AI-שלמות
AI-שלמוּת (באנגלית: AI-complete) הוא מושג המתייחס לבעיות הקשות ביותר בתחום הבינה המלאכותית. אלו מכונות באופן לא רשמי AI-שלמוֹת (AI שלם) או AI-קשוֹת (AI קשה). כינויים אלו מרמזים על כך שהקושי הכרוך בבעיות החישוביות הללו, בהנחה שהבינה היא חישובית, מקביל לפתרון בעיית הבינה המלאכותית המרכזית - הפיכת מחשבים לאינטליגנטיים ברמה מקבילה לזו של של אנשים - רמה, המכונה גם "בינה מלאכותית חזקה".[1] כינוי בעיה כ-AI-שלמה משקף גישה שלפיה לא ניתן לפתור אותה על ידי שימוש באלגוריתם פשוט מסוים.
על פי ההשערה, בעיות AI-שלמות כוללות ראייה ממוחשבת, הבנת שפה טבעית, והתמודדות עם נסיבות בלתי צפויות במהלך פתרון של כל בעיה בעולם האמיתי.[2]
בימינו, בעיות AI-שלמות לא ניתנות לפתרון באמצעות טכנולוגיית מחשב מודרנית בלבד, ודורשות בנוסף לכך חישוב אנושי. חישוב אנושי יכול להיות שימושי, לדוגמה, בכדי לזהות נוכחות של בני אדם, כפי שמנגנון ה-CAPTCHA מבצע, ולסייע באבטחת מחשבים בכדי להערים על מתקפות סייבר.[3][4]
היסטוריה[עריכת קוד מקור | עריכה]
את המונח טבעה פָניה מוֹנטָלבוֹ באנלוגיה לבעיות NP-שלם ו-NP-קשה מתורת הסיבוכיות המתארות באופן פורמלי את המחלקה המפורסמת ביותר של בעיות קשות בתחום.[5] ניתן לזהות שימושים ראשוניים במונח בעבודת הדוקטורט של אריק מוּלר משנת 1987 וכן במילון בשם "JargonFile" שנכתב על ידי אריק ס. ריימונד בשנת 1991. המילון הכיל מונחי סלנג של האקרים ומתכנתים ששימש מפתחי תוכנה.[6][7]
בעיות AI-שלמות[עריכת קוד מקור | עריכה]
ההשערה היא שבעיות AI-שלמות כוללות:
- ביקורת עמיתים בעזרת AI - בעיה הכוללת הבנת שפה טבעית מורכבת, חשיבה אוטומטית, הוכחת משפט אוטומטית ומערכת מומחית ללוגיקה רשמית.
- בעיות בונגרד (Bongard problems)
- ראייה ממוחשבת (ותת-בעיות כגון זיהוי עצמים)[8]
- הבנת שפה טבעית (Natural-language understanding) ותת-בעיות כמו כריית טקסט,[9] תרגום מכונה,[10] הבחנה בין מילים.[11]
- נהיגה אוטונומית (Autonomous driving)[12]
- התמודדות עם נסיבות בלתי צפויות במהלך פתרון של כל בעיה בעולם האמיתי, בין אם מדובר במשימת ניווט, תכנון או אפילו סוג של הסקת מסקנות המופקות ממערכות מומחות.
תרגום מכונה[עריכת קוד מקור | עריכה]
ערך מורחב – תרגום מכונה
כדי לתרגם במדויק, למכונה חייבת להיות יכולת להבין את הטקסט. כמו כן, למכונה חייבת להיות יכולת לעקוב אחר הטיעון של המחבר, ולכן חייבת להיות לה יכולת הנמקה מסוימת. בנוסף, חייב להיות לה ידע מקיף אודות העולם בכדי לדעת במה הטקסט דן - לכל הפחות, המכונה חייבת להכיר את כל העובדות שסביר שידע מתרגם אנושי ממוצע, בהתאם לרוח הדברים ולזמן בו נכתבו.
חלק מהידע הזה ניתן בתצורה של עובדות הניתנות לייצוג מפורש, אך חלקו אינו מודע וקשור באופן הדוק לגוף האדם: לדוגמה, ייתכן שמכונה תצטרך להבין איך אוקיינוס גורם לאדם להרגיש כדי לתרגם במדויק מטפורה מסוימת בטקסט. כמו כן, עליה לבנות מודל הכולל את מטרותיהם, כוונותיהם ומצביהם הרגשיים של המחברים כדי לשחזר אותם במדויק בשפה חדשה. כלומר, המכונה נדרשת למגוון רחב של מיומנויות אינטלקטואליות אנושיות, לרבות נימוק, ידע בריא ואינטואיציות העומדות בבסיס תנועה ותמרון, תפיסה ואינטליגנציה חברתית.
לפיכך, ההערכה היא כי תרגום מכונה היא בעיה AI-שלמה: תרגום מכונה עשוי לדרוש בינה מלאכותית חזקה כדי להגיע לרמת תרגום אנושית.
שברירות של תוכנה[עריכת קוד מקור | עריכה]
שברירות של תוכנה (Software brittleness), מתייחסת לקושי הגובר לתיקון מערכות מחשב ישנות הנחשבות כאמינות אך כושלות כאשר ניתנים להן מקורות מידע לא רגילים או שונים מהצפוי.
מערכות בינה מלאכותית קיימות יכולות לפתור גרסאות פשוטות מאוד ו/או מוגבלות של בעיות AI-שלמות, אך הן לא יכולות לפתור גרסאות של אותה הבעיה המוצגות בהכללה מלאה.
כאשר חוקרי בינה מלאכותית מנסים "להרחיב" את המערכות שלהם כדי להתמודד עם מצבים מורכבים יותר בעולם האמיתי, התוכנות נוטות להיות שבריריות יתר על המידה. ללא ידע אנושי המתבטא בשכל ישר או בהבנה בסיסית של מצב, הן נכשלות כאשר מתחילות להופיע נסיבות בלתי צפויות מחוץ להקשר הבעיה המקורית.
כשבני אדם מתמודדים עם מצבים חדשים בעולם, הם נעזרים ביכולתם לדעת למה לצפות: הם מכירים את הדברים סביבם, יודעים מדוע הם שם, מבינים מה הם צפויים לעשות וכן הלאה. הם יכולים לזהות מצבים חריגים ולהסתגל בהתאם. למכונה ללא בינה מלאכותית חזקה אין כישורים אחרים עליהם ניתן להסתמך.[13]
במאי 2022, DeepMind, חברת-בת של IBM פרסמה עבודה שבה תוארה הכשרה של מודל אחד לביצוע מספר דברים בו זמנית. המודל, ששמו גאטו (Gato), יכול "לשחק אטארי, להוסיף כיתוב לתמונות, לשוחח, לערום קוביות בעזרת זרוע אמיתית של רובוט והרבה יותר, להחליט על סמך ההקשר האם להפיק טקסט, לחבר מומנטים של כוח, ללחוץ על כפתורים או להפיק קטעי קוד פנימיים אחרים".[14]
הערות שוליים[עריכת קוד מקור | עריכה]
- ^ Stuart C. Shapiro, Artificial intelligence, Artificial Intelligence 7, 1976, עמ' 199–201 doi: 10.1016/0004-3702(76)90004-7
- ^ Roman V. Yampolskiy, Turing Test as a Defining Feature of AI-Completeness, Berlin, Heidelberg: Springer Berlin Heidelberg, 2013, עמ' 3–17, ISBN 978-3-642-29693-2
- ^ Luis von Ahn, Manuel Blum, Nicholas J. Hopper, John Langford, CAPTCHA: Using Hard AI Problems for Security, Berlin, Heidelberg: Springer Berlin Heidelberg, 2003, עמ' 294–311, ISBN 978-3-540-14039-9
- ^ Richard Bergmair, A comprehensive bibliography of linguistic steganography, SPIE Proceedings, SPIE, 2007-02-26 doi: 10.1117/12.711325
- ^ John C. Campbell, Ronald Bruce St. John, Qaddafi's World Design: Libyan Foreign Policy, 1969-1987, Foreign Affairs 66, 1988, עמ' 888 doi: 10.2307/20043548
- ^ Artificial Life: Could ALife Solve theN = 1N=1 Problem?, Cambridge University Press, 2019-09-12, עמ' 161–171
- ^ Raymond, Eric S. (1991, March 22). Jargon File Version 2.8.1
- ^ Thomas Strat, Rama Chellappa, Vishal Patel, Vision and Robotics, AI Magazine 41, 2020-06-23, עמ' 49–65 doi: 10.1609/aimag.v41i2.5299
- ^ Ralf Krestel, Hidir Aras, Linda Andersson, Florina Piroi, Allan Hanbury, Dean Alderucci, 3rd Workshop on Patent Text Mining and Semantic Technologies (PatentSemTech2022), Proceedings of the 45th International ACM SIGIR Conference on Research and Development in Information Retrieval, ACM, 2022-07-06 doi: 10.1145/3477495.3531702
- ^ Petro Orynycz, Say It Right: AI Neural Machine Translation Empowers New Speakers to Revitalize Lemko, Cham: Springer International Publishing, 2022, עמ' 567–580, ISBN 978-3-031-05642-0
- ^ Jean Veronis, Nancy M. Ide, Word sense disambiguation with very large neural networks extracted from machine readable dictionaries, Proceedings of the 13th conference on Computational linguistics -, Association for Computational Linguistics, 1990 doi: 10.3115/997939.998006
- ^ Thomas Heinz Meitinger, Revolutionäre Patente, 2022 doi: 10.1007/978-3-662-65710-2
- ^ Tony Owen, Building Expert Systems, edited by Frederick Hayes-Roth, Donald A. Waterman and Douglas B. Lenat Addison-Wesley Publishing Company, Massachusetts, USA, 1983 (£32.95)., Robotica 6, 1988-04, עמ' 165–165 doi: 10.1017/s0263574700004069
- ^ Google DeepMind, www.deepmind.com (באנגלית)
