Sir Winston Churchill commonly spoke of world war 2 as the “Wizard War”. Both the Allies as well as Axis powers were in a race to get the electronic advantage over each other on the battlefield. lots of technologies were born during this time around – one of them being the capability to decipher coded messages. The gadgets that were able to accomplish this accomplishment were the precursors to the contemporary computer. In 1946, the us armed forces established the ENIAC, or electronic Numerical Integrator as well as Computer. utilizing over 17,000 vacuum tubes, the ENIAC was a few orders of magnitude quicker than all previous electro-mechanical computers. The part that ecstatic lots of scientists, however, was that it was programmable. It was the concept of a programmable computer that would provide increase to the concept of man-made intelligence (AI).
As time marched forward, computers ended up being smaller as well as faster. The creation of the transistor semiconductor provided increase to the microprocessor, which accelerated the advancement of computer programming. AI began to pick up steam, as well as pundits began to make grand declares of exactly how computer intelligence would soon surpass our own. Programs like ELIZA as well as blocks world fascinated the public as well as definitely provided the understanding that when computers ended up being faster, as they definitely would in the future, they would be able to believe like humans do.
But it soon ended up being remove that this would not be the case. While these as well as lots of other AI programs were great at what they did, neither they, or their algorithms were adaptable. They were ‘smart’ at their specific task, as well as might even be thought about intelligent judging from their behavior, however they had no comprehending of the task, as well as didn’t hold a candle to the intellectual abilities of even a normal lab rat, let alone a human.
Reti neurali
As AI faded into the sunset in the late 1980s, it enabled Neural Network researchers to get some much needed funding. Neural networks had been around considering that the 1960s, however were actively squelched by the AI researches. Starved of resources, not much was heard of neural nets up until it ended up being evident that AI was not living as much as the hype. Unlike computers – what original AI was based on – neural networks do not have a processor or a central place to store memory.
Deep Blue computer
Neural networks are not programmed like a computer. They are linked in a method that provides them the capability to discover its inputs. In this way, they are similar to a mammal brain. After all, in the huge photo a brain is just a lot of neurons linked together in extremely certain patterns. The resemblance of neural networks to brains gained them the interest of those disillusioned with computer based AI.
In the mid-1980s, a business by the name of NETtalk developed a neural network that was able to, on the surface at least, discover to read. It was able to do this by discovering to map patterns of letters to spoken language. After a bit time, it had discovered to speak private words. NETtalk was marveled as a victory of human ingenuity, catching news headlines around the world. however from an engineering point of view, what it did was not tough at all. It did not comprehend anything. It just matched patterns with sounds. It did learn, however, which is something computer based AI had much problem with.
Eventually, neural networks would experience a similar fate as computer based AI – a great deal of hype as well as interest, only to fade after they were not able to create what people expected.
A new Century
The shift into the 21st century saw bit in the advancement of AI. In 1997, IBMs Deep Blue made short headlines when it beat [Garry Kasparov] at his own game in a series of chess matches. however Deep Blue did not win since it was intelligent. It won since it was just faster. Deep Blue did not comprehend chess the exact same method a calculator does not comprehend math.
Example of Google’s Inceptionism. The picture is taken from the middle of the hierarchy during visual recognition.
Modern times have seen much of the exact same technique to AI. Google is utilizing neural networks integrated with a hierarchical structure as well as has made some fascinating discoveries. one of them is a process called Inceptionism. Neural networks are promising, however they still show no remove path to a true man-made intelligence.
IBM’s Watson was able to finest a few of Jeopardy’s top players. It’s simple to believe of Watson as ‘smart’, however nothing might be additionally from the truth. Watson retrieves its answers by means of browsing terabytes of info extremely quickly. It has no capability to really comprehend what it’s saying.
One can suggest that the process of trying to produce AI throughouGli anni hanno influenzato esattamente come lo definiamo, anche in questo giorno. Sebbene tutti noi siamo d’accordo su ciò che il termine “artificiale” significa, definendo quale “intelligenza” è davvero fornisce un altro livello al puzzle. Verificare esattamente come è stato definito l’intelligenza in passato ci fornirà qualche intuizione esattamente come non siamo riusciti a farlo.
Alan Turing così come la stanza cinese
Alan Turing, papà al calcolo contemporaneo, ha stabilito un test di base per capire se un computer è stato intelligente. È inteso come il test di Turing, oltre ad andare qualcosa del genere: se un computer può conversare con un umano tale che l’umano crede che lui o lei sta conversando con un altro umano, allora si può affermare che il computer imitato un essere umano Come si può affermare di possedere l’intelligenza. Il programma Eliza ha sottolineato sopra ingannato una manciata di persone con questo test. Il significato di intelligenza di Turing è a base di abitudini, oltre che è stata accettata per molti anni. Questa modificherebbe nel 1980, quando John Searle ha messo fuori la sua argomentazione dello spazio cinese.
Considera un ragazzo di lingua inglese bloccato in una stanza. Nello spazio c’è una scrivania, così come su quella scrivania è un grande libro. Il libro è scritto in inglese e ha indicazioni su come manipolare i personaggi cinesi. Non capisce cosa significa qualsiasi tipo di diica, tuttavia è in grado di rispettare le istruzioni. Qualcuno poi scivola un pezzo di carta sotto la porta. Sulla carta è una storia e preoccupazioni sulla storia, tutte scritte in cinese. Il ragazzo non comprende una sua parola, tuttavia è in grado di utilizzare il suo libro per manipolare i personaggi cinesi. La sua riempie le preoccupazioni che utilizzano il suo libro, oltre a passare la carta sotto la porta.
La persona che parla cinese dall’altra parte legge le risposte e le figure sono tutte corrette. A propone al pensiero finale che il ragazzo nello spazio comprende il cinese. È evidente a noi, tuttavia, che il ragazzo non comprende il cinese. Allora, qual è il punto dell’esperimento creduto?
Il ragazzo è un processore. Il libro è un programma. La carta sotto la porta è l’input. Il processore applica il programma all’ingresso e crea un’uscita. Questo esperimento creduto di base mostra che un computer non può mai essere pensato di intelligente, in quanto non può mai comprendere ciò che sta facendo. Sta solo rispettando le istruzioni. L’intelligence risiede con l’autore del libro o il programmatore. Non il ragazzo o il processore.
Un nuovo significato di intelligenza
In tutta la ricerca dell’Umanità di Ai, è stato, oltre che attivamente sta cercando di trovare abitudini come significato per l’intelligenza. Tuttavia John Searle ci ha mostrato esattamente come un computer può creare abitudini intelligenti e ancora non essere intelligenti. Esattamente come può il ragazzo o il processore essere intelligenti se non comprende cosa sta facendo?
Tutto quanto sopra è stato dichiarato di disegnare una linea di rimozione tra le abitudini e la comprensione. L’intelligenza non può essere definita dal comportamento. Le abitudini sono una manifestazione di intelligenza, oltre a nient’altro. Immaginava sdraiato ancora in una stanza buia. Puoi pensare, così come il risultato intelligente. Tuttavia non stai creando alcun tipo di comportamento.
L’intelligenza deve essere definita dalla capacità di capire. [Jeff Hawkins], autore di intelligence, ha stabilito un metodo per farlo con la previsione. Il telefono lo chiama il framework della previsione della memoria. Immagina un sistema che sta tentando regolarmente di anticipare cosa succederà dopo. Quando viene soddisfatta una previsione, la funzione è soddisfatta. Quando una previsione non è soddisfatta, il focus è diretto all’anomalia fino a quando non può essere previsto. Ad esempio, senti il jingle del colletto del tuo animale domestico mentre sei seduto alla tua scrivania. Ti rivolgi alla porta, prevedendo che vedrai il tuo animale domestico. Finché questa previsione è soddisfatta, qualunque sia normale. È probabile che tu sia disinformato a farlo. Tuttavia, se la previsione è violata, porta a fuoco la situazione, oltre a controllare per scoprire perché non hai visto il tuo animale domestico.
Questo processo di tentare regolarmente di anticipare la tua atmosfera ti consente di comprenderlo. La previsione è l’essenza dell’intelligenza, non del comportamento. Se possiamo programmare un computer o una rete neurale per rispettare il paradigma di previsione, può davvero comprendere il proprio ambiente. Oltre a questo comprensione che renderà il creatore intelligente.
Quindi ora è il tuo turno. esattamente come definiresti l’intelligenza in Ai?