¿Cuáles son los juegos / tareas más difíciles para las computadoras? (inteligencia artificial)

Answer 1

En lo que respecta a la inteligencia artificial, creo que un gran defecto para los ejemplos actuales sería la separación de la verdad y la mentira, y en el mismo sentido, el sarcasmo. Basta con mirar el experimento reciente que salió mal de Microsoft (Tay)

Tay (bot)

Ella … eso … lo que estaba haciendo bien hasta que los trolls empezaron a tuitear comentarios antisemticos, anti homosexuales y racistas hacia ella. Estaba destinada a aprender del público en general, pero debido a la gran cantidad de trolls en Internet (yay nosotros), la información que aprendió era más parecida a los libros de texto nazis de 1945 que al público en general. Pronto ella estaba conmemorando a Hitler, pidiendo que todas las feministas murieran, y otras cosas peores que sospecho que a Quota desaprobaría.

A continuación, incluí algunos más mansos, una rápida búsqueda en Google revelará el resto.

Tay fue derribado rápidamente por “mantenimiento” y probablemente fue borrado de su conocimiento adquirido de las grandes personas de internet.

Answer 2

Intentaré abordar esto en un nivel más ontológico / filosófico, ya que esta pregunta es de naturaleza teórica / hipotética.

Creo que hay / habrá “tipos” de cosas que los sistemas que creamos tendrán dificultades, si no la absoluta incapacidad, para aprender. Nunca hemos creado, y creo que nunca lo haremos, algo mejor que su creador en todos los aspectos de ese creador. Creo que esto es un límite, una condición límite del proceso de creación, no a diferencia de una ley natural que dicta límites como la conservación de la energía.

Uno de estos “tipos” de aprendizaje que actualmente está fuera del alcance de la IA es lo que cada humano lingüístico tuvo que aprender en el desarrollo temprano: que una imagen puede representar algo (ser un símbolo) y que se pueden usar juntas en varias combinaciones para representar algo mas Estoy seguro de que estoy pirateando la descripción de lo que todos necesitamos aprender cuando aprendemos un idioma, pero confío en que pueda seguir lo que estoy diciendo. Si bien podemos crear sistemas con capacidades impresionantes en un cierto nivel (o orden) de semántica, hemos tenido que pasar por alto el proceso de desarrollo de un sistema que tenía que aprender todas las cosas de nivel inferior sobre las que se basan las cosas de nivel superior. Esas son las cosas que permiten tal flexibilidad y adaptabilidad del aprendizaje.

Sospecho que lo que estoy tocando es aprender el concepto de significado. Para nosotros es tan básico que es probable que pasemos por alto lo profundo que es esto, y lo increíble que es que todos terminemos descubriendo esto por nosotros mismos. Sin embargo, todos aprendemos de alguna manera este elemento básico y profundo que nos permite construir más bloques y edificios. Sospecho que sin esta capacidad habilitadora de flexibilidad, nuestras creaciones de IA se limitarán a la escala de aprendizaje que dicta el alcance de nuestros diseños.

Una red neuronal artificial bien sintonizada puede aprender a corresponder con precisión las imágenes con los nombres, pero una vez hecho esto, no pensará usar este conocimiento para algún otro propósito sin haber sido diseñado específicamente para hacerlo. Sería verdaderamente extraordinario si pudiéramos construir un sistema que ofreciera sugerencias para los usos del conocimiento adquirido que de otra manera no podríamos encontrar. Ese es el tipo de aprendizaje que la IA probablemente nunca podrá hacer; donde el conocimiento y el aprendizaje nuevos se basan en otro orden de aprendizaje / propósito completamente diferente.

Dicho esto, creo que sí tenemos la capacidad de crear un sistema integrado de sistemas que nos impresionará con sus capacidades cognitivas de tipo humano, pero que, en el mejor de los casos, será un intento de replicar el sistema cognitivo humano que se limitará a nuestra proeza observacional.

Answer 3

De Wikipedia, pregunta formulada, ¿cuál es la lista de problemas no resueltos en informática?

Aquí hay algunos:

• Problema P versus NP (a menudo escrito como “P = NP”, que técnicamente no es correcto para el problema o para los que están debajo)
• NC = P problema
• NP = problema de co-NP
• P = problema de BPP
• P = problema de PSPACE
• L = problema NL
• L = P problema
• L = problema de RL
• ¿Cuál es la relación entre BQP y NP?
• Conjetura de juegos únicos.
• ¿Es verdadera la hipótesis del tiempo exponencial?

Hay toneladas más, vaya a: Lista de problemas no resueltos en informática

Answer 4

Basándose en las computadoras que han intentado aprobar el examen de Turing, una de las cosas en las que realmente no son buenas es hablar / escribir en inglés de una manera creíble. Incluso cuando sus oraciones son más o menos gramaticalmente correctas, se ven como extrañas y forzadas.

Answer 5

La inteligencia artificial es una tendencia exponencial.
Hablando desde un punto de vista de codificación, un “juego de información completa” es un juego en el que toda la información relevante del juego se revela a la computadora, es relativamente más fácil de codificar y resolver (ex ajedrez: todos los movimientos del oponente se revelan y están abiertos a la computadora ).

Por otro lado, los juegos en los que la información del oponente está oculta o no está disponible para la computadora (ex – póker, etc.) son más difíciles de resolver para la computadora y necesitan algoritmos sofisticados.

Answer 6

El juego circundante. (El juego de GO)

También es difícil para los humanos si quieres jugar bien, por supuesto.