważane za niezbędne do kierowania zachowaniem systemów AI. Coraz więcej badaczy akceptuje znaczenie umiejscowienia i ucieleśnienia oraz bada, w jakim stopniu interakcje systemu ze środowiskiem rzeczywistym są kluczowe. Tak więc wiele rozdziałów ujawnia, że tradycyjne założenia nie są już traktowane jako coś oczywistego i że radykalnie nowe pomysły i zasady zajmują centralne miejsce. Jednocześnie rozwój kultury popularnej i technologii ma większy wpływ na to, jak naukowcy postrzegają tę dziedzinę, przy czym badacze zwykle odnoszą się do Internetu, eksplozji specjalnych aplikacji na urządzenia inteligentne oraz wpływu gier komputerowych. Podobnie wiele rozdziałów odzwierciedla zaawansowaną świadomość ważnych odkryć w biologii, poznaniu zwierząt, neuronauce i psychologii percepcji. Zatem jedną rzeczą, która się nie zmieniła, jest stopień, w jakim dziedzina sztucznej inteligencji nadal ewoluuje, gdy przyswaja najnowsze osiągnięcia technologiczne i najnowsze odkrycia w naukach przyrodniczych. Z przyjemnością zebraliśmy ten tom i mamy nadzieję, że posłuży on jako punkt wyjścia do fascynującej i niezwykle ważnej pracy nad AI. Praca w tej dziedzinie już wpływa na nasze życie na niezliczone sposoby, a przyszły rozwój może radykalnie zmienić nasz świat. Na małą skalę aplikacje AI będą coraz bardziej przenikać nasze życie, przekształcając i wzmacniając nasze interakcje ze środowiskiem i sobą nawzajem, natomiast na większą skalę postępy teoretyczne w sztucznie modelowanym inteligencji nie tylko pozwolą nam głębiej zrozumieć nasze własne umysły, ale może też skonfrontować nas z nowymi umysłami o znacznie innych zdolnościach niż nasze. Mamy nadzieję, że ten tom pomoże uczynić tę ekscytującą, ale często wysoce techniczną dziedzinę, bardziej dostępną, i że czytelnicy będą inspirowani, aby dowiedzieć się więcej o AI, zastosować swoje spostrzeżenia w innych dziedzinach i zastanowić się nad jej wpływem na ludzkość.