क्या तंत्रिका नेटवर्क और इसके वेरिएंट असली कृत्रिम बुद्धि तक पहुंचने का एकमात्र तरीका हैं?


10

मेरे ज्ञान के अनुसार अधिकांश वर्तमान कृत्रिम बुद्धिमत्ता अध्ययन किसी न किसी तरह के तंत्रिका नेटवर्क या इसके प्रकारों का उपयोग करता है। एक अच्छा उदाहरण होगा दीपमिन्द का अल्फ़ाज़ो जो मेरा मानना ​​है कि एक गहन तंत्रिका नेटवर्क है, दृष्टि के लिए सीएनएन, पाठ, संगीत और अन्य आदेशित विशेषताएं आरएनएन, आदि। लेकिन मशीन सीखने के आवेदन के लिए हमारे पास तंत्रिका नेटवर्क, समर्थन वेक्टर मशीन, यादृच्छिक वन, प्रतिगमन के तरीके हैं। , आदि अनुप्रयोगों के लिए उपलब्ध है।

तो तंत्रिका नेटवर्क और इसके वेरिएंट "सच्चे" कृत्रिम बुद्धि तक पहुंचने का एकमात्र तरीका है?

जवाबों:


13

अगर सही AI से आपका मतलब 'इंसानों की तरह' है, तो इसका जवाब है- कोई भी नहीं जानता कि उपयुक्त कम्प्यूटेशनल मैकेनिज्म (तंत्रिका या अन्यथा) क्या हैं या वास्तव में हम उन्हें बनाने में सक्षम हैं या नहीं।

कृत्रिम तंत्रिका जाल (एएनएन) जो करते हैं वह अनिवार्य रूप से 'नॉनलाइनियर रिग्रेशन' है - शायद यह मानवीय व्यवहार को व्यक्त करने के लिए पर्याप्त रूप से मजबूत मॉडल नहीं है।

एएनएन की 'यूनिवर्सल फ़ंक्शन सन्निकटन' संपत्ति के बावजूद, क्या होगा अगर मानव बुद्धि भौतिक दुनिया के कुछ अभी तक-अनछुए तंत्र पर निर्भर करती है?

"एकमात्र तरीका" के बारे में आपके प्रश्न के संबंध में: भले ही (भौतिक) तंत्रिका तंत्र वास्तव में बुद्धिमत्ता का एकमात्र मार्ग था (जैसे कि पेनरोज़ क्वांटम माइक्रोट्यूबुल्स के माध्यम से), यह कैसे साबित किया जा सकता है?

गणित की औपचारिक दुनिया में भी, एक कहावत है कि "गैर-अस्तित्व के प्रमाण कठिन हैं"। यह स्पष्ट रूप से बोधगम्य लगता है कि, भौतिक दुनिया में, यह प्रदर्शित करना संभव होगा कि खुफिया किसी अन्य तंत्र द्वारा उत्पन्न नहीं हो सकता है।

कम्प्यूटेशनल सिस्टम पर वापस जाते हुए, ध्यान दें कि स्टीफन वोल्फ्राम ने अपनी पुस्तक 'ए न्यू काइंड ऑफ साइंस' में दिलचस्प अवलोकन किया था कि उनके द्वारा देखे गए कई स्पष्ट रूप से अलग-अलग तंत्र 'यूनिवर्सल कम्प्यूटेशन' में सक्षम प्रतीत होते हैं, इसलिए इस अर्थ में बहुत कुछ नहीं है विशेष रूप से ANN के बारे में।


4

यह इस बात पर निर्भर करता है कि आप "सच्ची कृत्रिम बुद्धिमत्ता" को क्या मानते हैं। लेकिन इसका मतलब शायद इंसान की तरह सोचने में सक्षम होना है - और शायद, इसे और अधिक तर्कसंगत तरीके से करना है, क्योंकि मानव मस्तिष्क में भावना अनुपात से पहले आती है।

ऐसा लगता है कि एक तंत्रिका नेटवर्क, या एक आनुवंशिक एल्गोरिथ्म जो तंत्रिका नेटवर्क विकसित करता है, निकटतम तरीका है - मनुष्यों की नकल करना।

हालांकि, इसके लिए पारंपरिक प्रतिवाद यह है कि हमने उड़ान के साथ ऐसा ही करने की कोशिश की। हमने प्रकृति की नकल करने की कोशिश की, पक्षियों की नकल की - पंख फड़फड़ा कर उड़ने की कोशिश की। लेकिन आखिरकार हमने ऐसे हवाई जहाज बनाए जो अपने पंखों को फड़फड़ाने पर निर्भर नहीं थे।

ऐ में, वायुगतिकी की तुलना में कहीं अधिक चर हैं। इसलिए यह काफी संभावना है कि तंत्रिका नेटवर्क की तुलना में अन्य तरीकों से मानव जैसी बुद्धि प्राप्त की जा सकती है।

अंत में, तंत्रिका नेटवर्क मशीन सीखने का एक तरीका है। दूसरों के लिए, जो सीखा जा सकता है और नहीं सीखा जा सकता है, के लिए सभी नियम हैं। (कम्प्यूटेशनल लर्निंग थ्योरी नामक एक क्षेत्र है जो इसे कवर करता है)।

यद्यपि यह सीखने की प्रणालियों से आगे बढ़ना संभव है कि COLT के अनुसार क्या सीखा जा सकता है, इसका मतलब यह है कि इस तरह के एक शिक्षण प्रणाली - तंत्रिका नेटवर्क या अन्यथा - अनिवार्य रूप से त्रुटिपूर्ण है, और एक बिंदु या किसी अन्य पर गलत निष्कर्ष निकालेंगे।


3

इसका उत्तर देने का कोई भी मौका देने के लिए, आपको पहले "सच्ची कृत्रिम बुद्धिमत्ता" की कठोर परिभाषा की आवश्यकता होगी, जो हमारे पास नहीं है। और यहां तक ​​कि अगर आपके पास था, तो सबसे अच्छा जवाब शायद "कोई नहीं जानता।" हम यह भी नहीं समझ पाते हैं कि मानव बुद्धि (जो कि बुद्धिमत्ता का सर्वश्रेष्ठ मॉडल है, जिसका अध्ययन करने के लिए हमारे पास उपलब्ध है) काम करता है। हम जो कुछ भी जानते हैं (या सोचते हैं कि हम जानते हैं) वह यह है कि एएनएन मस्तिष्क समारोह की एक बहुत ही सतही प्रतिकृति है। यह पता चल सकता है कि वे "सही कृत्रिम बुद्धिमत्ता" को प्राप्त करने के लिए बिल्कुल गलत रास्ता हैं, हालांकि मुझे उम्मीद है कि ज्यादातर लोग आश्चर्यचकित होंगे अगर यह मामला निकला।

अगर कुछ अन्य तकनीक उभरती है जो एएनएन से बेहतर है, या यदि यह पता चले कि आपको तकनीकों का एक समूह चाहिए तो क्या होगा, तो शायद इतना आश्चर्य की बात नहीं होगी। व्यक्तिगत रूप से मुझे लगता है कि यह स्व-स्पष्ट के करीब है कि मस्तिष्क काफी हद तक एक संभावित फैशन में काम करता है, लेकिन यह भी स्पष्ट है कि हम कभी-कभी प्रतीकात्मक प्रसंस्करण / आगमनात्मक तर्क / नियमों / आदि का उपयोग करते हैं और अभी, एएनएन आपको बहुत कुछ नहीं देते हैं तर्क, कटौती, आदि का तरीका तो हम अंततः पा सकते हैं कि हमें एएनएन जैसी अन्य तकनीकों के साथ एक संभाव्य दृष्टिकोण को जोड़ना होगा - शायद प्रेरक तर्क प्रोग्रामिंग या उस प्रकृति का कुछ।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.