Sentient AI är inte lika med intelligent AI

sponsrade

Du har nog hört talas om Googles LaMDA och den virala diskussionen om huruvida en AI kan bli kännande. Teamet kl tau hävdar att kanske en AIs känsla bara är en liten del av dess intelligens. Snarare kommer den sanna intelligensen hos AI att baseras på dess förmåga att logiskt förstå människors behov och automatiskt tillfredsställa dem.

tau är den första plattformen någonsin som kommer att kunna ta emot sina användares tankar, råd och kunskap och uppdatera sin egen mjukvara i realtid genom att låta sina användare skriva på språk som både maskiner och människor kan läsa och förstå. Taus decentraliserade sociala nätverk och dess monetära aspekt, Agoras kryptovaluta, drivs av en AI som teamet kallar den verkligt intelligenta artificiella intelligensen – Logical AI. Logisk AI skiljer sig radikalt från Machine Learning, och är enligt Taus grundare Ohad Asor på väg att bli nästa stora våg i teknikvärlden.

På Tau kommer Logical AI att göra det möjligt för dig att delta i diskussioner av storleken på miljarder människor och omedelbart se den kollektiva avsiktliga meningen bakom de tankar som delas över nätverket. Detta kommer att uppnås genom att låta människor använda Controlled Natural Languages ​​(CNL) som både människor och maskiner kan förstå. Varje tanke och varje del av kunskap, vare sig explicit eller implicit, kommer automatiskt att kännas igen och registreras som din världsbild, som kommer att fungera som din profil på Tau och kommer att vara helt din att äga. Att ha dina idéer och kunskap organiserade på ett så avancerat sätt kommer att innebära att du inte bara kommer att kunna upptäcka banbrytande lösningar, utan också tjäna pengar på din kunskap på ett enkelt och direkt sätt som inte har varit möjligt tidigare.

Bara genom att mata in dina tankar om Tau blir din kunskap automatiskt en digital tillgång som ägs av dig. Du kommer att kunna sälja av din kunskap till andra köpare, eller använda den för att generera intäkter genom att hyra ut specifika delar av den till dina prenumeranter eftersom Tau kommer att förstå att även en del av din kunskap kan vara en del av lösningen på någons problem. Tau kommer att lyfta fram kombinationen av kunskap hos flera användare och föreslå den som en lösning på viktiga och komplexa problem, vilket garanterar att den nödvändiga kunskapen matchar specifikationerna till 100 %.

Ingen av dessa lösningar skulle vara möjlig med någon annan typ av AI, förutom en baserad på logik. Detta beror på, för att uttrycka det enkelt, logisk AI handlar om ord och meningar. I sin kärna handlar det om förmågan att härleda påståenden från andra påståenden, på samma sätt som det som kallas deduktivt resonemang. Till exempel från de tre påståendena:

• Paris ligger i Frankrike.
• Frankrike är i Europa.
• Om x är i y och y är i z, så är x i z. Detta för alla x, y, z.

vi kan sluta oss till uttalandet

Området matematisk logik lär ut att praktiskt taget alla logiska frågor kan komma ner till denna form av deduktion. Till exempel är en uppsättning påståenden motsägelsefull, om och bara om vi kan härleda både ett påstående och dess negation.

Logisk AI är mekaniseringen av logiskt resonemang: att hitta motsägelser, avgöra om en slutsats följer av givna antaganden, och så vidare. Det handlar därför om förmågan att låta maskiner förstå vad vi vill berätta för dem, utöver bara maskininstruktioner.

Samtidigt handlar Machine Learning, som för närvarande är den mest utbredda formen av AI, om att generalisera utifrån exempel. Så om vi skulle kommunicera ovanstående exempel från Frankrike och Paris på samma sätt som maskininlärning, måste vi förse algoritmen med många exempel på formen "x är i y", och sedan hoppas att algoritmen kommer att dra slutsatsen att Paris är i Europa.

En sådan form av kommunikation förtjänar inte ens att kallas intelligent, för hur kan något vara intelligent om det inte kan dra slutsatsen att Paris är i Europa och måste se ett stort antal exempel för att "förstå" det, även om det är inte garanterad? Att generalisera från exempel är av probabilistisk natur. Hur kan vi gissa om osynliga prover? Det är förvånande att Machine Learning kan vara rätt ibland och inte är helt slumpmässigt, och Machine Learning förtjänar verkligen att kallas ett matematiskt mirakel. När allt kommer omkring, hur kan man säga något som med stor sannolikhet till och med är ungefär korrekt, under noll kunskap bortom vissa stickprov?

Överraskande nog kan maskininlärning göra det. Och det är vad Machine Learning handlar om med alla dess fördelar och nackdelar. Dess användningsfall är när vi har liten eller ingen kunskap om ett system, och allt vi kan göra är att ta prover och försöka generalisera dem.

Logisk AI, å andra sidan, handlar om full kunskap och absoluthet, vare sig det är explicit eller implicit. Det handlar också om ett mycket effektivare sätt att kommunicera, direkt kommunikation, "bara säga grejen", istället för att möta många exempel.

Vidare händer det så att Machine Learning i sig är oförmögen att utföra logiska resonemang, t.ex. att upptäcka motsägelser. Detta är matematiskt bevisat med hjälp av komplexitetsteoretiska argument. Det är därför ingen överraskning att maskininlärning bara når framgång inom områden som är icke-verbala till sin natur, medan det inom området för naturlig språkbehandling endast har mycket begränsade möjligheter.

Men tvärtom är helt giltigt: inte bara logik kan göra maskininlärning, utan det gör den redan. Maskininlärningsalgoritmer uttrycks redan i logiska former (i motsats till exempel) och är redan implementerade som datorprogram som också tar en logisk ganska probabilistisk form, nämligen maskininstruktioner.

Att täcka logisk AI täcker därför också maskininlärning, men tvärtom kan man aldrig uppnå. Ett annat sätt att säga det är som följer: maskininlärning omfattar i slutändan det som kallas induktivt och abduktivt resonemang (som ungefär motsvarar det som kallas övervakat och oövervakat lärande), och som sådan är den mycket lovande, men fortfarande i en form som är begränsad till enbart exempel, och vidare behandlar nuvarande teknologier endast data av numerisk natur, eller med data som kan omvandlas till sådana. Logisk AI, å andra sidan, kan täcka deduktiva resonemang, induktiva resonemang och abduktiva resonemang, helt och hållet, i kvalitativ och såväl som kvantitativ data.

Det här är de främsta anledningarna tau har valt Logical AI som den ultimata formen av AI, med argumentet att Machine Learning bara är en milstolpe i AI:s historia. Taus lösningar kommer att förbättra många aspekter av mänsklig bandbredd, från diskussionsskalning, till monetarisering av kunskap, till smarta kontrakt och decentraliserad styrning. Allt detta på grund av logikens förmåga att överbrygga klyftan mellan människor och maskiner.

Lär dig mer om Tau och teamet bakom det här.

Gå med i den växande Tau-gemenskapen Telegram

Detta är ett sponsrat inlägg. Lär dig hur du når vår publik här.. Läs ansvarsfriskrivning nedan.

Bitcoin.com Media

Bitcoin.com är den främsta källan för allt kryptorelaterat.
Kontakta oss [e-postskyddad] att prata om pressmeddelanden, sponsrade inlägg, poddar och andra alternativ.

Bildkrediter: Shutterstock, Pixabay, Wiki Commons