Sir Winston Churchill commonly spoke of world war 2 as the “Wizard War”. Both the Allies as well as Axis powers were in a race to get the electronic advantage over each other on the battlefield. lots of technologies were born during this time around – one of them being the capability to decipher coded messages. The gadgets that were able to accomplish this accomplishment were the precursors to the contemporary computer. In 1946, the us armed forces established the ENIAC, or electronic Numerical Integrator as well as Computer. utilizing over 17,000 vacuum tubes, the ENIAC was a few orders of magnitude quicker than all previous electro-mechanical computers. The part that ecstatic lots of scientists, however, was that it was programmable. It was the concept of a programmable computer that would provide increase to the concept of man-made intelligence (AI).
As time marched forward, computers ended up being smaller as well as faster. The creation of the transistor semiconductor provided increase to the microprocessor, which accelerated the advancement of computer programming. AI began to pick up steam, as well as pundits began to make grand declares of exactly how computer intelligence would soon surpass our own. Programs like ELIZA as well as blocks world fascinated the public as well as definitely provided the understanding that when computers ended up being faster, as they definitely would in the future, they would be able to believe like humans do.
But it soon ended up being remove that this would not be the case. While these as well as lots of other AI programs were great at what they did, neither they, or their algorithms were adaptable. They were ‘smart’ at their specific task, as well as might even be thought about intelligent judging from their behavior, however they had no comprehending of the task, as well as didn’t hold a candle to the intellectual abilities of even a normal lab rat, let alone a human.
Redes neuronales
As AI faded into the sunset in the late 1980s, it enabled Neural Network researchers to get some much needed funding. Neural networks had been around considering that the 1960s, however were actively squelched by the AI researches. Starved of resources, not much was heard of neural nets up until it ended up being evident that AI was not living as much as the hype. Unlike computers – what original AI was based on – neural networks do not have a processor or a central place to store memory.
Deep Blue computer
Neural networks are not programmed like a computer. They are linked in a method that provides them the capability to discover its inputs. In this way, they are similar to a mammal brain. After all, in the huge photo a brain is just a lot of neurons linked together in extremely certain patterns. The resemblance of neural networks to brains gained them the interest of those disillusioned with computer based AI.
In the mid-1980s, a business by the name of NETtalk developed a neural network that was able to, on the surface at least, discover to read. It was able to do this by discovering to map patterns of letters to spoken language. After a bit time, it had discovered to speak private words. NETtalk was marveled as a victory of human ingenuity, catching news headlines around the world. however from an engineering point of view, what it did was not tough at all. It did not comprehend anything. It just matched patterns with sounds. It did learn, however, which is something computer based AI had much problem with.
Eventually, neural networks would experience a similar fate as computer based AI – a great deal of hype as well as interest, only to fade after they were not able to create what people expected.
A new Century
The shift into the 21st century saw bit in the advancement of AI. In 1997, IBMs Deep Blue made short headlines when it beat [Garry Kasparov] at his own game in a series of chess matches. however Deep Blue did not win since it was intelligent. It won since it was just faster. Deep Blue did not comprehend chess the exact same method a calculator does not comprehend math.
Example of Google’s Inceptionism. The picture is taken from the middle of the hierarchy during visual recognition.
Modern times have seen much of the exact same technique to AI. Google is utilizing neural networks integrated with a hierarchical structure as well as has made some fascinating discoveries. one of them is a process called Inceptionism. Neural networks are promising, however they still show no remove path to a true man-made intelligence.
IBM’s Watson was able to finest a few of Jeopardy’s top players. It’s simple to believe of Watson as ‘smart’, however nothing might be additionally from the truth. Watson retrieves its answers by means of browsing terabytes of info extremely quickly. It has no capability to really comprehend what it’s saying.
One can suggest that the process of trying to produce AI throughouT Los años han influido exactamente en cómo lo definemos, incluso hasta el día de hoy. Aunque todos nosotros estamos de acuerdo en lo que significa el término “artificial”, definiendo qué “inteligencia” realmente proporciona una capa más en el rompecabezas. Realizar exactamente cómo se definió la inteligencia en el pasado, nos proporcionará una idea exactamente de cómo hemos logrado lograrlo.
Alan Turing, así como la habitación china.
Alan Turing, Papi a la computación contemporánea, estableció una prueba básica para averiguar si una computadora era inteligente. Se entiende como la prueba de Turing, además de que va algo así: si una computadora puede conversar con un humano tal que el humano cree que él o ella está conversando con un humano más, entonces uno puede indicar que la computadora imitó a un humano, también. Como se puede indicar para poseer inteligencia. El programa ELIZA señaló por encima de un puñado de personas con esta prueba. El significado de inteligencia de Turing se basa en hábitos, así como fue aceptado por muchos años. Esto se modificaría en 1980, cuando John Searle presentó su argumento de espacio chino.
Considere un tipo de habla inglesa encerrada en una habitación. En el espacio hay un escritorio, así como en ese escritorio es un gran libro. El libro está escrito en inglés, así como tiene instrucciones sobre cómo manipular los personajes chinos. Él no entiende lo que significa ningún tipo de TI, sin embargo, es capaz de cumplir con las instrucciones. Alguien luego resbala un pedazo de papel debajo de la puerta. En el documento hay una historia, así como las preocupaciones sobre la historia, todas escritas en chino. El tipo no comprende una palabra de ella, sin embargo, es capaz de utilizar su libro para manipular a los personajes chinos. Esto llena las preocupaciones que utilizan su libro, así como pasa el papel de vuelta debajo de la puerta.
La persona que habla china en el otro lado lee las respuestas, así como las cifras, todas son correctas. Ella se refiere a la idea final de que el tipo en el espacio comprende chino. Sin embargo, es evidente para nosotros que el tipo no comprende chino. Entonces, ¿cuál es el punto del experimento creído?
El chico es un procesador. El libro es un programa. El papel debajo de la puerta es la entrada. El procesador aplica el programa a la entrada, así como crea una salida. Este experimento básico creído muestra que una computadora nunca se puede pensar en inteligente, ya que nunca puede comprender lo que está haciendo. Solo está cumpliendo con las instrucciones. La inteligencia se encuentra con el autor del libro o el programador. No es el tipo o el procesador.
Un nuevo significado de inteligencia.
En toda la búsqueda de la AI de la humanidad, ha sido, así como la activamente, está tratando de encontrar hábitos como un significado para la inteligencia. Sin embargo, John Searle nos ha mostrado exactamente cómo una computadora puede crear hábitos inteligentes, así como aún no ser inteligentes. ¿Exactamente cómo puede ser inteligente el tipo o procesador si no comprende lo que está haciendo?
Todo lo anterior se ha declarado para dibujar una línea de eliminación entre hábitos, así como la comprensión. La inteligencia simplemente no puede ser definida por el comportamiento. Los hábitos son una manifestación de inteligencia, así como nada más. ENVIAR MIENTRE MIENTRAS EN UNA SALA OSCURA. Puedes pensar, así como son como resultado inteligentes. Sin embargo, no estás creando ningún tipo de comportamiento.
La inteligencia debe ser definida por la capacidad de entender. [Jeff Hawkins], autor de la inteligencia, ha establecido un método para hacer esto con la predicción. El teléfono lo llama el marco de predicción de memoria. Imagine un sistema que esté tratando regularmente de anticipar lo que ocurrirá a continuación. Cuando se cumple una predicción, la función está satisfecha. Cuando no se cumple una predicción, el enfoque se dirige a la anomalía hasta que se pueda predecir. Por ejemplo, escuchas el jingle del collar de tu mascota mientras estás sentado en tu escritorio. Usted pasa hacia la puerta, predecirá que verá a su mascota. Mientras se cumpla esta predicción, sea lo que sea normal. Es probable que esté desinformado de hacer esto. Sin embargo, si se viole la predicción, aplaza la situación, así como usted, así como usted, se verá para descubrir por qué no vio a su mascota.
Este proceso de tratar regularmente de anticipar su atmósfera le permite comprenderla. La predicción es la esencia de la inteligencia, no el comportamiento. Si podemos programar una computadora o red neuronal para cumplir con el paradigma de predicción, puede comprender realmente su entorno. Así, así como es esta comprensión que hará que el fabricante sea inteligente.
Así que ahora es tu turno. ¿Exactamente cómo definirías la ‘inteligencia’ en AI?