Intelligenza artificiale - Sistemi intelligenti
Mentre studi l'intelligenza artificiale, devi sapere cos'è l'intelligenza. Questo capitolo tratta l'idea di intelligenza, tipi e componenti dell'intelligenza.
Cos'è l'intelligenza?
La capacità di un sistema di calcolare, ragionare, percepire relazioni e analogie, apprendere dall'esperienza, archiviare e recuperare informazioni dalla memoria, risolvere problemi, comprendere idee complesse, usare fluentemente il linguaggio naturale, classificare, generalizzare e adattare nuove situazioni.
Tipi di intelligenza
Come descritto da Howard Gardner, uno psicologo dello sviluppo americano, l'Intelligence è disponibile in molteplici:
Intelligenza | Descrizione | Esempio |
---|---|---|
Intelligenza linguistica | La capacità di parlare, riconoscere e utilizzare meccanismi di fonologia (suoni del parlato), sintassi (grammatica) e semantica (significato). | Narratori, oratori |
Intelligenza musicale | La capacità di creare, comunicare e comprendere significati fatti di suono, comprensione del tono, ritmo. | Musicisti, cantanti, compositori |
Intelligenza logico-matematica | La capacità di usare e comprendere le relazioni in assenza di azioni o oggetti. Comprensione di idee complesse e astratte. | Matematici, scienziati |
Intelligenza spaziale | La capacità di percepire le informazioni visive o spaziali, modificarle e ricreare immagini visive senza riferimento agli oggetti, costruire immagini 3D e spostarle e ruotarle. | Lettori di mappe, astronauti, fisici |
Intelligenza corporeo-cinestetica | La capacità di utilizzare la totalità o parte del corpo per risolvere problemi o prodotti di moda, controllare le capacità motorie fini e grossolane e manipolare gli oggetti. | Giocatori, ballerini |
Intelligenza intrapersonale | La capacità di distinguere i propri sentimenti, intenzioni e motivazioni. | Gautama Buddhha |
Intelligenza interpersonale | La capacità di riconoscere e fare distinzioni tra i sentimenti, le convinzioni e le intenzioni di altre persone. | Comunicatori di massa, intervistatori |
Puoi dire che una macchina o un sistema lo sono artificially intelligent quando è dotato di almeno una e al massimo tutte le intelligenze al suo interno.
Di cosa è composta l'intelligenza?
L'intelligenza è intangibile. È composto da:
- Reasoning
- Learning
- Risoluzione dei problemi
- Perception
- Intelligenza linguistica
Esaminiamo brevemente tutti i componenti:
Reasoning- È l'insieme di processi che ci consente di fornire le basi per il giudizio, il processo decisionale e la previsione. Esistono sostanzialmente due tipi:
Ragionamento induttivo | Ragionamento deduttivo |
---|---|
Conduce osservazioni specifiche per fare dichiarazioni generali di massima. | Inizia con una dichiarazione generale ed esamina le possibilità per raggiungere una conclusione logica e specifica. |
Anche se tutte le premesse sono vere in un'affermazione, il ragionamento induttivo consente che la conclusione sia falsa. | Se qualcosa è vero per una classe di cose in generale, è vero anche per tutti i membri di quella classe. |
Esempio: "Nita è un'insegnante. Nita è studiosa. Pertanto, tutti gli insegnanti sono studiosi." | Esempio: "Tutte le donne di età superiore ai 60 anni sono nonne. Shalini ha 65 anni. Pertanto, Shalini è una nonna." |
Learning- È l'attività di acquisire conoscenze o abilità studiando, praticando, ricevendo insegnamenti o sperimentando qualcosa. L'apprendimento aumenta la consapevolezza degli argomenti dello studio.
La capacità di apprendimento è posseduta da esseri umani, alcuni animali e sistemi abilitati all'intelligenza artificiale. L'apprendimento è classificato come:
Auditory Learning- È imparare ascoltando e ascoltando. Ad esempio, gli studenti che ascoltano lezioni audio registrate.
Episodic Learning- Imparare ricordando sequenze di eventi a cui si è assistito o vissuto. Questo è lineare e ordinato.
Motor Learning- Sta imparando dal movimento preciso dei muscoli. Ad esempio, raccogliere oggetti, scrivere, ecc.
Observational Learning- Imparare guardando e imitando gli altri. Ad esempio, il bambino cerca di imparare imitando il genitore.
Perceptual Learning- È imparare a riconoscere gli stimoli che si sono visti prima. Ad esempio, identificare e classificare oggetti e situazioni.
Relational Learning- Implica l'apprendimento della differenziazione tra i vari stimoli sulla base di proprietà relazionali, piuttosto che di proprietà assolute. Ad esempio, aggiungendo "un po 'meno" di sale al momento della cottura delle patate che sono risultate salate l'ultima volta, quando sono state cotte aggiungendo, diciamo, un cucchiaio di sale.
Spatial Learning - È l'apprendimento attraverso stimoli visivi come immagini, colori, mappe, ecc. Ad esempio, una persona può creare una tabella di marcia in mente prima di seguire effettivamente la strada.
Stimulus-Response Learning- È imparare a eseguire un comportamento particolare quando è presente un certo stimolo. Ad esempio, un cane alza l'orecchio quando sente il campanello.
Problem Solving - È il processo in cui si percepisce e si cerca di arrivare a una soluzione desiderata da una situazione presente prendendo una strada bloccata da ostacoli noti o sconosciuti.
La risoluzione dei problemi include anche decision making, che è il processo di selezione della migliore alternativa adatta tra più alternative disponibili per raggiungere l'obiettivo desiderato.
Perception - È il processo di acquisizione, interpretazione, selezione e organizzazione delle informazioni sensoriali.
La percezione presume sensing. Negli esseri umani, la percezione è aiutata dagli organi sensoriali. Nel dominio dell'IA, il meccanismo di percezione mette insieme i dati acquisiti dai sensori in modo significativo.
Linguistic Intelligence- È la capacità di usare, comprendere, parlare e scrivere il linguaggio verbale e scritto. È importante nella comunicazione interpersonale.
Differenza tra intelligenza umana e intelligenza artificiale
Gli esseri umani percepiscono per modelli mentre le macchine percepiscono per insieme di regole e dati.
Gli esseri umani immagazzinano e richiamano le informazioni secondo schemi, le macchine lo fanno cercando algoritmi. Ad esempio, il numero 40404040 è facile da ricordare, memorizzare e richiamare poiché il suo schema è semplice.
Gli esseri umani possono capire l'intero oggetto anche se una parte di esso manca o è distorta; mentre le macchine non possono farlo correttamente.