¿Cuáles son los problemas de Hilbert para la inteligencia artificial?

Esta es una muy buena pregunta. Se podría decir que la Prueba de Turing ha sido tratada como un gran desafío por muchos investigadores a lo largo de las décadas. Sin embargo, nunca fue un desafío muy bueno, ya que el aumento de los chatbots ha demostrado que es demasiado fácil simular una conversación aparentemente realista con casi cero conocimiento subyacente o comprensión de las palabras que se utilizan.

En 1988, Raj Reddy proporcionó su idea para Grand Challenges en IA: http://www.rr.cs.cmu.edu/aaai.pdf

Es fascinante ver cuántos de sus desafíos se han logrado ahora:

  1. Champion World Chess Machine – predicho en 1998, logrado en 1997: Deep Blue versus Garry Kasparov.
  2. Descubrimiento matemático: parcialmente logrado, pero no completamente en el sentido escrito. http: //creativemachines.cornell….
  3. The Translating Telephone – parcialmente logrado a través de innovaciones como Siri.
  4. Vehículo para evitar accidentes: parcialmente logrado (primeros sistemas demostrados en 1995): sistema para evitar colisiones
  5. Sistemas autoorganizados. Sin resolver, aunque hay muchos ejemplos lindos.
  6. Sistemas de autorreplicación. Sin resolver, y muy pocos ejemplos.

También escribe un poco más tarde:

Para el cambio de siglo, parece posible que una supercomputadora de bajo costo (por ejemplo, que cueste menos de $ 1000) sea accesible para todos los hombres, mujeres y niños del mundo. Utilizando dicho sistema, los investigadores de IA deberían ser capaces de crear un asistente personalizado e inteligente que utilizaría la voz y la visión para la comunicación hombre-máquina, toleraría el error y la ambigüedad en la interacción humana con las máquinas, brindaría educación y entretenimiento de forma personalizada, brindaría asesoramiento experto sobre problemas cotidianos, poner a disposición grandes cantidades de conocimiento en forma activa y hacer que los mortales comunes realicen tareas sobrehumanas que conducen a nuevos descubrimientos e inventos a un ritmo sin precedentes.

Yo diría que hemos logrado mucho de eso.

Por mi parte, estoy de acuerdo con Raj, pero podría redefinir el número 5 para que sea un poco más:

Sistemas de aprendizaje autoorganizados : la creación de sistemas de aprendizaje no supervisados, de diseño propio y autoorganizados que explotan redes sub-simbólicas para derivar, aprender y también tienen la capacidad de desarrollar y razonar utilizando símbolos, tanto aprendidos como inventados por el propio sistema. Estos sistemas deben tener la capacidad de desarrollar algunas características arquitectónicas que están diseñadas para optimizar las redes para diferentes formas de aprendizaje, mientras mantienen la plasticidad general para permitir que las redes se ajusten o reutilicen según sea necesario. La red también debe hacer uso de los sistemas emocionales que afectan la forma en que procesa la información y cambia la velocidad y las probabilidades de tomar decisiones. La medida del éxito debe ser una capacidad igual para realizar un control de robot de bajo nivel, como para razonar sobre conceptos de alto nivel, como para empatizar con el estado emocional de los demás. Esto no es inteligencia a nivel humano, pero podría considerarse como una forma de IA fuerte que podría mostrar un grado limitado de inteligencia real.