AI-полный

Термин, описывающий сложные проблемы в области искусственного интеллекта.

В области искусственного интеллекта (ИИ) задачи, для решения которых предположительно потребуется общий искусственный интеллект, неофициально известны как AI-полные или AI-сложные . ^[1] Называя проблему AI-полной, отражает убеждение, что ее невозможно решить с помощью простого конкретного алгоритма.

В прошлом задачи, которые считались полными для ИИ, включали компьютерное зрение , понимание естественного языка и умение справляться с непредвиденными обстоятельствами при решении любой реальной проблемы. ^[2] AI-complete считался особенно полезным для проверки присутствия людей, как и цель CAPTCHA , а также в компьютерной безопасности для обхода атак методом перебора . ^{[3] [4]}

История

Термин был придуман Фаней Монтальво по аналогии с NP-полной и NP-трудной в теории сложности , формально описывающей самый известный класс сложных задач. ^[5] Впервые этот термин использовался в докторской диссертации Эрика Мюллера 1987 года ^[6] и в «Жаргонном файле » Эрика Рэймонда 1991 года . ^[7]

Экспертные системы , которые были популярны в 1980-х годах, были способны решать очень простые и/или ограниченные версии задач, полных ИИ, но никогда в их полной общности. Когда исследователи ИИ пытались «масштабировать» свои системы для решения более сложных реальных ситуаций, программы имели тенденцию становиться чрезмерно хрупкими без здравого смысла или элементарного понимания ситуации: они терпели неудачу из-за непредвиденных обстоятельств, выходящих за рамки исходной проблемы. контекст начнет проявляться. Когда люди сталкиваются с новыми ситуациями в мире, им помогает понимание общего контекста: они знают, что происходит вокруг них, почему они здесь, что они, вероятно, будут делать и так далее. Они могут распознавать необычные ситуации и соответствующим образом приспосабливаться. Экспертным системам не хватало такой адаптивности, и они были хрупкими при столкновении с новыми ситуациями. ^[8]

В мае 2022 года DeepMind опубликовала работу, в которой они обучили одну модель выполнять несколько дел одновременно. Модель под названием Gato может «играть в Atari, использовать изображения подписей, общаться в чате, складывать блоки с помощью настоящей руки робота и многое другое, принимая, исходя из контекста, решение о том, выводить ли текст, крутящие моменты суставов, нажатия кнопок или другие токены». ^[9] Аналогичным образом, некоторые задачи, которые когда-то считались ИИ-полными, например машинный перевод, ^[10] входят в число возможностей больших языковых моделей . ^[11]

AI-полные проблемы

Предполагается, что проблемы, связанные с искусственным интеллектом, включают:

• Рецензирование искусственного интеллекта ^[12] (комплексное понимание естественного языка , автоматизированное рассуждение , автоматическое доказательство теорем , формализованная логическая экспертная система )
• Проблемы Бонгарда ^[13]
• Компьютерное зрение (и подзадачи, такие как распознавание объектов ) ^[14]
• Понимание естественного языка (и подзадачи, такие как анализ текста , ^[15] машинный перевод , ^[16] и устранение смысловой неоднозначности ^[17] )
• Автономное вождение ^[18]
• Работа с непредвиденными обстоятельствами при решении любой реальной проблемы ^[19] , будь то навигация , планирование или даже рассуждения, выполняемые экспертными системами . ^{[ нужна цитата ]}

Формализация

Теория вычислительной сложности занимается относительной вычислительной сложностью вычислимых функций . По определению, он не охватывает проблемы, решение которых неизвестно или не охарактеризовано формально. Поскольку многие проблемы ИИ еще не формализованы, традиционная теория сложности не позволяет формально определить ИИ-полноту.

Исследовать

Роман Ямпольский ^[20] предполагает, что проблема является AI-полной, если она имеет два свойства: ${\displaystyle C}$

• Он находится в наборе задач ИИ (решаемых Human Oracle).
• Любую задачу ИИ можно преобразовать с помощью некоторого алгоритма с полиномиальным временем. ${\displaystyle C}$

С другой стороны, проблема является AI-сложной тогда и только тогда, когда существует AI-полная задача , которая сводится по Тьюрингу к полиномиальному времени . Как следствие, это также приводит к существованию задач AI-Easy , которые можно решить за полиномиальное время с помощью детерминированной машины Тьюринга с оракулом для некоторой проблемы. ${\displaystyle H}$ ${\displaystyle C}$ ${\displaystyle H}$

Ямпольский ^[21] также предположил, что тест Тьюринга является определяющим признаком полноты ИИ.

Гропп и Джайн ^[22] классифицируют проблемы, которые требуют искусственного общего интеллекта для достижения производительности машины на уровне человека, как ИИ-полные, в то время как только ограниченные версии ИИ-полных задач могут быть решены с помощью существующих систем ИИ. По мнению Шекрста ^[23] , получение полиномиального решения задач, полных по ИИ, не обязательно будет равно решению проблемы общего искусственного интеллекта, при этом он подчеркивает, что отсутствие исследований вычислительной сложности является ограничивающим фактором на пути к достижению общего искусственного интеллекта.

По мнению Кви-Бинторо и Велеса ^[24] решение проблем, связанных с искусственным интеллектом, будет иметь серьезные последствия для общества.

Смотрите также

• ASR-полный
• Список нерешенных проблем информатики
• Синтетический интеллект
• Практикопоэз

Рекомендации

1. Шапиро, Стюарт К. (1992). Искусственный интеллект. Архивировано 1 февраля 2016 г. в Wayback Machine . Стюарт К. Шапиро (ред.), Энциклопедия искусственного интеллекта (второе издание, стр. 54–57). Нью-Йорк: Джон Уайли. (Раздел 4 посвящен «Заданиям, выполняемым ИИ».)
2. Ямпольский, Роман (январь 2013 г.). «Тест Тьюринга как определяющая черта полноты ИИ» (PDF) . Искусственный интеллект, эволюционные вычисления и метаэвристика . Архивировано из оригинала (PDF) 22 мая 2013 г.
3. Луис фон Ан, Мануэль Блюм, Николас Хоппер и Джон Лэнгфорд. CAPTCHA: использование сложных задач искусственного интеллекта для обеспечения безопасности. Архивировано 4 марта 2016 г. на Wayback Machine . В материалах Eurocrypt, Vol. 2656 (2003), стр. 294–311.
4. Бергмайр, Ричард (7 января 2006 г.). «Стеганография естественного языка и «полный ИИ» примитив безопасности». CiteSeerX 10.1.1.105.129 .  {{cite journal}}: Цитировать журнал требует |journal=( помощь ) (неопубликовано?)
5. Мэллери, Джон К. (1988), «Размышления о внешней политике: поиск подходящей роли для компьютеров с искусственным интеллектом», Ежегодное собрание Ассоциации международных исследований 1988 года, Сент-Луис, Миссури, заархивировано из оригинала в 2008 году. 29 февраля , получено 27 апреля 2007 г.{{citation}}: CS1 maint: location missing publisher (link).
6. Мюллер, Эрик Т. (1987, март). Мечты и вычисления (технический отчет CSD-870017). Архивировано 30 октября 2020 г. в докторской диссертации Wayback Machine , Калифорнийский университет, Лос-Анджелес. («Мечтание - это всего лишь еще одна проблема , полная ИИ : если бы мы могли решить любую проблему искусственного интеллекта, мы могли бы решить и все остальные», стр. 302)
7. Раймонд, Эрик С. (1991, 22 марта). Файл жаргона, версия 2.8.1. Архивировано 4 июня 2011 г. на Wayback Machine (определение «AI-complete» впервые добавлено в файл жаргона.)
8. Ленат, Дуглас ; Гуха, Р.В. (1989), Создание больших систем, основанных на знаниях , Аддисон-Уэсли, стр. 1–5.
9. "Агент широкого профиля". www.deepmind.com . Архивировано из оригинала 2 августа 2022 г. Проверено 26 мая 2022 г.
10. Кац, Миранда. «Добро пожаловать в эпоху коллег по искусственному интеллекту | Обратный канал». Проводной . ISSN  1059-1028 . Проверено 28 апреля 2024 г.
11. «Раскрытие возможностей больших языковых моделей (LLM)» . www.unite.ai . Проверено 28 апреля 2024 г.
12. Стоктон, Ник. «Если ИИ может исправить экспертную оценку в науке, ИИ может сделать что угодно». Проводной . ISSN  1059-1028 . Проверено 27 апреля 2024 г.
13. Шекрст, Кристина (2020), Сканси, Сандро (редактор), «Полнота искусственного интеллекта: использование глубокого обучения для устранения человеческого фактора», Руководство по основам глубокого обучения: логические, исторические и философские перспективы , Чам: Springer International Publishing, стр. 117–130, doi : 10.1007/978-3-030-37591-1_11, ISBN. 978-3-030-37591-1, получено 25 марта 2024 г.
14. Страт, Томас М.; Челлаппа, Рама; Патель, Вишал М. (2020). «Зрение и робототехника». Журнал ИИ . 42 (2): 49–65. дои : 10.1609/aimag.v41i2.5299 . S2CID  220687545 – через коллекцию ABI/INFORM.
15. Крестель, Ральф; Арас, Хидир; Андерссон, Линда; Пирой, Флорина; Хэнбери, Аллан; Альдеруччи, Дин (6 июля 2022 г.). «3-й семинар по патентному анализу текста и семантическим технологиям (PatentSemTech2022)». Материалы 45-й Международной конференции ACM SIGIR по исследованиям и разработкам в области информационного поиска . Мадрид, Испания: ACM. стр. 3474–3477. дои : 10.1145/3477495.3531702. ISBN 978-1-4503-8732-3. S2CID  250340282. Архивировано из оригинала 15 апреля 2023 г. Проверено 15 апреля 2023 г.
16. Оринич, Петр (2022), Деген, Хельмут; Нтоа, Ставрула (ред.), «Скажи это правильно: нейронный машинный перевод с использованием искусственного интеллекта дает новым ораторам возможность оживить лемко», Искусственный интеллект в HCI , Конспекты лекций по информатике, том. 13336, Чам: Springer International Publishing, стр. 567–580, doi : 10.1007/978-3-031-05643-7_37, ISBN 978-3-031-05642-0, получено 15 апреля 2023 г.
17. Иде, Н.; Веронис, Дж. (1998). «Введение в специальный выпуск, посвященный устранению неоднозначности смысла слов: современное состояние» (PDF) . Компьютерная лингвистика . 24 (1): 2–40. Архивировано (PDF) из оригинала 9 октября 2022 г.
18. Маск, Илон (14 апреля 2022 г.). «Илон Маск рассказывает о Твиттере, Тесле и о том, как работает его мозг — в прямом эфире на TED2022». TED (конференция) (Интервью). Беседовал Крис_Андерсон_(предприниматель) . Ванкувер. Архивировано из оригинала 15 декабря 2022 года . Проверено 15 декабря 2022 г.
19. Шекрст, Кристина (2020), «Глава 11 - Полнота искусственного интеллекта: использование глубокого обучения для устранения человеческого фактора», в Сканси, Сандро (редактор), Руководство по основам глубокого обучения, Springer, ISBN 978-3-030-37591-1
20. Ямпольский, Роман (2012), «AI-Complete, AI-Hard или AI-Easy - Классификация проблем в AI» (PDF) , 23-я конференция по искусственному интеллекту и когнитивным наукам Среднего Запада, MAICS 2012, Цинциннати, Огайо, США, 21–22 апреля 2012 г. , дата обращения 5 апреля 2024 г.
21. Ямпольский, Роман (2013), «Тест Тьюринга как определяющая черта полноты искусственного интеллекта», Искусственный интеллект, эволюционные вычисления и метаэвристика , Исследования в области вычислительного интеллекта, том. 427, стр. 3–17, номер документа : 10.1007/978-3-642-29694-9_1, ISBN. 978-3-642-29693-2
22. Гроппе, Свен; Джайн, Сарика (2024), «Путь вперед в решении проблем, связанных с искусственным интеллектом», New Generation Computing , 42 : 1–5, doi : 10.1007/s00354-024-00251-8
23. Шекрст, Кристина (2020), Сканси, Сандро (редактор), «Полнота искусственного интеллекта: использование глубокого обучения для устранения человеческого фактора», Руководство по основам глубокого обучения: логические, исторические и философские перспективы , Чам: Springer International Publishing, стр. 117–130, doi : 10.1007/978-3-030-37591-1_11, ISBN. 978-3-030-37591-1, получено 5 апреля 2024 г.
24. Бинторо, Тед; Велес, Ной (2022 г.), «Полный искусственный интеллект: что значит быть человеком во все более компьютеризированном мире», Соединяя человеческий интеллект и искусственный интеллект , Образовательные коммуникации и технологии: проблемы и инновации, Чам: Спрингер, стр. 257–274. , doi : 10.1007/978-3-030-84729-6_18, ISBN 978-3-030-84728-9