Quem foi a primeira pessoa a reconhecer a distinção entre inteligência geral semelhante à humana e inteligência específica de domínio?

Na década de 1950, havia uma crença generalizada de que a "Inteligência Artificial" rapidamente se tornaria autoconsciente e inteligente o suficiente para ganhar xadrez com os seres humanos. Várias pessoas sugeriram prazos de, por exemplo, 10 anos (veja "História Oficial da Controvérsia Perceptron" de Olazaran, ou, digamos, 2001: Odisséia no Espaço).

Quando ficou claro que a criação de programas que dominam jogos como xadrez resultou em projetos de software que só se aplicavam a jogos como aqueles para os quais foram programados? Quem foi a primeira pessoa a reconhecer a distinção entre inteligência geral semelhante à humana e inteligência específica de domínio?

Muitas publicações de meados do século XX provam a afirmação do questionador de que era uma crença amplamente difundida durante esse período que a IA se tornaria rapidamente consciente, autoconsciente e inteligente.

Grande sucesso

Muitas tarefas e formas de especialização, uma vez que o domínio exclusivo da inteligência humana, após o desenvolvimento da arquitetura de computação de uso geral de Von Neumann, tornou-se, no final daquele século, mais ou menos o domínio exclusivo de computadores. Estes são apenas alguns exemplos.

• Computação científica e estatística
• Automação de processos de desenho e fabricação (CAD e CAM)
• Publicação e composição
• Certas formas de reduções algébricas e de cálculo (Maxima e seus derivados)
• Análise de circuitos
• Jogo de tabuleiro magistral
• Especulação rentável de ações
• Reconhecimento de padrões (OCR, impressão digital, reconhecimento de voz, classificação, terreno)
• Programação em lógica de predicados e predicados recursivos
• Avaliação da estratégia

Decepções (até agora)

Em contraste com esse impressionante conjunto de sucessos, há uma lista igualmente longa de expectativas fracassadas.

• Robôs bípedes disponíveis ao consumidor
• Aspiração automatizada (grande decepção para o autor desta resposta)
• Operários mecânicos autônomos
• Matemáticos automatizados (geração criativa de hipóteses e prova / desaprovação para estender a teoria)
• Compreensão da linguagem natural
• Obediência a comandos arbitrários
• Expressão semelhante à humana na conversa
• Inovação técnica automatizada
• Moralidade do computador
• Estados emocionais humanos (ou pelo menos mamíferos)
• Sistema operacional três leis de Asimov
• Desenvolvimento de estratégia adaptativa em conjunto de domínios arbitrário e variável

Domínio e distinção sem domínio

Quando ficou claro que a criação de programas que dominam jogos como xadrez resultou em projetos de software que só se aplicavam a jogos como aqueles para os quais foram programados?

Embora o público em geral possa ter pensado que um mestre cibernético do xadrez também seria mais esperto do que as pessoas de outras maneiras, aqueles que criaram esses programas estavam bem cientes da distinção entre desenvolver software que exibia excelência em xadrez e desenvolver software que exibe a capacidade para aprender a jogar xadrez e desenvolver a excelência de forma interativa com os novatos.

O objetivo final sempre fora a inteligência geral de alta potência. Objetivos alcançáveis ​​a mais curto prazo foram criados para facilitar a demonstração de progresso aos investidores. Era a única maneira de manter um fluxo contínuo de financiamento de pesquisa por parte dos militares.

O primeiro marco foi dominar um único jogo sem aprendizado de máquina. Em seguida, a pesquisa se voltou para a construção do conhecimento do domínio, para que uma classe de soluções, adaptações e formas de planejamento pudesse ser realizada em tempo real durante a guerra. À medida que a dominação econômica se tornou mais preferível à dominação militar durante o terceiro quarto do século XX, a visão da IA ​​foi ampliada para abranger os domínios da economia e do gerenciamento de recursos naturais.

Considere esse espectro de maturidade de automação.

• Um programa que enumera as possibilidades atuais de sequência de movimentos em cada turno no jogo de xadrez, eliminando movimentos ruins prováveis ​​em cada ponto de movimento projetado e seleciona o próximo movimento com maior probabilidade de levar a uma vitória
• Um programa que faz o acima, mas também distorce a probabilidade com base no reconhecimento de padrões de estratégias conhecidas de xadrez vencedoras
• Um programa projetado para ser um mecanismo de regras otimizado em tempo de execução que centraliza e abstrai as operações redundantes do jogo de um jogo arbitrário e isola e agrega a representação de regras de xadrez, estratégias de xadrez e padrões e antipadrões de xadrez
• Um programa que, dado um conjunto de regras de um jogo, pode gerar uma próxima jogada com base em qualquer estado do jogo, lembra os resultados de sucesso e fracasso e as seqüências que os levaram a isso, e tem a capacidade de avaliar a provável perda ou ganho de movimentos individuais e os padrões de jogo no espaço e no tempo ao seu redor com base na história e, em seguida, aproveita essas habilidades para aprender um jogo arbitrário, atingindo o nível magistral de jogo de xadrez através da aprendizagem
• Um programa que aprende a aprender jogos, de modo que, depois de aprender vários jogos, ele pode aprender xadrez mais rápido do que um humano intelectualmente dotado

O primeiro é fácil. O último é extremamente desafiador.

Quando as distinções entre essas fases da maturidade da automação se tornaram aparentes e quão claras as pessoas se tornaram dessas distinções nas quais os grupos de pesquisa são uma função probabilística complexa.

Principais colaboradores

Quem foi a primeira pessoa a reconhecer a distinção entre inteligência geral semelhante à humana e inteligência específica de domínio?

Norbert Wiener foi provavelmente o primeiro a compreender profundamente a distinção entre controle eletrônico de relés (investigado teoricamente por Claude Shannon) e controle de circuito fechado. Em seu livro, Cybernetics, um trabalho principalmente matemático, ele estabeleceu precisamente a base para sistemas autocorretivos e adaptáveis. John von Neumann compreendeu a distinção entre programar um bom jogo e a capacidade humana de aprender um bom jogo e publicou muito sobre o assunto.

Foi Arthur Lee Samuel quem realmente escreveu a primeira demonstração impressionante da distinção entre software de jogo e aprendizado de máquina. Foi ele quem uniu o trabalho de Wiener ao computador digital contemporâneo e cunhou o termo Machine Learning.

Reapresentações distorcidas de pesquisa e inovação autênticas

As categorias inteligência estreita artificial (ANI), inteligência geral artificial (AGI) e super inteligência artificial (ASI), propostas em The AI ​​Revolution: The Road to Superintelligence pelo blogueiro Tim Urban (Huffington Post, THE BLOG, publicado em 10/10 / 2015, atualizado em 12/4/2015), é referenciado no AI Stack Exchange em vários locais, mas as distinções entre essas categorias não são definidas com precisão e as idéias contidas nela não são revisadas por pares nem validadas por outras pesquisas ou estatísticas.

O trabalho não é menos conjectural que a ficção científica medíocre - divertida o suficiente para ganhar popularidade, mas não conclusões racionais tiradas de experimentos repetíveis ou estudos randomizados. Os gráficos de tendências fornecidos no artigo são de forma inventada, não representações gráficas de dados reais.

Parte do material pode mais tarde ser encontrado com alguma verdade, como no caso de muitas interpretações leigas da pesquisa científica ou dos pensamentos futuristas dos autores de ficção científica. No entanto, grande parte do material leva a conceitos errôneos e falsas afirmações.

Espero que uma resposta muito precisa a essa pergunta seja perdida para as areias do tempo, embora eu espero que alguém possa dar essa resposta. Enquanto isso, aqui está uma pista: essa antologia de artigos de 2007 começa com a seguinte sinopse:

Nosso objetivo na criação deste volume editado tem sido preencher uma lacuna aparente na literatura científica, fornecendo uma apresentação coerente de um corpo de pesquisa contemporânea que, apesar de sua importância integral, até agora manteve um perfil muito baixo na área científica e científica. comunidade intelectual. Esse corpo de trabalho não recebeu um nome antes; neste livro, batizamos de "Inteligência Geral Artificial" (AGI). O que distingue o trabalho da AGI da pesquisa de “inteligência artificial” comum é que ele é explicitamente focado na engenharia da inteligência geral a curto prazo.

Mas, mesmo que essa seja a origem da frase específica "Inteligência Geral Artificial", tenho certeza de que as pessoas estavam fazendo a distinção entre técnicas de "inteligência geral" e "tarefas específicas" muito antes.

O artigo da Wikipedia sobre AGI também tem uma pista, onde afirma:

No entanto, no início dos anos 70, ficou óbvio que os pesquisadores subestimaram grosseiramente a dificuldade do projeto. As agências que financiaram a IA tornaram-se céticas em relação à IA forte e colocaram os pesquisadores sob crescente pressão para produzir tecnologia útil, ou "AI aplicada".

Essa seção cita este livro como suporte para essa afirmação. E, de fato, contém a seguinte verbosidade:

Embora a maioria dos fundadores da área de IA continue a buscar questões básicas de inteligência humana e de máquina, alguns de seus alunos e outros pesquisadores de segunda geração começaram a procurar maneiras de usar métodos e abordagens de IA para lidar com problemas do mundo real. Suas iniciativas foram importantes, não apenas por si só, mas também porque eram indicativas de uma mudança gradual, mas significativa, no ambiente de financiamento em direção a áreas de pesquisa mais aplicadas. O desenvolvimento de sistemas especialistas, como o DENDRAL da SAIL, fornece apenas um exemplo dessa tendência.

Dado que o DENDRAL começou por volta de 1965, parece que um corpo significativo de pesquisadores (ou pelo menos financiadores) ficou bastante ciente da distinção entre pesquisa em "inteligência geral" e "IA aplicada" em algum momento no final dos anos 60. Se você continuar lendo, outras passagens apóiam a noção de que a DARPA, em particular, começou a adotar uma abordagem mais "aplicada" à pesquisa em IA ao longo dos anos 70.

Portanto, não é uma resposta definitiva, mas parece que podemos dizer que a distinção era conhecida e levada em conta pelo menos em 1970, embora o uso exato do termo "inteligência geral artificial" pareça ser de cunhagem mais recente.

Em 1973, o governo britânico contratou Sir James Lighthill para encomendar uma "pesquisa geral" sobre o estado da inteligência artificial. Seu relatório foi uma condenação da pesquisa atual sobre IA, liderando uma onda de pessimismo entre os cientistas da IA ​​e o primeiro inverno da IA . Você pode ver o relatório de Lighthill (e as críticas contemporâneas a seu relatório) aqui , mas vou resumir os pontos-chave de Lighthill.

Sir James Lighthill dividiu a IA em três categorias:

1. Automação avançada - trabalho específico da tarefa
2. Pesquisa CNS baseada em computador - pesquisa sobre o "sistema nervoso central" dos seres humanos
3. A ponte entre a automação avançada e a pesquisa CNS baseada em computador. Essa ponte geralmente seria vista como robótica "de uso geral", então Lighthill também usaria o termo Robôs de Construção .

A automação avançada (ou "IA aplicada") é obviamente útil. A pesquisa do CNS por computador é útil porque queremos saber mais sobre a inteligência humana. Ambos os campos da IA ​​tiveram alguns sucessos, mas seus praticantes foram excessivamente otimistas, levando à decepção nesses campos. Sir James Lighthill ainda apoiava muito a pesquisa nesses dois campos.

Construindo robôs , por outro lado? Sir James Lighthill era muito hostil à idéia, provavelmente porque estava muito exagerado do que as outras duas categorias e produziu a menor quantidade de resultados valiosos.

Ele mencionou o xadrez em particular como um exemplo em que a pesquisa "robótica" falhou. Na época em que o relatório foi publicado, os mecanismos de jogo de xadrez estavam no nível de "padrão amador experiente característico dos jogadores de clubes do condado na Inglaterra". No entanto, esses mecanismos de xadrez dependiam de heurísticas feitas por seres humanos. Os motores não eram nada inteligentes ... eles apenas estavam seguindo as heurísticas criadas por seres humanos inteligentes . A única vantagem que os robôs trazem para a mesa é "velocidade, confiabilidade e licitabilidade", e mesmo isso não foi suficiente para vencer os mestres do xadrez.

Agora, hoje, provavelmente não trataríamos o xadrez como um exemplo de solução de problemas de propósito geral. Classificá-lo-emíamos com mais precisão como "automação avançada", um problema de "IA restrita", divorciado das implicações mais amplas do mundo real da solução geral de problemas. Mas Sir James Lighthill provavelmente concordaria conosco. Ele nunca usou o termo "IA restrita" e "AGI" (nenhum desses termos ainda existia), mas escreveria:

Em resumo, essa evidência e todo o restante estudado pelo atual autor sobre o trabalho de IA na categoria B nos últimos vinte e cinco anos é, de certa forma, encorajador sobre programas escritos para serem executados em domínios de problemas altamente especializados, quando a programação fica muito cheia conta os resultados da experiência humana e da inteligência humana no domínio relevante, mas é totalmente desencorajador sobre programas de uso geral que buscam imitar os aspectos de solução de problemas da atividade humana do SNC em um campo bastante amplo. Esse programa de propósito geral, o cobiçado objetivo de longo prazo da atividade de IA, parece tão remoto como sempre.

Sir James Lighthill acreditava que a única coisa que conecta a pesquisa de Automação Avançada e CNS baseada em computador é a existência da categoria "ponte" do Building Roobts . Mas ele é muito pessimista em relação a essa categoria realmente produzindo algo que vale a pena. Então, em vez disso, o campo da IA ​​deve dividir suas partes constituintes (automação e pesquisa). Qualquer robô construído pode ser especializado em seu subcampo ... seja de automação industrial ou de pesquisa no CNS. Tentar construir o Santo Graal do "programa de uso geral" seria inútil ... por enquanto, pelo menos.