Kecerdasan Buatan ( AI )

Kecerdasan buatan

Artificial intelligence ( AI ) Kecerdasan Buatan adalah kecerdasan mesin dan cabang ilmu komputer yang bertujuan untuk menciptakannya. Buku teks mendefinisikan lapangan sebagai "studi dan desain agen cerdas , " di mana agen cerdas adalah sistem yang memandang lingkungannya dan mengambil tindakan yang memaksimalkan peluang untuk berhasil. John McCarthy , yang mencipta

kan istilah ini di 1956, mendefinisikan sebagai "ilmu dan teknik pembuatan mesin yang cerdas". lapangan ini didirikan pada klaim bahwa properti pusat manusia, intelijen-yang cita rasa dari Homo sapiens -bisa begitu tepat menggambarkan bahwa itu dapat disimulasikan ol

eh sebuah mesin. Hal ini menimbulkan persoalan filosofis tentang sifat dari pikiran dan batas-batas ilmiah keangkuhan , isu-isu yang telah ditangani oleh mitos , fiksi dan filsafat sejak jaman dahulu. Kecerdasan buatan telah menjadi subyek optimisme, tetapi juga mengalami kemunduran dan, hari ini, telah menjadi penting bagian dari industri teknologi, menyediakan mengangkat berat bagi banyak masalah yang paling sulit dalam ilmu komputer.

penelitian AI sangat teknis dan khusus, sangat dibagi menjadi sub-yang sering gagal untuk berkomunikasi satu sama lain. sub-telah berkembang di sekitar instansi tertentu, karya peneliti perorangan, pemecahan masalah yang spesifik, perbedaan pendapat lama tentang bagaimana AI harus dilakukan dan aplikasi dari alat yang berbeda secara luas. Masalah utama AI termasuk ciri-ciri seperti pena

laran, pengetahuan, perencanaan, pembelajaran, komunikasi, persepsi dan kemampuan untuk bergerak dan memanipulasi objek. Umum kecerdasan (atau " AI kuat ") masih merupakan tujuan jangka panjang ( beberapa) penelitian.

Sejarah

Berpikir mesin dan makhluk buatan muncul dalam mitos Yunani , seperti Talos dari Kreta , robot keemasan Hephaestus dan Pygmalion's Galatea . Manusia kemiripan diyakini memiliki kecerdasan dibangun di setiap peradaban besar: animasi patung terlihat di Mesir dan Yunani dan humanoid robot dibangun oleh Yan Shi , Hero dari Alexandria , Al-Jazari dan Wolfgang von Kempelen . Ini juga banyak percaya bahwa makhluk buatan yang telahdiciptakan oleh Jabir bin Hayyan , Yehuda Loew dan Paracelsus . Dengan itu dan 20 abad ke-19, makhluk buatan telah menjadi fitur umum dalam fiksi, seperti dalam M

ary Shelley 's Frankenstein atau Karel Čapek 's RUR (Rossum's Universal Robots) . Pamela McCorduck berpendapat bahwa semua ini adalah contoh dari dorongan kuno, saat ia menjelaskan hal itu, "untuk menempa para dewa". Kisah-kisah tentang makhluk-makhluk ini dan nasib mereka banyak mendiskusikan harapan yang sama, ketakutan dan etika keprihatinan yang disajikan oleh kecerdasan buatan.

Mekanikal atau "resmi" penalaran telah dikembangkan oleh filsuf dan matematikawan sejak jaman dahulu. Studi tentang logika dipimpin langsung kepada penemuan komputer digital elektronik diprogram , berdasarkan karya matematikawan Alan Turing dan lain-lain. Turing teori komputasi menyarankan bahwa mesin, dengan menyeret simbol yang sederhana seperti "0" dan "1", bisa mensimulasikan tindakan yang mungkin deduksi matematis. ini, bersama dengan penemuan-penemuan terbaru dalam neurologi , informasi teori dan cybernetics , terinspirasi sekelompok kecil peneliti untuk mulai serius mempertimbangkan kemungkinan membangun otak elektronik.

Bidang penelitian AI didirikan di sebuah konferensi di kampus Dartmouth College pada musim panas 1956. Para peserta, termasuk John McCarthy , Marvin Minsky , Allen Newell dan Herbert Simon , menjadi pemimpin penelitian AI untuk beberapa dekade . Mereka dan murid-murid mereka yang menulis program, untuk kebanyakan orang, cukup mengejutkan: komputer adalah memecahkan masalah kata dalam aljabar, membuktikan teorema logis dan berbahasa Inggris. Pada pertengahan tahun 1960-an, penelitian di Amerika Serikat adalah sangat didanai oleh Departemen Pertahanan dan laboratorium telah didirikan di seluruh dunia. 's pendiri AI yang sangat optimis tentang masa depan bidang baru: Herbert Simon meramalkan bahwa "mesin akan mampu, dalam waktu dua puluh tahun, melakukan pekerjaan setiap orang bisa melakukan " dan Marvin Minsky setuju, menulis bahwa "dalam satu generasi ... masalah penciptaan 'kecerdasan buatan' secara substansial akan diselesaikan".

Mereka telah gagal untuk mengenali kesulitan dari beberapa masalah yang mereka hadapi. Pada tahun 1974, menanggapi kritik dari Inggris Sir James Lighthill dan tekanan terus menerus dari Kongres untuk mendanai produktif lebih banyak proyek, Amerika Serikat dan pemerintah Inggris memotong semua tidak diarahkan, eksplorasi penelitian dalam AI. Beberapa tahun mendatang, ketika pendanaan untuk proyek-proyek itu sulit ditemukan, kemudian akan disebut sebagai " AI musim dingin ".

Pada awal 1980, AI penelitian kembali oleh keberhasilan komersial sistem ahli , sebuah bentuk program AI yang disimulasikan pengetahuan dan kemampuan analisis dari satu atau lebih pakar manusia. Pada saat yang sama, Jepang lima generasi komputer proyek terinspirasi AS dan Inggris pemerintah untuk mengembalikan dana untuk penelitian akademis di lapangan. Namun, dimulai dengan runtuhnya Mesin Lisp pasar pada tahun 1987, AI sekali lagi jatuh ke dalam kehinaan, dan kedua, lebih tahan lama musim dingin AI mulai.

Pada 1990-an dan awal abad ke-21, AI mencapai keberhasilan yang terbesar, meskipun agak di belakang layar. Kecerdasan buatan digunakan untuk logistik , data mining , diagnosa medis dan banyak daerah lain di seluruh industri teknologi. Keberhasilan itu disebabkan oleh beberapa faktor: kekuatan luar biasa dari komputer saat ini (lihat Hukum Moore ), penekanan lebih besar pada pemecahan tertentu subproblems, penciptaan hubungan baru antara AI dan bidang lain yang bekerja pada masalah yang sama, dan di atas semua komitmen baru dengan peneliti untuk metode matematika padat dan standar ilmiah yang ketat.

Masalah

Masalah umum simulasi (atau menciptakan) intelijen telahdipecah menjadi beberapa sub masalah tertentu-. Ini terdiri atas ciri-ciri tertentu atau kemampuan yang peneliti ingin sistem cerdas untuk ditampilkan. Ciri-ciri yang dijelaskan di bawah ini telah menerima perhatian yang besar.

Pengurangan, penalaran, pemecahan masalah

Awal peneliti AI dikembangkan algoritma yang menirulangkah-demi-langkah penalaran bahwa manusia sering diasumsikan menggunakan saat mereka memecahkan teka-teki, bermain game atau membuat potongan papan logis. Pada akhir 1980-an dan 90-an, penelitian AI juga dikembangkan sukses metode tinggi untuk berurusan dengan pasti tidak lengkap atau informasi, konsep mempekerjakan dari probabilitas dan ekonomi .

Untuk masalah sulit, sebagian besar algoritma ini dapat membutuhkan sumber daya komputasi yang luar biasa - pengalaman yang paling suatu " ledakan kombinatorial ": jumlah memori komputer atau waktu yang diperlukan menjadi astronomi ketika masalah melampaui ukuran tertentu. Pencarian untuk memecahkan masalah algoritma yang lebih efisien merupakan prioritas tinggi untuk penelitian Flu Burung.

Manusia memecahkan kebanyakan masalah mereka dengan cepat, penilaian intuitif daripada langkah,-demi-langkah deduksi sadar bahwa awal penelitian AI bisa model. AI telah membuat beberapa kemajuan di meniru ini semacam "sub-simbolis" pemecahan masalah: agen diwujudkan pendekatan menekankan pentingnya sensorimotor keterampilan untuk alasan yang lebih tinggi; saraf bersih penelitian mencoba untuk mensimulasikan struktur dan hewan di dalam otak manusia yang menimbulkan keterampilan ini.

Representasi Pengetahuan

Artikel utama: representasi Pengetahuan dan pengetahuan akal sehat representasi Pengetahuan dan rekayasa pengetahuanadalah pusat untuk penelitian AI. Banyak masalah mesin diharapkan untuk memecahkan akan membutuhkan pengetahuan yang luas tentang dunia. Di antara hal-hal yang perlu untuk mewakili AI adalah: benda, sifat, kategori dan hubungan antara objek; situasi, peristiwa, negara dan waktu; sebab dan akibat; pengetahuan tentang pengetahuan (apa yang kita ketahui tentang apa orang lain tahu); dan banyak lainnya, kurang baik diteliti domain. Sebuah representasi lengkap dari "apa yang ada" adalah ontologi (meminjam kata dari tradisional filsafat ), yang paling umum disebut ontologi atas .

Di antara masalah yang paling sulit dalam representasi pengetahuan adalah:

Default penalaran dan masalah kualifikasi

Banyak hal yang orang tahu mengambil bentuk "kerja asumsi." Misalnya, jika seekor burung muncul dalam percakapan, orang biasanya gambar hewan yang berukuran tinju, menyanyi, dan lalat. Tidak satu pun dari hal-hal ini adalah benar tentang semua burung. John McCarthy mengidentifikasi masalah ini pada tahun 1969 sebagai masalah kualifikasi: untuk setiap aturan akal bahwa peneliti AI perawatan untuk mewakili, ada cenderung sejumlah besar pengecualian. Almost nothing is simply true or false in the way that abstract logic requires. Hampir tidak ada yang hanya benar atau salah dalam cara yang abstrak memerlukan logika. penelitian AI telah menyelidiki sejumlah solusi untuk masalah ini.

Luasnya pengetahuan akal

Jumlah atom fakta bahwa rata-rata orang tahu adalah astronomi. Proyek penelitian yang berusaha untuk membangun basis pengetahuan lengkap tentang pengetahuan akal (misalnya, Cyc ) memerlukan sejumlah besar tenaga teknik ontologis - mereka harus dibangun, dengan tangan, satu konsep yang rumit pada suatu waktu. Tujuan utama adalah memiliki memahami konsep komputer yang cukup untuk dapat belajar dengan membaca dari sumber-sumber seperti internet, dan dengan demikian dapat men

ambah ontologi sendiri.

Bentuk subsymbolic beberapa pengetahuan akal

Banyak dari apa yang orang tahu tidak direpresentasikan sebagai "fakta" atau "pernyataan" bahwa mereka benar-benar bisa mengatakan dengan suara keras. Sebagai contoh, seorang master cat

ur akan menghindari posisi catur tertentu karena "merasa terlalu terbuka" atau kritikus seni dapat mengambil satu melihat patung dan langsung menyadari bahwa itu adalah palsu. Ini adalah intuisi atau kecenderungan yang diwakili dalam otak non-sadar dan sub-simbolis. Pengetahuan seperti ini menginformasikan, mendukung dan menyediakan konteks untuk simbolis, pengetahuan sadar. Seperti masalah terkait sub-simbolik penalaran, diharapkan bahwa terletak AI atau kecerdasan komputasi akan menyediakan cara untuk mewakili jenis pengetahuan.

Perencanaan

Intelligent agen harus mampu menetapkan tujuan dan mencapainya. Mereka membutuhkan cara untuk memvisualisasikan masa depan (mereka harus memiliki perwakilan dari negara dunia dan mampu membuat prediksi tentang bagaimana tindakan mereka akan mengubahnya) dan dapat membuat pilihan yang memaksimalkan utilitas (atau "nilai") dari pilihan yang tersedia.

Dalam masalah perencanaan klasik, agen bisa berasumsi bahwa satu-satunya hal yang bekerja pada dunia dan bisa memastikan apa akibat dari tindakan yang mungkin. Namun, jika hal ini tidak benar, harus secara berkala memeriksa apakah dunia dan prediksi pertandingan harus mengubah rencana karena hal ini menjadi perlu, membutuhkan agen untuk alasan di bawah ketidakpastian. Multi-agen perencanaan menggunakan kerjasama dan kompetisi agen untuk mencapai tujuan tertentu. Emergentperilaku seperti ini digunakan oleh algoritma evolusioner dan kecerdasan berkelompok .

Belajar

Mesin belajar telah pusat penelitian AI dari awal. Unsupervised belajar adalah kemampuan untuk menemukan pola dalam aliran input. Dibimbing belajar meliputi klasifikasi dan numerik regresi . Klasifikasi digunakan untuk menentukan apa yang termasuk dalam kategori sesuatu, setelah melihat beberapa contoh hal-hal dari beberapa kategori. Dalam penguatan belajar agen adalah imbalan atas tanggapan yang baik dan dihukum untuk yang buruk. Ini dapat dianalisis dalam hal teori keputusan , dengan menggunakan konsep seperti utilitas . Analisis matematis algoritma mesin pembelajaran dan kinerja mereka adalah cabang ilmu komputer teoretis dikenal sebagai teori belajar komputasi .

pengolahan bahasa alami

ASIMO menggunakan sensor dan algoritma cerdas untuk menghindari rintangan dan menavigasi tangga.

Pengolahan bahasa alami memberikan mesin kemampuan untuk membaca dan memahami bahasa yang manusia berbicara. Banyak peneliti berharap bahwa sistem pengolahan bahasa alami yang cukup kuat akan dapat memperoleh pengetahuan dengan sendirinya, dengan membaca teks yang ada tersedia melalui internet. Beberapa aplikasi langsung pengolahan bahasa alami meliputi pengambilan informasi (atau teks pertambangan ) dan terjemahan mesin .

Gerak dan manipulasi

Bidang robotika berkaitan erat dengan AI. Intelijen diperlukan untuk robot untuk dapat menangani tugas-tugas seperti manipulasi obyek dan navigasi , dengan sub-masalah lokalisasi (mengetahui di mana Anda berada), pemetaan (belajar apa yang ada di sekitar Anda) dan perencanaan gerak (memikirkan bagaimana sampai di sana).

Persepsi

persepsi Mesin adalah kemampuan untuk menggunakan input dari sensor (seperti kamera, mikrofon, sonar dan lain-lain lebih eksotis) untuk menyimpulkan aspek dunia. Komputer visi ^[70] adalah kemampuan untuk menganalisis input visual. Sebuah subproblems sedikit yang dipilih pengenalan suara , pengenalan wajah dan pengenalan obyek .

Kecerdasan Sosial

Kismet , sebuah robot dengan keterampilan sosial dasar

Emosi dan keterampilan sosial memainkan dua peran untuk agen cerdas. Pertama, harus bisa memprediksi tindakan orang lain, dengan memahami motif mereka dan kondisi emosional. (Ini melibatkan unsur-unsur teori permainan , teori keputusan , serta kemampuan untuk model emosi manusia dan keterampilan perseptual untuk mendeteksi emosi juga.), untuk yang baik interaksi manusia-komputer , sebuah mesin cerdas juga perlu untuk menampilkan emosi. Setidaknya itu harus muncul sopan dan peka terhadap manusia itu berinteraksi dengan. Paling-paling, harus memiliki emosi yang normal itu sendiri.

Kreativitas

TOPIO , sebuah robot yang dapat bermain tenis meja , dikembangkan oleh TOSY .

Sebuah sub-bidang AI alamat kreativitas baik secara teori (dari perspektif filosofis dan psikologis) dan praktis (melalui implementasi spesifik dari sistem yang menghasilkan output yang dapat dianggap kreatif). Sebuah penelitian bidang terkait komputasi Buatan Intuisi dan Imajinasi Buatan .

Umum intelijen

Sebagian besar peneliti berharap bahwa pekerjaan mereka akhirnya akan dimasukkan ke dalam mesin dengan kecerdasan umum (dikenal sebagai AI yang kuat ), menggabungkan semua keahlian di atas dan melebihi kemampuan manusia di sebagian besar atau seluruh dari mereka. Beberapa percaya bahwa antropomorfik fitur seperti buatan kesadaran atau otak artifisial mungkin diperlukan untuk proyek semacam itu.

Banyak masalah di atas dianggap AI-lengkap : untuk menyelesaikan satu masalah, Anda harus mengatasi mereka semua. Misalnya, bahkan langsung, tugas tertentu seperti mesin penerjemah mengharuskan mesin mengikuti penulis argumen ( alasan ), tahu apa yang sedang berbicara tentang ( pengetahuan ), dan dengan setia mereproduksi penulis niat ( kecerdasan sosial ). terjemahan Mesin , oleh karena itu, diyakini AI-lengkap: mungkin memerlukan AI yang kuat untuk dilakukan dan juga manusia bisa melakukannya.

Pendekatan

Tidak ada penyatuan teori mapan atau paradigma yang membimbing penelitian AI. Researchers disagree about many issues. Para peneliti tidak setuju tentang banyak hal. Beberapa pertanyaan lama berdiri paling yang tetap tidak terjawab adalah: kecerdasan buatan harus mensimulasikan kecerdasan alam, dengan mempelajari psikologi atau neurologi ? Atau biologi manusia sebagai tidak relevan untuk penelitian biologi AI sebagai burung adalah aeronautical engineering ? Dapatkah perilaku cerdas digambarkan dengan menggunakan sederhana, prinsip-prinsip elegan (seperti logika atau optimasi ) Atau tidak selalu membutuhkan memecahkan sejumlah besarmasalah sama sekali tidak berhubungan? Dapatkah intelijen direproduksi dengan menggunakan simbol-tingkat tinggi, mirip dengan kata-kata dan ide-ide? Or Atau tidak membutuhkan "sub-simbolis" mengolah?

Sibernetika dan simulasi otak

Tidak ada konsensus tentang seberapa dekat otak harus disimulasikan .

Pada tahun 1940-an dan 1950-an, sejumlah peneliti mengeksplorasi hubungan antara neurologi , teori informasi , dan cybernetics . Beberapa dari mereka membangun mesin yang digunakan jaringan elektronik untuk menunjukkan kecerdasan dasar, seperti W. Grey Walter 's penyu dan Johns Hopkins Beast Banyak dari peneliti berkumpul untuk rapat Society teleologis di Princeton University dan Rasio Club di Inggris. Pada tahun 1960, pendekatan ini sebagian besar ditinggalkan, meskipun unsur-unsur itu akan dihidupkan kembali pada tahun 1980.