un

guest
1 / ?
back to lessons

Soruyu Şekillendirme

Hamming soru ile başlıyor: 'Makineler düşünür mü?' gibi basit bir evet veya hayır sorusu gibi görünüyor. Olgunluk bilgisi, oyun oynayan programlar, uzman sistemler ve kural tabanlı mantık ile insan yargılanın arasındaki sınır. Olgunluk bilgisi, oyun oynayan programlar, uzman sistemler ve kural tabanlı mantık ile insan yargılanın arasındaki sınır.

O yıl boyunca en küçük bir programı düşünür mü diye inceledi. Bir yıl boyunca başarısız olduktan sonra, soruyu yanlış sorduğunu anladı. Belki de düşünmek bir evet veya hayır özelliğiyle ilgilidir. Belki de dereceye kadar uzanabilir.

Yanlışlamasını: 'Makineler düşünür mü?' yerine 'Hayatın zihnî yüklerinden ne ölçüde kurtulabilirler?' sorusunu sormaya karar verdi. Bu soru, metafizikten ziyade faydeye doğrudan işaret eder.

Belirsizlik Tehlikesi

Hamming, her iki uçtaki inanca da mesleki risk taşıdığını belirtiyor. Makineler düşünemez: onları uygun şekilde kullanmayacağınız ve geride kalacağınız. Makineler açıkça düşünür: onları aşırı derecede değerlendireceksiniz ve beklenmedik şekilde başarısız olan sistemler kuracaksınız. Belirsizlik Tehlikesi

Hiçbiri güvenli değil. Kendi düşüncelerinizi geliştirmeniz gerekiyor.

Turing Testi

1950'de Alan Turing, davranışsal bir test önerdi: bir teletip kullanıcı tarafından bir insan ve uygun bir şekilde bir makinenin ayırt edilememesi durumunda, makine 'düşünür' - tanımda.

Hamming, hamledeki zekayı saygıyla karşılar. Turing, iç deneyim hakkındaki felsefi soruyu yanıtlamayı reddediyor ve onu gözlemlenebilir bir davranışla değiştiriyor. Bu iyi bir bilimsel istikamet.

Ama Hamming'e yapısal bir itiraz var: Turing testi, standart bilimsel yöntemi ihlal ediyor. Bilimin başlangıçta en basit sorunlarla başlaması gerekir, en zor değil. Turing testi, basit öğrenme veya kurallı izlemeyi anladığımızdan önce tam konuşma zekasını değerlendiriyor.

Hamming, Turing testinin 'standart bilimsel yöntemin karşı karşıya olduğu' dedi. Cevabını kendi kelimeleriyle anlat. Makine zekaını incelemeye yönelik daha uygun bir yöntemsel yaklaşım nasıl görünebilir?

Sözlü Olarak Belirtilemeyenler

Hamming'in makinin zeka sınırları hakkındaki merkezi iddiası: insan bilgisi tüm kurallara ve talimatlara çevrilemez. Bazı bilgilerin formalleştirilememesi - zeka veya çaba eksikliğinden değil, çünkü verbalizasyon doğru ortam değildir - çünkü sözlü olarak ifade edilememesi nedeniyle.

1980'lerde uzman sistemler, IF semptom-A VE semptom-B, THEN tanısı-C şeklinde kurallar tabanıyla bilgiyi yakalamaya çalıştılar: Bu sınırlı, iyi tanımlanmış alanlarda çalıştılar. Sınır bölgelerindeki başarısızlıklarında, en deneyimli uygulayıcıların gizli bilgisinin önemi en büyük oldu.

Rasayanın kimyagerin intuisyonu, deneyimli kaynakçıların doğru ark açıklığı hissi, cerrahın doku'nun yanlış göründüğü anı algılama becerisi - bu, ifade edilecek basit kuralların sadece beklediği değil, belki de sonsuza dek kodlanamazlar.

Otomatikleşme için Neden Önemli

Kural tabanlı sistemler, iyi tanımlanmış alanların merkezinde çok başarılıdır. Sınır bölgelerde başarısız olurlar. Deneyimli uygulayıcılar sınır bölgelerinde yaşar. Bu asimetri, otomasyona neyin ve neyin yer değiştiremeyeceğini şekillendirir.

Gizli Bilgiyi Tanımlama

Michael Polanyi'nin bu kavramı ifade ettiği ifadesi: 'Daha fazla bildiğimize daha fazla söyleyemeyiz.' Yüz tanıyarak örnek verdi: Çoğu insan binlerce yüzü anında tanır ama kullandıkları kuralı açıklamaya zorlanamaz.

Hamming, bu konuda uzman sistemlerle bağlantılı hale getiriyor: daha derine inen sorun, kuralları henüz yazmamış olmamız değil; bazı alanlarda tam bir kurallar kümesinin bulunmadığıdır.

Özel bir beceri veya alan belirtin ve önemli bilgiyi, açık kurallara ve talimatlara tamamen aktaramayacağınız düşüncesiyle düşünün. Neye formelleştirilemediğini ve niçin açıkça ifade edilemeyeceğini açıklayın.

4x4x4 Üç Boyutlu Tahtakruvaz

Hamming, çalışmış örneği 4x4x4 boyutlu tahtakruvaz olarak kullanıyor. Tahtada 64 kare ve 76 kazanan çizgi var. İkiz boyutlu tahtakruvazda bilinen bir çekme stratejisi vardır; bu, ilginç bir zeka göstermediğini kanıtlar. 4x4x4 versiyonu, gerçek heuristiklere ihtiyaç duyması nedeniyle zorlayıcıdır.

Programın Yapısı

Adım 1: yasal hamleleri listeleyin.

Adım 2: 'sıcak noktalara' öncelik verin - köşeler ve merkezler, kenar veya yüz merkezli kareler üzerinden geçen kazanan çizgilerin daha fazla olduğu karelerdir. Kürenin merkezi-koşer duality'sını kullanın: köşeleri merkezler ve merkezleri köşelere gönderirken, tüm 76 çizgiyi koruyan bir kütle inversionu vardır.

Adım 3: yaklaşık eşit hamleler arasında rastgele oynayın. Belirli oynama, sabırlı bir rakip için stratejinizi belirleyebilmenizi ve açıklar bulabilmenizi sağlar. Rastgelelik, sistemik istismara karşı koruma sağlar.

Adım 4: sıralı kuralları önceliğe göre uygulayın.

4×4×4 Tic-Tac-Toe: Game Tree & Sequential Rules

Sırasıyla önceliklendirilmiş kural dizisi: (1) kazanan bir hamle mevcut ise kazanın; (2) rakibin kazandıracak bir hamlesi varsa onu engelleyin; (3) bir yolla hamle yapabilirseniz bunu kullanın; (4) rakibin yamalı hamlesi varsa onu engelleyin; (5) zorlayıcı hamleler yapın; (6) heuristiklere geri dönün.

Dikkat et: yapı: deterministik kurallar açıkça tanımlanmış durumlara uygulananlardır. Heuristikler ise geri kalanı ele alır. Bu sınır, açık knowledge'ın başladığı yerdir.

Samuel'ın Şakreddi Oynatan Programı

IBM'da çalışan Arthur Samuel, bir şampiyonu yenen bir şakreddi oynatan program yazdı. Programı öne çıkaran şey: öğrenme mekanizması kullandı. Samuel, değerlendirme fonksiyonunu parametreleştirdi (taba kontrolü, kral avantaja, hareketlilik, parça bağlama vb.), ardından programın iki kopyasının hafif tefek parametre ayarlarıyla oynadığına izin verdi. Performansı daha iyi olan sürvive etti.

Bu, parametre arama ve değil kural keşfi - ancak öğrenme açısından anlamlı bir şey teşkil ediyor. Program, programcı tarafından daha iyi kurallar yazarak gelişti.

Hamming soruyor: Samuel'ın programının şaşırtıcı hamleler yaptığında orijinallik gösterdiğini kanıtladı mı? Bunu kanıtlamanız mümkün değil, ancak aynı zamanda herhangi bir şekilde şakreddi programından daha fazla orijinallik gösterdiğinizde kanıtlamanız da mümkün değil.

Samuel'ın şakreddi oynatan programı, farklı parametrelerle oynayan kendi kopyalarıyla karşılaştıktan sonra gelişti. Hamming, bu durumun 'öğrenme' teşkil ettiğini sormaktadır. Sizce bu, bir sistemin gerçekten öğrenip öğrenmediği konusunda ne tür bir kriter kullanacaksınız ve bu kriteri Samuel'ın programına uygulayın.

Uzman Sistemler & Sınırlarları

1970'li ve 1980'li yıllarda profesyonel bilgiyi makine yürütülebilir kurallar olarak formalize etme konusunda en sistematik girişimi temsil eden uzman sistemler vardı. Tıbbi tanı, jeolojik araştırmalar, finansal analiz, devre tasarımı - her alan kendi kurallı sistemine sahip oldu.

İyi tanımlanmış alt problemlerdeki performansı sıkça etkileyiciydi. Ama sistemlerin ortak bir başarısızlık moduna sahip olduğu görülüyordu: sorun kurallı kapsama dışında çıkana kadar çalıştı, sonra tamamen başarısız oldu. İnsan uzmanları sarsılmazca azalmakta; kurallı sistemler tepeye düşüyor.

Hamming tarafından tanımlanan köken neden: uzman sistemler inşa eden insanlar neyin eksik olduğunu bilme konusunda sistematik bir yol yoktu. Uzmanlar, kurallarını ifade edebilirlerdi - ama uzmanlar, belirli bir durumda hangi kuralların uygulanacağını belirlemekte kullandıkları kodlanamayan yargılarını kullanıyor. Bu meta seviye yargı, sisteme girmemişti.

Mesleki Kariyeriniz için Doğru Soru

Pratik olarak yararlı soru 'makineler düşünüyor mu?' değil. Sizin alanınızda herhangi bir görevin kritik zorluğu, kurallı merkezde mi yaşıyor, yoksa yargı ve gizli bilgi kullanarak sınırda mı çalışıyor? Otomatikleşme, önekli işler için güvenilir olarak işler. Diğerini işler. Kariyer stratejınız, farkı bilmenin izinden gidecektir.

Bilişim alanından bildiğiniz bir görevi tanımlayın. (1) Kurallı bir yaklaşım içinde açıkça yer alan görev bölümünü ve (2) gizli bilgi veya sınırda hüküm gerektiren bölümü tanımlayın. Sınır bölümünün neden formallaşmanın dışında kaldığını açıklayın.