AI-полный

Термин, описывающий сложные проблемы в области ИИ

В области искусственного интеллекта (ИИ) задачи, для решения которых предположительно требуется искусственный интеллект общего назначения , неформально называются AI-полными или AI-трудными . ^[1] Названия задачи AI-полной отражают убеждение, что ее нельзя решить с помощью простого конкретного алгоритма.

В прошлом, проблемы, которые, как предполагалось, были полностью подвластны ИИ, включали компьютерное зрение , понимание естественного языка и работу с неожиданными обстоятельствами при решении любой реальной проблемы. ^[2] Полностью подвластные ИИ считались особенно полезными для проверки присутствия людей, как это делают CAPTCHA , и в компьютерной безопасности для обхода атак методом подбора . ^{[3] [4]}

История

Термин был придуман Фаней Монтальво по аналогии с NP-полными и NP-трудными в теории сложности , которая формально описывает наиболее известный класс сложных задач. ^[5] Ранние использования термина встречаются в докторской диссертации Эрика Мюллера 1987 года ^[6] и в Jargon File Эрика Рэймонда 1991 года . ^[7]

Экспертные системы , которые были популярны в 1980-х годах, были способны решать очень простые и/или ограниченные версии проблем, полных с помощью ИИ, но никогда в их полной общности. Когда исследователи ИИ пытались «масштабировать» свои системы для обработки более сложных ситуаций реального мира, программы, как правило, становились чрезмерно хрупкими без здравого смысла или элементарного понимания ситуации: они терпели неудачу, поскольку начинали появляться неожиданные обстоятельства за пределами исходного контекста проблемы. Когда люди сталкиваются с новыми ситуациями в мире, им помогает их осознание общего контекста: они знают, что вокруг них, почему они там находятся, что они, скорее всего, будут делать и т. д. Они могут распознавать необычные ситуации и соответствующим образом подстраиваться. Экспертным системам не хватало этой адаптивности, и они были хрупкими при столкновении с новыми ситуациями. ^[8]

DeepMind опубликовал работу в мае 2022 года, в которой они обучили одну модель делать несколько дел одновременно. Модель, названная Gato , может «играть в Atari, подписывать изображения, общаться, складывать блоки с помощью настоящей руки робота и многое другое, решая на основе своего контекста, следует ли выводить текст, крутящие моменты суставов, нажатия кнопок или другие токены». ^[9] Аналогичным образом, некоторые задачи, которые когда-то считались полностью ИИ-полными, такие как машинный перевод, ^[10] входят в число возможностей больших языковых моделей . ^[11]

AI-полные проблемы

Предполагается, что к задачам, полностью решаемым с помощью ИИ, относятся:

• Рецензирование ИИ ^[12] (композитное понимание естественного языка , автоматизированное рассуждение , автоматизированное 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 разрешение неоднозначности смысла слов ^[17] )
• Автономное вождение ^[18]
• Справляться с непредвиденными обстоятельствами при решении любой реальной проблемы, ^[19] будь то навигация , планирование или даже рассуждения , выполняемые экспертными системами . ^{[ необходима ссылка ]}

Формализация

Теория вычислительной сложности имеет дело с относительной вычислительной сложностью вычислимых функций . По определению, она не охватывает проблемы, решение которых неизвестно или не было охарактеризовано формально. Поскольку многие проблемы ИИ пока не имеют формализации, традиционная теория сложности не позволяет формально определить полноту ИИ.

Исследовать

Роман Ямпольский ^[20] предполагает, что задача является AI-Complete, если она обладает двумя свойствами: ${\displaystyle C}$

• Входит в набор проблем ИИ (решаемых с помощью Human Oracle).
• Любую задачу ИИ можно преобразовать с помощью некоторого полиномиального алгоритма. ${\displaystyle C}$

С другой стороны, проблема является AI-Hard тогда и только тогда, когда существует AI-Complete проблема , которая полиномиально сводится по Тьюрингу к . Это также приводит к существованию AI-Easy проблем, которые решаются за полиномиальное время детерминированной машиной Тьюринга с оракулом для некоторой проблемы. ${\displaystyle H}$ ${\displaystyle C}$ ${\displaystyle H}$

Ямпольский ^[21] также выдвинул гипотезу, что тест Тьюринга является определяющей характеристикой полноты ИИ.

Гроппе и Джейн ^[22] классифицируют проблемы, требующие от общего искусственного интеллекта достижения производительности машины человеческого уровня, как полные с помощью ИИ, в то время как только ограниченные версии полных с помощью ИИ задач могут быть решены текущими системами ИИ. Для Шекрста ^[23] получение полиномиального решения полных с помощью ИИ задач не обязательно будет равнозначно решению проблемы общего искусственного интеллекта, при этом подчеркивая, что отсутствие исследований вычислительной сложности является ограничивающим фактором на пути к достижению общего искусственного интеллекта.

По мнению Кви-Бинторо и Велеса ^[24], решение проблем, полных с помощью ИИ, будет иметь серьезные последствия для общества.

Смотрите также

• ASR-полный
• Список нерешенных проблем в информатике
• Синтетический интеллект
• Практопоезис

Ссылки

1. Шапиро, Стюарт К. (1992). Искусственный интеллект. Архивировано 01.02.2016 в Wayback Machine. В книге Стюарта К. Шапиро (ред.), Энциклопедия искусственного интеллекта (второе издание, стр. 54–57). Нью-Йорк: John Wiley. (Раздел 4 посвящен «Задачам, выполненным с помощью ИИ».)
2. Ямпольский, Роман (январь 2013). "Тест Тьюринга как определяющий признак полноты ИИ" (PDF) . Искусственный интеллект, эволюционные вычисления и метаэвристика . Архивировано из оригинала (PDF) 2013-05-22.
3. Луис фон Ан, Мануэль Блюм, Николас Хоппер и Джон Лэнгфорд. CAPTCHA: использование сложных проблем ИИ для безопасности. Архивировано 4 марта 2016 г. в Wayback Machine . В трудах Eurocrypt, том 2656 (2003), стр. 294–311.
4. Бергмайр, Ричард (7 января 2006 г.). «Стеганография на естественном языке и примитив безопасности «полный ИИ». CiteSeerX 10.1.1.105.129 .  {{cite journal}}: Цитировать журнал требует |journal=( помощь ) (неопубликованный?)
5. Маллери, 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, архивировано из оригинала 29-02-2008 , извлечено 27-04-2007{{citation}}: CS1 maint: location missing publisher (link).
6. Мюллер, Эрик Т. (1987, март). Мечтание 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 для ИИ : если бы мы могли решить любую проблему искусственного интеллекта, мы могли бы решить все остальные», стр. 302)
7. Raymond, Eric S. (1991, 22 марта). Файл жаргона версии 2.8.1 Архивировано 04.06.2011 на Wayback Machine (Определение «AI-complete» впервые добавлено в файл жаргона.)
8. Ленат, Дуглас ; Гуха, Р.В. (1989), Создание больших систем, основанных на знаниях , Addison-Wesley, стр. 1–5
9. "A Generalist Agent". www.deepmind.com . Архивировано из оригинала 2022-08-02 . Получено 2022-05-26 .
10. Кац, Миранда. «Добро пожаловать в эпоху коллег с искусственным интеллектом | Backchannel». Wired . ISSN  1059-1028 . Получено 28.04.2024 .
11. «Раскрытие силы больших языковых моделей (LLM)». www.unite.ai . Получено 28.04.2024 .
12. Стоктон, Ник. «Если ИИ может исправить рецензирование в науке, ИИ может сделать что угодно». Wired . ISSN  1059-1028 . Получено 27.04.2024 .
13. Шекрст, Кристина (2020), Сканси, Сандро (ред.), «AI-Completeness: Using Deep Learning to Eliminate the Human Factor», Руководство по основам глубокого обучения: логические, исторические и философские перспективы , Cham: Springer International Publishing, стр. 117–130, doi : 10.1007/978-3-030-37591-1_11, ISBN 978-3-030-37591-1, получено 2024-03-25
14. Страт, Томас М.; Челлаппа, Рама; Патель, Вишал М. (2020). «Зрение и робототехника». Журнал AI . 42 (2): 49–65. doi : 10.1609/aimag.v41i2.5299 . S2CID  220687545 – через коллекцию ABI/INFORM.
15. Крестел, Ральф; Арас, Хидир; Андерссон, Линда; Пирой, Флорина; Ханбери, Аллан; Альдеруччи, Дин (2022-07-06). "3-й семинар по патентному текстовому интеллектуальному анализу и семантическим технологиям (PatentSemTech2022)". Труды 45-й Международной конференции ACM SIGIR по исследованиям и разработкам в области информационного поиска . Мадрид, Испания: ACM. стр. 3474–3477. doi :10.1145/3477495.3531702. ISBN 978-1-4503-8732-3. S2CID  250340282. Архивировано из оригинала 2023-04-15 . Получено 2023-04-15 .
16. Orynycz, Petro (2022), Degen, Helmut; Ntoa, Stavroula (ред.), «Say It Right: AI Neural Machine Translation Empowers New Speakers to Revitalize Lemko», Искусственный интеллект в HCI , Lecture Notes in Computer Science, т. 13336, Cham: Springer International Publishing, стр. 567–580, doi : 10.1007/978-3-031-05643-7_37, ISBN 978-3-031-05642-0, получено 2023-04-15
17. Ide, N.; Veronis, J. (1998). «Введение в специальный выпуск по устранению неоднозначности смысла слов: современное состояние» (PDF) . Computational Linguistics . 24 (1): 2–40. Архивировано (PDF) из оригинала 2022-10-09.
18. Маск, Илон (14 апреля 2022 г.). «Илон Маск говорит о Twitter, Tesla и о том, как работает его мозг — в прямом эфире на TED2022». TED (конференция) (интервью). Интервью с Chris_Anderson_(entrepreneur) . Ванкувер. Архивировано из оригинала 15 декабря 2022 г. . Получено 15 декабря 2022 г. .
19. Шекрст, Кристина (2020), «Глава 11 — Полнота ИИ: использование глубокого обучения для устранения человеческого фактора», в Сканси, Сандро (ред.), Руководство по основам глубокого обучения, Springer, ISBN 978-3-030-37591-1
20. Ямпольский, Роман (2012), «AI-Complete, AI-Hard, or AI-Easy – Classification of Problems in AI» (PDF) , 23-я конференция по искусственному интеллекту и когнитивной науке Среднего Запада, MAICS 2012, Цинциннати, Огайо, США, 21-22 апреля 2012 г. , получено 2024-04-05
21. Ямпольский, Роман (2013), «Тест Тьюринга как определяющая характеристика полноты ИИ», Искусственный интеллект, эволюционные вычисления и метаэвристика , Исследования по вычислительному интеллекту, т. 427, стр. 3–17, doi :10.1007/978-3-642-29694-9_1, ISBN 978-3-642-29693-2
22. Гроппе, Свен; Джейн, Сарика (2024), «Путь вперед с проблемами, полными ИИ», New Generation Computing , 42 : 1–5, doi :10.1007/s00354-024-00251-8
23. Шекрст, Кристина (2020), Сканси, Сандро (ред.), «AI-Completeness: Using Deep Learning to Eliminate the Human Factor», Руководство по основам глубокого обучения: логические, исторические и философские перспективы , Cham: Springer International Publishing, стр. 117–130, doi : 10.1007/978-3-030-37591-1_11, ISBN 978-3-030-37591-1, получено 2024-04-05
24. Бинторо, Тед; Велес, Ноа (2022), «AI-Complete: Что значит быть человеком в мире, который все больше компьютеризируется», Bridging Human Intelligence and Artificial Intelligence , Educational Communications and Technology: Issues and Innovations, Cham: Springer, стр. 257–274, doi : 10.1007/978-3-030-84729-6_18, ISBN 978-3-030-84728-9