Se puede demostrar fácilmente que los enfoques clásicos de la IA son incorrectos. Estos se basaron en Modelos del mundo. CYC es el chico del cartel de una IA basada en modelos. Nunca puede convertirse en una verdadera inteligencia.
El problema del marco (McCarthy y Hayes) es un hecho. Dice “El mundo cambia a tus espaldas”. Esto significa que cualquier modelo del mundo que haga quedará obsoleto de inmediato. Restringir tu IA para usar un Modelo * parcial * del mundo significa que no es una IA * general *. Entonces tienes dos opciones:
1. “IA reduccionista”: está utilizando modelos limitados de una pequeña parte del mundo y está ingresando ese modelo en la computadora. Esto también se conoce como “programación”. Esto realmente no es IA, sin importar cuál sea el comportamiento superficial de tal sistema. CYC, los programas de ajedrez, Siri y, de hecho, la mayoría de los “éxitos parciales” de la IA a lo largo de los años no han sido más que programación.
- ¿Están justificadas las personas como Elon Musk en sus miedos a la inteligencia artificial inteligente, etc.? ¿Estamos en peligro de caer en una distopía al estilo Terminator?
- ¿Cuál es el mayor desafío para crear una IA inteligente totalmente sensible?
- ¿Qué es la inteligencia artificial y por qué la necesitamos?
- ¿Tendremos inteligencia artificial y nanobots súper avanzados en el futuro?
- Cuando la inteligencia artificial sea capaz de reproducirse, ¿sería correcto llamar a ciertos tipos de especies (excepto el hecho de que no son biológicas)?
2. “IA holística”: NO estás utilizando Modelos del mundo, ni ningún dominio problemático objetivo. La computadora tiene que hacer TODOS sus propios Modelos del dominio de destino. Este tipo de IA son “máquinas capaces de reducción autónoma” o “máquinas de comprensión” (más cortas). Esto está en contraste con las “Máquinas de razonamiento” de la IA reduccionista, pero debemos tener en cuenta que sin comprender, una máquina de razonamiento no tiene nada de qué razonar *.
Los cerebros gastan el 99.999% de sus ciclos en comprensión. Creemos que el razonamiento es importante solo porque esa es la única parte que podemos observar conscientemente. Vea mis videos para más detalles.
El reduccionismo es el mayor invento que nuestra especie haya hecho. Es la base de la ciencia. Pero los cerebros no se basan en la ciencia: evolucionaron para hacer frente a situaciones en las que la ciencia ni siquiera funciona. Llamamos a estas situaciones “Dominios de problemas extraños” o “Sistemas extraños”. Nuestra vida cotidiana mundana es extraña y * en su totalidad * (en oposición a en parte) inaccesible al método científico y la lógica. Por lo tanto, insistir en construir IA que utilicen métodos científicos es un error.
“Al crear una IA, no estamos construyendo algo científico, estamos construyendo un científico”. Si no puedes entender esta oración y aprecias completamente el significado, entonces debes mantenerte alejado de la IA.
También se deduce directamente del problema del marco que todas las inteligencias son falibles. Tu IA * debe * estar diseñada para aprender de sus errores.
La información completa tampoco suele estar disponible en situaciones del mundo real, que es para lo que la IA debe estar diseñada. Esto descarta los diseños basados en lógica en general, ya que en lógica es basura, basura. Pero Logic también utiliza modelos del mundo, por lo que esto no es una restricción.
Por lo tanto, los diseños de IA basados en Modelos del mundo ingresados por un programador nunca funcionarán. Alguien debería correr la voz a aquellos que todavía lo están intentando.
La IA holística utiliza métodos libres de modelos exclusivamente. Estos se utilizan para crear sistemas de aprendizaje automático para el aprendizaje no supervisado. Este es el camino a seguir. Estos sistemas vienen en dos sabores:
1. Sistemas inspirados en neurociencia. Estos sufren el hecho de que no sabemos lo suficiente sobre el cerebro para crear un diseño completo. La neurociencia necesitará más de 20 años para llegar allí.
2. Diseños basados en epistemología. Estos saben qué es la información, de dónde proviene y cómo se puede organizar automáticamente de manera independiente del dominio. Estos sistemas tienen algoritmos para la prominencia independiente del dominio y pueden hacer Reducción (es decir, Abstracción con pérdida) por su cuenta. Si desea trabajar en este campo, estudie Epistemología antes de comenzar con la parte de programación.
Los modelos estadísticos siguen siendo modelos. La lógica bayesiana sigue siendo lógica. Las estadísticas pueden decirle qué es común, pero no pueden decirle qué es lo más destacado.
Finalmente, los sistemas híbridos reduccionistas holísticos no funcionan, pero esta es una discusión de segundo nivel que requiere una comprensión completa del material anterior. Esto incluye discusiones sobre si las redes bayesianas (en oposición a los enfoques bayesianos no conexionistas) son holísticas o reduccionistas. La respuesta depende en gran medida de qué modelos se utilizan.
Finalmente, para aclarar algo que a menudo confunde a las personas que primero encuentran el término “Métodos libres de modelos”. En el diseño holístico de IA, los modelos de la mente o las funciones de la mente, como la prominencia, están * permitidos *. Pero los modelos de dominios de destino, como Idioma, * no * están permitidos. Debe poder detectar un modelo desde el otro lado de la habitación y saber qué es un Modelo * de *. Debe cultivar una disciplina de adecuación del modelo para contrarrestar la educación científica que dice “Hacer modelos a cada paso”. Pero en la investigación de IA debemos estar atentos para mantener un límite agudo entre el sustrato de AI y sus dominios problemáticos. En retrospectiva, los “Métodos libres de modelos” deberían haberse denominado “Métodos de creación de modelos autónomos”, pero este último proporciona menos orientación para la implementación. Y es demasiado tarde para cambiar la terminología ahora.
Para obtener más información, consulte Recursos de tecnología Syntience en la Web y especialmente el artículo “Reducción considerada perjudicial”