Følende AI er ikke lig med intelligent AI

sponsoreret

Du har sikkert hørt om Googles LaMDA og den virale diskussion om, hvorvidt en AI kan blive sansende. Holdet kl din hævder, at sansning af en AI måske kun er en lille del af dens intelligens. Snarere vil den sande intelligens af AI være baseret på dens evne til logisk at forstå folks behov og automatisk tilfredsstille dem.

din er den første platform nogensinde, der vil være i stand til at tage imod sine brugeres tanker, råd og viden og opdatere sin egen software i realtid ved at lade sine brugere skrive på sprog, som både maskiner og mennesker kan læse og forstå. Taus decentraliserede sociale netværk og dets monetære aspekt, Agoras kryptovaluta, er drevet af en AI, som holdet kalder den virkelig intelligente kunstige intelligens - Logisk AI. Logisk AI er radikalt anderledes end Machine Learning, og er ifølge Taus grundlægger Ohad Asor på randen af ​​at blive den næste store bølge i teknologiens verden.

På Tau vil Logical AI gøre det muligt for dig at deltage i diskussioner på størrelse med milliarder af mennesker og øjeblikkeligt se den kollektive forsætlige mening bag de tanker, der deles over netværket. Dette vil blive opnået ved at lade folk bruge Controlled Natural Languages ​​(CNL'er), som både mennesker og maskiner kan forstå. Enhver tanke og ethvert stykke viden, hvad enten det er eksplicit eller implicit, vil automatisk blive genkendt og registreret som dit verdensbillede, som vil fungere som din profil på Tau og vil være helt dit at eje. At have dine ideer og viden organiseret på en så avanceret måde vil betyde, at du ikke kun vil kunne opdage banebrydende løsninger, men også tjene penge på din viden på en ubesværet og direkte måde, som ikke har været mulig før.

Bare ved at indtaste dine tanker om Tau, bliver din viden automatisk et digitalt aktiv, som ejes af dig. Du vil være i stand til at sælge din viden til andre købere eller bruge den til at generere indtægter ved at leje bestemte dele af den til dine abonnenter, da Tau vil forstå, at selv en del af din viden kan være en del af løsningen på en persons problem. Tau vil fremhæve kombinationen af ​​viden fra flere brugere og foreslå den som en løsning på vigtige og komplekse problemer, og dermed garantere, at den nødvendige viden matcher specifikationerne 100%.

Ingen af ​​disse løsninger ville være mulige med nogen anden type AI, undtagen en baseret på logik. Dette skyldes, for at sige det enkelt, logisk kunstig intelligens handler om ord og sætninger. I sin kerne handler det om evnen til at udlede udsagn fra andre udsagn, på samme måde som det man kalder deduktiv ræsonnement. For eksempel fra de tre udsagn:

• Paris ligger i Frankrig.
• Frankrig er i Europa.
• Hvis x er i y, og y er i z, så er x i z. Dette for alle x, y, z.

vi kan udlede udtalelsen

Feltet for matematisk logik lærer, at stort set alle logiske spørgsmål kan komme ned til denne form for deduktion. For eksempel er et sæt udsagn modstridende, hvis og kun hvis vi kan udlede både et udsagn og dets negation.

Logisk AI er mekaniseringen af ​​logisk ræsonnement: finde modsigelser, afgøre, om en konklusion følger af givne antagelser, og så videre. Det handler derfor om evnen til at lade maskiner forstå, hvad vi vil fortælle dem, ud over blot maskininstruktioner.

I mellemtiden handler Machine Learning, som i øjeblikket er den mest udbredte form for AI, om at generalisere ud fra eksempler. Så hvis vi skulle kommunikere ovenstående Frankrig og Paris-eksempel på måden med maskinlæring, ville vi være nødt til at forsyne algoritmen med mange eksempler på formen "x er i y", og så håbe, at algoritmen vil konkludere, at Paris er i Europa.

En sådan kommunikationsform fortjener ikke engang at blive kaldt intelligent, for hvordan kan noget være intelligent, hvis det ikke kan konkludere, at Paris er i Europa og skal se et stort antal eksempler for at "forstå" det, mens selv det er ikke garanteret? Generalisering ud fra eksempler er af sandsynlighed. Hvordan kan vi gætte på usynlige prøver? Det er overraskende, at Machine Learning nogle gange kan være rigtigt og ikke er helt tilfældigt, og Machine Learning fortjener faktisk at blive kaldt et matematisk mirakel. Når alt kommer til alt, hvordan kan man sige noget, som med stor sandsynlighed endda er tilnærmelsesvis korrekt, under nul viden ud over nogle prøver?

Overraskende nok kan maskinlæring gøre det. Og det er det, Machine Learning handler om med alle dens fordele og ulemper. Dens use-case er, når vi har lidt eller ingen viden om et system, og alt vi kan gøre er at tage prøver og forsøge at generalisere dem.

Logisk AI handler på den anden side om fuld viden og absoluthed, hvad enten det er eksplicit eller implicit. Det handler også om en meget mere effektiv måde at kommunikere på, direkte kommunikation, "bare at sige tingene", i stedet for at arbejde med at give mange eksempler.

Yderligere sker det, at Machine Learning i sagens natur er ude af stand til at udføre logiske ræsonnementer, f.eks. opdage modsigelser. Dette er matematisk bevist ved hjælp af kompleksitetsteoretiske argumenter. Det er derfor ingen overraskelse, at Machine Learning kun møder succes på områder, som er non-verbal af natur, mens det inden for Natural Language Processing kun har meget begrænsede muligheder.

Men den anden vej rundt er fuldkommen gyldig: ikke kun logik kan udføre maskinlæring, men det gør den allerede. Maskinlæringsalgoritmer er allerede udtrykt i logiske former (i modsætning til eksempler) og er allerede implementeret som computerprogrammer, der også antager en logisk ret sandsynlig form, nemlig maskininstruktioner.

At dække logisk kunstig intelligens dækker derfor også over Machine Learning, men den omvendte kan aldrig opnås. En anden måde at sige det på er som følger: maskinlæring dækker i sidste ende det, der kaldes induktiv og abduktiv ræsonnement (som nogenlunde svarer til det, der kaldes superviseret og uovervåget læring), og som sådan er det meget lovende, dog stadig i en form, der er begrænset til blot eksempler, og yderligere beskæftiger nuværende teknologier sig kun med data af numerisk karakter eller med data, der kan konverteres til sådanne. Logisk AI kan på den anden side dække deduktiv ræsonnement, induktiv ræsonnement og abduktiv ræsonnement i alt i kvalitative og såvel som kvantitative data.

Dette er hovedårsagerne din har valgt logisk kunstig intelligens som den ultimative form for kunstig intelligens og argumenterer for, at Machine Learning kun er en milepæl i kunstig intelligensens historie. Taus løsninger vil forbedre mange aspekter af menneskelig båndbredde, fra diskussionsskalering, til indtægtsgenerering af viden, til smarte kontrakter og decentraliseret styring. Alt dette på grund af logikkens evne til at bygge bro mellem mennesker og maskiner.

Lær mere om Tau og holdet bag link.

Slut dig til det voksende Tau-fællesskab på Telegram

Dette er et sponsoreret indlæg. Lær hvordan vi når ud til vores publikum link.. Læs ansvarsfraskrivelse nedenfor.

Bitcoin.com medier

Bitcoin.com er den førende kilde til alt krypto-relateret.
Kontakt [e-mail beskyttet] at tale om pressemeddelelser, sponsorerede indlæg, podcasts og andre muligheder.

Billedkreditter: Shutterstock, Pixabay, Wiki Commons