네이트 앤 스크럽피스

Neats and scruffies

깔끔하고 지저분한 것은 인공지능(AI) 연구에 대한 두 가지 대조적인 접근법이다. 구분은 70년대에 이루어졌으며 80년대 중반까지는 논의의 대상이었다. 1990년대와 21세기 AI 연구는 거의 독점적으로 '니트(neat)' 접근법을 채택했고 이것이 가장 성공적인 것으로 입증됐다.[1][2]

"니트"는 논리, 수학적 최적화 또는 신경망과 같은 공식 패러다임에 기반한 알고리즘을 사용한다. 깔끔한 연구자들과 분석가들은 하나의 공식적인 패러다임이 확장되고 개선되어 일반적 지능과 초지능을 달성할 수 있을 것이라는 희망을 표현해 왔다.

"스크루피"는 지능적인 행동을 달성하기 위해 얼마든지 다른 알고리즘과 방법을 사용한다. 지저분한 프로그램은 많은 양의 손 코딩이나 지식 공학을 필요로 할 수 있다. 스크럽피들은 그동안 일반지능은 본질적으로 관련이 없는 다수의 문제를 해결해야 구현이 가능하며, 프로그램이 일반지능을 자율적으로 개발할 수 있는 마법의 총알은 없다고 주장해왔다.

깔끔한 접근법은 단순한 수학 모델을 기초로 삼는다는 점에서 물리학과 비슷하다. 지저분한 접근법은 생물학에 가까운데, 여기서 작업의 많은 부분이 다양한 현상을 연구하고 분류하는 것을 포함한다.[a]

1970년대 기원

깔끔함과 스크럽의 구별은 1970년대 중반 로저 챈크에 의해 시작되었다. 챈크는 존 매카시, 앨런 뉴웰, 허버트 A의 작품과 자연어 처리(큰 비정형 의미망의 형태로 상식적 지식을 나타냄)에 관한 그의 작품과의 차이를 특징짓기 위해 이 용어를 사용했다. 시몬, 로버트 코왈스키 등 논리의 논리와 형식적인 연장에 바탕을 둔 작품.[4] 챈크는 자신을 AI가 지저분하다고 묘사했다. 그는 촘스키의 언어 관점에 강하게 반대하며 언어학에서 이러한 차이를 만들었다.[a]

그 구별은 또한 부분적으로 지리적이고 문화적인 것이었는데, 1970년대 마빈 민스키 휘하의 MIT에서 AI 연구를 통해 "스크루피" 속성이 예시되었다. 실험실은 '자유분방'으로 유명했고, 연구자들은 종종 필요한 행동을 보일 때까지 프로그램을 세밀하게 조정하면서 AI 프로그램을 개발하기도 했다. MIT에서 개발된 중요하고 영향력 있는 "스크루피" 프로그램으로는 전혀 공식 지식 없이 영어를 말하는 것처럼 행동한 조셉 바이젠바움(Joseph Weizenbaum)의 ELIZA와 블록과 로봇 팔로 구성된 단순화된 세계에서 성공적으로 쿼리에 응답하고 조치를 수행할 수 있는 테리 위노그라드의 SHRDLU가 있었다[b].[6][7] SHRDLU는 성공적이었지만 구조화된 디자인이 부족했기 때문에 유용한 자연어 처리 시스템으로 확장할 수 없었다. 더 큰 버전의 프로그램을 유지하는 것은 불가능하다는 것을 증명했다. 즉, 그것은 연장되기에는 너무 지저분했다.

그 외 AI 연구소(스탠퍼드, 카네기멜론대, 에든버러대)는 AI의 기반으로서 논리와 형식적인 문제해결에 초점을 맞췄다. 이 기관들은 존 매카시, 허버트 사이먼, 앨런 뉴웰, 도널드 미치, 로버트 코왈스키, 그리고 다른 "니트"들의 작업을 지원했다.

MIT의 접근방식과 다른 실험실 사이의 대조도 "절차적/선언적 구분"으로 설명되었다. SHRDLU와 같은 프로그램은 조치를 수행하는 에이전트로 설계되었다. 그들은 "절차"를 실행했다. 다른 프로그램들은 세상에 대한 공식적인 진술(또는 "선언")을 조작하고 이러한 조작을 행동으로 옮기는 추론 엔진으로 설계되었다.

닐스 닐슨은 1983년 대통령 주재 인공지능 발전협회 연설에서 "현장은 둘 다 필요했다"고 주장하며 이 문제를 논의했다. 그는 "우리는 우리의 프로그램이 선언적이고 논리적인 형식주의로 선언적으로 표현될 수 있고 그래야 하는 지식을 많이 갖고 있다"고 썼다. 애드혹 구조물은 제 자리를 차지하고 있지만, 이들 대부분은 도메인 자체에서 나온 것이다." 알렉스 P. Pentland와 Martin Fischler SRI International은 향후 AI 연구에서 예상되는 추론 및 논리적인 공식화 역할에 대해서는 의견이 일치했지만 Nilsson이 설명한 정도까지는 아니었다.[8]

1980년대 스크러피 프로젝트

이 지저분한 접근법은 1980년대 중반 로드니 브룩스에 의해 로봇공학에 적용되었다. 그는 애니타 플린과 공동 저술한 1989년 논문의 제목인 '빠르고, 싸고, 통제 불능' 로봇 제작을 주창했다. 셰이키나 스탠포드 카트 등 기존 로봇과 달리 수학적 머신러닝 기법에서 도출한 알고리즘으로 시각적 정보를 분석해 세계의 표현을 쌓지 않았고, '플랜너' 언어와 같은 논리를 바탕으로 한 공식화를 통해 행동을 계획하지 않았다. 그들은 단순히 센서에 반응하여 그들이 생존하고 움직이도록 돕는 경향이 있다.[9]

Douglas Lenat의 Cyc 프로젝트는 1984년에 시작되었는데, 인간의 모든 지식을 기계 판독 가능한 형태로 포착하기 위한 가장 초기이자 가장 야심찬 프로젝트 중 하나는 "결정적으로 지저분한 기업"이다.[10] Cyc 데이터베이스는 지식 엔지니어들이 각각 한 번에 하나씩 입력해야 하는 세계의 모든 복잡성에 대한 수백만 가지 사실을 담고 있다. 이 항목들은 각각 시스템의 인텔리전스에 대한 특별 추가 사항이다. 상식 지식(인터넷을 통해 이용할 수 있는 텍스트를 연구할 수 있는 자연어 처리를 하는 머신러닝 알고리즘 등) 문제에 대한 '니트(neat)' 해법은 있을 수 있지만, 그러한 프로젝트는 아직 성공하지 못했다.

마음학회

주요 기사: 소사이어티 오브 마인드

1986년 마빈 민스키는 지능과 정신의 관점을 각각 다른 인식의 측면을 취급하는 모듈이나 에이전트의 상호 작용적 공동체로서 주창하는 <The Society of Mind>를 발표했는데, 여기서 어떤 모듈은 매우 구체적인 작업(예: 시각 피질의 가장자리 감지)에 특화되었고, 다른 모듈들은 관리를 위해 특화되었다. 커뮤니케이션 및 우선순위 지정(예: 전두엽의 계획 및 주의) 민스키는 이 패러다임을 생물학적 인간 지능의 모델이자 AI의 미래 작업에 대한 청사진으로 제시했다.

이 패러다임은 지적 행동과 관련된 모든 직무에 적용할 수 있는 단일 알고리즘이 있을 것으로 예상하지 않는다는 점에서 명시적으로 "스크루피"이다.[11] 민스키는 이렇게 썼다.

어떤 마술이 우리를 지적으로 만드는가? 요령은 속임수가 없다는 것이다. 지성의 힘은 어떤 하나의 완벽한 원칙에서가 아니라 우리의 방대한 다양성에서 기인한다.[12]

1991년 현재, 민스키는 여전히 "논리적 대 아날로그적 또는 상징적 대 연결론자 또는 깔끔 대 스크러피"와 같은 깔끔한 대 스크러피 접근방식의 상대적 장점을 평가하는 논문을 발표하고 있다.[13]

1990년대 '네이트의 승리'

수학적 최적화, 신경망과 같은 고도로 발달된 형식주의를 사용하여 1990년대에 AI에 대한 새로운 통계적, 수학적 접근법이 개발되었다. AI에서 보다 공식적인 방법을 지향하는 이러한 일반적인 경향은 피터 노비그와 스튜어트 러셀에 의해 "네이트의 승리"로 묘사된다.[14] 파멜라 맥코르덕은 "내가 글을 쓸 때 AI는 깔끔한 헤게모니를 즐긴다. 적어도 기계 지능은 논리적, 심지어 수학적 용어로 가장 잘 표현된다고 믿는 사람들"[2]이라고 썼다.

기계학습과 컴퓨터 비전 같은 문제에 대한 깔끔한 해결책은 21세기에 매우 성공적이었다.[14] 그러나 이러한 해결책들은 대부분 구체적인 해결책의 구체적인 문제에 적용되어 왔으며, 인공지능(AGI)의 문제는 해결되지 않은 채로 남아 있다.

'니트(neat)'와 '스크루피(scruffy)'라는 용어는 21세기 AI 연구자들이 자주 사용하지 않는데, Karl Friston이 물리학을 '니트(Neats)'라고, AI 연구자를 '스크루피(Scruffies)'(그리고 철학자는 '미스틱스(Mystics)'라고 지칭하는 '자유 에너지 원리'에 대해 말하는 등 일부 예외도 있다.

잘 알려진 예

네이트

스크래피

참고 항목

메모들

  1. ^ a b 존 브록맨은 " 촘스키가 물리학자의 과학철학을 항상 채택했다"고 썼다. 그것은 여러분이 체크아웃하는 가설을 가지고 있다는 것이고, 여러분이 틀릴 수도 있다는 것이다. 이것은 생물학자가 세상을 바라보는 시각에 훨씬 더 가까운 과학의 AI 철학과 완전히 반대되는 것이다. 생물학자의 과학철학은 인간이 곧 인간이라고 말하고, 발견되는 것을 찾아내고, 그것을 이해하려고 노력하고, 분류하고, 이름을 짓고, 정리한다. 모델을 만들었는데 제대로 작동하지 않으면 고쳐야 한다. 훨씬 더 '발견'적인 세계관이다.[3]
  2. ^ 위노그라드는 또한 인공지능에 대한 초기 접근방식에 대한 비평가도 되어, 지능적인 기계는 형식적인 상징만을 사용하여 만들 수 없지만, 내재된 인지력이 필요하다고 주장했다.[5]

인용구

  1. ^ 러셀 & 노르빅 2003, 25-26페이지.
  2. ^ a b 2004년 맥코르덕 페이지 487.
  3. ^ 1996년 9장: 정보는 놀라운 것이다.
  4. ^ 크레비에 1993 페이지 168.
  5. ^ 위노그라드 & 플로레스 1986.
  6. ^ 크레비에 1993 페이지 84-102.
  7. ^ 러셀 & 노르빅 2003, 페이지 19.
  8. ^ Pentland and Fischler 1983, McCorduck 2004, 페이지 421–424에서 인용.
  9. ^ McCorduck 2004, 페이지 454–459.
  10. ^ 맥코르덕 2004, 페이지 489.
  11. ^ 크레비에 1993 페이지 254.
  12. ^ 민스키 1986 페이지 308.
  13. ^ 레흐너트 1994.
  14. ^ a b 러셀 & 노르빅 2003, 25-26페이지.

참조

  • Brockman, John (7 May 1996). Third Culture: Beyond the Scientific Revolution. Simon and Schuster. Retrieved 2 August 2021.
  • Crevier, Daniel (1993). AI: The Tumultuous Search for Artificial Intelligence. New York, NY: BasicBooks. ISBN 0-465-02997-3..
  • Lehnert, Wendy C. (1 May 1994). "5: Cognition, Computers, and Car Bombs: How Yale Prepared Me for the 90's". In Schank, Robert; Langer, Ellen (eds.). Beliefs, Reasoning, and Decision Making: Psycho-Logic in Honor of Bob Abelson (First ed.). New York, NY: Taylor & Francis Group. p. 150. doi:10.4324/9780203773574. ISBN 9781134781621. Retrieved 2 August 2021.
  • Minsky, Marvin (1986). The Society of Mind. New York: Simon & Schuster. ISBN 0-671-60740-5.
  • McCorduck, Pamela (2004), Machines Who Think (2nd ed.), Natick, MA: A. K. Peters, Ltd., ISBN 1-56881-205-1.
  • Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Upper Saddle River, New Jersey: Prentice Hall, ISBN 0-13-790395-2.
  • Winograd, Terry; Flores (1986). Understanding Computers and Cognition: A New Foundation for Design. Ablex Publ Corp.

추가 읽기