Mit sztucznej inteligencji: Dlaczego komputery nie potrafią myśleć tak jak my

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 326 głosach.

Oryginalny tytuł:

The Myth of Artificial Intelligence: Why Computers Can't Think the Way We Do

Zawartość książki:

"Obnaża ogromną przepaść między rzeczywistą nauką leżącą u podstaw sztucznej inteligencji a dramatycznymi twierdzeniami na jej temat".

--John Horgan

"Jeśli chcesz dowiedzieć się czegoś o sztucznej inteligencji, przeczytaj tę książkę .... Pokazuje ona, jak rzekomo futurystyczny szacunek dla sztucznej inteligencji opóźnia postęp, gdy oczernia nasz najbardziej niezastąpiony zasób dla przyszłego postępu: naszą własną ludzką inteligencję."

--Peter Thiel.

Od czasów Alana Turinga entuzjaści sztucznej inteligencji utożsamiali ją z ludzką inteligencją. Erik Larson, informatyk pracujący na czele przetwarzania języka naturalnego, zabiera nas na wycieczkę po krajobrazie sztucznej inteligencji, aby ujawnić, dlaczego jest to głęboki błąd.

Sztuczna inteligencja działa w oparciu o rozumowanie indukcyjne, analizując zestawy danych w celu przewidywania wyników. Ale ludzie nie korelują zestawów danych. Wysuwamy przypuszczenia na podstawie kontekstu i doświadczenia. I nie mamy pojęcia, jak zaprogramować tego rodzaju intuicyjne rozumowanie, które leży u podstaw zdrowego rozsądku. Futuryści twierdzą, że sztuczna inteligencja wkrótce przyćmi zdolności najbardziej utalentowanego umysłu, ale Larson pokazuje, jak daleko jesteśmy od superinteligencji - i co byłoby potrzebne, aby się tam dostać.

"Larson martwi się, że popełniamy dwa błędy na raz, definiując ludzką inteligencję w dół, jednocześnie przeceniając to, co sztuczna inteligencja może osiągnąć (...). Innym problemem jest wyuczona bierność: nasza tendencja do zakładania, że sztuczna inteligencja rozwiąże problemy i w rezultacie nasza porażka w kultywowaniu ludzkiej pomysłowości."

--David A. Shaywitz, Wall Street Journal.

"Przekonujący argument, że sztuczna inteligencja ogólna - inteligencja oparta na maszynach, która dorównuje naszej własnej - wykracza poza możliwości algorytmicznego uczenia maszynowego, ponieważ istnieje rozbieżność między tym, jak ludzie i maszyny wiedzą, co wiedzą."

--Sue Halpern, New York Review of Books.