Wer war der erste, der die Unterscheidung zwischen menschenähnlicher allgemeiner Intelligenz und domänenspezifischer Intelligenz erkannte?

In den 1950er Jahren gab es weit verbreitete Überzeugungen, dass "Künstliche Intelligenz" schnell sowohl selbstbewusst als auch klug genug sein wird, um mit Menschen Schach zu gewinnen. Verschiedene Leute schlugen Zeitrahmen von zB 10 Jahren vor (siehe Olazarans "Offizielle Geschichte der Perceptron-Kontroverse" oder sagen wir 2001: Space Odyssey).

Wann wurde klar, dass die Entwicklung von Programmen, die Spiele wie Schach beherrschen, zu Software-Designs führte, die nur für Spiele gelten, für die sie programmiert wurden? Wer war der erste, der die Unterscheidung zwischen menschenähnlicher allgemeiner Intelligenz und domänenspezifischer Intelligenz erkannte?

Viele Veröffentlichungen aus der Mitte des 20. Jahrhunderts belegen die Aussage des Fragestellers, dass es in dieser Zeit eine weit verbreitete Überzeugung war, dass KI schnell bewusst, selbstbewusst und klug werden würde.

Großer Erfolg

Viele Aufgaben und Formen des Fachwissens, die einst die ausschließliche Domäne der menschlichen Intelligenz waren, wurden nach der Entwicklung der Von Neumann-Allzweck-Computerarchitektur Ende des Jahrhunderts mehr oder weniger zur ausschließlichen Domäne der Computer. Dies sind nur einige Beispiele.

• Wissenschaftliche und statistische Berechnung
• Automatisierung von Entwurfs- und Fertigungsprozessen (CAD und CAM)
• Veröffentlichen und setzen
• Bestimmte Formen der algebraischen und Kalkülreduktion (Maxima und ihre Ableitungen)
• Schaltungsanalyse
• Meisterhaftes Brettspiel
• Profitable Aktienspekulation
• Mustererkennung (OCR, Fingerabdruck, Spracherkennung, Sortierung, Gelände)
• Programmierung in Prädikatenlogik und rekursiven Prädikaten
• Strategieevaluierung

Enttäuschungen (bisher)

Im Gegensatz zu dieser beeindruckenden Reihe von Erfolgen gibt es eine ebenso lange Liste fehlgeschlagener Erwartungen.

• Vom Verbraucher verfügbare Bipedal-Roboter
• Automatisches Staubsaugen (große Enttäuschung für den Autor dieser Antwort)
• Autonome mechanische Fabrikarbeiter
• Automatisierte Mathematiker (Erstellung kreativer Hypothesen und Beweis / Widerlegung zur Erweiterung der Theorie)
• Natürliches Sprachverständnis
• Gehorsam gegenüber beliebigen Befehlen
• Menschlicher Ausdruck im Gespräch
• Automatisierte technische Innovation
• Computermoral
• Emotionale Zustände des Menschen (oder zumindest eines Säugetiers)
• Asimovs Betriebssystem mit drei Gesetzen
• Adaptive Strategieentwicklung in beliebigen und wechselnden Bereichen

Domain und Domain-freie Unterscheidung

Wann wurde klar, dass die Entwicklung von Programmen, die Spiele wie Schach beherrschen, zu Software-Designs führte, die nur für Spiele gelten, für die sie programmiert wurden?

Obwohl die breite Öffentlichkeit vielleicht gedacht hat, dass ein kybernetischer Schachmeister auch auf andere Weise schlauer sein würde als Menschen, waren sich diejenigen, die diese Programme erstellen, der Unterscheidung zwischen der Entwicklung von Software, die hervorragende Leistungen im Schachspiel zeigt, und der Entwicklung von Software, die diese Fähigkeit aufweist, bewusst Schachspiel lernen und Spitzenleistungen iterativ von Anfängern entwickeln.

Das Endziel war immer eine starke allgemeine Intelligenz gewesen. Es wurden kurzfristig erreichbare Ziele geschaffen, um den Anlegern den Nachweis von Fortschritten zu erleichtern. Dies war die einzige Möglichkeit, einen kontinuierlichen Strom von Forschungsgeldern vom Militär aufrechtzuerhalten.

Der erste Meilenstein war, ein einzelnes Spiel ohne maschinelles Lernen zu meistern. Dann wandte sich die Forschung dem Aufbau von Domänenwissen zu, damit eine Klasse von Lösungen, Anpassungen und Planungsformen während des Krieges in Echtzeit realisiert werden konnte. Als die wirtschaftliche Vorherrschaft im dritten Viertel des 20. Jahrhunderts der militärischen Vorherrschaft vorzuziehen war, wurde die Vision für KI auf die Bereiche Wirtschaft und Management natürlicher Ressourcen ausgeweitet.

Betrachten Sie dieses Spektrum der Automatisierungsreife.

• Ein Programm, das die aktuellen Bewegungssequenzmöglichkeiten in jeder Runde des Schachspiels auflistet, wahrscheinliche schlechte Züge an jedem projizierten Zugpunkt eliminiert und den nächsten Zug auswählt, der am wahrscheinlichsten zu einem Gewinn führt
• Ein Programm, das das oben Genannte tut, aber auch die Wahrscheinlichkeit verzerrt, basierend auf der Mustererkennung bekannter gewinnender Schachstrategien
• Ein Programm, das als laufzeitoptimierte Regelengine konzipiert ist, die die redundanten Operationen des Spiels eines beliebigen Spiels zentralisiert und abstrahiert und die Darstellung von Schachregeln, Schachstrategien sowie Schachmustern und Anti-Mustern isoliert und aggregiert
• Ein Programm, das anhand einer Reihe von Spielregeln einen nächsten Zug basierend auf jedem Spielstatus generieren kann, sich an Erfolgs- und Misserfolgsergebnisse und die Sequenzen erinnert, die zu diesen Ergebnissen geführt haben, und die Fähigkeit hat, den wahrscheinlichen Verlust oder Gewinn von zu bewerten Einzelne Bewegungen und die Spielmuster in Raum und Zeit um sie herum basieren auf der Geschichte und nutzen diese Fähigkeiten dann, um ein beliebiges Spiel zu lernen und durch Lernen das meisterhafte Niveau des Schachspiels zu erreichen
• Ein Programm, das lernt, wie man Spiele so lernt, dass es nach dem Erlernen mehrerer Spiele schneller Schach lernen kann als ein intellektuell begabter Mensch

Das erste ist einfach. Der letzte ist extrem herausfordernd.

Als die Unterscheidungen zwischen diesen Phasen der Automatisierungsreife offensichtlich wurden und wie deutlich die Menschen von den Unterscheidungen wurden, in denen Forschungsgruppen eine komplexe probabilistische Funktion haben.

Hauptverantwortliche

Wer war der erste, der den Unterschied zwischen menschenähnlicher allgemeiner Intelligenz und domänenspezifischer Intelligenz erkannte?

Norbert Wiener war wahrscheinlich der erste, der die Unterscheidung zwischen der elektronischen Steuerung von Relais (theoretisch von Claude Shannon untersucht) und der Regelung gründlich verstanden hat. In seinem Buch Kybernetik, einer vorwiegend mathematischen Arbeit, legte er genau die Grundlage für selbstkorrigierende und adaptive Systeme. John von Neumann hatte ein Verständnis für die Unterscheidung zwischen dem Programmieren eines guten Spiels und der menschlichen Fähigkeit, gutes Spielen zu lernen, und veröffentlichte viel zu diesem Thema.

Es war Arthur Lee Samuel, der tatsächlich die erste eindrucksvolle Demonstration der Unterscheidung zwischen Spielesoftware und maschinellem Lernen schrieb. Er war es, der Wieners Arbeit mit dem zeitgenössischen digitalen Computer verband und zuerst den Begriff Maschinelles Lernen prägte.

Verzerrte Anpassungen authentischer Forschung und Innovation

Die Kategorien Künstliche Enge Intelligenz (ANI), Künstliche Allgemeine Intelligenz (AGI) und Künstliche Superintelligenz (ASI), vorgeschlagen in Die KI-Revolution: Der Weg zur Superintelligenz von Blogger Tim Urban (Huffington Post, THE BLOG, veröffentlicht 2/10 / 2015, aktualisiert am 12.04.2015), wird in AI Stack Exchange an mehreren Stellen referenziert, aber die Unterscheidungen zwischen diesen Kategorien sind nicht genau definiert und die darin enthaltenen Ideen werden weder von Experten begutachtet noch durch andere Untersuchungen oder Statistiken validiert.

Die Arbeit ist nicht weniger eine Vermutung als eine mittelmäßige Science-Fiction - unterhaltsam genug, um an Popularität zu gewinnen, aber keine rationalen Schlussfolgerungen, die entweder aus wiederholbaren Experimenten oder aus randomisierten Studien gezogen wurden. Die im Artikel bereitgestellten Trenddiagramme haben eine erfundene Form und keine grafischen Darstellungen der tatsächlichen Daten.

Es kann später festgestellt werden, dass ein Teil des Materials eine gewisse Wahrheit enthält, wie im Fall vieler Laieninterpretationen wissenschaftlicher Forschung oder der futuristischen Gedanken von Science-Fiction-Autoren. Ein Großteil des Materials führt jedoch zu Missverständnissen und falschen Behauptungen.

Ich gehe davon aus, dass eine sehr genaue Antwort auf diese Frage im Sand der Zeit verloren gehen kann, obwohl ich hoffe, dass jemand eine solche Antwort geben kann. In der Zwischenzeit ist hier ein Hinweis auf dem Weg ... Diese Sammlung von Artikeln aus dem Jahr 2007 beginnt mit dem folgenden Klappentext:

Unser Ziel bei der Erstellung dieses überarbeiteten Bandes war es, eine offensichtliche Lücke in der wissenschaftlichen Literatur zu schließen, indem wir eine kohärente Darstellung einer Sammlung zeitgenössischer Forschung liefern, die trotz ihrer integralen Bedeutung bisher innerhalb der wissenschaftlichen und wissenschaftlichen Forschung ein sehr geringes Profil bewahrt hat intellektuelle Gemeinschaft. Diesem Werk wurde bisher kein Name gegeben; In diesem Buch taufen wir es "Künstliche Allgemeine Intelligenz" (AGI). Was die AGI-Arbeit von der üblichen Forschung im Bereich der „künstlichen Intelligenz“ unterscheidet, ist, dass sie sich kurzfristig explizit auf die technische allgemeine Intelligenz konzentriert.

Aber selbst wenn dies der Ursprung des spezifischen Ausdrucks "Künstliche Allgemeine Intelligenz" ist, bin ich mir ziemlich sicher, dass die Leute viel früher zwischen "Allgemeiner Intelligenz" und "Aufgabenspezifischen" Techniken unterschieden haben.

Der Wikipedia-Artikel über AGI hat auch einen Hinweis, wo es heißt:

In den frühen 1970er Jahren stellte sich jedoch heraus, dass die Forscher die Schwierigkeit des Projekts stark unterschätzt hatten. Die Agenturen, die KI finanzierten, wurden skeptisch gegenüber starker KI und setzten die Forscher zunehmend unter Druck, nützliche Technologien oder "angewandte KI" zu produzieren.

In diesem Abschnitt wird dieses Buch als Unterstützung für diese Aussage zitiert . Und tatsächlich enthält es die folgende Aussprache:

Obwohl die meisten Gründer des KI-Bereichs weiterhin grundlegende Fragen der menschlichen und maschinellen Intelligenz verfolgten, suchten einige ihrer Studenten und andere Forscher der zweiten Generation nach Wegen, um KI-Methoden und -Ansätze zur Lösung realer Probleme einzusetzen. Ihre Initiativen waren nicht nur für sich selbst wichtig, sondern auch, weil sie auf eine allmähliche, aber signifikante Änderung des Finanzierungsumfelds hin zu stärker angewandten Forschungsbereichen hinwiesen. Die Entwicklung von Expertensystemen wie DENDRAL bei SAIL ist nur ein Beispiel für diesen Trend.

Angesichts der Tatsache, dass DENDRAL um 1965 begann, scheint es, dass sich einige bedeutende Forscher (oder zumindest Geldgeber) gegen Ende der 1960er Jahre der Unterscheidung zwischen der Erforschung der "allgemeinen Intelligenz" und der "angewandten KI" bewusst wurden. Wenn Sie weiterlesen, unterstützen andere Passagen die Vorstellung, dass insbesondere DARPA in den 1970er Jahren einen "angewandten" Ansatz für die KI-Forschung vorangetrieben hat.

Keine eindeutige Antwort, aber es sieht so aus, als ob wir sagen können, dass die Unterscheidung mindestens bis 1970 bekannt war und berücksichtigt wurde, obwohl die Verwendung des genauen Begriffs "künstliche allgemeine Intelligenz" neueren Datums zu sein scheint.

1973 beauftragte die britische Regierung Sir James Lighthill mit der Durchführung einer "allgemeinen Umfrage" zum Zustand der künstlichen Intelligenz. Sein Bericht war eine Verurteilung der aktuellen KI-Forschung und führte zu einer Welle des Pessimismus unter KI-Wissenschaftlern und dem Ersten KI-Winter . Sie können den Bericht von Lighthill (und die zeitgenössische Kritik an seinem Bericht) hier ansehen , aber ich werde die wichtigsten Punkte von Lighthill zusammenfassen.

Sir James Lighthill hat AI in drei Kategorien unterteilt:

1. Erweiterte Automatisierung - aufgabenspezifische Arbeit
2. Computergestützte ZNS-Forschung - Erforschung des "Zentralnervensystems" des Menschen
3. Die Brücke zwischen fortschrittlicher Automatisierung und computergestützter ZNS-Forschung. Diese Brücke wird im Allgemeinen als "Allzweck" -Robotik angesehen, daher würde Lighthill auch den Begriff " Gebäuderoboter" verwenden .

Erweiterte Automatisierung (oder "angewandte KI") ist offensichtlich nützlich. Computergestützte ZNS-Forschung ist nützlich, weil wir mehr über die menschliche Intelligenz wissen wollen. Beide Bereiche der KI hatten einige Erfolge, aber die Praktiker waren zu optimistisch, was zu Enttäuschungen in diesen Bereichen führte. Sir James Lighthill unterstützte die Forschung in diesen beiden Bereichen immer noch sehr.

Roboter bauen dagegen? Sir James Lighthill war der Idee sehr feindlich gesinnt, wahrscheinlich weil sie übermäßig hochgespielt war als die beiden anderen Kategorien und die geringste Menge an wertvollem Output produzierte.

Er erwähnte insbesondere Schach als ein Beispiel, bei dem die "Roboter" -Forschung gescheitert ist. Zum Zeitpunkt der Veröffentlichung des Berichts befanden sich die Schachspielmaschinen auf dem Niveau des "erfahrenen Amateurstandards, der für County Club-Spieler in England charakteristisch ist". Diese Schachspiel-Engines stützten sich jedoch auf Heuristiken, die von Menschen erstellt wurden. Die Motoren waren überhaupt nicht intelligent ... sie folgten lediglich den Heuristiken, die von intelligenten Menschen erstellt wurden . Der einzige Vorteil, den die Roboter mitbringen, ist "Geschwindigkeit, Zuverlässigkeit und Bietbarkeit", und selbst das war nicht genug, um die Schachgroßmeister zu schlagen.

Heute würden wir Schach wahrscheinlich nicht als Beispiel für die allgemeine Problemlösung betrachten. Wir würden es genauer als "fortgeschrittene Automatisierung" klassifizieren, ein "enges KI" -Problem, das von den umfassenderen realen Auswirkungen der allgemeinen Problemlösung getrennt ist. Aber Sir James Lighthill würde uns wahrscheinlich zustimmen. Er benutzte nie die Begriffe "enge KI" und "AGI" (keiner dieser Begriffe existierte noch), aber er würde schreiben:

Zusammenfassend lässt sich sagen, dass diese und alle anderen Beweise, die der vorliegende Autor in den letzten 25 Jahren für KI-Arbeiten in Kategorie B untersucht hat, in gewissem Maße ermutigend für Programme sind, die für hochspezialisierte Problembereiche geschrieben wurden, wenn die Programmierung sehr umfangreich ist Berücksichtigung der Ergebnisse menschlicher Erfahrung und menschlicher Intelligenz innerhalb des relevanten Bereichs, entmutigt jedoch Allzweckprogramme, die die problemlösenden Aspekte der menschlichen ZNS-Aktivität in einem ziemlich weiten Bereich nachahmen sollen. Ein solches Allzweckprogramm, das begehrte langfristige Ziel der KI-Aktivität, scheint so weit entfernt wie nie zuvor.

Sir James Lighthill glaubte, dass das einzige, was Advanced Automation und computergestützte ZNS-Forschung verbindet, die Existenz der Kategorie "Brücke" von Building Roobts ist . Aber er ist sehr pessimistisch in Bezug auf diese Kategorie, die tatsächlich alles produziert, was sich lohnt. Stattdessen sollte das KI-Feld seine Bestandteile (Automatisierung und Forschung) in seine eigenen Teile aufteilen. Alle Roboter, die gebaut werden, könnten dann auf ihr Teilgebiet spezialisiert werden ... entweder auf industrielle Automatisierung oder auf ZNS-Forschung. Der Versuch, den heiligen Gral des "Allzweckprogramms" zu bauen, wäre wertlos ... zumindest vorerst.