اهمیت هوش مصنوعی اسکرچ برای کودکان
مطلوب]: رویکردی با تجزیه (از بالا به پایین هوش مصنوعی اسکرچ ، مانند سیستمهای خبره) و رویکردی مخالف با ساخت پیشرونده از پایین به بالا، مانند یادگیری ماشینی198.
به نظر میرسد این دو رویکرد مکمل یکدیگرند تا متضاد: هوش مصنوعی اسکرچ ما با تجزیه سریع آنچه به خوبی میدانیم راحت هستیم و رویکرد عملگرایانه مبتنی بر عناصری که میدانیم به منظور آشنایی با مفاهیم نوظهور برای حوزههای ناشناخته مفیدتر است. آنها به ترتیب بر اساس فرضیه های کاری تشکیل شده توسط شناخت گرایی و پیوندگرایی قرار دارند، که امروزه (2005) [بخشی که به روز می شود] سعی دارند به تدریج در هم آمیختن آنها را ایجاد کنند.
راهنمای عملی لینوکس برای هوش مصنوعی نسخه 3.0199، هوش مصنوعی اسکرچ بازبینی شده در 15 دسامبر 2012، طبقه بندی زیر را برای راحتی خوانندگان اتخاذ می کند:
سیستم های نمادین؛
پیوندگرایی؛
محاسبات تکاملی (به عنوان مثال الگوریتم های ژنتیک)؛
زندگی (زندگی مصنوعی) و پیچیدگی؛
عوامل و روباتیک
شناخت گرایی
نوشتار اصلی: شناخت گرایی.
شناخت گرایی بر این باور است که موجودات زنده، مانند رایانه هوش مصنوعی اسکرچ (اگرچه از فرآیندهای بسیار متفاوتی استفاده می کنند)، اساساً نمادهای ابتدایی را دستکاری می کنند. ماروین مینسکی در کتاب خود به نام جامعه ذهن، با تکیه بر مشاهدات روانشناس ژان پیاژه، فرآیند شناختی را رقابتی از عواملی می داند که پاسخ های جزئی ارائه می دهند و نظرات آنها توسط عوامل دیگر داوری می شود. او نمونه های زیر را از پیاژه ذکر می کند:
کودک در ابتدا معتقد است که هر چه سطح آب در یک لیوان بالاتر باشد، آب بیشتری در آن لیوان وجود دارد. پس از بازی با انتقال های متوالی، او این واقعیت را ادغام می کند که مفهوم ارتفاع مایع هوش مصنوعی اسکرچ در لیوان با قطر لیوان رقابت می کند و تا جایی که می تواند بین این دو داوری می کند.
او سپس تجربه مشابهی را هنگام دستکاری مدلسازی آموزش برنامه نویسی کودکان و نوجوانان خاک رس داشت: کاهش چند جسم که به طور موقت به یک توپ از خاک رس نشان داده شده بودند، او را تشویق کرد تا مفهومی مبنی بر حفظ مقدار ماده را شناسایی کند.
در نهایت، این بازیهای کودکانه برای آموزش ذهن ضروری است، هوش مصنوعی اسکرچ که قوانینی را برای داوری عناصر مختلف قدردانی که با آن مواجه میشود، از طریق آزمون و خطا مشخص میکند.
پیوند گرایی
نوشتار اصلی: پیوندگرایی.
پیوندگرایی، با اشاره به فرآیندهای خودسازماندهی، شناخت ر هوش مصنوعی اسکرچ ا نتیجه تعامل جهانی اجزای اولیه یک سیستم می داند. نمی توان انکار کرد که سگ نوعی دانش از معادلات دیفرانسیل حرکت دارد، زیرا موفق می شود چوبی را در حال پرواز بگیرد. و بیشتر از یک گربه نیز نوعی دانش از قانون سقوط اجسام ندارد، زیرا طوری رفتار می کند که گویی می داند از چه ارتفاعی دیگر نباید سعی کند مستقیماً به سمت زمین بپرد. این قوه که تا حدودی شهود فیلسوفان را برمی انگیزد، با در نظر گرفتن و تثبیت عناصر ادراکی مشخص می شود که هیچ یک از آنها ب هوش مصنوعی اسکرچ ه طور مجزا به آستانه آگاهی نمی رسد، یا در هر صورت باعث تفسیر خاصی می شود.
سنتز
سه مفهوم به طور مکرر در اکثر آثار تکرار می شود:
افزونگی (سیستم به خرابی های گاه به گاه خیلی حساس نیست)؛
ورود مجدد (مولفه ها دائماً یکدیگر را مطلع می کنند؛ این مفهوم با ورود مجدد در برنامه نویسی متفاوت است).
انتخاب (در طول زمان، رفتارهای موثر شناسایی و تقویت می شوند).
هوش مصنوعی قوی
مقاله اصلی: هوش مصنوعی.
مفهوم هوش مصنوعی قوی به ماشینی اشاره دارد که نه تنه هوش مصنوعی اسکرچ ا قادر به تولید رفتار هوشمند، به ویژه در مدلسازی ایدههای انتزاعی است، بلکه میتواند تصوری از آگاهی واقعی، از «احساسات واقعی» (مفهومی که تعریف آن جهانی نیست) را نیز تجربه کند. و "درکی از استدلال خود" 200.
برخلاف هوش مصنوعی عمومی، هوش مصنوعی قوی اغلب شامل مفاهیم فلسفی آگاهی است که به این معنی است که قابلیتهای هوش مصنوعی برای گفتن اینکه آیا "قوی" است یا خیر کافی نیست. با این حال، هیچ اتفاق نظری در مورد هیچ تعریفی از آگاهی برای AI201 وجود ندارد. اصطلاحات «هوش مصنوعی قوی» هوش مصنوعی اسکرچ و «هوش مصنوعی عمومی» گاهی اوقات در عمل به جای هم استفاده میشوند.
با شروع از این اصل که توسط علوم اعصاب 202 پشتیبانی می شود، مبنی بر اینکه آگاهی هوش مصنوعی اسکرچ دارای پشتوانه بیولوژیکی و در نتیجه مادی است، دانشمندان عموماً هیچ مانع نظری برای ایجاد هوش آگاهانه بر روی یک پشتیبان مادی غیر از بیولوژیک نمی بینند. به گفته طرفداران هوش مصنوعی قوی، اگر در Scratch artificial intelligence حال حاضر هیچ کامپیوتر یا الگوریتمی به هوشمندی انسان وجود نداشته باشد، مشکل ابزار نیست، بلکه یک مشکل مفهومی است.
[ بازدید : 2 ][ چهارشنبه 15 فروردين 1403 ] 10:51 ] [ علیرضا خانی ]
[ ]