Comment ces 7 caractéristiques d'un problème d'IA peuvent-elles m'aider à décider d'une approche à un problème?

13

Si cette liste 1 peut être utilisée pour classer les problèmes en IA ...

  • Décomposable à des problèmes plus petits ou plus faciles
  • Les étapes de la solution peuvent être ignorées ou annulées
  • Univers problématique prévisible
  • Les bonnes solutions sont évidentes
  • Utilise une base de connaissances cohérente en interne
  • Nécessite beaucoup de connaissances ou utilise des connaissances pour contraindre les solutions
  • Nécessite une interaction périodique entre l'homme et l'ordinateur

... existe-t-il une relation généralement acceptée entre le placement d'un problème le long de ces dimensions et les algorithmes / approches appropriés à sa solution?

Les références

[1] https://images.slideplayer.com/23/6911262/slides/slide_4.jpg

user4856
la source

Réponses:

1

La liste

Cette liste provient de Bruce Maxim, professeur d'ingénierie, informatique et sciences de l'information à l'Université du Michigan. Dans sa conférence Spring 1998 notes for CIS 479 1 , la liste suivante était intitulée:

"Bons problèmes pour l'intelligence artificielle."

  Decomposable to easier problems
  Solution steps can be ignored or undone
  Predictable Problem Universe
  Good Solutions are obvious
  Internally consistent knowledge base (KB)
  Requires lots of knowledge or uses knowledge to constrain solutions
  Interactive

Il a depuis évolué vers cela.

  Decomposable to smaller or easier problems
  Solution steps can be ignored or undone
  Predictable problem universe
  Good solutions are obvious
  Uses internally consistent knowledge base
  Requires lots of knowledge or uses knowledge to constrain solutions
  Requires periodic interaction between human and computer

Ce que c'est

Sa liste n'a jamais été conçue pour être une liste de catégories de problèmes d'IA comme point de départ pour des approches de solution ou une «technique heuristique conçue pour accélérer le processus de recherche d'une solution satisfaisante».

Maxim n'a jamais ajouté cette liste à aucune de ses publications universitaires, et il y a des raisons pour lesquelles.

La liste est hétérogène. Il contient des méthodes, des caractéristiques globales, des défis et des approches conceptuelles mélangés dans une liste comme s'ils étaient comme des éléments. Ce n'est pas une lacune pour une liste de «bons problèmes pour l'IA», mais en tant que déclaration officielle des caractéristiques ou catégories de problèmes d'IA, elle manque de la rigueur nécessaire. Maxim ne l'a certainement pas représenté comme une liste de «7 caractéristiques d'un problème d'IA».

Ce n'est certainement pas une liste de "7 caractéristiques du problème de l'IA".

Existe-t-il des listes de catégories ou de caractéristiques?

Il n'y a pas de bonne liste de catégories pour les problèmes d'IA, car si on en créait un, il serait facile de penser à l'un des millions de problèmes que le cerveau humain a résolus et qui ne rentrent dans aucune des catégories ou ne se situent pas aux limites de deux ou plusieurs catégories.

Il est concevable de développer une liste des caractéristiques des problèmes, et elle peut être inspirée de la liste des bons problèmes de Maxim pour l'IA. Il est également envisageable de développer une première liste d'approches. Ensuite, on pourrait tirer des flèches des caractéristiques de la première liste vers les meilleures perspectives d'approches de la deuxième liste. Cela constituerait un bon article à publier s'il était traité de manière complète et rigoureuse.

Liste initiale des caractéristiques de haut niveau des approches

Voici une liste de questions qu'un architecte expérimenté en IA peut poser pour élucider les exigences système de haut niveau avant de sélectionner une approche.

  • La tâche est-elle essentiellement statique dans la mesure où une fois qu'elle fonctionne, elle ne nécessitera probablement aucun ajustement significatif? Si tel est le cas, l'IA peut être plus utile dans la conception, la fabrication et la configuration du système (y compris potentiellement la formation de ses paramètres).
  • Sinon, la tâche est-elle essentiellement variable d'une manière que la théorie du contrôle développée au début du XXe siècle peut adapter à la variance? Dans l'affirmative, l'IA peut également être également utile dans les achats.
  • Sinon, le système peut posséder une complexité non linéaire et temporelle suffisante pour que l'intelligence soit requise. La question devient alors de savoir si le phénomène est contrôlable. Si tel est le cas, les techniques d'IA doivent être utilisées en temps réel après le déploiement.

Approche efficace de l'architecture

Si l'on encadre les étapes de conception, de fabrication et de configuration de manière isolée, le même processus peut être suivi pour déterminer le rôle que l'IA pourrait jouer, et cela peut être fait de manière récursive lorsque l'on décompose la production globale d'idées en choses comme la conception d'un Convertisseur A-D, ou la taille du noyau de convolution à utiliser dans une étape particulière de la vision par ordinateur.

Comme avec d'autres conceptions de systèmes de contrôle, avec l'IA, déterminez vos entrées disponibles et votre sortie souhaitée et appliquez les concepts d'ingénierie de base. Penser que la discipline d'ingénierie a changé à cause des systèmes experts ou des filets artificiels est une erreur, du moins pour l'instant.

Rien n'a changé de manière significative dans l'ingénierie des systèmes de contrôle, car l'IA et l'ingénierie des systèmes de contrôle partagent une origine commune. Nous avons juste des composants supplémentaires parmi lesquels nous pouvons sélectionner et une théorie supplémentaire à utiliser dans la conception, la construction et le contrôle de la qualité.

Rang, dimensionnalité et topologie

En ce qui concerne le rang et les dimensions des signaux, des tenseurs et des messages au sein d'un système d'IA, la dimensionnalité cartésienne n'est pas toujours le concept correct pour caractériser les qualités discrètes des internes alors que nous approchons des simulations de diverses qualités mentales du cerveau humain. La topologie est souvent le domaine clé des mathématiques qui modélise le plus correctement les types de variétés que nous voyons dans l'intelligence humaine que nous souhaitons développer artificiellement dans les systèmes.

Plus intéressant encore, la topologie peut être la clé du développement de nouveaux types d'intelligence pour lesquels ni les ordinateurs ni le cerveau humain ne sont bien équipés.

Les références

http://groups.umd.umich.edu/cis/course.des/cis479/lectures/htm.zip

Douglas Daseeco
la source
-1

Les 7 caractéristiques du problème de l'IA sont une technique heuristique conçue pour accélérer le processus de recherche d'une solution satisfaisante aux problèmes de l'intelligence artificielle.

En informatique, en intelligence artificielle et en optimisation mathématique, une heuristique est une technique conçue pour résoudre un problème plus rapidement ou pour trouver une solution approximative lorsque vous n'avez pas réussi à trouver une solution exacte à l'aide de méthodes classiques.

La technique des 7 problèmes d'IA classe les étapes alternatives en fonction des informations disponibles pour aider à décider de l'approche la plus appropriée à suivre pour résoudre les problèmes, à savoir les missionnaires et les cannibales, la tour de Hanoï, le vendeur itinérant, etc.

Déterminer s'il existe une relation généralement acceptée entre le placement d'un problème et les algorithmes appropriés. La réponse est qu'en effet il existe une relation généralement acceptée. Imaginez par exemple essayer de résoudre un jeu d'échecs et un jeu de sudoku.

Si une étape est incorrecte dans le sudoku, nous pouvons revenir en arrière et tenter une approche différente. Cependant, si nous jouons à un jeu d'échecs et réalisons une erreur après quelques mouvements. Nous ne pouvons pas simplement ignorer l'erreur et revenir en arrière. (2e caractéristique)

Si l'univers du problème est prévisible, nous pouvons faire un plan pour générer une séquence d'opérations qui est garantie de conduire à une solution. Cependant, dans le cas de problèmes avec des résultats incertains, nous devons suivre un processus de révision du plan au fur et à mesure que le plan est exécuté tout en fournissant les informations nécessaires. (3e caractéristique)

Vous trouverez ci-dessous un exemple des 7 caractéristiques du problème d'IA appliquées pour résoudre un problème de carafe d'eau.

Vous trouverez ci-dessous un exemple de la caractéristique du problème 7 AI utilisée pour résoudre un problème de carafe d'eau.

Source de l'image https://gtuengineeringmaterial.blogspot.com/2013/05/discuss-ai-problems-with-seven-problem_1818.html

Seth Simba
la source
1. Qu'est-ce qui constitue officiellement une exigence d'interaction humaine? Comme j'aurais pensé que le problème de la cruche d'eau ne nécessite pas d'interaction humaine; Pour moi, la raison que vous avez donnée semble être juste une condition préalable pour résoudre le problème dans un environnement réel (par opposition à simulé). 2. Si une solution donnée est composée de plusieurs étapes et que vous pouvez donc décomposer la recherche en une recherche de la solution au début combinée à une recherche du début à la solution, le problème n'est-il pas décomposable? Encore une fois, ma querelle porte sur ce qui est officiellement admissible. 3. Pourquoi la solution n'est-elle pas un État? ...
dieu des lamas
... L'état du seau résolu est la solution, donc il me semble que la solution est de trouver un chemin vers l' État , avec le chemin en service vers l'État plutôt que l'inverse; si l'État était simplement au service du chemin qui est la solution, je penserais que la solution était le chemin plutôt que l'État.
dieu des lamas
1
De plus, votre réponse ne semble pas répondre pleinement à la question posée: "Existe-t-il une relation généralement acceptée entre le placement d'un problème dans ces dimensions et les algorithmes / approches appropriés à sa solution?"
dieu des lamas