Исследование Объединенного исследовательского центра для правильной таксономии искусственного интеллекта
Рафаэлла Агемо
В контексте AI Watch, службы знаний Европейской комиссии по мониторингу разработки, внедрения и воздействия искусственного интеллекта (ИИ) для Европы, запущенной в декабре 2018 года, является недавним исследованием, проведенным Объединенным исследовательским центром (JRC). под названием «AI Watch — определение искусственного интеллекта 2.0 — на пути к рабочему определению и таксономии ландшафта ИИ». Кроме того, в апреле 2021 года Европейская комиссия предложила ряд действий по продвижению передового опыта в области искусственного интеллекта и правил, обеспечивающих доверие к этой технологии.
Таксономия ИИ — это классификация самой технологии с концепциями, происходящими в основном из математики, логики, философии и теории информации, которая использует таксономию Рассела и Норвига в качестве отправной точки и встречается в нескольких исследованиях с разных точек зрения. Рассматриваемая классификация сначала делит ИИ на слабый или узкий ИИ (Weak or Narrow AI — ANI) и сильный или Общий AI (AGI).
ANI — это тот тип ИИ, который существует сегодня. Системы АОН могут выполнять определенную задачу и работать в предопределенной среде. ANI может обрабатывать данные с высокой скоростью и повышать производительность и эффективность во многих практических приложениях. Хотя ANI лучше в специализированных областях, он не может обобщать, то есть повторно использовать полученные знания в разных областях.
AGI относится к машинам, имитирующим человеческий интеллект. Другими словами, ОИИ стремится выполнять любую интеллектуальную задачу, которую может выполнить человек. Текущее состояние развития ИИ далеко от достижения ОИИ.
С этой точки зрения, одна из возможных категорий состоит в том, чтобы классифицировать ИИ в:
- символический,
- коннекционист,
- эволюционный,
- байесовский и
- аналог.
Символический и коннекционистский ИИ являются наиболее доминирующими областями в истории ИИ. Symbolic был доминирующей областью ИИ в период с 1970-х по 1990-е годы, период, известный как второй цикл ИИ, со значительными инвестициями и шумихой в СМИ. Вдохновленный человеческим мозгом, Розенблатт изобрел перцептрон, основу искусственных нейронных сетей (ИНС) и глубокого обучения (ГО). По состоянию на 2010 год глубокое обучение является доминирующей областью искусственного интеллекта и причиной нынешнего роста ИИ.
Исключая последние две области, исследование дает следующие определения первых трех классификаций:
- Символический ИИ: подход, основанный на правилах, логике и знаниях (ранее также относился к нисходящему подходу. Он представляет процессы рационального мышления и рассуждений. Он называется символическим, потому что понятия и процессы выражаются наборами символов, которые следуют ограниченному набору правил, основанных на логике, и используют базовые знания и ограничения для определения пространства поиска. Рассуждение достигается за счет комбинации различных символов, которые следуют логическим и формальным правилам для решения проблемы. Символический ИИ изначально был реализован как часть «экспертные системы» или «системы, основанные на знаниях». Основная идея заключалась в том, чтобы получить знания людей-экспертов в виде компьютеров и распространить их в виде программы на многих персональных компьютерах. Символический ИИ состоит из двух компонентов: база знаний — набор фактов, правил и отношений в конкретной области, а также механизм вывода, описывающий, как манипулировать и комбинировать эти символы.
- Коннекционистский ИИ: подход, основанный на вероятности, данных и статистике. Концепция коннекционистского ИИ, часто называемая ИНС, основана на сети взаимосвязанных нейронов в мозгу. В подходе ИНС понятия формируются с помощью простых отдельных обрабатывающих элементов, блоков или узлов, связанных между собой в сеть, а не с помощью символьных структур, как в символическом ИИ. В последнее десятилетие подходы ДО стали предпочтительным решением для проблем со зрением, речью, языком и другими проблемами, по своей природе гибкими за счет включения механизмов, которые можно адаптировать посредством обучения, поэтому они работают лучше, чем символические. Однако недостатком является то, что трудно понять, как приходит решение, т.е. как принимаются решения, что снижает объяснимость и прозрачность моделей, использующих этот подход.
- Эволюционный ИИ: эволюционные алгоритмы основаны на биологической эволюции и применяются для решения различных задач обучения и других задач оптимизации. Решение проблемы ищут в популяции, которая эволюционирует, применяя механизмы, связанные с эволюцией: размножение, мутация, отбор и другие.
ИИ также можно классифицировать в соответствии с тем, что делают алгоритмы ИИ, то есть их функциями, переведенными в реальные приложения технологии. Приложения ИИ используются для:
§ решить и оптимизировать,
§ автоматизировать,
§ воспринимать и общаться, и, наконец,
§ экспериментируйте и творите.
Помимо классификаций, определение, которое Группа экспертов высокого уровня (HLEG) по ИИ дала в 2019 году, было следующим: «Системы искусственного интеллекта (ИИ) — это программные (и, возможно, также аппаратные) системы, разработанные людьми, которые, учитывая комплексная цель, действовать в физическом или цифровом измерении, воспринимая свое окружение посредством сбора данных, интерпретации собранных структурированных или неструктурированных данных, рассуждений о знаниях или обработки информации, полученной из этих данных, и принятия решения о наилучших действиях для достичь поставленной цели. Системы искусственного интеллекта могут использовать символические правила или изучать числовую модель, а также могут адаптировать свое поведение, анализируя, как их предыдущие действия влияют на окружающую среду». Но, учитывая быстрое развитие предметной области, это определение уже поддается некоторым модификациям, касающимся:
(I) в долгосрочной перспективе системы ИИ не обязательно будут разрабатываться людьми,
(II) что касается агентно-ориентированной точки зрения, возможно, что не все системы ИИ должны действовать; многие могут быть просто модулями, компонентами или процессами ввода-вывода, и, кроме того, в качестве агента можно взять любую систему ввода-вывода, учитывая, что некоторые программные системы будут агентами, и
(III) часть «обработки информации» может быть включена во все формы ИИ и, следовательно, быть избыточной.
Согласно HLEG AI, методы и поддисциплины ИИ можно сгруппировать в две широкие группы, касающиеся возможностей систем:
а) рассуждения и принятие решений,
б) обучение и восприятие.
Первая группа возможностей включает в себя преобразование данных в знания, преобразование реальной информации во что-то понятное и пригодное для использования машинами, а также принятие решений в соответствии с организованным путем планирования, поиска решений и оптимизации. Вторая группа способностей развивается при отсутствии символических правил и включает в себя обучение, т.е. извлечение информации и решение задач на основе воспринимаемых структурированных или неструктурированных данных (письменная и устная речь, изображение, звук и т. д.), адаптацию и реакцию на изменения, предсказание поведения и т. д.
Но таксономия AI Watch предназначена не для того, чтобы быть жесткой или исчерпывающей классификацией, а для всеобъемлющего набора областей, представляющих ИИ с трех целевых точек зрения: политики, исследований и промышленности, с анализом сначала доменов, а затем связанных с ними поддоменов. Например, в Домен — Этика и Философия входят Поддомены — Этика ИИ; Философия ИИ: философские и этические вопросы, связанные с ИИ, множатся и привлекают внимание граждан и политический интерес правительств по мере того, как интеллектуальные системы становятся все более распространенными. Этика ИИ считается сквозной областью, поскольку достижения и применение ИИ в различных областях должны обеспечивать соблюдение этических принципов и ценностей, включая применимое законодательство. Учитывая воздействие ИИ на людей и общество, укрепление доверия к ИИ находится в центре внимания многочисленных структур и инициатив политических органов и учреждений.
В конечном счете, это исследование направлено на то, чтобы дать направление к более целенаправленной таксономии искусственного интеллекта с помощью методологии, которая анализирует ключевые слова и определения, а также влияние на гражданское общество и технологии.
Что мне показалось интересным, помимо технических деталей для вертикальных вкусов, так это усилия, предпринимаемые в рамках Европейской комиссии для полного разграничения сфер дисциплины и действий в обширной панораме так называемого «искусственного интеллекта»!
Все права защищены
Рафаэлла Агемо, юрист
Запланируйте сеанс DDIChat в Data Science / AI / ML / DL:
Подайте заявку на участие в программе DDIChat Expert здесь.
Работайте с DDI: https://datadriveninvestor.com/collaborate
Подпишитесь на DDIntel здесь.
