Cómo diferenciar entre una IA fuerte y una IA débil

Ya tenemos varios AGI matemáticamente definidos (por ejemplo, AIXI y la máquina Gödel). Estos se diferencian de la “IA débil”, ya que se optimizan automáticamente y están diseñados para funcionar en general en cualquier dominio.

En el escenario proporcionado, las líneas pueden ser borrosas ya que en un caso, la respuesta es producida por un “cuadro negro” y en otro, es esencialmente transparente.

La cuestión es: ¿es realmente relevante la pregunta (en los detalles de la pregunta)? Si en el caso de la IA, los métodos para producir la respuesta fueran “ocultos”, ¿se considerarían los caminos significativamente diferentes? ¿O se considerarían variaciones del mismo método general?

Dado que, en este contexto, nos referimos a la predicción, y cuando se aplica a otros escenarios, es esencialmente una predicción generalizada. Varios algoritmos de compresión son capaces de abordar una tarea de este tipo, al tiempo que mantienen su generalidad, por lo que son aplicables en una amplia gama de escenarios. Entonces, ¿no podríamos argumentar que ciertos procesos neuronales emergentes son simplemente variaciones de potentes algoritmos de compresión generalizados, donde, en este caso, se aplican para lograr tal tarea? Obviamente, el “hardware” neuronal y las restricciones arquitectónicas están muy involucradas en hacer esto posible.

Esto nos lleva a la “comprensión”. La definición de la palabra comprensión , implícita y explícitamente, se refiere a predicción, abstracción, inferencia y ciertos elementos de compresión.

De Wikipedia (énfasis agregado):

  1. Uno comprende el clima si puede predecir y dar una explicación de algunas de sus características, etc.
  2. Un psiquiatra comprende las ansiedades de otra persona si conoce las ansiedades de esa persona, sus causas y puede dar consejos útiles sobre cómo lidiar con la ansiedad.
  3. Una persona comprende un comando si sabe quién lo dio, qué espera el emisor y si el comando es legítimo y si comprende al orador (ver 4).
  4. Se entiende un razonamiento, un argumento o un lenguaje si se puede reproducir conscientemente el contenido de información transmitido por el mensaje.
  5. Se entiende un concepto matemático si se pueden resolver problemas al usarlo , especialmente problemas que no son similares a lo que se ha visto antes.

Una AGI capaz de compresión generalizada o diseñada utilizando elementos de la misma, debe ser capaz de “mostrar” comprensión. Como debe tener múltiples modelos del entorno y múltiples probabilidades para cada ocurrencia ambiental (después de una acción subjetiva), lo que le permite interpretar escenarios de múltiples maneras antes de decidirse por una decisión.

¿Qué es la IA débil?

El principio detrás de la IA débil es simplemente el hecho de que se puede hacer que las máquinas actúen como si fueran inteligentes. Por ejemplo, cuando un jugador humano juega ajedrez contra una computadora, el jugador humano puede sentir que la computadora está haciendo movimientos impresionantes. Pero la aplicación de ajedrez no está pensando y planeando en absoluto. Todos los movimientos que realiza son alimentados previamente a la computadora por un humano y así es como se garantiza que el software realizará los movimientos correctos en los momentos correctos.

¿Qué es la IA fuerte?

El principio detrás de Strong AI es que las máquinas podrían hacerse pensar o, en otras palabras, podrían representar las mentes humanas en el futuro. Si ese es el caso, esas máquinas tendrán la capacidad de razonar, pensar y hacer todas las funciones que un humano es capaz de hacer. Pero según la mayoría de las personas, esta tecnología nunca se desarrollará o, al menos, llevará mucho tiempo. Sin embargo, Strong AI, que se encuentra en su etapa inicial, promete mucho debido a los recientes desarrollos en nanotecnología. Se están diseñando nanobots, que pueden ayudarnos a combatir enfermedades y también hacernos más inteligentes. Además, el desarrollo de una red neuronal artificial, que puede funcionar como un ser humano adecuado, se considera una aplicación futura de la IA fuerte.

Una IA débil tendrá un conjunto específico de tareas que puede resolver; por ejemplo, jugar al ajedrez. Si le pidiera a una computadora de ajedrez que resolviera su problema, no llegaría a ninguna parte, ya que la declaración del problema está fuera de sus capacidades. una IA fuerte debería ser tan versátil como un humano para resolver problemas; no tiene que resolver todos los problemas, cualquier ser humano individual ni siquiera puede hacer eso, pero debería ser capaz de manejar una amplia gama de problemas sin estar específicamente codificado para resolver esos problemas específicos.
La diferencia clave es entre “lo programamos para resolver estas cosas” y “ha aprendido a resolver estas cosas”. Las cosas en ambos extremos son obvias, pero la IA media es más ambigua, donde puede aprender clases específicas de problemas. En general, todavía es débil, pero el límite específico para cuando se vuelve fuerte no está claro.

Una IA débil usa Modelos de su dominio problemático que le han sido entregados por los programadores.
Una IA fuerte descubre sus propios modelos basados ​​en datos sin procesar. Y nada más.

Técnicamente, mi criterio para una IA fuerte es “Un programa de software capaz de realizar una reducción autónoma” (desde nuestra rica realidad hasta modelos simples de realidad). La reducción requiere saliencia y proporciona comprensión.

Llamo a los sistemas resultantes “Máquinas de comprensión”.

En contraste, la IA débil * requiere * Comprensión del dominio del problema … en la mente del Programador, que realiza toda la Reducción requerida con anticipación.

Estoy de acuerdo con la opinión de que una IA débil es simplemente estrecha y muy específica de tareas o dominios. Una IA fuerte es general, ampliamente capaz.
Un jugador de ajedrez, por bueno que sea, es una IA débil. Una IA que escribe novelas sobre Harry Potter es una IA fuerte.

Creo que cuando tengamos una IA fuerte lo sabremos.

Hasta entonces, no tiene sentido discutir sobre estas cosas, ya que estos conceptos son obviamente mal definidos e inútiles para las personas que realmente trabajan en IA .

More Interesting

¿Cuáles son algunos buenos proyectos de inteligencia artificial para Arduino que sean fáciles para alguien de nivel básico a intermedio?

¿Alguien puede decir qué significa realmente la Inteligencia artificial?

¿Por qué la gente no cree en la inteligencia artificial que se apodera de la humanidad solo porque simular el cerebro es imposible?

¿Podemos saber que una inteligencia artificial es realmente inteligente?

¿Podríamos crear impresoras 3D que impriman autorreplicadas con inteligencia súper artificial?

¿Hay alguna buena referencia sobre la planificación de IA en dominios abstractos jerárquicamente a gran escala con cientos o miles de acciones primitivas y miles o millones de acciones compuestas?

Entre R, MATLAB y Python, ¿cuál es mejor para la inteligencia artificial, la ciencia de datos y la investigación?

¿Cuál es el papel de la inteligencia artificial (IA) o el aprendizaje automático en CFD?

Cómo comenzar con proyectos de aprendizaje automático e inteligencia artificial.

La gente dice que las mejoras exponenciales en la tecnología conducirán a una IA fuerte, y citan la ley de Moore. ¿Estamos viendo una mejora exponencial en las tasas de éxito de predicción en áreas como el reconocimiento de voz y el reconocimiento de objetos?

Informática: ¿De qué maneras podría ayudar la inteligencia artificial a un emprendedor?

¿Puede AI explicar lo que hace buen arte?

Si Google está usando mis datos para hacer inteligencia artificial, ¿es esto un robo?

¿Cuáles son ejemplos de lenguajes artificiales útiles?

¿Cuánto tiempo pasará antes de que su trabajo sea asumido por la automatización basada en IA?