మేధస్సు అనేది ఒక వస్తువు తన ప్రవర్తనను దాని పరిరక్షణ (మనుగడ) కొరకు పర్యావరణానికి అనుగుణంగా మార్చుకునే సామర్ధ్యం.

నైరూప్య

ప్రపంచం మొత్తం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ గురించి మాట్లాడటం తప్ప ఏమీ చేయదు, కానీ అదే సమయంలో - ఎంత పారడాక్స్! - నిజానికి, "మేధస్సు" యొక్క నిర్వచనం (కృత్రిమమైనది కాదు, కానీ సాధారణంగా) - ఇప్పటికీ సాధారణంగా ఆమోదించబడలేదు, అర్థమయ్యేది, తార్కికంగా నిర్మాణాత్మకమైనది మరియు లోతైనది! అటువంటి నిర్వచనాన్ని కనుగొని ప్రతిపాదించడానికి ప్రయత్నించే స్వేచ్ఛను ఎందుకు తీసుకోకూడదు? అన్నింటికంటే, నిర్వచనం అనేది మిగతావన్నీ నిర్మించబడిన పునాది, సరియైనదా? ప్రతి ఒక్కరూ విభిన్నంగా చూస్తే AIని ఎలా నిర్మించాలి? వెళ్ళండి…

ముఖ్య పదాలు: తెలివితేటలు, సామర్థ్యం, ​​ఆస్తి, వస్తువు, అనుసరణ, ప్రవర్తన, పర్యావరణం, పరిరక్షణ, మనుగడ.

ఇంటెలిజెన్స్ యొక్క ప్రస్తుత నిర్వచనాలను వివరించడానికి, "ఎ కలెక్షన్ ఆఫ్ డెఫినిషన్స్ ఆఫ్ ఇంటెలిజెన్స్" (S. లెగ్, M. హట్టర్. ఎ కలెక్షన్ ఆఫ్ డెఫినిషన్స్ ఆఫ్ ఇంటెలిజెన్స్ (2007), arxiv.org/abs/0706.3639), వ్యాఖ్యలతో పాటు అందించబడిన కోట్‌లు (ఇటాలిక్స్).

ఎంట్రీ

ఈ కథనం (ఒక సేకరణ...) రచయితలు సంవత్సరాలుగా సేకరించిన "మేధస్సు" అనే పదం యొక్క అనధికారిక నిర్వచనాల యొక్క పెద్ద సంఖ్యలో (70 కంటే ఎక్కువ!) సమీక్ష. సహజంగానే, పూర్తి జాబితాను కంపైల్ చేయడం అసాధ్యం, ఎందుకంటే మేధస్సు యొక్క అనేక నిర్వచనాలు వ్యాసాలు మరియు పుస్తకాలలో లోతుగా పాతిపెట్టబడ్డాయి. అయితే, ఇక్కడ అందించిన నిర్వచనాలు అతిపెద్ద ఎంపిక, వివరణాత్మక లింక్‌లతో అందించబడ్డాయి...

పరిశోధన మరియు చర్చ యొక్క సుదీర్ఘ చరిత్ర ఉన్నప్పటికీ, మేధస్సుకు ఇప్పటికీ ప్రామాణిక నిర్వచనం లేదు. ఇది తెలివితేటలను పూర్తిగా కాకుండా సుమారుగా మాత్రమే నిర్వచించగలదని కొందరు నమ్ముతున్నారు. ఈ స్థాయి నిరాశావాదం చాలా బలంగా ఉందని మేము నమ్ముతున్నాము. ఒకే ప్రామాణిక నిర్వచనం లేనప్పటికీ, మీరు ప్రతిపాదించబడిన అనేకం చూస్తే, అనేక నిర్వచనాల మధ్య బలమైన సారూప్యతలు త్వరగా స్పష్టంగా కనిపిస్తాయి.

మేధస్సు యొక్క నిర్వచనం

సాధారణ మూలాల నుండి నిర్వచనాలు (నిఘంటువులు, ఎన్సైక్లోపీడియాలు మొదలైనవి)

(అసలు వ్యాసంలోని ఈ విభాగంలో ఇవ్వబడిన 3లో మేధస్సు యొక్క 18 ఉత్తమ నిర్వచనాలు ఇవ్వబడ్డాయి. ప్రమాణం ప్రకారం ఎంపిక చేయబడింది - లక్షణాల కవరేజ్ వెడల్పు మరియు లోతు - సామర్థ్యాలు, లక్షణాలు, పారామితులు మొదలైనవి ., నిర్వచనంలో ఇవ్వబడింది).

• తనలో మార్పులు చేసుకోవడం ద్వారా లేదా పర్యావరణాన్ని మార్చడం ద్వారా లేదా కొత్తదాన్ని కనుగొనడం ద్వారా పర్యావరణానికి సమర్థవంతంగా స్వీకరించే సామర్థ్యం...
• మేధస్సు అనేది ఒక మానసిక ప్రక్రియ కాదు, పర్యావరణానికి సమర్థవంతమైన అనుసరణను లక్ష్యంగా చేసుకునే అనేక మానసిక ప్రక్రియల కలయిక.

అనుసరణ అనేది తెలివితేటలను రూపొందించే అనేక పేర్కొనబడని లక్షణాల యొక్క అభివ్యక్తి యొక్క ఫలితం. పర్యావరణం పేర్కొనబడటం ముఖ్యం - ఇప్పటికే లేదా కొత్తది కూడా.

• నేర్చుకునే మరియు అర్థం చేసుకునే సామర్థ్యం లేదా కొత్త లేదా సంక్లిష్టమైన పరిస్థితులతో వ్యవహరించే సామర్థ్యం;
• మనస్సు యొక్క నైపుణ్యం ఉపయోగం;
• పర్యావరణంపై ప్రభావం చూపడానికి జ్ఞానాన్ని వర్తింపజేయగల సామర్థ్యం లేదా ఆబ్జెక్టివ్ ప్రమాణాల ద్వారా (పరీక్షించినప్పుడు) కొలవబడినట్లుగా వియుక్తంగా ఆలోచించే సామర్థ్యం.

పర్యావరణం పేర్కొనబడటం ముఖ్యం! లోపాలు:

• “లేదా” సంయోగం ద్వారా, విభిన్న గుణాత్మక వర్గాలు అనుసంధానించబడ్డాయి: “నేర్చుకునే సామర్థ్యం” మరియు “కొత్త పరిస్థితులతో వ్యవహరించడం.”
• మరియు "కారణాన్ని నైపుణ్యంగా ఉపయోగించడం" అనేది మంచి నిర్వచనం కాదు.

• సంక్లిష్ట ఆలోచనలను అర్థం చేసుకునే వారి సామర్థ్యం, ​​వారి పర్యావరణానికి అనుగుణంగా వారి ప్రభావం, అనుభవం నుండి నేర్చుకోవడం, వివిధ రకాల తార్కికంలో పాల్గొనడం మరియు ప్రతిబింబం ద్వారా అడ్డంకులను అధిగమించడంలో వ్యక్తులు ఒకరికొకరు భిన్నంగా ఉంటారు.

బాగా, కనీసం వ్యక్తులు సూచించబడతారు, అంటే, సామర్ధ్యాలు ఉన్న వ్యక్తి! అనుకూలత యొక్క ప్రభావం సూచించబడింది - ఇది ముఖ్యమైనది, కానీ అనుసరణ కూడా జాబితాలో చేర్చబడలేదు! అడ్డంకులను అధిగమించడం, దాని ప్రధాన అంశంగా, సమస్య పరిష్కారం.

మనస్తత్వవేత్తలు అందించిన వివరణలు (3 నిర్వచనాలలో ఉత్తమమైన 35 ఇవ్వబడ్డాయి)

• నేను తెలివితేటలను "విజయవంతమైన మేధస్సు" అని పిలవడానికి ఇష్టపడతాను. మరియు కారణం ఏమిటంటే, జీవితంలో విజయం సాధించడానికి తెలివితేటలను ఉపయోగించడంపై దృష్టి పెట్టడం. అందువల్ల, నేను తెలివితేటలను సామాజిక సాంస్కృతిక సందర్భంలో జీవితంలో సాధించాలనుకునే నైపుణ్యం అని నిర్వచించాను, అంటే వ్యక్తులు వేర్వేరు లక్ష్యాలను కలిగి ఉంటారు: కొంతమందికి ఇది పాఠశాలలో చాలా మంచి గ్రేడ్‌లు మరియు పరీక్షలలో ఉత్తీర్ణత సాధించడం, ఇతరులకు ఇది కావచ్చు , చాలా మంచి బాస్కెట్‌బాల్ ప్లేయర్, లేదా నటి లేదా సంగీతకారుడు అవ్వండి.

జీవితంలో విజయం సాధించడమే లక్ష్యం, కానీ అంతే...

అత్యంత సాధారణ దృక్కోణం నుండి, ఒక వ్యక్తి జంతువు లేదా వ్యక్తి ఒక లక్ష్యానికి సంబంధించి దాని ప్రవర్తన యొక్క ఔచిత్యాన్ని మసకగా గుర్తించే చోట మేధస్సు ఉంటుంది. మనస్తత్వవేత్తలు నిర్వచించలేనిది ఏమిటో నిర్వచించడానికి ప్రయత్నించిన అనేక నిర్వచనాలలో, ఎక్కువ లేదా తక్కువ ఆమోదయోగ్యమైనవి:

1. కొత్త పరిస్థితులకు ప్రతిస్పందించే సామర్థ్యం లేదా కొత్త అనుకూల ప్రతిస్పందనల ద్వారా అలా చేయడం నేర్చుకునే సామర్థ్యం, ​​మరియు
2. సంక్లిష్టత లేదా నైరూప్యతకు అనులోమానుపాతంలో ఉన్న తెలివితేటలు లేదా రెండింటితో సంబంధాలపై పట్టుతో కూడిన పరీక్షలు లేదా సమస్యలను పరిష్కరించగల సామర్థ్యం.

కాబట్టి, ఒక సోపానక్రమం కనిపించింది: "అత్యంత సాధారణ దృక్కోణం నుండి ...", ఇది ఇప్పటికే మంచిది. కానీ అక్కడ అన్ని మంచి విషయాలు ముగుస్తాయి ...

1. టాటాలజీ: ప్రతిస్పందించండి... కొత్త అనుకూల ప్రతిచర్యలతో. ఇది ఎటువంటి తేడా లేదు - పాత లేదా కొత్త ప్రతిచర్యలను ఉపయోగించి, ప్రధాన విషయం ప్రతిస్పందించడం!
2. ఇప్పుడు పరీక్షల విషయానికొస్తే... సంబంధాలను పట్టుకోవడం చెడ్డది కాదు, కానీ అది సరిపోదు!

• ఇంటెలిజెన్స్ అనేది ఒక సామర్ధ్యం కాదు, అనేక విధులను కలిగి ఉన్న ఒక సమ్మేళనం. ఇది ఒక నిర్దిష్ట సంస్కృతిలో మనుగడ మరియు అభివృద్ధికి అవసరమైన సామర్థ్యాల కలయిక అని అర్థం.

ఓహ్, మేధస్సు ద్వారా మనుగడ చివరకు సూచించబడింది! కానీ మిగతావన్నీ పోయాయి...

AI పరిశోధకులు అందించిన వివరణలు (3లో టాప్ 18)

• ఒక తెలివైన ఏజెంట్ దాని పరిస్థితులకు మరియు దాని ప్రయోజనానికి తగినది చేస్తాడు; ఇది మారుతున్న పరిస్థితులకు మరియు మారుతున్న లక్ష్యాలకు అనువైనది, ఇది అనుభవం నుండి నేర్చుకుంటుంది మరియు గ్రహణ పరిమితులు మరియు ప్రాసెసింగ్ సామర్థ్యాల ఆధారంగా తగిన ఎంపికలను చేస్తుంది.

తెలివితేటలకు బహుశా ఉత్తమమైన (ఇక్కడ అందించిన వాటిలో) నిర్వచనం.
లక్ష్యం గుర్తించబడింది, నిజం, కానీ పేర్కొనబడలేదు.

అనుకూలత - షరతుల పరంగా మరియు ప్రయోజనం పరంగా రెండూ. రెండోది అంటే అతి ముఖ్యమైన లక్ష్యం అనే భావన లేదు!

నేర్చుకోవడం - పర్యావరణం యొక్క లక్షణాలను గుర్తించడం (స్పష్టంగా చెప్పనప్పటికీ), గుర్తుంచుకోవడం, ఉపయోగించడం.
ఎంపిక అంటే ప్రమాణాలు సూచించబడ్డాయి.

పరిమితులు - అవగాహన మరియు ప్రభావంలో.

• "అభ్యాస సామర్థ్యం అనేది విస్తృతమైన డొమైన్-నిర్దిష్ట జ్ఞానాన్ని పొందేందుకు అవసరమైన, డొమైన్-స్వతంత్ర నైపుణ్యాలు. ఈ "జనరల్ AI"ని సాధించడానికి అత్యంత అనుకూలమైన, సాధారణ-ప్రయోజన వ్యవస్థ అవసరం, ఇది చాలా విస్తృతమైన నిర్దిష్ట జ్ఞానం మరియు నైపుణ్యాలను స్వతంత్రంగా పొందగలదు మరియు స్వీయ-విద్య ద్వారా దాని స్వంత అభిజ్ఞా సామర్థ్యాలను మెరుగుపరుస్తుంది."

ఇక్కడ ఏదైనా నేర్చుకునే సామర్థ్యం అంతిమ లక్ష్యం అని అనిపిస్తుంది... మరియు జనరల్ AI యొక్క లక్షణాలు దాని నుండి ప్రవహిస్తాయి - అధిక అనుకూలత, బహుముఖ ప్రజ్ఞ...

• ఇంటెలిజెంట్ సిస్టమ్‌లు అనేక విభిన్న వాతావరణాలలో పని చేయాలి మరియు బాగా పని చేయాలి. వారి తెలివితేటలు వారికి పరిస్థితిపై పూర్తి అవగాహన లేకపోయినా విజయం యొక్క సంభావ్యతను పెంచుకోవడానికి వీలు కల్పిస్తుంది. మేధో వ్యవస్థల పనితీరు పర్యావరణం నుండి, నిర్దిష్ట పరిస్థితి నుండి, లక్ష్యంతో సహా ప్రత్యేకంగా పరిగణించబడదు.

"మంచి పని చేయడం" అంటే ఏమిటి? విజయం అంటే ఏమిటి?

ముందుగా రూపొందించిన వివరణ యొక్క అవకాశం

మేము పరిగణించబడిన నిర్వచనాల నుండి తరచుగా సంభవించే విధులను (లక్షణాలు, లక్షణాలు మొదలైనవి) "బయటకు లాగితే", మేము ఆ తెలివితేటలను కనుగొంటాము:

• ఇది ఒక వ్యక్తి ఏజెంట్ తన పర్యావరణం/పర్యావరణాలతో పరస్పర చర్యలో కలిగి ఉండే ఆస్తి.
• ఈ ఆస్తి కొంత లక్ష్యం లేదా పనికి సంబంధించి విజయం లేదా ప్రయోజనం సాధించే ఏజెంట్ సామర్థ్యాన్ని సూచిస్తుంది.
• ఈ ఆస్తి ఏజెంట్ వివిధ లక్ష్యాలు మరియు వాతావరణాలకు ఎలా అనుగుణంగా ఉండగలడు మరియు ఎలా స్వీకరించాలి అనే దానిపై ఆధారపడి ఉంటుంది.

ఈ కీలక లక్షణాలను కలిపి ఉపయోగించడం వలన మేధస్సు యొక్క అనధికారిక నిర్వచనాన్ని అందిస్తుంది: విస్తృతమైన పరిస్థితులలో లక్ష్యాలను సాధించగల ఏజెంట్ యొక్క సామర్థ్యం ద్వారా మేధస్సును కొలుస్తారు.

అయితే వేచి ఉండండి, మనకు ఈ ప్రశ్నకు సమాధానం కావాలి: మేధస్సు అంటే ఏమిటి, మరియు దానిని ఎలా (లేదా దేని ద్వారా) కొలుస్తారు (అంచనా) కాదు! ఈ నిర్వచనాలు దాదాపు పదమూడేళ్ల క్రితం నాటివని, ఆ తర్వాతి సంవత్సరాల్లో ఏదో ఒక మార్పు వచ్చి ఉంటుందని ఆశించడం ద్వారా వ్యాస రచయితలను సమర్థించవచ్చు - అన్నింటికంటే, IT రంగం విపరీతమైన వేగంతో అభివృద్ధి చెందుతోంది... కానీ క్రింద ఉంది 2012 నుండి ఒక కథనం నుండి ఒక ఉదాహరణ, (M. హట్టర్, యూనివర్సల్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ యొక్క ఒక దశాబ్దం, www.hutter1.net/publ/uaigentle.pdf) తెలివితేటల నిర్వచనంలో ఆచరణాత్మకంగా ఏమీ మారలేదు:

తార్కికం, సృజనాత్మకత, అనుబంధం, సాధారణీకరణ, నమూనా గుర్తింపు, సమస్య పరిష్కారం, గుర్తుంచుకోవడం, ప్రణాళిక, లక్ష్యాలను సాధించడం, అభ్యాసం, ఆప్టిమైజేషన్, స్వీయ-సంరక్షణ, దృష్టి, భాషా ప్రాసెసింగ్, వర్గీకరణ, ప్రేరణ మరియు తగ్గింపు, జ్ఞాన సముపార్జన మరియు ప్రాసెసింగ్... ఒక ఖచ్చితమైన నిర్వచనం దానిలోని ప్రతి అంశాన్ని కలిగి ఉన్న తెలివితేటలు ఇవ్వడం కష్టంగా అనిపిస్తుంది.

మళ్ళీ, 8 సంవత్సరాల క్రితం నిర్వచనంతో అదే సమస్యలు (ఇంకా ఎక్కువ): మేధస్సు యొక్క వ్యక్తీకరణలు నిర్మాణాత్మక లక్షణాల జాబితా రూపంలో ఇవ్వబడ్డాయి!

వికీపీడియాలో మేధస్సు యొక్క నిర్వచనం (మే 22, 2016న వినియోగించబడింది):
“ఇంటెలిజెన్స్ (లాటిన్ ఇంటెలెక్టస్ నుండి - సంచలనం, అవగాహన, అవగాహన, అవగాహన, భావన, కారణం) అనేది కొత్త పరిస్థితులకు అనుగుణంగా ఉండే సామర్థ్యం, ​​అనుభవం నుండి నేర్చుకునే సామర్థ్యం, ​​నైరూప్య భావనలను అర్థం చేసుకోవడం మరియు వర్తింపజేయడం మరియు ఒకరి జ్ఞానాన్ని ఉపయోగించడం వంటి మానసిక నాణ్యత. పర్యావరణాన్ని నిర్వహించండి. గ్రహణశక్తి మరియు సమస్యలను పరిష్కరించే సాధారణ సామర్థ్యం, ​​ఇది అన్ని మానవ అభిజ్ఞా సామర్థ్యాలను ఏకం చేస్తుంది: సంచలనం, అవగాహన, జ్ఞాపకశక్తి, ప్రాతినిధ్యం, ఆలోచన, ఊహ.

అదే వికీపీడియా, కానీ జనవరి 24, 2020 నాటికి ఇటీవలి ఎడిషన్‌లో:
"ఇంటెలిజెన్స్ (లాటిన్ మేధస్సు నుండి "అవగాహన", "తార్కికం", "అవగాహన", "భావన", "కారణం") లేదా మనస్సు అనేది మనస్సు యొక్క నాణ్యత, కొత్త పరిస్థితులకు అనుగుణంగా ఉండే సామర్థ్యం, ​​నేర్చుకునే సామర్థ్యం మరియు అనుభవం ఆధారంగా గుర్తుంచుకోండి, నైరూప్య భావనలను అర్థం చేసుకోవడం మరియు వర్తింపజేయడం మరియు మానవ వాతావరణాన్ని నిర్వహించడానికి ఒకరి జ్ఞానాన్ని ఉపయోగించడం. జ్ఞానం మరియు సమస్య పరిష్కారం కోసం సాధారణ సామర్థ్యం, ​​ఇది అభిజ్ఞా సామర్ధ్యాలను మిళితం చేస్తుంది: సంచలనం, అవగాహన, జ్ఞాపకశక్తి, ప్రాతినిధ్యం, ఆలోచన, ఊహ, అలాగే శ్రద్ధ, సంకల్పం మరియు ప్రతిబింబం."

చాలా సంవత్సరాలు గడిచాయి, కానీ మనం ఇప్పటికీ అదే విషయాన్ని చూస్తాము - ఎటువంటి నిర్మాణం లేకుండా లక్షణాల సమితి ... మరియు వ్యక్తి యొక్క సూచనతో - మేధస్సు యొక్క బేరర్, టెక్స్ట్ చివరిలో మాత్రమే. అంటే, భర్తీ చేయడం సాధ్యం కాదు: “అబ్‌స్ట్రాక్ట్ ఆబ్జెక్ట్ విత్ ఇంటెలిజెన్స్ -> పర్సన్ విత్ ఇంటెలిజెన్స్” ఈ నిర్వచనంలో తదుపరి గుర్తింపుతో: “ఒక వ్యక్తి మేధావిగా మారడానికి ఏమి కావాలి?” లేదా ఈ ప్రత్యామ్నాయం సామాన్యమైన కోరికలకు దారి తీస్తుంది: ఒక వ్యక్తి, మేధావిగా మారడానికి, కొత్త పరిస్థితులకు అనుగుణంగా, అనుభవం నుండి నేర్చుకోవడం, నైరూప్య భావనలను అర్థం చేసుకోవడం మరియు వర్తింపజేయడం మరియు పర్యావరణాన్ని నియంత్రించడానికి తన జ్ఞానాన్ని ఉపయోగించడం మొదలైనవి పొందడం అవసరం. క్లుప్తంగా చెప్పాలంటే, ఈ విధంగా మీరు తెలివిగా మారవచ్చు మరియు తెలివితక్కువవారుగా ఉండకూడదు...

కాబట్టి, పైన పేర్కొన్నదాని ఆధారంగా, ఈ క్రింది నిర్వచనం ప్రతిపాదించబడింది, వస్తువుతో ముడిపడి ఉంది, ఎందుకంటే తెలివితేటలు "గాలిలో వేలాడదీయలేవు", అది ఒకరి సామర్థ్యాలు అయి ఉండాలి. ఎవరైనా లేదా ఏదైనా మాత్రమే కలిగి ఉండే ప్రవర్తనలకు కూడా ఇది వర్తిస్తుంది:

సబ్జెక్ట్ యొక్క మేధస్సు అనేది సామర్థ్యాల సముదాయం, వీటిని ఉపయోగించినప్పుడు:
(1) రాష్ట్ర మరియు/లేదా ప్రవర్తన యొక్క చట్టాల గుర్తింపు, అధికారికీకరణ మరియు జ్ఞాపకం (నమూనా రూపంలో):
      (1.1) పర్యావరణం మరియు
      (1.2) వస్తువు యొక్క అంతర్గత వాతావరణం.
(2) రాష్ట్రాలు మరియు/లేదా ప్రవర్తన ఎంపికల ఫార్వర్డ్ మోడలింగ్:
      (2.1) పర్యావరణంలో, మరియు
      (2.2) వస్తువు యొక్క అంతర్గత వాతావరణం.
(3) ఆబ్జెక్ట్ యొక్క ప్రవర్తన యొక్క స్థితి మరియు/లేదా అమలు యొక్క వివరణను రూపొందించడం, స్వీకరించబడింది:
      (3.1) పర్యావరణానికి, మరియు
      (3.2) వస్తువు యొక్క అంతర్గత వాతావరణానికి
ఆబ్జెక్ట్ బిహేవియర్/బిహేవియర్ కాస్ట్ రేషియో గరిష్టీకరణకు లోబడి ఉంటుంది
పర్యావరణంలో ఆబ్జెక్ట్‌ను (ఉనికి, వ్యవధి, ఉనికి) కాపాడే ఉద్దేశ్యంతో వస్తువు
పర్యావరణం.

రేఖాచిత్రంలో ఇది ఇలా కనిపిస్తుంది:

»

ఇప్పుడు నిర్వచనం యొక్క అప్లికేషన్ గురించి ... నిజం, వారు చెప్పినట్లు, ఎల్లప్పుడూ నిర్దిష్టంగా ఉంటుంది. అందువల్ల, నిర్వచనం యొక్క తర్కాన్ని తనిఖీ చేయడానికి, మీరు ఆబ్జెక్ట్‌ను కొన్ని ప్రసిద్ధ మరియు అర్థమయ్యే నిర్దిష్ట వ్యవస్థతో భర్తీ చేయాలి, ఉదాహరణకు, దీనితో... ఒక కారు. కాబట్టి…

తెలివితేటలతో కూడిన కారు అనేది సామర్థ్యాల సమితి కలిగిన కారు, వీటిని ఎప్పుడు ఉపయోగించాలి:
(1) రాష్ట్ర మరియు/లేదా ప్రవర్తన యొక్క చట్టాల గుర్తింపు, అధికారికీకరణ మరియు జ్ఞాపకం (నమూనా రూపంలో):
(1.1) ట్రాఫిక్ పరిస్థితులు మరియు
(1.2) కారు అంతర్గత వాతావరణం.
(2) రాష్ట్రాలు మరియు/లేదా ప్రవర్తన ఎంపికల ఫార్వర్డ్ మోడలింగ్:
(2.1) ట్రాఫిక్ పరిస్థితుల్లో, మరియు
(2.2) కారు అంతర్గత వాతావరణం
(3) వాహనం యొక్క ప్రవర్తన యొక్క స్థితి మరియు / లేదా అమలు యొక్క వివరణను రూపొందించడం, స్వీకరించబడింది:
(3.1) రహదారి పరిస్థితులకు, మరియు
(3.2) కారు అంతర్గత వాతావరణానికి
నిష్పత్తి యొక్క గరిష్టీకరణకు లోబడి (వాహన ప్రవర్తన / ప్రవర్తన ఖర్చులు
కారు) కారు యొక్క (ఉనికి, వ్యవధి, ఉనికిని) సంరక్షించే ఉద్దేశ్యంతో - రహదారి పరిస్థితిలో మరియు కారు యొక్క అంతర్గత వాతావరణంలో.

సరిగ్గా ఈ సామర్థ్యాలు ఉన్న కారుని మేధావి అని పిలుస్తామని నేను మాత్రమే చూడగలనా? తర్వాత మరో ప్రశ్న: ప్రొఫెషనల్ డ్రైవర్ నడిపే కారులో ప్రయాణించడానికి మరియు అలాంటి ఇంటెలిజెంట్ కారులో ప్రయాణించడానికి మధ్య ఉన్న వ్యత్యాసాన్ని మీరు గమనించారా?

సమాధానం "NO" అంటే:

1. తెలివితేటలకు సరైన నిర్వచనం ఇవ్వబడింది: “ఆబ్జెక్ట్ -> కార్” స్థానంలో ఉన్నప్పుడు, వివరణలో లాజిక్ వైఫల్యాలు లేదా ఏవైనా అసమానతలు కనిపించలేదు.
2. ట్రిప్ సమయంలో అటువంటి సామర్ధ్యాలు కలిగిన కారు "కారు" ట్యూరింగ్ పరీక్షలో ఉత్తీర్ణత సాధించినట్లు అనిపించింది: పర్యటనలో ఉన్న ప్రయాణీకుడికి ప్రొఫెషనల్ డ్రైవర్ ఉన్న కారు మరియు ఈ కారు మధ్య తేడా కనిపించలేదు. లేదా, మేము ట్యూరింగ్ పరీక్ష యొక్క పదాలను ఖచ్చితంగా పాటిస్తే: “డ్రైవర్ లేని కారులో మరియు ప్రొఫెషనల్ డ్రైవర్ ఉన్న కారులో ప్రయాణీకుల అనేక ప్రయాణాల సమయంలో, ప్రయాణీకుడు అతన్ని ఏ కారు నడుపుతున్నాడో ఊహించలేడు, అప్పుడు స్థాయి పరంగా "రహదారి పరిస్థితులలో ఆలోచించడం" డ్రైవర్ లేని కారును ప్రొఫెషనల్ డ్రైవర్ ఉన్న కారుతో సమానంగా పరిగణించవచ్చు."

కోరుకునే వారు ఈ నిర్వచనంతో "ఆడటానికి" ఆహ్వానించబడ్డారు - "వస్తువు" అనే వ్యక్తిత్వం లేని పదానికి బదులుగా ఏదైనా, కావాలనుకుంటే, ప్రసిద్ధ వ్యవస్థ (సహజ, సామాజిక, పారిశ్రామిక, సాంకేతిక) పేరును భర్తీ చేయండి మరియు తద్వారా స్వతంత్రంగా తనిఖీ చేయండి అనుకూలత. ప్రయోగం ఫలితాలపై మీ ఫలితాలు మరియు ఆలోచనలను తప్పకుండా భాగస్వామ్యం చేయండి!

దాని లక్ష్యాల ద్వారా మేధస్సును నిర్వచించడం

(A. Zhdanov. "అటానమస్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్" (2012), 3వ ed., ఎలక్ట్రానిక్, pp. 49-50):
ఏదైనా జీవి యొక్క నాడీ వ్యవస్థ కృషి చేసే ప్రధాన లక్ష్యాలు:

• జీవి యొక్క మనుగడ;
• అతని నాడీ వ్యవస్థ ద్వారా జ్ఞానం యొక్క సంచితం.

ఈ 2 పాయింట్లు: మనుగడ మరియు జ్ఞానం యొక్క సంచితం వరుసగా పాయింట్లు 3 మరియు 2 యొక్క సాధారణ వివరణ!

ముగింపుగా...
"వికారియస్ కంప్యూటర్‌కు దాని ఊహను ఉపయోగించమని బోధిస్తుంది"
(“కంప్యూటర్ దూకుడుగా నడపడం నేర్చుకుంది” nplus1.ru/news/2016/05/23/mppi)
“ఊహ లేకుండా జీవితం చాలా బోరింగ్‌గా ఉంటుంది. కాబట్టి కంప్యూటర్‌లతో ఉన్న అతి పెద్ద సమస్య ఏమిటంటే వాటికి వాస్తవంగా కల్పన లేదు. స్టార్టప్ వికారియస్ డేటాను ప్రాసెస్ చేసే కొత్త మార్గాన్ని సృష్టిస్తోంది, సమాచారం మెదడు గుండా ప్రవహించే విధానం ద్వారా ప్రేరణ పొందింది. కంప్యూట‌ర్‌ల‌కు ఇది ఊహ‌ల స‌మ‌స్య‌ల‌ను అందిస్తుంద‌ని, ఇది మెషీన్‌ల‌ను చాలా స్మార్ట్‌గా మార్చేందుకు దోహ‌ద‌ప‌డుతుంద‌ని భావిస్తున్నామని కంపెనీ లీడర్‌లు చెబుతున్నారు. కంపెనీ జీవశాస్త్రం నుండి అరువు తెచ్చుకున్న లక్షణాలతో కొత్త రకం న్యూరల్ నెట్‌వర్క్ అల్గారిథమ్‌ను అందించింది. వాటిలో ఒకటి, నేర్చుకున్న సమాచారం విభిన్న దృశ్యాలలో ఎలా ఉంటుందో ఊహించగల సామర్థ్యం-ఒక రకమైన డిజిటల్ ఊహ.

వావ్, ఎంత యాదృచ్చికం! నిర్వచనం యొక్క ఖచ్చితమైన పాయింట్ (2): అధునాతన ప్రతిబింబం డిజిటల్ ఊహ!

ఇది తరచుగా జరగదు, కానీ ఆన్‌లైన్‌లో మనం కనుగొన్న వాటిని చూడండి:
(“కంప్యూటర్ దూకుడుగా నడపడం నేర్చుకుంది” nplus1.ru/news/2016/05/23/mppi)
“జార్జియా ఇన్‌స్టిట్యూట్ ఆఫ్ టెక్నాలజీకి చెందిన నిపుణులు నియంత్రిత స్కిడ్‌ని ఉపయోగించి కార్నర్ చేయగల సామర్థ్యం గల మానవరహిత వాహనం (1:5 స్కేల్ ఆధారంగా ఒక సీరియల్ రేడియో-నియంత్రిత మోడల్ చట్రం) నమూనాను సమీకరించారు. ఆన్-బోర్డ్ కంప్యూటర్‌లో ఇంటెల్ స్కైలేక్ క్వాడ్-కోర్ i7 ప్రాసెసర్ మరియు Nvidia GTX 750ti GPU వీడియో కార్డ్ ఉన్నాయి మరియు గైరోస్కోప్, వీల్ రొటేషన్ సెన్సార్‌లు, GPS మరియు ఒక జత ఫ్రంట్ కెమెరాల నుండి సమాచారాన్ని ప్రాసెస్ చేస్తుంది. సెన్సార్ల నుండి అందుకున్న డేటా ఆధారంగా, నియంత్రణ అల్గోరిథం తదుపరి రెండున్నర సెకన్లలో 2560 ఫార్వర్డ్ మోషన్ పథాలను ఉత్పత్తి చేస్తుంది.

నియంత్రణ అల్గోరిథం ఇచ్చిన మార్గంలో కదలిక యొక్క సాధ్యమైన పథాల సమితి రూపంలో కారు యొక్క "ప్రపంచం యొక్క చిత్రం" కలిగి ఉంటుంది.

“2560 పథాలలో, అల్గోరిథం అత్యంత అనుకూలమైనదాన్ని ఎంచుకుంటుంది మరియు దాని ప్రకారం, చక్రాల స్థానం మరియు వేగాన్ని సర్దుబాటు చేస్తుంది. అంతేకాకుండా, మొత్తం 2560 పథాలు నిర్మించబడ్డాయి మరియు సెకనుకు 60 సార్లు నవీకరించబడతాయి.

ఇది ముందస్తు ప్రతిబింబం, కృత్రిమ సృజనాత్మకత లేదా డిజిటల్ ఊహ! 2560 ముందుగా రూపొందించిన వాటి నుండి సరైన పథాన్ని ఎంచుకోవడం మరియు ట్రాక్‌లో ఉండటానికి వీల్ స్థానం మరియు వేగాన్ని (అడాప్టేషన్!) సర్దుబాటు చేయడం. ప్రతిదీ కలిసి సమర్పించబడిన తెలివితేటల రేఖాచిత్రం ద్వారా వివరించబడింది!

"కంట్రోల్ అల్గారిథమ్‌కు శిక్షణ ఇచ్చే మొత్తం ప్రక్రియ తక్కువ నియంత్రణ అనుభవం ఉన్న ఆపరేటర్ ద్వారా ట్రాక్‌లో డ్రైవింగ్ చేయడానికి చాలా నిమిషాలు పట్టింది"

అభ్యాస ప్రక్రియ అనేది ప్రపంచం యొక్క చిత్రాన్ని రూపొందించడం!

"అదే సమయంలో, శిక్షణ సమయంలో నియంత్రిత డ్రిఫ్ట్ ఉపయోగించబడలేదని పరిశోధకులు గమనించారు; కంప్యూటర్ దానిని స్వతంత్రంగా "కనిపెట్టింది". పరీక్ష సమయంలో, కారు స్వయంప్రతిపత్తితో ట్రాక్ చుట్టూ నడిచింది, సెకనుకు ఎనిమిది మీటర్ల వేగంతో సాధ్యమైనంత దగ్గరగా ఉండేలా ప్రయత్నిస్తుంది.

నియంత్రిత డ్రిఫ్ట్ అనేది కారు ద్వారా స్వతంత్రంగా అభివృద్ధి చేయబడిన సరైన వ్యూహం ("ఆబ్జెక్ట్ బిహేవియర్ / బిహేవియర్ కాస్ట్స్" నిష్పత్తి యొక్క అదే గరిష్టీకరణ) యొక్క మూలకం.

“రచయితల అభిప్రాయం ప్రకారం, స్కిడ్‌ను నియంత్రించడం నేర్చుకోవడం లైవ్ డ్రైవర్‌కు ఎలా ఉపయోగపడుతుందో అదే విధంగా సెల్ఫ్ డ్రైవింగ్ కారు యొక్క రోజువారీ డ్రైవింగ్‌కు దూకుడుగా నడపడానికి అల్గారిథమ్‌లను బోధించడం ఉపయోగపడుతుంది. మంచు వంటి ఊహించని పరిస్థితి ఏర్పడినప్పుడు, మానవరహిత వాహనం స్వతంత్రంగా స్కిడ్ నుండి బయటపడగలదు మరియు సాధ్యమయ్యే ప్రమాదాన్ని నివారించగలదు.

మరియు ఇది కారు అనుభవం యొక్క వ్యాప్తి ... బాగా, ఒక సంరక్షక పక్షి వలె (ప్రసిద్ధ కథను గుర్తుంచుకోండి), ఉపయోగకరమైన నైపుణ్యాన్ని పొందడంతో, అది వెంటనే అందరికి అందించబడింది.

మరోసారి నేను ఉపయోగం కోసం ప్రతిపాదించిన నిర్వచనాన్ని ఇస్తాను:

సబ్జెక్ట్ యొక్క మేధస్సు అనేది సామర్థ్యాల సముదాయం, వీటిని ఉపయోగించినప్పుడు:

(1) రాష్ట్ర మరియు/లేదా ప్రవర్తన యొక్క చట్టాల గుర్తింపు, అధికారికీకరణ మరియు జ్ఞాపకం (నమూనా రూపంలో):
      (1.1) పర్యావరణం మరియు
      (1.2) వస్తువు యొక్క అంతర్గత వాతావరణం.
(2) రాష్ట్రాలు మరియు/లేదా ప్రవర్తన ఎంపికల ఫార్వర్డ్ మోడలింగ్:
      (2.1) పర్యావరణంలో, మరియు
      (2.2) వస్తువు యొక్క అంతర్గత వాతావరణం.
(3) ఆబ్జెక్ట్ యొక్క ప్రవర్తన యొక్క స్థితి మరియు/లేదా అమలు యొక్క వివరణను రూపొందించడం, స్వీకరించబడింది:
      (3.1) పర్యావరణానికి, మరియు
      (3.2) వస్తువు యొక్క అంతర్గత వాతావరణానికి
ఆబ్జెక్ట్ బిహేవియర్/బిహేవియర్ కాస్ట్ రేషియో గరిష్టీకరణకు లోబడి ఉంటుంది
పర్యావరణంలో ఆబ్జెక్ట్‌ను (ఉనికి, వ్యవధి, ఉనికి) సంరక్షించే ఉద్దేశ్యంతో వస్తువు.

శ్రద్ధ గా ఉన్నందుకు కృతజ్ఞతలు. వ్యాఖ్యలు మరియు వ్యాఖ్యలు ఖచ్చితంగా స్వాగతం.

PS కానీ మనం "... అత్యంత అనుకూలమైన, సార్వత్రిక వ్యవస్థ గురించి విడిగా మాట్లాడవచ్చు, ఇది చాలా విస్తృతమైన నిర్దిష్ట జ్ఞానం మరియు నైపుణ్యాలను స్వతంత్రంగా పొందగల సామర్థ్యాన్ని కలిగి ఉంటుంది" మరియు AGIని రూపొందించడానికి ఇది అవసరం - ఇది చాలా ఆసక్తికరమైన అంశం. అయితే, పాఠకుల నుండి ఆసక్తి ఉంది. 🙂

మూలం: www.habr.com