Wie können mir diese 7 KI-Problemmerkmale bei der Entscheidung über eine Herangehensweise an ein Problem helfen?

13

Wenn diese Liste 1 verwendet werden kann, um Probleme in AI zu klassifizieren ...

  • Zerlegbar zu kleineren oder leichteren Problemen
  • Lösungsschritte können ignoriert oder rückgängig gemacht werden
  • Vorhersehbares Problemuniversum
  • Gute Lösungen liegen auf der Hand
  • Verwendet eine intern konsistente Wissensbasis
  • Benötigt viel Wissen oder nutzt Wissen, um Lösungen einzuschränken
  • Erfordert regelmäßige Interaktion zwischen Mensch und Computer

... gibt es einen allgemein akzeptierten Zusammenhang zwischen der Platzierung eines Problems entlang dieser Dimensionen und geeigneten Algorithmen / Lösungsansätzen?

Verweise

[1] https://images.slideplayer.com/23/6911262/slides/slide_4.jpg

user4856
quelle

Antworten:

1

Die Liste

Diese Liste stammt von Bruce Maxim, Professor für Ingenieurwissenschaften, Computer- und Informationswissenschaften an der University of Michigan. In seiner Vorlesung Spring 1998 notes for CIS 479 1 hieß die folgende Liste:

"Gute Probleme für künstliche Intelligenz."

  Decomposable to easier problems
  Solution steps can be ignored or undone
  Predictable Problem Universe
  Good Solutions are obvious
  Internally consistent knowledge base (KB)
  Requires lots of knowledge or uses knowledge to constrain solutions
  Interactive

Es hat sich seitdem zu diesem entwickelt.

  Decomposable to smaller or easier problems
  Solution steps can be ignored or undone
  Predictable problem universe
  Good solutions are obvious
  Uses internally consistent knowledge base
  Requires lots of knowledge or uses knowledge to constrain solutions
  Requires periodic interaction between human and computer

Was es ist

Seine Liste sollte niemals eine Liste von KI-Problemkategorien als Ausgangspunkt für Lösungsansätze oder eine "heuristische Technik zur Beschleunigung der Suche nach einer zufriedenstellenden Lösung" sein.

Maxim hat diese Liste nie in eine seiner wissenschaftlichen Publikationen aufgenommen, und es gibt Gründe dafür.

Die Liste ist heterogen. Es enthält Methoden, globale Merkmale, Herausforderungen und konzeptionelle Ansätze, die in einer Liste zusammengefasst sind, als wären sie wie Elemente. Dies ist kein Mangel für eine Liste mit "Gute Probleme für die KI", aber als formale Aussage über die Merkmale oder Kategorien von KI-Problemen fehlt es ihm an der nötigen Genauigkeit. Maxim hat es mit Sicherheit nicht als "7 AI-Problemmerkmale" -Liste dargestellt.

Es ist sicherlich keine "7 AI Problemmerkmale" -Liste.

Gibt es Kategorien- oder Merkmalslisten?

Es gibt keine gute Kategorieliste für KI-Probleme, denn wenn man eine erstellt, fällt einem leicht eines der Millionen Probleme ein, die das menschliche Gehirn gelöst hat und die nicht in eine der Kategorien passen oder an der Grenze von zwei liegen oder mehr Kategorien.

Es ist denkbar, eine Liste mit Problemmerkmalen zu erstellen, die möglicherweise von Maxim's Good Problems for AI-Liste inspiriert ist. Es ist auch denkbar, eine erste Ansätze Liste zu entwickeln. Dann kann man Pfeile von den Merkmalen in der ersten Liste zu den besten Aussichten für Ansätze in der zweiten Liste ziehen. Das wäre ein guter Artikel für die Veröffentlichung, wenn er umfassend und konsequent behandelt würde.

Eine erste Liste von Merkmalen auf hoher Ebene für Ansätze

Hier ist eine Liste von Fragen, die ein erfahrener KI-Architekt stellen kann, um die Systemanforderungen auf hoher Ebene zu klären, bevor ein Ansatz ausgewählt wird.

  • Ist die Aufgabe insofern im Wesentlichen statisch, als sie nach dem Betrieb wahrscheinlich keine wesentlichen Anpassungen erfordert? Wenn dies der Fall ist, kann AI am nützlichsten bei der Konstruktion, Herstellung und Konfiguration des Systems sein (möglicherweise einschließlich des Trainings seiner Parameter).
  • Wenn nicht, ist die Aufgabe im Wesentlichen so variabel, dass sich die zu Beginn des 20. Jahrhunderts entwickelte Steuerungstheorie an die Varianz anpassen kann? In diesem Fall kann AI auch in der Beschaffung von Nutzen sein.
  • Wenn nicht, kann das System eine ausreichende nichtlineare und zeitliche Komplexität aufweisen, die Intelligenz erfordert. Dann stellt sich die Frage, ob das Phänomen überhaupt beherrschbar ist. In diesem Fall müssen KI-Techniken nach der Bereitstellung in Echtzeit eingesetzt werden.

Effektiver Architekturansatz

Wenn man die Schritte des Entwurfs, der Herstellung und der Konfiguration isoliert einrahmt, kann derselbe Prozess befolgt werden, um zu bestimmen, welche Rolle die KI spielen könnte, und dies kann rekursiv erfolgen, indem man die Gesamtproduktion von Ideen auf Dinge wie den Entwurf einer KI zerlegt A / D-Wandler oder die Faltungskerngröße, die in einer bestimmten Phase der Bildverarbeitung verwendet werden soll.

Wie bei anderen Steuerungssystemen ermitteln Sie auch bei AI Ihre verfügbaren Eingänge und gewünschten Ausgänge und wenden grundlegende technische Konzepte an. Zu glauben, dass sich die technische Disziplin aufgrund von Expertensystemen oder künstlichen Netzen geändert hat, ist zumindest vorerst ein Fehler.

An der Steuerungstechnik hat sich nichts wesentlich geändert, da die KI und die Steuerungstechnik einen gemeinsamen Ursprung haben. Wir haben nur zusätzliche Komponenten, aus denen wir auswählen können, und zusätzliche Theorien, die wir für Design, Konstruktion und Qualitätskontrolle verwenden können.

Rang, Dimensionalität und Topologie

In Bezug auf Rang und Dimension von Signalen, Tensoren und Botschaften in einem KI-System ist die kartesische Dimensionalität nicht immer das richtige Konzept, um die diskreten Eigenschaften von Interna zu charakterisieren, wenn wir uns Simulationen verschiedener mentaler Eigenschaften des menschlichen Gehirns nähern. Die Topologie ist häufig der Schlüsselbereich der Mathematik, der die Arten der Vielfalt, die wir in der menschlichen Intelligenz sehen, die wir künstlich in Systemen entwickeln möchten, am besten modelliert.

Interessanterweise kann die Topologie der Schlüssel zur Entwicklung neuer Arten von Intelligenz sein, für die weder Computer noch menschliche Gehirne gut gerüstet sind.

Verweise

http://groups.umd.umich.edu/cis/course.des/cis479/lectures/htm.zip

Douglas Daseeco
quelle
-1

Die 7 AI-Problemmerkmale sind eine heuristische Technik, die entwickelt wurde, um den Prozess der Suche nach einer zufriedenstellenden Lösung für Probleme in der künstlichen Intelligenz zu beschleunigen.

In der Informatik, der künstlichen Intelligenz und der mathematischen Optimierung ist eine Heuristik eine Technik, mit der ein Problem schneller gelöst oder eine ungefähre Lösung gefunden werden kann, wenn Sie mit klassischen Methoden keine exakte Lösung gefunden haben.

Bei der 7 - KI - Problemtechnik werden alternative Schritte basierend auf den verfügbaren Informationen bewertet, um die Entscheidung für den am besten geeigneten Lösungsansatz zu erleichtern, z. B. Missionare und Kannibalen, Turm von Hanoi, Handlungsreisender usw

In Bezug darauf, ob ein allgemein akzeptierter Zusammenhang zwischen der Platzierung eines Problems und geeigneten Algorithmen besteht. Die Antwort ist, dass tatsächlich eine allgemein akzeptierte Beziehung besteht. Stellen Sie sich zum Beispiel vor, Sie versuchen eine Partie Schach und eine Partie Sudoku zu lösen.

Wenn ein Schritt in Sudoku falsch ist, können wir einen anderen Ansatz verfolgen und versuchen. Wenn wir jedoch eine Partie Schach spielen und nach ein paar Zügen einen Fehler bemerken. Wir können den Fehler und die Rückspur nicht einfach ignorieren. (2. Charakteristik)

Wenn das Problemuniversum vorhersehbar ist, können wir einen Plan erstellen, um eine Abfolge von Vorgängen zu generieren, die garantiert zu einer Lösung führen. Bei Problemen mit unsicheren Ergebnissen müssen wir jedoch einen Planüberarbeitungsprozess durchführen, während der Plan ausgeführt wird, und gleichzeitig das erforderliche Feedback geben. (3. Eigenschaft)

Im Folgenden finden Sie ein Beispiel für die 7 AI-Problemmerkmale, die zur Lösung eines Wasserkrugproblems angewendet werden.

Im Folgenden finden Sie ein Beispiel für die 7 AI-Problemkennlinie, die zur Lösung eines Wasserkrugproblems verwendet wird.

Bildquelle https://gtuengineeringmaterial.blogspot.com/2013/05/discuss-ai-problems-with-seven-problem_1818.html

Seth Simba
quelle
1. Was ist formal als menschliches Eingreifen erforderlich zu qualifizieren? Als hätte ich gedacht, dass das Wasserkrugproblem keine menschliche Interaktion erfordert; Für mich scheint der von Ihnen angegebene Grund nur eine Voraussetzung zu sein, um das Problem in einer realen Umgebung zu lösen (im Gegensatz zu einer simulierten). 2. Wenn eine gegebene Lösung aus mehreren Schritten besteht und Sie daher die Suche in eine Suche von der Lösung bis zum Start in Kombination mit einer Suche von Anfang bis zur Lösung aufteilen können, ist das Problem dann nicht zersetzbar? Wieder ist mein Streit mit, was formal qualifiziert. 3. Warum ist die Lösung kein Staat? ...
Gott der Lamas
... Der Zustand des gelösten Eimers ist die Lösung, daher scheint es mir, als ob die Lösung darin besteht, einen Weg zum Staat zu finden , wobei der Weg eher dem Staat dient als umgekehrt. Wenn der Staat nur dem Weg dient, der die Lösung ist, dann würde ich denken, dass die Lösung eher der Weg als der Staat ist.
Gott der Lamas
1
Außerdem scheint Ihre Antwort die gestellte Frage nicht vollständig zu beantworten: "Gibt es eine allgemein akzeptierte Beziehung zwischen der Platzierung eines Problems entlang dieser Dimensionen und geeigneten Algorithmen / Ansätzen zu seiner Lösung?"
Gott der Lamas