सूचि
यह सूची मिशिगन विश्वविद्यालय में इंजीनियरिंग, कंप्यूटर और सूचना विज्ञान के प्रोफेसर ब्रूस मैक्सिम से निकलती है। सीआईएस 479 1 के लिए उनके व्याख्यान वसंत 1998 के नोटों में , निम्नलिखित सूची को बुलाया गया था,
"आर्टिफिशियल इंटेलिजेंस के लिए अच्छी समस्याएं।"
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
इसके बाद से यह विकसित हुआ है।
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
यह क्या है
उनकी सूची कभी भी एआई समस्या श्रेणियों की सूची के रूप में समाधान दृष्टिकोण या ए के लिए प्रारंभिक शाखा बिंदु के रूप में नहीं थी, "एक संतोषजनक समाधान खोजने की प्रक्रिया को गति देने के लिए डिज़ाइन किया गया हेयुरिस्टिक तकनीक।"
मैक्सिम ने कभी भी इस सूची को अपने अकादमिक प्रकाशनों में शामिल नहीं किया, और इसके कारण हैं।
सूची विषम है। इसमें विधियाँ, वैश्विक विशेषताएँ, चुनौतियाँ और वैचारिक दृष्टिकोण एक सूची में सम्मिलित हैं जैसे कि वे तत्वों की तरह हों। यह "एआई के लिए अच्छी समस्याएं," की सूची के लिए एक कमी नहीं है, लेकिन एआई समस्या विशेषताओं या श्रेणियों के एक औपचारिक बयान के रूप में, इसमें आवश्यक कठोरता का अभाव है। मैक्सिम निश्चित रूप से इसे "7 एआई समस्या विशेषताओं" सूची के रूप में प्रतिनिधित्व नहीं करता था।
यह निश्चित रूप से नहीं है, "7 एआई समस्या विशेषताओं," सूची।
क्या कोई श्रेणी या विशेषता सूची हैं?
एआई समस्याओं के लिए कोई अच्छी श्रेणी सूची नहीं है क्योंकि अगर कोई एक बना तो उन लाखों समस्याओं में से एक के बारे में सोचना आसान होगा जो मानव दिमागों ने हल की हैं जो किसी भी श्रेणी में फिट नहीं होती हैं या दो की सीमाओं पर नहीं बैठती हैं या अधिक श्रेणियां।
यह एक समस्या विशेषताओं की सूची विकसित करने के लिए बोधगम्य है, और यह एआई सूची के लिए मैक्सिम की अच्छी समस्याओं से प्रेरित हो सकता है। प्रारंभिक दृष्टिकोण सूची विकसित करना भी बोधगम्य है। फिर पहली सूची में विशेषताओं से तीर खींच सकते हैं, दूसरी सूची में दृष्टिकोण के लिए सर्वोत्तम संभावनाएं। अगर बड़े पैमाने पर और सख्ती से निपटा जाए तो यह प्रकाशन के लिए एक अच्छा लेख होगा।
दृष्टिकोणों की सूची के लिए एक प्रारंभिक उच्च स्तरीय चरित्र
यहां उन सवालों की एक सूची है जो एक अनुभवी AI वास्तुकार एक दृष्टिकोण का चयन करने से पहले उच्च स्तरीय सिस्टम आवश्यकताओं को स्पष्ट करने के लिए कह सकता है।
- क्या यह कार्य अनिवार्य रूप से स्थिर है कि एक बार संचालित होने के बाद इसे किसी महत्वपूर्ण समायोजन की आवश्यकता नहीं है? यदि यह मामला है, तो AI सिस्टम के डिजाइन, निर्माण और विन्यास में सबसे अधिक उपयोगी हो सकता है (संभवतः इसके मापदंडों के प्रशिक्षण सहित)।
- यदि नहीं, तो क्या यह कार्य अनिवार्य रूप से एक तरह से परिवर्तनशील है, जिसे 20 वीं सदी की शुरुआत में विकसित किया गया नियंत्रण सिद्धांत विचरण के अनुकूल बना सकता है? यदि ऐसा है, तो AI भी खरीद में समान रूप से उपयोगी हो सकता है।
- यदि नहीं, तो सिस्टम के पास पर्याप्त नॉनलाइन और अस्थायी जटिलता हो सकती है, जिसके लिए बुद्धिमत्ता की आवश्यकता हो सकती है। फिर सवाल यह हो जाता है कि क्या यह घटना बिल्कुल नियंत्रित है। यदि ऐसा है, तो एआई तकनीकों को तैनाती के बाद वास्तविक समय में नियोजित किया जाना चाहिए।
वास्तुकला के लिए प्रभावी दृष्टिकोण
यदि कोई आइसोलेशन में डिज़ाइन, फैब्रिकेशन और कॉन्फिगरेशन स्टेप्स को फ्रेम करता है, तो एआई की भूमिका क्या हो सकती है, यह निर्धारित करने के लिए एक ही प्रक्रिया का पालन किया जा सकता है, और यह रिकर्सिवली किया जा सकता है क्योंकि एक विचारों के समग्र प्रोडक्शन को एक चीज़ के डिजाइन की तरह नीचे करता है। कंप्यूटर दृष्टि के एक विशेष चरण में उपयोग करने के लिए ए-टू-डी कनवर्टर, या कन्वेक्शन कर्नेल आकार।
एआई के साथ अन्य नियंत्रण प्रणाली के डिजाइन के रूप में, अपने उपलब्ध इनपुट और अपने वांछित आउटपुट का निर्धारण करें और बुनियादी इंजीनियरिंग अवधारणाओं को लागू करें। यह सोचना कि विशेषज्ञ प्रणालियों या कृत्रिम जाल के कारण इंजीनियरिंग अनुशासन बदल गया है, कम से कम अब के लिए एक गलती है।
नियंत्रण प्रणाली इंजीनियरिंग में कुछ भी महत्वपूर्ण रूप से नहीं बदला गया है क्योंकि एआई और नियंत्रण प्रणाली इंजीनियरिंग एक आम उत्पत्ति साझा करते हैं। हमारे पास बस अतिरिक्त घटक हैं जिनसे हम डिजाइन, निर्माण और गुणवत्ता नियंत्रण में नियोजित करने के लिए अतिरिक्त सिद्धांत का चयन कर सकते हैं।
रैंक, आयाम और टोपोलॉजी
एक एआई सिस्टम के भीतर सिग्नल, टेंसर्स, और संदेशों के रैंक और आयामों के बारे में, कार्टेशियन डायनेमिटी हमेशा आंतरिक की असतत गुणों को चिह्नित करने के लिए सही अवधारणा नहीं है क्योंकि हम मानव मस्तिष्क के विभिन्न मानसिक गुणों के सिमुलेशन का दृष्टिकोण रखते हैं। टोपोलॉजी अक्सर गणित का प्रमुख क्षेत्र है जो सबसे सही ढंग से विभिन्न प्रकार के मॉडल दिखाते हैं जिन्हें हम मानव बुद्धि में देखते हैं जो हम सिस्टम में कृत्रिम रूप से विकसित करना चाहते हैं।
अधिक दिलचस्प बात यह है कि टोपोलॉजी नए प्रकार की बुद्धिमत्ता विकसित करने की कुंजी हो सकती है, जिसके लिए न तो कंप्यूटर और न ही मानव दिमाग अच्छी तरह से सुसज्जित हैं।
संदर्भ
http://groups.umd.umich.edu/cis/course.des/cis479/lectures/htm.zip
