Qui a été la première personne à reconnaître la distinction entre l'intelligence générale de type humain et l'intelligence spécifique au domaine?

10

Dans les années 1950, il y avait une croyance largement répandue selon laquelle "l'intelligence artificielle" deviendrait rapidement à la fois timide et intelligente pour gagner aux échecs avec les humains. Diverses personnes ont proposé des délais de 10 ans, par exemple (voir "L'histoire officielle de la controverse sur les perceptrons" d'Olazaran, ou disons 2001: Odyssée de l'espace).

Quand est-il devenu clair que la conception de programmes qui maîtrisent des jeux comme les échecs a abouti à des conceptions de logiciels qui ne s'appliquaient qu'à des jeux comme ceux pour lesquels ils étaient programmés? Qui a été la première personne à reconnaître la distinction entre l'intelligence générale de type humain et l'intelligence spécifique au domaine?

liori
la source

Réponses:

1

De nombreuses publications du milieu du XXe siècle prouvent la déclaration de l'interrogateur selon laquelle il était largement admis à cette époque que l'IA deviendrait rapidement consciente, consciente de soi et intelligente.

Grand succès

De nombreuses tâches et formes d'expertise autrefois le domaine exclusif de l'intelligence humaine, après le développement de l'architecture informatique à usage général de Von Neumann, sont devenues, à la fin de ce siècle, plus ou moins le domaine exclusif des ordinateurs. Ce ne sont que quelques exemples.

  • Calcul scientifique et statistique
  • Automatisation des processus de rédaction et de fabrication (CAD et CAM)
  • Publication et composition
  • Certaines formes de réductions algébriques et calcul (Maxima et ses dérivés)
  • Analyse de circuit
  • Jeu de société magistral jouant
  • Spéculation boursière rentable
  • Reconnaissance de formes (OCR, empreinte digitale, reconnaissance vocale, tri, terrain)
  • Programmation en logique de prédicat et prédicats récursifs
  • Évaluation de la stratégie

Déceptions (jusqu'à présent)

Contrairement à ce nombre impressionnant de réussites, il existe une liste tout aussi longue d’attentes manquées.

  • Robots bipèdes disponibles pour les consommateurs
  • Aspirateur automatisé (déception majeure pour l'auteur de cette réponse)
  • Ouvriers autonomes d'usine mécanique
  • Mathématiciens automatisés (génération d'hypothèses créatives et preuve / réfutation pour étendre la théorie)
  • Compréhension du langage naturel
  • Obéissance aux commandes arbitraires
  • Expression humaine dans la conversation
  • Innovation technique automatisée
  • Moralité informatique
  • États émotionnels humains (ou au moins mammifères)
  • Système d'exploitation des trois lois d'Asimov
  • Développement d'une stratégie adaptative dans un ensemble de domaines arbitraires et changeants

Distinction de domaine et sans domaine

Quand est-il devenu clair que la conception de programmes qui maîtrisent des jeux comme les échecs a abouti à des conceptions de logiciels qui ne s'appliquaient qu'à des jeux comme ceux pour lesquels ils étaient programmés?

Bien que le grand public ait pu penser qu'un maître d'échecs cybernétique serait également plus intelligent que les gens à d'autres égards, ceux qui créaient ces programmes étaient bien conscients de la distinction entre le développement de logiciels qui présentaient l'excellence dans le jeu d'échecs codé en dur et le développement de logiciels qui présentent la capacité d'apprendre le jeu d'échecs et de développer l'excellence de manière itérative auprès des novices.

L'objectif final avait toujours été une intelligence générale de haute puissance. Des objectifs réalisables à plus court terme ont été créés pour faciliter la démonstration des progrès aux investisseurs. C'était le seul moyen de maintenir un flux continu de financement de la recherche par les militaires.

La première étape a été de maîtriser un seul jeu sans apprentissage automatique. Ensuite, la recherche s'est tournée vers la construction de connaissances dans le domaine afin qu'une classe de solutions, d'adaptations et de formes de planification puissent être réalisées en temps réel pendant la guerre. Comme la domination économique est devenue plus préférable à la domination militaire au cours du troisième quart du XXe siècle, la vision de l'IA s'est étendue pour englober les domaines de l'économie et de la gestion des ressources naturelles.

Considérez ce spectre de maturité de l'automatisation.

  • Un programme qui énumère les possibilités de séquence de coups actuelles à chaque tour dans le jeu d'échecs, éliminant les mauvais coups probables à chaque point de coup projeté, et sélectionnant le coup suivant le plus susceptible de mener à une victoire
  • Un programme qui fait ce qui précède mais qui biaise également la probabilité basée sur la reconnaissance de modèle des stratégies d'échecs gagnantes connues
  • Un programme conçu pour être un moteur de règles optimisé pour l'exécution qui centralise et résume les opérations redondantes du jeu d'une partie arbitraire et isole et agrège la représentation des règles d'échecs, des stratégies d'échecs, des modèles d'échecs et des anti-modèles
  • Un programme qui, étant donné un ensemble de règles d'un jeu, peut générer un coup suivant en fonction de n'importe quel état de jeu, se souvient des résultats de réussite et d'échec et des séquences qui ont conduit à ces résultats, et a la capacité d'évaluer la perte ou le gain probable de mouvements individuels et les modèles de jeu dans l'espace et le temps autour d'eux en fonction de l'histoire, puis exploite ces capacités pour apprendre un jeu arbitraire, atteignant le niveau magistral de jeu d'échecs grâce à l'apprentissage
  • Un programme qui apprend à apprendre des jeux de telle sorte qu'après avoir appris plusieurs jeux, il peut apprendre les échecs plus rapidement qu'un humain doué intellectuellement.

Le premier est simple. Le dernier est extrêmement difficile.

Lorsque les distinctions entre ces phases de maturité de l'automatisation sont devenues apparentes et à quel point les gens sont devenus clairs de ces distinctions dans lesquelles les groupes de recherche sont une fonction probabiliste complexe.

Contributeurs clés

Qui a été la première personne à reconnaître la distinction entre l'intelligence générale de type humain et l'intelligence spécifique au domaine?

Norbert Wiener a probablement été le premier à comprendre en profondeur la distinction entre le contrôle électronique des relais (étudié théoriquement par Claude Shannon) et le contrôle en boucle fermée. Dans son livre, Cybernetics, un ouvrage principalement mathématique, il a précisément établi les bases de systèmes auto-corrigeants et adaptatifs. John von Neumann avait une compréhension de la distinction entre la programmation d'un bon jeu et la capacité humaine d'apprendre un bon jeu et a publié beaucoup sur le sujet.

C'est Arthur Lee Samuel qui a écrit la première démonstration impressionnante de la distinction entre les logiciels de jeu et l'apprentissage automatique. C'est lui qui a fait le pont entre le travail de Wiener et l'ordinateur numérique contemporain et a d'abord inventé le terme Machine Learning.

Retraitements déformés de la recherche et de l'innovation authentiques

Les catégories intelligence artificielle étroite (ANI), intelligence générale artificielle (AGI) et super intelligence artificielle (ASI), proposées dans The AI ​​Revolution: The Road to Superintelligence du blogueur Tim Urban (Huffington Post, THE BLOG, publié le 2/10 / 2015, mis à jour le 4/12/2015), est référencé dans AI Stack Exchange à plusieurs endroits, mais les distinctions entre ces catégories ne sont pas définies avec précision et les idées qui y sont contenues ne sont ni examinées par des pairs ni validées par d'autres recherches ou statistiques.

Le travail n'est pas moins une conjecture qu'une science-fiction médiocre - suffisamment divertissant pour gagner en popularité, mais pas des conclusions rationnelles tirées d'expériences répétables ou d'études randomisées. Les graphiques de tendance fournis dans l'article ont une forme inventée, et non des représentations graphiques de données réelles.

Une partie du matériel peut plus tard s'avérer contenir du vrai, comme dans le cas de nombreuses interprétations profanes de la recherche scientifique ou des pensées futuristes des auteurs de science-fiction. Cependant, une grande partie du matériel conduit à des idées fausses et à de fausses affirmations.

Douglas Daseeco
la source
0

Je m'attends à ce qu'une réponse très précise à cette question soit perdue dans le temps, bien que j'espère que quelqu'un puisse donner une telle réponse. En attendant, voici un indice sur la piste ... Cette anthologie de papiers de 2007 commence par le texte de présentation suivant:

Notre objectif en créant ce volume édité a été de combler une lacune apparente dans la littérature scientifique, en fournissant une présentation cohérente d'un corpus de recherches contemporaines qui, malgré son importance intégrale, a jusqu'à présent gardé un profil très bas au sein de la science et communauté intellectuelle. Ce corpus de travaux n'a pas reçu de nom auparavant; dans ce livre, nous l'appelons «Intelligence artificielle générale» (AGI). Ce qui distingue le travail d'AGI de la recherche courante sur «l'intelligence artificielle» est qu'il est explicitement axé sur l'ingénierie de l'intelligence générale à court terme.

Mais même si c'est l'origine de l'expression spécifique "Intelligence artificielle générale", je suis presque sûr que les gens faisaient la distinction entre les techniques "d'intelligence générale" et "spécifiques à une tâche" beaucoup plus tôt.

L'article de Wikipedia sur AGI a également un indice, où il déclare:

Cependant, au début des années 1970, il est devenu évident que les chercheurs avaient largement sous-estimé la difficulté du projet. Les agences qui ont financé l'IA sont devenues sceptiques quant à l'IA forte et ont mis les chercheurs sous une pression croissante pour produire une technologie utile, ou «IA appliquée».

Cette section cite ce livre comme support de cette déclaration. Et en effet, il contient le verbiage suivant:

Bien que la plupart des fondateurs du domaine de l'IA aient continué de se pencher sur les questions fondamentales de l'intelligence humaine et de la machine, certains de leurs étudiants et d'autres chercheurs de deuxième génération ont commencé à chercher des moyens d'utiliser des méthodes et des approches de l'IA pour résoudre des problèmes du monde réel. Leurs initiatives étaient importantes, non seulement en tant que telles, mais aussi parce qu'elles témoignaient d'un changement progressif mais significatif de l'environnement de financement vers des domaines de recherche plus appliqués. Le développement de systèmes experts, comme DENDRAL chez SAIL, n'est qu'un exemple de cette tendance.

Étant donné que DENDRAL a commencé vers 1965, il semble que des chercheurs importants (ou du moins des bailleurs de fonds) aient pris conscience de la distinction entre la recherche sur "l'intelligence générale" et "l'IA appliquée" quelque part vers la fin des années 60. Si vous continuez à lire, d'autres passages soutiennent l'idée que la DARPA en particulier a commencé à pousser une approche plus "appliquée" à la recherche sur l'IA tout au long des années 1970.

Donc, pas une réponse définitive, mais il semble que nous pouvons dire que la distinction était connue et prise en compte au moins en 1970, bien que l'utilisation du terme exact "intelligence générale artificielle" semble être d'une monnaie plus récente.

crime mental
la source
0

En 1973, le gouvernement britannique a engagé Sir James Lighthill pour commander une "enquête générale" sur l'état de l'intelligence artificielle. Son rapport condamnait les recherches actuelles sur l'IA, provoquant une vague de pessimisme parmi les scientifiques de l'IA et le premier hiver de l'IA . Vous pouvez consulter le rapport de Lighthill (et la critique contemporaine de son rapport) ici , mais je résumerai les points clés de Lighthill.

Sir James Lighthill a divisé l'IA en trois catégories:

  1. Automatisation avancée - travail spécifique à la tâche
  2. Recherche informatisée sur le SNC - recherche sur le "système nerveux central" des humains
  3. Le pont entre l'automatisation avancée et la recherche CNS sur ordinateur. Ce pont serait généralement considéré comme une robotique «polyvalente», de sorte que Lighthill utiliserait également le terme Robots de construction .

L'automatisation avancée (ou "IA appliquée") est évidemment utile. La recherche informatisée sur le SNC est utile car nous voulons en savoir plus sur l'intelligence humaine. Les deux domaines de l'IA ont connu quelques succès, mais ses praticiens étaient trop optimistes, conduisant à la déception dans ces domaines. Sir James Lighthill était toujours très favorable à la recherche dans ces deux domaines.

Construire des robots , d'autre part? Sir James Lighthill était très hostile à l'idée même, probablement parce qu'elle était plus exagérée que les deux autres catégories et produisait le moins de résultats utiles.

Il a cité les échecs en particulier comme un exemple où la recherche "robotique" a échoué. Au moment où le rapport a été publié, les moteurs de jeu d'échecs étaient au niveau de "caractéristique standard amateur expérimenté des joueurs de club de comté en Angleterre". Cependant, ces moteurs de jeu d'échecs reposaient sur des heuristiques faites par des êtres humains. Les moteurs n'étaient pas du tout intelligents ... ils suivaient simplement l'heuristique créée par des humains intelligents . Le seul avantage que les robots apportent à la table est "la vitesse, la fiabilité et les enchères", et même cela n'a pas suffi à battre les grands maîtres d'échecs.

Aujourd'hui, nous ne considérerions probablement pas les échecs comme un exemple de résolution de problèmes à usage général. Nous le classerions plus précisément comme "automatisation avancée", un problème "d'IA étroite" dissocié des implications plus larges du monde réel de la résolution générale de problèmes. Mais Sir James Lighthill serait probablement d'accord avec nous. Il n'a jamais utilisé les termes "IA étroite" et "AGI" (aucun de ces termes n'existait encore) mais il écrirait:

Pour résumer, ces preuves et tout le reste étudié par le présent auteur sur le travail d'IA dans la catégorie B au cours des vingt-cinq dernières années sont dans une certaine mesure encourageantes concernant les programmes écrits pour fonctionner dans des domaines problématiques hautement spécialisés, lorsque la programmation prend toute sa valeur. compte des résultats de l'expérience humaine et de l'intelligence humaine dans le domaine concerné, mais décourage totalement les programmes à usage général visant à imiter les aspects de résolution des problèmes de l'activité du SNC humain sur un champ assez large. Un tel programme polyvalent, l'objectif à long terme convoité de l'activité de l'IA, semble plus éloigné que jamais.

Sir James Lighthill croyait que la seule chose qui relie l'automatisation avancée et la recherche CNS sur ordinateur est l'existence de la catégorie "pont" Building Roobts . Mais il est très pessimiste sur le fait que cette catégorie produise réellement quelque chose de valable. Ainsi, le domaine de l'IA devrait plutôt se décomposer en ses propres parties constituantes (automatisation et recherche). Tous les robots construits pourraient alors être spécialisés dans leur sous-domaine ... soit l'automatisation industrielle ou la recherche CNS. Tenter de construire le Saint Graal du «programme à usage général» serait sans valeur ... pour le moment du moins.

SE gauche sur 10_6_19
la source