A lista
Esta lista é originária de Bruce Maxim, professor de engenharia, ciência da computação e informação da Universidade de Michigan. Em sua palestra, notas da primavera de 1998 para a CIS 479 1 , a seguinte lista foi chamada:
"Bons problemas para inteligência artificial".
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
Desde então, evoluiu para isso.
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
O que é isso
Sua lista nunca pretendeu ser uma lista de categorias de problemas de IA como um ponto inicial inicial para abordagens de solução ou uma "técnica heurística projetada para acelerar o processo de encontrar uma solução satisfatória".
Maxim nunca adicionou essa lista a nenhuma de suas publicações acadêmicas, e há razões para isso.
A lista é heterogênea. Ele contém métodos, características globais, desafios e abordagens conceituais misturadas em uma lista como se fossem elementos. Isso não é uma lacuna para uma lista de "Bons problemas para IA", mas como uma declaração formal das características ou categorias dos problemas de IA, falta o rigor necessário. Maxim certamente não o representou como uma lista de "7 características do problema da IA".
Certamente não é uma lista de "7 características do problema da IA".
Há alguma categoria ou lista de características?
Não existe uma boa lista de categorias para os problemas de IA, porque se alguém os criasse, seria fácil pensar em um dos milhões de problemas que os cérebros humanos resolveram que não se encaixam em nenhuma das categorias ou se situam nos limites de duas. ou mais categorias.
É concebível desenvolver uma lista de características do problema e pode ser inspirada na lista de bons problemas para IA da Maxim. Também é concebível desenvolver uma lista de abordagens iniciais. Em seguida, pode-se desenhar setas das características da primeira lista para as melhores perspectivas de abordagens na segunda lista. Isso daria um bom artigo para publicação se tratado de maneira abrangente e rigorosa.
Uma lista inicial de características de alto nível para abordagens
Aqui está uma lista de perguntas que um arquiteto de IA experiente pode fazer para elucidar requisitos de sistema de alto nível antes de selecionar uma abordagem.
- A tarefa é essencialmente estática, uma vez que, uma vez operada, é provável que não exija ajustes significativos? Se esse for o caso, a IA pode ser mais útil no design, fabricação e configuração do sistema (incluindo potencialmente o treinamento de seus parâmetros).
- Caso contrário, a tarefa é essencialmente variável de uma maneira que a teoria de controle desenvolvida no início do século 20 possa adaptar-se à variação? Nesse caso, a IA também pode ser igualmente útil nas compras.
- Caso contrário, o sistema poderá possuir complexidade não linear e temporal suficiente para que a inteligência seja necessária. Então a questão passa a ser se o fenômeno é controlável. Nesse caso, as técnicas de IA devem ser empregadas em tempo real após a implantação.
Abordagem eficaz à arquitetura
Se enquadrarmos as etapas de design, fabricação e configuração de maneira isolada, o mesmo processo poderá ser seguido para determinar qual papel a IA pode desempenhar, e isso pode ser feito de forma recursiva, pois decompõe a produção geral de idéias em coisas como o design de um Conversor A para D ou o tamanho do kernel de convolução a ser usado em um estágio específico da visão por computador.
Assim como em outros projetos de sistemas de controle, com a AI, determine as entradas disponíveis e a saída desejada e aplique os conceitos básicos de engenharia. Pensar que a disciplina de engenharia mudou por causa de sistemas especializados ou redes artificiais é um erro, pelo menos por enquanto.
Nada mudou significativamente na engenharia de sistemas de controle porque a IA e a engenharia de sistemas de controle compartilham uma origem comum. Temos apenas componentes adicionais a partir dos quais podemos selecionar uma teoria adicional a ser empregada no projeto, construção e controle de qualidade.
Classificação, dimensionalidade e topologia
Em relação à classificação e dimensões dos sinais, tensores e mensagens dentro de um sistema de IA, a dimensionalidade cartesiana nem sempre é o conceito correto para caracterizar as qualidades discretas dos internos à medida que abordamos simulações de várias qualidades mentais do cérebro humano. A topologia é frequentemente a área principal da matemática que modela mais corretamente os tipos de variedade que vemos na inteligência humana que desejamos desenvolver artificialmente nos sistemas.
Mais interessante, a topologia pode ser a chave para o desenvolvimento de novos tipos de inteligência para os quais nem os computadores nem os cérebros humanos estão bem equipados.
Referências
http://groups.umd.umich.edu/cis/course.des/cis479/lectures/htm.zip
