La superioridad de la inteligencia humana radica en la capacidad de las personas para pensar, juzgar y tomar decisiones. El pensamiento es la comprensión racional formada por los seres humanos sobre la base del conocimiento perceptivo. Se realiza mediante el proceso de análisis y síntesis, y el proceso de análisis y síntesis en el pensamiento humano ha experimentado cambios cualitativos. Sobre la base del análisis y la síntesis generales, han surgido una serie de habilidades de pensamiento nuevas, avanzadas y complejas, como la abstracción y generalización, la comparación y clasificación, la sistematización y la concretización, y los conceptos se utilizan en la mente para juzgar y razonar. Para que una máquina sea inteligente debe tener capacidad de razonamiento. El razonamiento es una forma de pensamiento en la que se utilizan uno o varios juicios para deducir otro juicio, es decir, el proceso de derivar hechos nuevos a partir de hechos existentes. En lógica formal, el razonamiento consta de premisas (juicios conocidos), conclusiones (juicios inferidos) y formas de inferencia (la conexión entre premisas y conclusiones).
La razón por la que los humanos pueden resolver eficientemente algunos problemas complejos no es solo porque tienen una gran cantidad de conocimientos profesionales, sino también porque tienen la capacidad de seleccionar y aplicar conocimientos razonablemente, es decir, capacidad de razonamiento y estrategias de razonamiento. La inteligencia artificial basada en la lógica simbólica tiene como contenido principal el pensamiento y el razonamiento lógico. Las técnicas tradicionales de razonamiento formal se basan en la lógica de predicados clásica, es decir, el razonamiento deductivo, que se utiliza ampliamente en la resolución temprana de problemas y en la demostración de teoremas. Sin embargo, con la profundización de la investigación sobre inteligencia artificial, muchos problemas complejos que enfrentan las personas en la investigación no pueden resolverse con un razonamiento deductivo estricto. Por lo tanto, la investigación sobre el razonamiento lógico no monótono se ha desarrollado rápidamente y se ha convertido en uno de los contenidos de investigación importantes de la inteligencia artificial. inteligencia.
Problema de percepción
La percepción es un tema de investigación clásico en inteligencia artificial, que involucra neurofisiología, psicología visual, física, química y otras disciplinas, incluida la visión por computadora y el procesamiento de sonido. La visión por computadora estudia cómo analizar y comprender el paisaje externo y la información obtenida por sensores visuales (como las cámaras), es decir, cómo permitir que las computadoras "vean" las cosas a su alrededor. El procesamiento de sonido es el estudio de cómo hacer que las computadoras "escuchen" los sonidos del habla y analicen y comprendan la información del habla. La clave para los problemas de percepción es representar y describir grandes cantidades de datos de percepción de una manera concisa y fácil de operar.
El profesor D. Marr ha realizado destacadas contribuciones a la visión por ordenador. Él cree que la visión es un proceso complejo de procesamiento de información con diferentes expresiones de información y diferentes niveles de procesamiento. El objetivo final es realizar la descripción del mundo exterior por parte de la computadora. Por lo tanto, propuso 30 niveles de métodos de investigación, incluida la teoría de la computación, los algoritmos y la implementación de hardware. Su teoría sentó las bases teóricas para la investigación de la visión por computadora y señaló claramente el contenido y los objetivos de la investigación. En la actualidad, la visión por computadora ha logrado grandes avances en el procesamiento de imágenes, la visión estéreo y en movimiento, y el modelado y reconocimiento de objetos tridimensionales, pero aún está lejos de construir un sistema práctico de visión por computadora.
A finales de 2002, la tecnología de reconocimiento facial, uno de los contenidos de investigación importantes en el campo de la interacción inteligente entre humanos y computadoras, logró un gran avance en China. Su estabilidad y tasa de reconocimiento alcanzaron el nivel avanzado internacional. y ha llegado inicialmente a la etapa práctica. La tecnología de reconocimiento facial ha mejorado enormemente el nivel de "humanización" e "inteligencia" de las computadoras.
Exploración
Cuando se juega al ajedrez, se piensa en un problema o se busca la salida de un laberinto, la gente siempre quiere explorar los principios de la resolución de problemas, lo que requiere investigación especializada. La exploración es uno de los contenidos centrales de la investigación en inteligencia artificial. Resultados de las primeras investigaciones sobre inteligencia artificial, como sistemas generales de resolución de problemas, pruebas de teoremas geométricos, juegos, etc. , todos giran en torno a cómo buscar eficazmente para obtener una solución satisfactoria al problema. La exploración es el campo técnico básico de la investigación y aplicación de la inteligencia artificial.
La resolución de problemas en inteligencia artificial es diferente a los cálculos numéricos habituales. La resolución de problemas de inteligencia artificial primero describe un problema determinado y luego obtiene la solución del problema mediante el razonamiento de búsqueda, mientras que el cálculo numérico implementa operaciones numéricas mediante algoritmos programados. El proceso de resolución de problemas de inteligencia artificial es el proceso de exploración y razonamiento desde el estado inicial hasta el estado objetivo en el espacio de estados. La principal tarea de la exploración es determinar cómo elegir una regla operativa adecuada. Hay dos métodos básicos de exploración. Uno es la exploración ciega, que no considera el conocimiento específico de un problema determinado y llama a las reglas de operación en un orden fijo determinado de antemano. La tecnología de detección ciega incluye principalmente búsqueda en profundidad y búsqueda en amplitud; la otra es la búsqueda heurística, que considera el conocimiento aplicable del problema y llama dinámicamente primero a las reglas de operación, de modo que la exploración sea más rápida.
El enfoque de la tecnología de exploración es la búsqueda heurística. En términos generales, existen muchas representaciones diferentes de un problema determinado, pero difieren en su eficacia para resolverlo. En muchas situaciones de resolución de problemas, existe una gran cantidad de información relacionada con el problema que se puede utilizar para acelerar todo el proceso de resolución del problema.
Este tipo de información relacionada con el problema se denomina información heurística, y la exploración que utiliza información heurística es exploración heurística. La exploración heurística utiliza información heurística para evaluar y clasificar nodos prometedores en el camino de resolución de problemas y prioriza la expansión de los nodos más prometedores para lograr la solución óptima al problema.
Juego
Juego hace referencia a la teoría del juego y al conocimiento del enfrentamiento, que tiene su origen en la práctica del ajedrez. Dejar que las computadoras aprendan a jugar al ajedrez es el primer intento de hacer que las máquinas sean inteligentes. Ya en 1956, Samuel, uno de los pioneros de la inteligencia artificial, desarrolló un programa de damas que podía aprender de los registros del juego y resumir la experiencia del combate real. La noticia más sensacionalista en ese momento fue que Samuel ganó el campeonato de damas de cierto estado de los Estados Unidos bajo el proyecto de damas. Pero no logró aprovechar el campeonato mundial en los años siguientes. El software doméstico de las computadoras personales actuales generalmente tiene programas de damas, programas de ajedrez, programas de backgammon e incluso programas de Go. Incluso si eliges el nivel principiante, no es fácil ganar una partida de ajedrez por computadora.
De hecho, para las damas, el ajedrez, el backgammon y el Go, el proceso se puede representar mediante un árbol de juego y se utiliza la tecnología de búsqueda en el espacio de estados más básica para encontrar una ruta ganadora. Desafortunadamente, estos árboles de juegos suelen ser sorprendentemente grandes, especialmente para los programas de ajedrez y Go. Incluso si el espacio de almacenamiento de la computadora puede acomodar todos los estados, el tiempo dedicado a la búsqueda (también conocido como tiempo para esperar algunos pasos hacia adelante) es a menudo insoportable. Afortunadamente, el rendimiento de las computadoras es cada vez mayor y el espacio de almacenamiento es cada vez mayor. Esto le da a la gente la sensación de que la capacidad de ajedrez de la computadora ha mejorado. Además, los programas de ajedrez informáticos existentes se basan en la tecnología tradicional de búsqueda en el espacio de estados y utilizan algunos algoritmos heurísticos para estimar la probabilidad de ganar en el estado medio del juego de ajedrez y decidir qué hacer a continuación. Este enfoque puede reducir en gran medida el almacenamiento y la búsqueda del espacio de estados, allanando así el camino para que las computadoras modernas de alto rendimiento derroten a los grandes maestros del ajedrez.
Las competiciones informáticas con maestros y grandes maestros del ajedrez han sido un tema de gran interés desde la década de 1950. Las computadoras mejoran constantemente sus programas compitiendo con los maestros. En la década de 1980, algunas personas en la industria informática pensaban que las computadoras podían vencer al campeón de ajedrez, pero el tiempo real se retrasó. IBM siempre ha tenido una tradición en el desarrollo de programas de juegos, y Samuel pertenecía a IBM en aquel entonces. En la década de 1990, IBM desarrolló una variedad de computadoras de alto rendimiento y el correspondiente software de ajedrez, y apuntó sus programas mejorados de ajedrez y sus computadoras "Deep Blue" al actual ajedrecista ruso número uno, Kasparov. Impulsados por los medios de comunicación, en mayo de 1997, en Nueva York, EE.UU., Karnofsky y Deep Blue lanzaron otra ronda de guerra hombre-máquina que atrajo la atención mundial. En los dos primeros sets, los dos equipos empataron 1-1. Después de eso, los dos lados empataron tres veces seguidas. En el crucial sexto set, el equipo "Deep Blue" tuvo un buen desempeño y ganó, derrotando a su oponente con un puntaje total de "2 victorias, 3 empates y 1 derrota", que sorprendió a la audiencia mundial. Alguien lo describió como "un juego entre máquinas parecidas a humanos y personas parecidas a máquinas". Aunque ganó la computadora Deep Blue, eso no significa que la inteligencia artificial haya logrado un gran avance. Como dijo Karl Marx, la competencia entre ellos es injusta. La computadora "Deep Blue" ha dominado una gran cantidad de registros de ajedrez de sus partidas con otros. Todavía utiliza tecnologías tradicionales de inteligencia artificial, como la búsqueda del espacio de estados y la coincidencia de patrones, pero la velocidad de la computadora ha mejorado enormemente. Otra razón importante por la que la computadora derrotó a Descartes es que, además de los ingenieros informáticos, IBM también tiene un grupo de expertos que conocen bien las reglas del ajedrez y conocimientos informáticos escondidos detrás de la computadora "Deep Blue" para ayudarlo a hacer sugerencias y ajustar el programa. de manera oportuna. Por tanto, era sólo cuestión de tiempo que Descartes fracasara. ¿Qué pasaría si jugáramos un juego de ajedrez diferente, como por ejemplo Go contra un humano en una computadora? En la actualidad, probablemente sea bastante difícil para una computadora derrotar a un jugador de Go de primer nivel, porque el espacio de estado de Go es mucho más grande y complejo.
Robótica
La robótica y la robótica son otro campo de aplicación importante de la investigación en inteligencia artificial, que ha promovido el desarrollo de muchas ideas de inteligencia artificial. Algunas de las técnicas derivadas de esto se pueden utilizar para simular estados del mundo real, describir el proceso de cambio de un estado a otro y proporcionar una mejor ayuda para planificar cómo generar secuencias de acción y supervisar la implementación de la planificación.
Los robots son cada vez más utilizados, y han comenzado a avanzar hacia la industria terciaria, como centros de negocios y ofimática. La dirección actual de la investigación en robótica es principalmente el desarrollo de robots inteligentes. Los robots inteligentes ampliarán enormemente los campos de aplicación de los robots.
El propio robot inteligente puede conocer el entorno de trabajo, los objetos de trabajo y su estado, determinar de forma independiente el modo de trabajo basándose en las instrucciones dadas por los humanos y su propio conocimiento, realizar tareas a través de mecanismos operativos y mecanismos móviles, y puede adaptarse a los cambios en el trabajo. ambiente. Un robot inteligente sólo necesita que le digan qué hacer, no cómo hacerlo. Tiene cuatro funciones básicas, a saber: (1) Función de movimiento, que es similar a las funciones básicas de las manos, brazos y piernas humanos y tiene un efecto sobre el entorno externo. (2) Función de percepción, la función de obtener información externa. (3) Función de pensamiento, comprensión, juicio y razonamiento al resolver problemas. (4) Función de comunicación persona-computadora, la función de comprender instrucciones, generar estados internos e intercambiar información con personas. Los robots inteligentes funcionan de forma cognitivamente adaptativa. Brady, un conocido experto en robótica e inteligencia artificial, resumió una vez 30 problemas que enfrentan los robots, incluidos sensores, visión, movilidad, diseño, control, operaciones típicas, razonamiento y sistemas, y señaló los problemas que deben resolverse con urgencia. Sólo logrando avances en estos aspectos las aplicaciones robóticas y la tecnología robótica podrán satisfacer mejor las necesidades de la sociedad y contribuir al desarrollo de la inteligencia humana.
Hoy en día, el diseño de robots ha logrado grandes avances en la simulación de todos los aspectos de las funciones externas humanas. Ahora algunos científicos están estudiando cómo desarrollar robots de simulación de alta fidelidad desde una perspectiva de bioingeniería. Actualmente, los robots están lejos de ser los llamados "robots sirvientes" que pueden realizar diversas tareas domésticas, trabajar duro y leer los pensamientos de su amo. Debido a que el comportamiento inteligente de los robots está determinado por programas preprogramados, los robots sólo harán lo que la gente quiere que hagan. La creatividad humana, las ideas, las asociaciones, la improvisación e incluso la decisión son difíciles de plasmar en robots. La integración de los robots en la vida humana todavía parece algo muy lejano.