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
