One way to look at intelligence is

One way to look at intelligence is to rename it as "concept-building". You can extrapolate from small things and put together the pieces to make a concept, and then put those concepts together to create even higher level concepts. As every semi-intelligent person knows, thought processes are a little more complicated than that, but it's a good place to start.

So the two things that it comes down to is gathering knowledge and then putting two and two together, or inferring things from that knowledge (and actually, this is how one type of AI called an Expert system works).

So when you're talking about gathering knowledge, you also run into a lot of little bastard problems, like how to represent that knowledge. How do we remember pictures, images and video? It's difficult to say how exactly we should do it for an AI, but people are making big progress in the area. And then you have to figure this out for every type of knowledge. This, of course, can be a classic case of human limitations affecting how we build our AI. There's a way to remedy this.. which I will come to in a minute.

When you talk about inference, you're talking about your core logic. Well, how does that work? How often are we supposed to revisit our knowledge and apply our logic to it? Maybe you've had this problem yourself: you find yourself having some bizarre belief and immediately change it once you realize, but before that you "believed" what you believed for a long time even after you may have acquired knowledge about it (I know this has happened to me, plenty of times actually). And moreover, humans aren't pure logic, but we are still really good at some things that pure logic machines aren't. So how do you take that into account? There are some ways around it, and it basically involves not doing things perfectly (think probabilistic instead of deterministic). Still, anything we do to build this thing will involve the imposition of our own limitations. But like I said before, we're not doomed.

You have to think back to one of the things that motivated AI to start. Sure we have this whole, what if we could have humans inside computers thing. But another way to look at it is that we have these programs that do exactly what we tell them to, down to the letter. Can you imagine if you had to do this with your kid? It's really annoying, so why not just let your kid learn instead of bothering you with everything all of the time like a little baby. So we want programs to learn. Well, learn what? It turns out that you have to do a lot of hard work to get it to learn a specific thing. But then you're in your chair one evening drinking coffee and you get this, like, totally meta idea: what if I can make my program learn how to learn? As in, what if it knows what it needs to learn without me telling it? Picture it like a baby learning how to talk. No one "tells" the baby how to speak English, he'll just pick up bits and pieces over a few years and put it together himself.

In the same way, we are developing tools for programs that can learn, and then learn how to learn, learn what to learn, and basically bootstrapping its own intelligence in that way. My impression has been that in most of AI, this hierarchical approach is what makes sense to everyone, but it's just been too hard. Deep learning, for instance, has been incredibly successful in applying this approach, and although there are lots of things that are still being designed by hand, its main attraction is that it does a lot of things that other AI techniques cannot do, and that is to learn what it thinks it should learn (in more technical terms, it's like really good Unsupervised learning). It's not impossible to imagine how we would develop methods to find out what the best ways to do the parts that are designed by hand automatically. Also, I think the human brain has some hierarchy to it, but you might want to ask someone like Paul King about that for details.

Anyway, an AI that's more intelligent than humans seems like a logical conclusion.

ผลลัพธ์ (ไทย) 1:

หนึ่งวิธีที่ฉลาดคือการ เปลี่ยนชื่อเป็น "แนวคิดสร้าง" คุณ extrapolate จากสิ่งเล็ก ๆ และปริศนาให้แนวคิด และวางแนวคิดเหล่านั้นเข้าด้วยกันเพื่อสร้างแนวคิดระดับที่สูงขึ้น เป็นทุกคนอัจฉริยะกึ่งรู้ คิดว่า กระบวนการมีความซับซ้อนน้อยกว่า แต่ก็เป็นจุดเริ่มต้นดีดังนั้นสองสิ่งที่มาลงไปเป็นการรวบรวมความรู้ และจากนั้น วาง two and two together หรือบรรยายสิ่งต่าง ๆ จากความรู้ (และจริง นี้เป็นไอเรียกว่าการทำงานของระบบผู้เชี่ยวชาญวิธีหนึ่งชนิด)ดังนั้น เมื่อคุณกำลังพูดคุยเกี่ยวกับการรวบรวมความรู้ คุณยังใช้เป็นปัญหา bastard เล็กน้อย เช่นวิธีการแทนความรู้ที่มาก วิธีเราจำรูปภาพ รูปภาพ และวิดีโอได้หรือไม่ ยากที่จะบอกวิธีการว่าเราควรทำเพื่อเป็น AI แต่คนมีการทำธุรกิจขนาดใหญ่ในพื้นที่ และจากนั้น คุณต้องคิดนี้สำหรับทุกชนิดของความรู้ นี้ แน่นอน สามารถเป็นกรณีคลาสสิกของมนุษย์ข้อจำกัดที่ส่งผลกระทบต่อวิธีการที่เราสร้าง AI ของเรา มีวิธีที่จะแก้ไขปัญหานี้... ซึ่งผมจะมาถึงในนาทีเมื่อคุณพูดคุยเกี่ยวกับการอ้างอิง คุณกำลังพูดถึงหลักตรรกะของคุณ ดี อย่างไรที่ทำงาน เราควรกลับความรู้ของเรา และใช้ตรรกะของเรากับมันบ่อยแค่ไหน บางทีคุณเคยมีปัญหานี้ด้วยตัวคุณเอง: คุณพบว่าตัวเองมีความเชื่อบางอย่างแปลกประหลาด และทันทีเปลี่ยนเมื่อคุณทราบ แต่ก่อนที่ คุณ "เชื่อว่า" สิ่งที่คุณเชื่อเป็นเวลานานแม้ว่าคุณอาจได้รับความรู้เกี่ยวกับมัน (ฉันรู้ว่า นี้เกิดขึ้นกับฉัน มากมายของเวลาจริง) และนอกจากนี้ มนุษย์ไม่ตรรกะ แต่เราจะยังคงดีจริง ๆ ที่บางสิ่งบางอย่างที่ไม่ใช่ตรรกะเครื่อง ดังนั้นคุณจะที่เข้าบัญชี มีบางวิธีรอบ ๆ และโดยทั่วไปเกี่ยวข้องกับไม่ทำสิ่งต่าง ๆ อย่างสมบูรณ์ (คิดว่า น่าจะแทน deterministic) ยังคง อะไรที่เราทำการสร้างสิ่งนี้จะเกี่ยวข้องกับการจัดเก็บภาษีของข้อจำกัดของเราเอง แต่เหมือนที่ผมกล่าวก่อน เรากำลังไม่ถึงวาระคุณต้องคิดกลับไปสิ่งที่กระตุ้น AI จะเริ่มต้นอย่างใดอย่างหนึ่ง แน่ใจว่า เรามีทั้งหมดนี้ ถ้าเราสามารถมีมนุษย์ภายในสิ่งคอมพิวเตอร์ แต่อีกวิธีการดูก็คือ ว่า เรามีโปรแกรมเหล่านี้ที่ไม่ว่าอะไรเราบอกให้พวกเขา ตัวอักษรลงไป คุณสามารถจินตนาการถ้าคุณจะต้องทำเช่นนี้กับเด็กของคุณ ไม่ไหวจริง ๆ ดังนั้น ทำไมไม่ให้เด็กของคุณเรียนรู้แทนรบกวนคุณทุกตลอดเวลาชอบน้อยเด็ก ดังนั้น เราต้องการเรียนรู้ ดี เรียนรู้อะไร มันเปิดออกที่คุณต้องทำมากของการทำงานจะได้ไปเรียนรู้สิ่งเฉพาะ แต่แล้ว คุณอยู่ในเก้าอี้ของคุณดื่มกาแฟเย็นวันหนึ่ง และคุณได้รับนี้ เช่น โดยสิ้นเชิงความคิด meta: ถ้าสามารถทำโปรแกรมเรียนรู้วิธีการเรียนรู้ ใน ถ้ารู้ว่าสิ่งที่ต้องเรียนรู้โดยไม่ต้องฉันบอกมัน รูปภาพได้เช่นเด็กเรียนรู้วิธีการพูดคุย ไม่มีใคร "บอก" ลูกพูดภาษาอังกฤษ เขาจะเพียงแค่หยิบชิ้นเล็ก ๆ ไม่กี่ปี และใส่มันกันเองในทางเดียวกัน เรากำลังพัฒนาเครื่องมือสำหรับโปรแกรมที่สามารถเรียนรู้ และเรียนรู้วิธีการเรียนรู้ การเรียนรู้สิ่งที่เรียนรู้แล้ว และพื้น bootstrapping ปัญญาของตนเองในทางที่ ฉันได้รับว่า ในส่วนของ AI วิธีลำดับชั้นนี้เป็นสิ่งที่ทำให้รู้สึกทุกคน แต่มันได้ยากเกินไป ลึกการเรียนรู้ เช่น และได้รับความสำเร็จอย่างเหลือเชื่อในการใช้วิธีการนี้ แม้ว่าจะมีหลายสิ่งที่ยังถูกออกแบบด้วยมือ แหล่งท่องเที่ยวหลักของ โปรแกรมนี้จำนวนมากของสิ่งที่เทคนิค AI อื่น ๆ ไม่สามารถทำได้ และที่จะเรียนรู้สิ่งที่มันคิดว่า มันควรเรียนรู้ (ในทางเทคนิคมากขึ้น เป็นเช่นเรียนขั่วดีจริง ๆ) ไม่ไปไม่ได้ที่จะจินตนาการว่าเราจะพัฒนาวิธีการที่จะหาวิธีใดที่ดีที่สุดที่จะทำชิ้นส่วนที่ถูกออกแบบด้วยมือโดยอัตโนมัติ นอกจากนี้ ผมคิดว่า สมองมนุษย์มีบางลำดับชั้นมัน แต่คุณอาจต้องถามคนอย่างพอลคิงที่รายละเอียดอย่างไรก็ตาม AI ที่ฉลาดมากขึ้นกว่ามนุษย์เหมือนสรุปตรรกะ

ผลลัพธ์ (ไทย) 2:

วิธีการหนึ่งที่จะมองไปที่หน่วยสืบราชการลับที่จะเปลี่ยนชื่อเป็น คุณสามารถคาดการณ์จากสิ่งเล็ก ๆ และใส่กันชิ้นที่จะทำให้แนวคิดและจากนั้นนำแนวคิดเหล่านี้ร่วมกันเพื่อสร้างแนวคิดระดับที่สูงขึ้น ขณะที่ทุกคนกึ่งฉลาดรู้กระบวนการคิดที่มีความซับซ้อนน้อยกว่านั้น แต่ก็เป็นสถานที่ที่ดีที่จะเริ่มต้น

ดังนั้นสองสิ่งที่มันลงมาคือการรวบรวมความรู้แล้ววางสองและสองร่วมกันหรือการอนุมานสิ่งจาก ความรู้

ดังนั้นเมื่อคุณกำลังพูดถึงการรวบรวมความรู้คุณยังทำงานเป็นปัญหามากไอ้เล็ก ๆ น้อย ๆ เช่นวิธีการที่จะเป็นตัวแทนความรู้ว่า ทำอย่างไรเราจะจำภาพภาพและวิดีโอ มันยากที่จะบอกว่าวิธีการว่าเราควรจะทำมันสำหรับ แล้วคุณจะต้องคิดออกนี้สำหรับประเภทของความรู้ทุก นี้แน่นอนอาจจะเป็นกรณีคลาสสิกของข้อ จำกัด ของมนุษย์ที่มีผลต่อวิธีการที่เราสร้าง ไม่มีทางที่จะแก้ไขปัญหานี้

เมื่อคุณพูดคุยเกี่ยวกับการอนุมานคุณกำลังพูดคุยเกี่ยวกับตรรกะหลักของคุณ ด้วยวิธีการที่ไม่ทำงาน เราจะบ่อยแค่ไหนควรจะทบทวนความรู้ของเราและใช้ตรรกะของเราไปได้หรือไม่ บางทีคุณอาจจะเคยมีปัญหานี้ด้วยตนเอง และนอกจากนี้มนุษย์ไม่ตรรกะบริสุทธิ์ แต่เรายังคงดีจริงๆที่บางสิ่งบางอย่างว่าเครื่องเหตุผลบริสุทธิ์ไม่ได้ ดังนั้นวิธีที่คุณใช้เวลาที่เข้าบัญชี มีวิธีการบางอย่างที่อยู่รอบ ๆ และมันเกี่ยวข้องกับพื้นไม่ได้ทำสิ่งที่ดีที่สุดที่ ยังคงเป็นสิ่งที่เราทำเพื่อสร้างสิ่งนี้จะเกี่ยวข้องกับการจัดเก็บภาษีของข้อ จำกัด ของเราเอง แต่ชอบพูดว่าก่อนที่เราไม่ได้อีกต่อไป

คุณต้องคิดว่ากลับไปเป็นหนึ่งในสิ่งที่มีแรงจูงใจ แน่ใจว่าเรามีทั้งหมดนี้สิ่งที่ถ้าเราจะได้มีมนุษย์อยู่ภายในสิ่งที่คอมพิวเตอร์ แต่วิธีการที่จะมองมันอีกคือการที่เรามีโปรแกรมเหล่านี้ที่จะทำสิ่งที่เราบอกให้ลงไปยังตัวอักษร คุณสามารถจินตนาการถ้าคุณต้องทำเช่นนี้กับเด็กของคุณ มันน่ารำคาญจริงๆดังนั้นทำไมไม่เพียงให้เด็กของคุณเรียนรู้แทนการรบกวนคุณมีทุกอย่างที่ทุกเวลาเหมือนเด็กเล็ก ๆ น้อย ๆ ดังนั้นเราจึงต้องการที่จะเรียนรู้โปรแกรม ดีเรียนรู้อะไร แต่กลับกลายเป็นว่าคุณจะต้องทำมากของการทำงานอย่างหนักที่จะได้ไปเรียนรู้สิ่งที่เฉพาะเจาะจง แต่แล้วคุณอยู่ในเก้าอี้หนึ่งดื่มกาแฟเย็นของคุณและคุณได้รับนี้เช่นความคิด ในขณะที่สิ่งที่ถ้ามันรู้ว่าสิ่งที่มันต้องการที่จะเรียนรู้ได้โดยไม่ต้องให้ผมบอกมันได้หรือไม่ ภาพมันเหมือนเด็กเรียนรู้วิธีที่จะพูดคุย ไม่มีใคร

ในทางเดียวกันเรามีการพัฒนาเครื่องมือสำหรับโปรแกรมที่สามารถเรียนรู้และเรียนรู้วิธีแล้ว การเรียนรู้ที่ได้เรียนรู้สิ่งที่จะเรียนรู้และพื้น ความประทับใจของฉันได้รับว่าในส่วนของเอไอลำดับชั้นวิธีนี้คือสิ่งที่ทำให้ความรู้สึกที่ทุกคน แต่จะได้รับเพียงแค่ยากเกินไป การเรียนรู้ที่ลึกเช่นได้รับความสำเร็จอย่างไม่น่าเชื่อในการใช้วิธีการนี้และถึงแม้จะมีจำนวนมากของสิ่งที่ยังคงถูกออกแบบโดยมือแหล่งท่องเที่ยวหลักของมันก็คือว่ามันไม่มากของสิ่งที่เทคนิค มันเป็นไปไม่ได้ที่จะคิดว่าเราจะพัฒนาวิธีการที่จะหาสิ่งวิธีที่ดีที่สุดที่จะทำชิ้นส่วนที่ได้รับการออกแบบด้วยมือโดยอัตโนมัติ นอกจากนี้ผมคิดว่าสมองของมนุษย์มีลำดับชั้นของบางอย่างไป แต่คุณอาจต้องการที่จะถามคนที่ชอบพอลคิงเกี่ยวกับว่าสำหรับรายละเอียด

อย่างไรก็ตามเป็น