Información

Diferencia entre IA fuerte (AGI) y ciencia cognitiva

Diferencia entre IA fuerte (AGI) y ciencia cognitiva


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Me gusta conocer las diferencias en los objetivos de esos campos.


Un AGI es una máquina hecha por el hombre que puede aprender, adaptarse, pensar, planificar, predecir, etc.

La ciencia cognitiva es el estudio de cómo nuestras "máquinas biológicas" realizan esos mismos procesos.


Tipos de IA: distinguir entre IA débil, fuerte y súper

A estas alturas, probablemente ya esté bastante familiarizado con el término "inteligencia artificial".

Probablemente ya sepa que la IA es la capacidad de una computadora para "pensar" y actuar de manera inteligente.

Es posible que ya comprenda términos como aprendizaje automático y procesamiento del lenguaje natural.

Pero, ¿qué hay de distinguir entre los diferentes tipos de IA? Débil, fuerte, súper, estrecho, ancho, ANI, AGI, ASI: aparentemente hay muchas etiquetas para los tipos de IA.

Entonces, incluso si sabe qué es la IA y qué hace, determinar de qué tipo está hablando no está tan claro.

Para todas las etiquetas, solo hay tres tipos principales de IA: IA débil, IA fuerte y súper IA.

A continuación, le indicamos cómo distinguirlos.

IA débil

La IA débil es la más limitada y la más común de los tres tipos de IA. También se conoce como IA estrecha o inteligencia artificial estrecha (ANI).

La IA débil se refiere a cualquier herramienta de IA que se centre en hacer una tarea realmente bien. Es decir, tiene un alcance limitado en términos de lo que puede hacer. La idea detrás de la IA débil no es imitar o replicar la inteligencia humana. Más bien, es para simular el comportamiento humano.

La IA débil no está ni cerca de igualar la inteligencia humana, y no lo intenta.

Un error común sobre la IA débil es que apenas es inteligente, más como una estupidez artificial que como IA. Pero incluso la IA aparentemente más inteligente de hoy en día es solo una IA débil.

En realidad, entonces, la IA estrecha o débil se parece más a un especialista inteligente. Es muy inteligente para completar las tareas específicas para las que está programado.

IA fuerte

El siguiente de los tipos de IA es la IA fuerte, que también se conoce como IA general o inteligencia artificial general (AGI). La IA fuerte se refiere a la IA que exhibe inteligencia a nivel humano. Por lo tanto, puede comprender, pensar y actuar de la misma manera que lo haría un ser humano en cualquier situación dada.

Entonces, en teoría, cualquier cosa que pueda hacer un ser humano, también lo puede hacer una IA fuerte.

Todavía no tenemos una IA fuerte en el mundo, solo existe en teoría.

Para empezar, la paradoja de Moravec nos tiene luchando por replicar las funciones humanas básicas como la vista o el movimiento. (Aunque la imagen y el reconocimiento facial significan que la IA ahora está aprendiendo a "ver" y categorizar).

Agregue a esto que actualmente, la IA solo es capaz de las pocas cosas que programamos en ella, y está claro que una IA fuerte está muy lejos. Se piensa que para lograr una IA realmente fuerte, necesitaríamos hacer que nuestras máquinas sean conscientes.

Super IA

Pero si una IA fuerte ya imita la inteligencia y la capacidad humanas, ¿qué queda para el último de los tipos de IA?

La súper IA es una IA que supera la inteligencia y la capacidad humanas. También se conoce como superinteligencia artificial (ASI) o superinteligencia. Es el mejor en todo: matemáticas, ciencia, medicina, pasatiempos, lo que sea. Incluso las mentes humanas más brillantes no pueden acercarse a las habilidades de la súper IA.

De los tipos de IA, la súper IA es a la que la mayoría de la gente se refiere cuando habla de robots que se apoderan del mundo.

O sobre la IA que derroca o esclaviza a los humanos. (O la mayoría de los otros tropos de IA de ciencia ficción).

Pero tenga la seguridad de que la súper IA es puramente especulativa en este momento. Es decir, no es probable que exista durante mucho tiempo (si es que existe).

Tipos de IA

Distinguir entre tipos de IA significa observar lo que puede hacer la tecnología. Si solo es bueno en acciones específicas, es una IA limitada o débil. Si opera al mismo nivel que un humano en cualquier situación, es una IA fuerte. Y, si está operando muy por encima de la capacidad que cualquier humano podría esperar, es una superinteligencia artificial.

Hasta ahora, solo hemos logrado el primero de los tres tipos de IA: IA débil. A medida que avanza la investigación, es razonable esforzarse por lograr una IA fuerte.

Mientras tanto, la súper IA probablemente seguirá siendo materia de ciencia ficción durante mucho tiempo.


IA fuerte

La inteligencia artificial fuerte (IA), también conocida como inteligencia artificial general (AGI) o IA general, es una forma teórica de IA que se utiliza para describir una determinada mentalidad de desarrollo de IA. Si los investigadores pueden desarrollar una IA fuerte, la máquina requeriría una inteligencia igual a la de los humanos, tendría una conciencia de sí misma que tiene la capacidad de resolver problemas, aprender y planificar el futuro.

Strong AI tiene como objetivo crear máquinas inteligentes que sean indistinguibles de la mente humana. Pero al igual que un niño, la máquina de inteligencia artificial tendría que aprender a través de información y experiencias, progresando constantemente y mejorando sus habilidades con el tiempo.

Si bien los investigadores de IA tanto en el sector académico como en el privado están invertidos en la creación de inteligencia artificial general (AGI), solo existe hoy como un concepto teórico versus una realidad tangible. Mientras que algunos individuos, como Marvin Minsky, han sido citados como demasiado optimistas en lo que podríamos lograr en unas pocas décadas en el campo de la IA, otros dirían que ni siquiera se pueden desarrollar sistemas de IA fuertes. Hasta que las medidas de éxito, como la inteligencia y la comprensión, se definan explícitamente, tienen razón en esta creencia. Por ahora, muchos usan la prueba de Turing para evaluar la inteligencia de un sistema de inteligencia artificial.


¿Qué es la IA débil?

La IA débil, también conocida como IA estrecha, es inteligencia artificial con funcionalidad limitada. La IA débil se refiere al uso de algoritmos avanzados para realizar tareas específicas de razonamiento o resolución de problemas que no abarcan la gama completa de capacidades cognitivas humanas. Por ejemplo, los asistentes personales basados ​​en voz como Siri y Alexa podrían considerarse programas de inteligencia artificial débiles porque operan dentro de un conjunto limitado de funciones predefinidas, lo que significa que a menudo tienen una respuesta programada. La IA débil no está tan entusiasmada con los resultados de la IA, es simplemente la opinión de que el comportamiento inteligente puede ser modelado y utilizado por máquinas para resolver problemas y tareas complejos. Pero el hecho de que una máquina pueda comportarse de manera inteligente no prueba que sea realmente inteligente en la forma en que lo es un humano. El mejor ejemplo de IA débil es Siri y Alexa, o la Búsqueda de Google.


Diferencia entre IA fuerte e IA débil

La Inteligencia Artificial (IA) es el campo de la informática dedicado al desarrollo de máquinas que podrán imitar y realizar las mismas tareas como lo haría un ser humano. Los investigadores de IA dedican tiempo a encontrar una alternativa viable a la mente humana. El rápido desarrollo de las computadoras después de su llegada hace 50 años ha ayudado a los investigadores a dar grandes pasos hacia este objetivo de imitar a un humano. Las aplicaciones modernas como el reconocimiento de voz, los robots que juegan al ajedrez, el tenis de mesa y la música han hecho realidad el sueño de estos investigadores. Pero de acuerdo con la filosofía de la IA, se considera que la IA se divide en dos tipos principales, a saber, IA débil y IA fuerte. La IA débil es el pensamiento enfocado hacia el desarrollo de tecnología capaz de realizar movimientos preplanificados en base a unas reglas y aplicarlas para lograr un determinado objetivo. A diferencia de eso, Strong AI está desarrollando tecnología que puede pensar y funcionar de manera similar a los humanos, no solo imitando el comportamiento humano en un dominio determinado.

El principio detrás de Weak AI es simplemente el hecho de que se puede hacer que las máquinas actúen como si fueran inteligentes. Por ejemplo, cuando un jugador humano juega al ajedrez contra una computadora, el jugador humano puede sentir como si la computadora realmente estuviera haciendo movimientos impresionantes. Pero la aplicación de ajedrez no piensa ni planifica en absoluto. Todos los movimientos que realiza son introducidos previamente en la computadora por un humano y así es como se asegura que el software hará los movimientos correctos en el momento adecuado.

El principio detrás de Strong AI es que las máquinas podrían hacerse pensar o, en otras palabras, podrían representar mentes humanas en el futuro. Si ese es el caso, esas máquinas tendrán la capacidad de razonar, pensar y realizar todas las funciones que un humano es capaz de realizar. Pero según la mayoría de la gente, esta tecnología nunca se desarrollará o al menos llevará mucho tiempo. Sin embargo, Strong AI, que se encuentra en su etapa inicial, promete mucho debido a los recientes desarrollos en nanotecnología. Se están diseñando nanobots, que pueden ayudarnos a combatir enfermedades y también hacernos más inteligentes. Además, el desarrollo de una red neuronal artificial, que puede funcionar como un ser humano adecuado, se está considerando como una aplicación futura de la IA fuerte.

¿Cuál es la diferencia entre IA fuerte y IA débil?

La IA débil y la IA fuerte son dos tipos de IA, clasificados en función de los objetivos en los que se centran los grupos de investigadores correspondientes. La IA débil se centra en la tecnología que es capaz de llevar a cabo movimientos planificados previamente en función de algunas reglas y aplicarlos para lograr un objetivo determinado, pero la IA fuerte se basa en crear una tecnología que pueda pensar y funcionar de manera muy similar a los humanos. . Entonces, las aplicaciones de Weak AI hacen que los humanos sientan que las máquinas están actuando de manera inteligente (pero no es así). Por el contrario, las aplicaciones de Strong AI (algún día) realmente actuarán y pensarán como un humano, en lugar de simplemente hacer que los humanos sientan que las máquinas son inteligentes.


¿Cuál es la diferencia entre los objetivos de Strong-AI (AGI) y Cognitive Science?

Cog psy se ocupa principalmente de comprender la cognición natural. La IA fuerte se ocupa principalmente de la ingeniería de la cognición artificial.

Pero como dijo una vez el gran Richard Feynman:

Lo que no puedo crear, no lo entiendo.

jaja, sí, planeo expandirlo más cuando tenga tiempo :)

Dudo que los modelos de IA puedan enseñarnos sobre el cerebro directamente, pero ¿qué pasa con el uso de herramientas de IA para realizar investigaciones en neurociencia?

Pero como dijo una vez el gran Richard Feynman:

& gt Lo que no puedo crear, no lo entiendo.

Dijiste & quotCog psy se ocupa principalmente de la comprensión de la cognición natural. & quot. ¿Se aplica lo mismo a la ciencia cognitiva?

A mi modo de ver, el objetivo de CogSci & # x27 es comprender la cognición animal (incluida la humana), mientras que el objetivo de AGI & # x27 es construir una máquina que sea generalmente inteligente. Así que las principales diferencias son IMO & quot; entender vs. inteligencia que no se limita a lo que vemos actualmente en los animales.


Pruebas de Turing extendidas

Desafortunadamente, esta prueba no ayuda a guiar hacia mejores programas que tienen más probabilidades de aprobar la prueba. Y ahí es donde entra en juego la teoría psicológica. Si podemos desarrollar un protocolo para analizar diferentes aplicaciones de AGI, con el fin de ver cuáles están más cerca de tener una inteligencia similar a la humana, entonces podemos seleccionar metodologías que nos muevan en la dirección correcta.

Hay mucho trabajo por hacer en la creación de evaluaciones para aplicaciones de inteligencia artificial. Uno de los mayores escollos es que la mayor parte de la interacción entre la IA y los humanos se basa en texto. La comunicación verbal es posible, pero es difícil producir una verbalización convincente. Una voz robótica revelaría automáticamente qué persona es real y cuál no, a menos que la voz de los participantes humanos esté enmascarada.

Las pruebas de coeficiente intelectual también son problemáticas, porque muchas de ellas tienen componentes visuales. Sin embargo, debería ser posible crear una prueba de CI puramente oral, donde el supervisor hace preguntas verbales y la respuesta se proporciona en una respuesta verbal, sin la necesidad de escribir o dibujar.

La prueba debe centrarse más en analizar la capacidad de pensar de manera abstracta, recordar información y sintetizar nuevos conocimientos, así como analizar la inteligencia emocional y social. El desarrollo de este tipo de prueba requeriría un número significativo de personas de diversos orígenes, incluida la psicología, el desarrollo infantil, los profesionales de la salud mental y, por supuesto, los científicos informáticos. Pero es una prueba importante para el desarrollo de un verdadero AGI, así como para la evaluación de la salud de los futuros miembros de nuestra sociedad.

Realmente espero que a través del desarrollo de nuevas pruebas podamos impulsar la inteligencia artificial general y crear una verdadera IA. También espero que estas pruebas eventualmente se puedan utilizar como una forma de identificar problemas de salud mental en estos nuevos miembros de nuestra comunidad. Pero tal proyecto requerirá mucha cooperación entre muchos investigadores en numerosos campos de estudio.


AI Vs AGI: ¿Cuál es la diferencia?

En la sociedad actual, puede ser difícil operar sin depender de la tecnología de una forma u otra. La electrónica se ha convertido en una parte esencial de nuestras operaciones diarias. Parece que todos usamos la tecnología para la productividad y la comunicación.

¿Te imaginas lo que pasaría si todos dejáramos de depender de la tecnología de repente? El mundo sería un caos al principio, lo que demuestra aún más cuánto depende la sociedad de la innovación tecnológica.

Una de estas innovaciones gira en torno a la inteligencia artificial (IA). Aunque solía estar solo en novelas de ciencia ficción, la IA es ahora una verdadera empresa para muchas empresas de hoy, incluida la mía. Además, también se está investigando mucho sobre la inteligencia artificial general (AGI, o IA general), que es una rama más específica.

Sin embargo, ¿cuáles son las diferencias exactas entre los dos temas? Este artículo explorará la separación entre la IA y el AGI más pesado.

Aún queda mucha investigación y desarrollo por hacer

Antes de sumergirnos demasiado en la IA, es importante tener en cuenta que este sigue siendo un nuevo campo de investigación. Los científicos y expertos en inteligencia artificial de todo el mundo todavía están desarrollando los mejores programas e innovaciones que se les ocurren. Podría pasar mucho tiempo antes de que lleguemos al "final" del desarrollo de la IA.

La buena noticia es que muchas empresas están aprovechando los desarrollos ya realizados. De hecho, el 72% de los líderes empresariales consideran el desarrollo de la IA como una parte esencial del éxito futuro de su negocio.

Dado que el tema aún es nuevo, algunas definiciones aún son fluidas hasta cierto punto. Cuando hablamos de IA, por ejemplo, muchos expertos incluirían AGI en la categoría de IA. Otros, sin embargo, afirmarían que hay una clara diferencia.

Podría ser fácil pensar en la IA como un campo amplio, mientras que AGI es un enfoque más específico dentro de él. La IA general aplica algunos de los mismos conceptos, incluso. A continuación se presentan las dos definiciones claramente separadas que la industria ha llegado a aceptar en general.

La IA se basa en la cognición humana

Muchos dirían que la IA en sí misma se centra en la realización de tareas cognitivas que todo ser humano puede realizar. Estas tareas incluyen cosas como marketing predictivo o cálculos complejos. Claro, un humano podría realizarlos, pero permitir que el aprendizaje automático analice los datos en nuestro nombre nos ahorra un valioso poder de pensamiento.

De hecho, muchas empresas están comenzando a incorporar innovaciones en inteligencia artificial. ¿Cuál es una de las principales razones por las que ahora están considerando la tecnología? Bueno, la mayoría está de acuerdo en que las posibilidades de marketing podrían ser perfectas para la tecnología de IA.

La IA, en esencia, está diseñada para facilitar la vida de los humanos en su vida diaria. Este diseño está programado para ser útil desde el principio.

En otras palabras, las funciones de IA están preprogramadas de antemano. Las "decisiones" que toma el aprendizaje automático son lógicas basadas en datos empíricos. Sin embargo, el objetivo de la IA general es llevar estas decisiones un paso más allá.

La IA general se basa en la capacidad intelectual humana

Se podría considerar que la IA general cae bajo el paraguas de la IA en su conjunto. A veces se lo conoce como IA fuerte o IA estricta. Eso es porque la IA general espera que la máquina sea tan inteligente como un humano.

La IA general esperaría que una máquina realizara funciones que ahora solo se ven en robots de ciencia ficción. No tenemos una máquina disponible, por ejemplo, que pueda entrar a una casa y lavar la ropa para toda la casa.

El número de decisiones y la energía intelectual que requieren son todavía demasiado inverosímiles. Claro, una máquina podría ubicar cestas de ropa y clasificar la ropa por color. Sin embargo, ¿qué pasa con las prendas de vestir al azar que se arrojaron por la habitación desordenada de un adolescente? O, ¿cómo sabría la máquina qué artículos son solo para limpieza en seco? Algunas decisiones que los humanos dan por sentadas abrumarían la mente de una simple máquina.

Otro caso sería una decisión en la que entra en juego el "instinto humano". Por ejemplo, a veces vamos con nuestro "instinto" para determinar qué producto alimenticio comprar en la tienda. Es posible que a una máquina no le importe tanto el nombre de una marca como el artículo de menor precio.

En otras palabras, si no se puede programar directamente en una máquina, lo más probable es que no pueda tomar decisiones intelectuales importantes. Esta habilidad todavía está reservada para la parte dentro de todos nosotros que es "humana".

No te olvides de la superinteligencia

Hay otra categoría en la IA en su conjunto que podría ser de interés. Esto sería "superinteligencia", que también es todavía sólo una parte de la ciencia ficción.

Tal superinteligencia es más un miedo general de aquellos que no comprenden completamente los límites de la tecnología de IA real. A estas personas les preocupa que la IA pueda algún día superar toda la inteligencia humana. Si bien es una gran película de aventuras, la superinteligencia no es actualmente una preocupación realista para los expertos.

¿Cómo puede la IA o la IA en general beneficiar a las empresas hoy en día?

Como se mencionó anteriormente, muchos líderes empresariales están comenzando a apreciar las posibles aplicaciones de la IA. Dado que el campo aún está fresco, nadie sabe hasta qué punto esas aplicaciones podrían ayudarnos.

La humanidad siempre ha estado optimizando y automatizando las operaciones comerciales para reducir los resultados de las corporaciones. Como este desplazamiento de la mano de obra puede ser aterrador, aún abre un sinfín de posibilidades productivas para todos.

La tecnología y la innovación merecen tener la oportunidad de luchar para beneficiar verdaderamente a la humanidad. Un conocimiento sólido de la IA es beneficioso para todos los profesionales en estos días. Algunos profesionales dedicados a la IA y su progreso continúan impulsando la difusión de esta emocionante tecnología.

Manténgase informado sobre la tecnología y las innovaciones de IA

Un campo de investigación tan amplio merece ser explorado a fondo en beneficio de la humanidad. Todo tipo de perspectivas y experiencia podrían ampliar las posibilidades de la innovación general de la IA. Es importante mantenerse informado y actualizado sobre el progreso para no quedarse atrás en el mundo empresarial moderno.

Continúe investigando y aprendiendo sobre inteligencia artificial y tecnología. Las posibles aplicaciones del campo podrían terminar beneficiando a sus empresas algún día.


Definiciones de IA: Aprendizaje automático vs. Aprendizaje profundo vs. Computación cognitiva vs. Robótica vs. IA fuerte….

La IA es el tema atractivo de las conversaciones tecnológicas du jour, sin embargo, dentro de estas conversaciones a menudo reina la confusión, confusión causada por el uso impreciso de la terminología de la IA.

El problema es que la IA se presenta en una variedad de formas, cada una con su propia gama distinta de capacidades y técnicas, y en su propia etapa de desarrollo. Algunas formas de inteligencia artificial de las que escuchamos con frecuencia, como la inteligencia artificial general, el tipo de inteligencia artificial que algún día podría automatizar todo el trabajo y del que podríamos perder el control, es posible que nunca sucedan. Otros están haciendo un trabajo útil y están impulsando el crecimiento en el sector de alto rendimiento de la industria de la tecnología.

Estas definiciones no están destinadas a ser la última palabra en terminología de IA, la industria está creciendo y cambiando tan rápido que los términos cambiarán y se agregarán otros nuevos. En cambio, este es un intento de enmarcar el lenguaje que usamos ahora. Invitamos a sus comentarios con la esperanza de fomentar la discusión y una mayor claridad, y planeamos actualizar esta lista con el tiempo.

Nuestra fuente para todas, excepto la última, de estas definiciones es una empresa bien versada en IA: Pegasystems, durante más de 30 años un desarrollador de operaciones y software de participación del cliente y una empresa que estudia las implicaciones e impactos de la IA en el lugar de trabajo.

Inteligencia artificial, en la definición de Pegasystem, “es un término amplio que cubre muchos subcampos de la informática que tienen como objetivo construir máquinas que pueden hacer cosas que requieren inteligencia cuando las hacen los humanos. Estos subcampos incluyen:

Aprendizaje automático & # 8211 arraigado en la estadística y la optimización matemática, el aprendizaje automático es la capacidad de los sistemas informáticos para mejorar su rendimiento mediante la exposición a los datos sin la necesidad de seguir instrucciones explícitamente programadas. El aprendizaje automático es el proceso de detectar patrones automáticamente en grandes cantidades de datos que luego se pueden usar para hacer predicciones.

Aprendizaje profundo - esta es una técnica relativamente nueva y enormemente poderosa que involucra una familia de algoritmos que procesan información en redes “neuronales” profundas donde la salida de una capa se convierte en la entrada de la siguiente. Los algoritmos de aprendizaje profundo han demostrado tener un gran éxito, por ejemplo, en la detección de células cancerosas o en el pronóstico de enfermedades, pero con una gran advertencia: no hay forma de identificar qué factores utiliza el programa de aprendizaje profundo para llegar a su conclusión.

Visión por computador & # 8211 la capacidad de las computadoras para identificar objetos, escenas y actividades en imágenes utilizando técnicas para descomponer la tarea de analizar imágenes en piezas manejables, detectar los bordes y texturas de los objetos en una imagen y comparar imágenes con objetos conocidos para su clasificación.

Procesamiento natural del lenguaje / habla & # 8211 la capacidad de las computadoras para trabajar con texto y lenguaje como lo hacen los humanos, por ejemplo, extrayendo el significado del texto / habla o incluso generando texto que sea legible, estilísticamente natural y gramaticalmente correcto.

Computación cognitiva - un término relativamente nuevo, favorecido por IBM, la computación cognitiva aplica el conocimiento de la ciencia cognitiva para construir una arquitectura de múltiples subsistemas de IA, incluido el aprendizaje automático, el procesamiento del lenguaje natural, la visión y la interacción persona-computadora, para simular los procesos de pensamiento humano con el objetivo de tomar decisiones de alto nivel en situaciones complejas. Según IBM, el objetivo es ayudar a los humanos a tomar mejores decisiones, en lugar de tomar las decisiones por ellos.

Automatización robótica de procesos (RPA) - software de computadora que está configurado para capturar e interpretar automáticamente aplicaciones existentes para procesar una transacción, manipular datos, desencadenar respuestas y comunicarse con otros sistemas digitales. La diferencia clave & # 8230 de las herramientas de automatización empresarial como la gestión de procesos de negocio (BPM) es que RPA utiliza software o robots cognitivos para realizar y optimizar las operaciones del proceso en lugar de operadores humanos ".

Inteligencia artificial general (AGI) - este es un término futurista que se aplica al potencial de las máquinas para "realizar con éxito cualquier tarea intelectual que pueda realizar un ser humano". También conocido como & # 8220IA fuerte,” “IA superinteligente" y "IA completa, ”La definición típicamente abarca poderes de intuición, emoción y discernimiento estético - o, en una palabra, conciencia. Relacionado con AGI es "la singularidad, "Otro concepto futurista en torno a la idea de que AGI desencadenará" un crecimiento tecnológico descontrolado ..., una "reacción descontrolada" de ciclos de superación personal ... resultando en una superinteligencia poderosa que, cualitativamente, superaría con creces toda la inteligencia humana ". AGI contrasta con & # 8220IA aplicada,” “IA estrecha& # 8221 y & # 8220IA débil, & # 8221, que es AI de alcance limitado para manejar una tarea o problema específico.

Si la IA, definida en términos generales, permanece aplicada / estrecha / débil, como lo es hoy, o se vuelve general / fuerte / super / completa es el gran debate tecnológico de nuestro tiempo.


Uso de inteligencia artificial en la detección de la enfermedad de Alzheimer

Conclusiones y direcciones futuras

Las técnicas de IA se están volviendo cada vez más efectivas en el diagnóstico basado en imágenes, la detección de enfermedades y la gestión de riesgos. Aún se requieren varias soluciones técnicas y prácticas para resolver todo su potencial. En este capítulo, se presenta el uso de técnicas de IA en la detección de EA revisados ​​y estados relacionados mediante el uso de diferentes técnicas de imagen estructural. Además, las técnicas de IA se revisan para la detección de EA, lo que da como resultado problemas graves relacionados con la salud. Varios estudios implementados con diferentes conjuntos de datos de imágenes utilizando técnicas de IA. Con respecto a la comparación de algoritmos de IA, las CNN revelaron una mejor precisión en comparación con las técnicas convencionales de aprendizaje automático en la detección de AD. En conclusión, se revisan diferentes técnicas de IA para el diagnóstico de EA. Se propone que las CNN lograron los mejores resultados en la detección de EA.

La aplicación de la IA tiene un mayor potencial para desarrollos importantes en los trastornos neurológicos y ha logrado un buen desempeño en la detección de EA. Sin embargo, se necesitan numerosas mejoras para aprovechar todo el potencial de la IA en la detección de EA. Inicialmente, dado que las técnicas de IA son complejas, se requiere emplear un conjunto de datos con cohortes mucho más grandes además de tamaños de muestra pequeños o modestos. Para lograr esto, se necesitan asociaciones multicéntricas, donde los datos se recopilan empleando las mismas condiciones de registro y procedimientos de escaneo en todos los sitios. Además, el tamaño de la muestra se puede aumentar a través de iniciativas de intercambio de datos en múltiples sitios, como ADNI para AD. Entonces, la combinación de diferentes técnicas de IA permite lograr mejoras notables en IA en los próximos años. En el último paso, se puede anticipar que el número acumulado de estudios de detección de EA puede utilizar el aprendizaje de transferencia que incluye el empleo de características aprendidas previamente de una gran muestra de imágenes similares. Además, la técnica de aumento puede ser beneficiosa en el marco de la detección de EA. Esto se puede lograr aumentando el tamaño de la muestra utilizando las transformaciones de datos de tal manera que el modelo entrenado sea invariable a tales transformaciones. La utilización del aumento también se puede utilizar para eliminar el problema de los tamaños de muestra modestos al reducir el tiempo atractivo. Finalmente, el empleo de IA para prever puntuaciones constantes podría utilizarse para estudios futuros con posible empleo médico (Vieira et al., 2017). Hasta ahora, solo una investigación ha empleado DNN para prever puntuaciones médicas de resonancias magnéticas estructurales en pacientes con EA (Brosch et al., 2013). Como conclusión, la capacidad de las técnicas de IA para aprender ilustraciones abstractas y complejas mediante transformaciones no lineales puede lograr resultados esperanzadores en la detección de EA. Mientras tanto, todavía existen desafíos importantes para superar los resultados presentados aquí, que brindan una indicación principal del posible papel de las técnicas de IA en el próximo progreso de los indicadores predictivos y de diagnóstico de la EA.


IA fuerte

La inteligencia artificial fuerte (IA), también conocida como inteligencia artificial general (AGI) o IA general, es una forma teórica de IA que se utiliza para describir una determinada mentalidad de desarrollo de IA. Si los investigadores pueden desarrollar una IA fuerte, la máquina requeriría una inteligencia igual a la de los humanos, tendría una conciencia de sí misma que tiene la capacidad de resolver problemas, aprender y planificar el futuro.

Strong AI tiene como objetivo crear máquinas inteligentes que sean indistinguibles de la mente humana. Pero al igual que un niño, la máquina de inteligencia artificial tendría que aprender a través de información y experiencias, progresando constantemente y mejorando sus habilidades con el tiempo.

Si bien los investigadores de IA tanto en el sector académico como en el privado están invertidos en la creación de inteligencia artificial general (AGI), solo existe hoy como un concepto teórico versus una realidad tangible. Mientras que algunos individuos, como Marvin Minsky, han sido citados como demasiado optimistas en lo que podríamos lograr en unas pocas décadas en el campo de la IA, otros dirían que ni siquiera se pueden desarrollar sistemas de IA fuertes. Hasta que las medidas de éxito, como la inteligencia y la comprensión, se definan explícitamente, tienen razón en esta creencia. Por ahora, muchos usan la prueba de Turing para evaluar la inteligencia de un sistema de inteligencia artificial.


¿Qué es la IA débil?

La IA débil, también conocida como IA estrecha, es inteligencia artificial con funcionalidad limitada. La IA débil se refiere al uso de algoritmos avanzados para realizar tareas específicas de razonamiento o resolución de problemas que no abarcan la gama completa de capacidades cognitivas humanas. Por ejemplo, los asistentes personales basados ​​en voz como Siri y Alexa podrían considerarse programas de inteligencia artificial débiles porque operan dentro de un conjunto limitado de funciones predefinidas, lo que significa que a menudo tienen una respuesta programada. La IA débil no está tan entusiasmada con los resultados de la IA, es simplemente la opinión de que el comportamiento inteligente puede ser modelado y utilizado por máquinas para resolver problemas y tareas complejos. Pero el hecho de que una máquina pueda comportarse de manera inteligente no prueba que sea realmente inteligente en la forma en que lo es un humano. El mejor ejemplo de IA débil es Siri y Alexa, o la Búsqueda de Google.


Diferencia entre IA fuerte e IA débil

La Inteligencia Artificial (IA) es el campo de la informática dedicado al desarrollo de máquinas que podrán imitar y realizar las mismas tareas como lo haría un humano. Los investigadores de IA dedican tiempo a encontrar una alternativa viable a la mente humana. El rápido desarrollo de las computadoras después de su llegada hace 50 años ha ayudado a los investigadores a dar grandes pasos hacia este objetivo de imitar a un humano. Las aplicaciones modernas como el reconocimiento de voz, los robots que juegan al ajedrez, el tenis de mesa y la reproducción de música han hecho realidad el sueño de estos investigadores. Pero de acuerdo con la filosofía de la IA, se considera que la IA se divide en dos tipos principales, a saber, IA débil y IA fuerte. La IA débil es el pensamiento enfocado hacia el desarrollo de tecnología capaz de realizar movimientos preplanificados en base a unas reglas y aplicarlas para lograr un determinado objetivo. A diferencia de eso, Strong AI está desarrollando tecnología que puede pensar y funcionar de manera similar a los humanos, no solo imitando el comportamiento humano en un dominio determinado.

El principio detrás de Weak AI es simplemente el hecho de que se puede hacer que las máquinas actúen como si fueran inteligentes. Por ejemplo, cuando un jugador humano juega al ajedrez contra una computadora, el jugador humano puede sentir como si la computadora realmente estuviera haciendo movimientos impresionantes. Pero la aplicación de ajedrez no piensa ni planifica en absoluto. Todos los movimientos que realiza son introducidos previamente en la computadora por un humano y así es como se asegura que el software hará los movimientos correctos en el momento adecuado.

El principio detrás de Strong AI es que las máquinas podrían hacerse pensar o, en otras palabras, podrían representar mentes humanas en el futuro. Si ese es el caso, esas máquinas tendrán la capacidad de razonar, pensar y realizar todas las funciones que un humano es capaz de realizar. Pero según la mayoría de la gente, esta tecnología nunca se desarrollará o al menos llevará mucho tiempo. Sin embargo, Strong AI, que se encuentra en su etapa inicial, promete mucho debido a los recientes desarrollos en nanotecnología. Se están diseñando nanobots, que pueden ayudarnos a combatir enfermedades y también hacernos más inteligentes. Furthermore, the development of an artificial neural network, which can function as a proper human being, is being looked at as a future application of Strong AI.

What is the difference between Strong AI and Weak AI?

Weak AI and Strong AI are two types of AI, classified based on the goals that the corresponding sets of researchers are focused on achieving. Weak AI is focused towards the technology which is capable of carrying out pre-planned moves based on some rules and applying these to achieve a certain goal but, Strong AI is based on coming up with a technology that can think and function very similar to humans. So, the applications of Weak AI make the humans feel as that the machines are acting intelligently (but they are not). Contrastingly, the applications of Strong AI will (someday) actually act and think just as a human, as opposed to just making the humans feel that the machines are intelligent.


Extended Turing Tests

Unfortunately, this test does nothing to help guide is towards better programs that are more likely to pass the test. And that’s where psychological theory comes into play. If we can develop a protocol to analyze different AGI applications, in order to see which ones are closer to having a human-like intelligence, then we can select methodologies that move us in the right direction.

There’s a lot of work that needs to be done in creating evaluations for artificial intelligence applications. One of the greatest pitfalls is that most interaction between AI and humans is text based. Verbal communication is possible, but it’s hard to produce convincing verbalization. A robotic sounding voice would automatically give away which person is real and which one isn’t, unless the voice of the human participants was masked.

IQ tests are also problematic, because many of them have visual components. However, it should be possible to create a purely oral IQ test, where the proctor asks verbal questions, and the answer is provided in a verbal response, without the need for any writing or drawing.

The test should focus more on analyzing the ability to think abstractly, recall information, and synthesize new knowledge, as well as analyze emotional and social intelligence. The development of this kind of test would require a significant number of people from multiple backgrounds, including psychology, childhood development, mental health practitioners, and of course computer scientists. But it’s an important test for the development of true AGI, as well as the evaluation of the health of those future members of our society.

I truly hope that through the development of new tests we can drive artificial general intelligence forward and create true AI. I also hope that these tests will eventually be usable as a way to identify mental health issues in these new members of our community. But such a project will require a lot of cooperation between many researchers in numerous fields of study.


AI Vs AGI: What's The Difference?

In today's society, it can be hard to operate without relying on technology one way or another. Electronics have become an essential part of our daily operations. It seems we all use technology for productivity and communication.

Can you imagine what would happen if we all stopped relying on technology all of a sudden? The world would be chaos at first, which further proves how much society depends on technological innovation.

One of these innovations revolves around artificial intelligence (AI). Though it used to only be in science fiction novels, AI is now a true venture for many businesses of today, including my own. In addition, much research is also being done regarding artificial general intelligence (AGI, or general AI), which is a more specific branch.

What, though, are the exact differences between the two subjects? This article will explore the separation between AI and the heavier AGI.

A Lot Of Research And Development Still Needs To Be Done

Before we dive too deep into AI, it's important to note that this is still a new field of research. Scientists and AI experts everywhere are still developing the best programs and innovations they can think of. It might be a long time before we reach the "end" of AI development.

The good news is that many businesses are taking advantage of the developments already made. As a matter of fact, 72% of business leaders consider AI development as an essential part of their business's future success.

Since the subject is still new, some definitions are still fluid to an extent. When we talk about AI, for example, many experts would include AGI in the category of AI. Others, though, would claim there is a distinct difference.

It might be easy to think about AI as a broad field, while AGI is a more specific focus within it. General AI applies some of the same concepts, even. Below are the two distinctly separate definitions that the industry has come to generally accept.

AI Is Based On Human Cognition

Many would argue that AI itself is centered around performing cognitive tasks that every human can perform. These tasks include things like predictive marketing or complex calculations. Sure, a human could perform them, but allowing machine learning to sift through data on our behalf saves us valuable thinking power.

In fact, many businesses are starting to incorporate AI innovations. What's one of the top reasons they're now considering the technology? Well, most of them agree that possibilities in marketing could be perfect for AI technology.

AI, in essence, is designed to make life easier for humans in their daily lives. This design is programmed to be useful from the outset.

In other words, AI functions are preprogrammed beforehand. The "decisions" machine learning makes are logical ones based on empirical data. The goal of general AI, though, is to take these decisions a step further.

General AI Is Based On Human Intellectual Ability

General AI might be considered to fall under the umbrella of AI as a whole. It's sometimes referred to as strong AI or strict AI. That's because general AI expects the machine to be equally as smart as a human.

General AI would expect a machine to perform functions that are now only seen in science fiction robots. We don't have a machine available, for example, that could walk into a home and do laundry for the entire household.

The number of decisions and intellectual energy require are still too far-fetched. Sure, a machine might be able to locate laundry baskets and sort the clothes by color. What about random clothing items that were thrown around a teenage boy's untidy room, though? Or, how would the machine know which items are only for dry-cleaning? Some decisions that humans take for granted would overwhelm a simple machine's mind.

Another case would be a decision in which "human instinct" comes into play. For example, sometimes we go with our "gut" to determine which food product to purchase at the store. A machine might not care about a brand name as much as the lowest priced item.

In other words, if it can't be directly programmed into a machine, odds are that it won't be able to make heavy intellectual decisions. This ability still is reserved for the part within all of us that is "human."

Don't Forget About Superintelligence

There is yet another category under AI as a whole that might be of interest. This would be "superintelligence," which is also only a part of science fiction still.

Such superintelligence is more of a general fear of those who don't fully understand the limits of real AI technology. These people are concerned that AI could someday surpass all human intelligence. While it makes for a great adventure movie, superintelligence is not at present a realistic concern for experts.

How Can AI Or General AI Benefit Businesses Today?

As mentioned above, many business leaders are starting to appreciate the possible applications of AI. Since the field is still fresh, no one knows just to what extent those applications could assist us.

Humanity has always been optimizing and automating business operations to reduce corporations' bottom lines. As this displacement of the workforce might be frightening, it still opens up endless productive possibilities for everyone.

Technology and innovation deserve to be given a fighting chance to truly benefit humanity. A solid understanding of AI is beneficial for all professionals these days. Some professionals dedicated to AI and its progress continue to push for the spread of this exciting technology.

Stay Informed About Technology And AI Innovations

Such a broad field of research deserves to be thoroughly explored for the benefit of humanity. All kinds of perspectives and expertise could expand the possibilities of general AI innovation. It's important to stay informed and updated on the progress so you don't get left behind in the modern business world.

Continue researching and learning about AI and technology. The potential applications of the field might end up benefiting your ventures someday.


AI Definitions: Machine Learning vs. Deep Learning vs. Cognitive Computing vs. Robotics vs. Strong AI….

AI is the compelling topic of tech conversations du jour, yet within these conversations confusion often reigns – confusion caused by loose use of AI terminology.

The problem is that AI comes in a variety of forms, each one with its own distinct range of capabilities and techniques, and at its own stage of development. Some forms of AI that we frequently hear about, such as Artificial General Intelligence, the kind of AI that might someday automate all work and that we might lose control of – may never come to pass. Others are doing useful work and are driving growth in the high performance sector of the technology industry.

These definitions aren’t meant to be the final word on AI terminology, the industry is growing and changing so fast that terms will change and new ones will be added. Instead, this is an attempt to frame the language we use now. We invite your feedback in the hope of encouraging discussion and greater clarity, and we plan to update this list over time.

Our source for all but the last of these definitions is a company well-versed in AI: Pegasystems, for more than 30 years a developer of operations and customer engagement software and a company that studies the implications and impacts of AI in the workplace.

Artificial Intelligence, in Pegasystem’s definition, “is a broad term that covers many sub-fields of computer science that aim to build machines that can do things that require intelligence when done by humans. These sub-fields include:

Machine learning – rooted in statistics and mathematical optimization, machine learning is the ability of computer systems to improve their performance by exposure to data without the need to follow explicitly programmed instructions. Machine learning is the process of automatically spotting patterns in large amounts of data that can then be used to make predictions.

Deep learning – this is a relatively new and hugely powerful technique that involves a family of algorithms that processes information in deep “neural” networks where the output from one layer becomes the input for the next one. Deep learning algorithms have proved hugely successful in, for example, detecting cancerous cells or forecasting disease but with one huge caveat: there’s no way to identify which factors the deep learning program uses to reach its conclusion.

Computer vision – the ability of computers to identify objects, scenes and activities in images using techniques to decompose the task of analyzing images into manageable pieces, detecting the edges and textures of objects in an image and comparing images to known objects for classification.

Natural language/speech processing – the ability of computers to work with text and language the way humans do, for instance, extracting meaning from text/speech or even generating text that is readable, stylistically natural, and grammatically correct.

Cognitive computing – a relatively new term, favored by IBM, cognitive computing applies knowledge from cognitive science to build an architecture of multiple AI subsystems – including machine learning, natural language processing, vision, and human-computer interaction – to simulate human thought processes with the aim of making high level decisions in complex situations. According to IBM, the aim is to help humans make better decisions, rather than making the decisions for them.

Robotic Process Automation (RPA) – computer software that is configured to automatically capture and interpret existing applications for processing a transaction, manipulating data, triggering responses and communicating with other digital systems. The key difference…from enterprise automation tools like business process management (BPM) is that RPA uses software or cognitive robots to perform and optimize process operations rather than human operators.”

Artificial general intelligence (AGI) – this is a futuristic term applied to the potential for machines to “successfully perform any intellectual task that a human being can.” Also known as “strong AI,” “super-intelligent AI” and “full AI,” the definition typically encompasses powers of intuition, emotion and aesthetic discernment – or, in a word, consciousness. Related to AGI is “the singularity,” another futuristic concept around the idea that AGI will trigger “runaway technological growth…, a ‘runaway reaction’ of self-improvement cycles…resulting in a powerful superintelligence that would, qualitatively, far surpass all human intelligence.” AGI contrasts with “applied AI,” “narrow AI” and “weak AI,” which is AI limited in scope to handling a specific task or problem.

Whether AI, broadly defined, remains applied/narrow/weak, as it is today, or becomes general/strong/super/full is the great technology debate of our time.


Types of AI: distinguishing between weak, strong, and super AI

By now, you’re probably pretty familiar with the term ‘artificial intelligence’.

You likely already know that AI is a computer’s ability to ‘think’ and act intelligently.

You might already understand terms like machine learning and natural language processing.

But what about distinguishing between the different types of AI? Weak, strong, super, narrow, wide, ANI, AGI, ASI — there are seemingly a lot of labels for types of AI.

So, even if you know what AI is and what it does, determining which type you’re talking about isn’t so clear.

For all the labels, there are only three main types of AI: weak AI, strong AI, and super AI.

Here’s how to tell them apart.

Weak AI

Weak AI is both the most limited and the most common of the three types of AI. It’s also known as narrow AI or artificial narrow intelligence (ANI).

Weak AI refers to any AI tool that focuses on doing one task really well. That is, it has a narrow scope in terms of what it can do. The idea behind weak AI isn’t to mimic or replicate human intelligence. Rather, it’s to simulate human behaviour.

Weak AI is nowhere near matching human intelligence, and it isn’t trying to.

A common misconception about weak AI is that it’s barely intelligent at all — more like artificial stupidity than AI. But even the smartest seeming AI of today are only weak AI.

In reality, then, narrow or weak AI is more like an intelligent specialist. It’s highly intelligent at completing the specific tasks it’s programmed to do.

Strong AI

The next of the types of AI is strong AI, which is also known as general AI or artificial general intelligence (AGI). Strong AI refers to AI that exhibits human-level intelligence. So, it can understand, think, and act the same way a human might in any given situation.

In theory, then, anything a human can do, a strong AI can do too.

We don’t yet have strong AI in the world it exists only in theory.

For a start, Moravec’s paradox has us struggling to replicate the basic human functions like sight or movement. (Though image and facial recognition mean that AI is now learning to ‘see’ and categorise.)

Add to this that currently, AI is only capable of the few things we program into it, and it’s clear that strong AI is a long way off. It’s thought that to achieve true strong AI, we would need to make our machines conscious.

Super AI

But if strong AI already mimics human intelligence and ability, what’s left for the last of the types of AI?

Super AI is AI that surpasses human intelligence and ability. It’s also known as artificial superintelligence (ASI) or superintelligence. It’s the best at everything — maths, science, medicine, hobbies, you name it. Even the brightest human minds cannot come close to the abilities of super AI.

Of the types of AI, super AI is the one most people mean when they talk about robots taking over the world.

Or about AI overthrowing or enslaving humans. (Or most other science fiction AI tropes.)

But rest assured, super AI is purely speculative at this point. That is, it’s not likely to exist for an exceedingly long time (if at all).

Types of AI

Distinguishing between types of AI means looking at what the technology can do. If it’s good at specific actions only, it’s narrow or weak AI. If it operates at the same level as a human in any situation, it’s strong AI. And, if it’s operating far above the capacity any human could hope for, it’s artificial superintelligence.

So far, we’ve only achieved the first of the three types of AI — weak AI. As research continues, it’s reasonable to strive for strong AI.

Super AI, meanwhile, will likely remain the stuff of science fiction for a long while yet.


Use of artificial intelligence in Alzheimer’s disease detection

Conclusiones y direcciones futuras

AI techniques are becoming progressively effective in image-based diagnosis, disease detection, and risk management. Several technical and hands-on solutions still required to solve their full potential. In this chapter, the use of AI techniques in the detection of AD reviewed and related states by using different structural imaging techniques is presented. Moreover, AI techniques are reviewed for AD detection which results in severe health-related problems. Several studies implemented with different image datasets using AI techniques. Regarding the comparison of AI algorithms, CNNs revealed better accuracy as compared to the conventional machine learning techniques in AD detection. In conclusion, different AI techniques are reviewed for the diagnosis of AD. It is proposed that CNNs achieved the best results in detecting AD.

The application of AI has greater potential for important developments in neurologic disorders and has achieved good performance in AD detection. However, numerous enhancements are needed in order to realize the full potential of AI in AD detection. Initially, since the AI techniques are complex, it is required to employ dataset with much bigger cohorts apart from small or modest sample sizes. In order to realize this, multicenter partnerships, where the data is collected employing the same recording conditions and scanning procedures across sites is needed. Also, the sample size can be increased through multisite data-sharing initiatives, like ADNI for AD. Then, the combination of different AI techniques makes it possible to achieve noteworthy improvements in AI in the coming years. In the last step, it can be anticipated that the cumulative number of AD detection studies can utilize the transfer learning that includes employing previously learned features from a large sample of similar images. Moreover, augmentation technique can be beneficial in the framework of AD detection. This can be realized by increasing the sample size utilizing the data transformations in such a way that the trained model will be invariant to such transformations. The utilization of augmentation may also be used to eliminate the problem of modest sample sizes by reducing the prepossessing time. Finally, the employment of AI to envisage constant scores might be utilized for future studies with possible medical employment ( Vieira et al., 2017 ). Until now, only one research has employed DNN to envisage medical scores from structural MRI scans in AD patients ( Brosch et al., 2013 ). As a conclusion, the ability of AI techniques to learn abstract and complex illustrations by means of nonlinear transformations may achieve hopeful results in AD detection. Meanwhile there exists still significant challenges to overcome the results presented here afford primary indication for the possible role of AI techniques in the forthcoming progress of predictive and diagnostic indicators of AD.


What is the difference between the objectives of Strong-AI (AGI) and Cognitive Science?

Cog psy is principally concerned with understanding natural cognition. Strong AI is principally concerned with engineering artificial cognition.

But as the great Richard Feynman once said:

What I cannot create, I do not understand.

haha yeah, I plan to expand it further when I got the time :)

I doubt AI models can teach us about the brain directly, but what about using AI tools to conduct neuroscience research?

But as the great Richard Feynman once said:

& gt What I cannot create, I do not understand.

You said "Cog psy is principally concerned with understanding natural cognition.". Does it apply same to Cogitive Science?

The way I see it, CogSci's goal is to understand animal (including human) cognition, whereas AGI's goal is to build a machine that is generally intelligent. So the main differences are IMO "understand vs. build" and "animal vs. general", although I suspect some people will want to debate that second dichotomy as some AGI researchers are definitely focusing on humans and perhaps there are cognitive scientists who want to make general statements about intelligence that aren't limited to what we currently see in animals.


Ver el vídeo: Qué es la Inteligencia Artificial IA y los sistemas cognitivos? (Junio 2022).