徹底的な検索の方法はAIと見なされますか？

ソリューションを徹底的に検索するプログラムもあれば、同様の回答をヒューリスティックに検索するプログラムもあります。たとえば、チェスでは、最適な次の動きの検索は本質的により網羅的である傾向がありますが、Goでは、検索スペースがはるかに大きいため、自然に最適な次の動きの検索がより発見的です。

良い答えを徹底的に徹底的に検索する手法はAIと見なされますか、それともAIと見なされる前にヒューリスティックアルゴリズムを使用する必要がありますか？もしそうなら、チェスをするコンピューターは人間のプロを打ち負かすことは意味のあるマイルストーンと見なされますか？

インテリジェンスを最適化力の継続的な尺度（つまり、消費された認知的努力の単位の結果がどれだけ良いか）と考える場合、徹底的な検索はゼロ以外のインテリジェンスを持ちます（実際にはより多くの努力としてより良い結果が得られます）しかし、非常に非常に低いインテリジェンス（結果は主に幸運により良くなり、費やされる労力は信じられないほど大きくなる可能性があるため）。

コンピューターがソリューションを強引に強制しているだけの場合、何も学習したり、あらゆる種類のインテリジェンスを使用したりしないため、「人工知能」と呼ばれるべきではありません。同様の場合に以前に起こったことに基づいて決定を下す必要があります。何かをインテリジェントにするためには、学んだことを追跡する方法が必要です。チェスプログラムには、考えられるすべてのボード状態で使用できる非常に優れた測定アルゴリズムがありますが、常に各状態を試行し、異なるアプローチについて学習した内容を保存しない場合、インテリジェントではありません。

答えはイエスです。徹底的な検索はAIの基本原則です。認識されているOPのように、チェスのようなゲームを解決するために使用され、パスプランニングやPDDL解決のような他の多くのドメインでも使用できます。理論的な観点から、ブルートフォース検索はすべての問題を解決するためのエレガントな方法です。ヒューリスティックが実際のプログラムで使用される理由は、現在のコンピューターのハードウェアが計算を遅らせるためであるためです。そのため、ヒューリスティックはスピードブースターとして使用されます。

強引なアプローチは、確かに多くのAIプログラミングの最初のステップです。しかし、これらの経験を使用して、プログラムは最適な解決策、または少なくとも問題に対するより近い解決策を見つけることを学ばなければなりません。AIの最初の目標は解決策を見つけることなので、ブルートフォースアプローチに勝るものはありません。しかし、その後、ブルートフォースアプローチの以前の結果を使用して、プログラムは独自のヒューリスティックを開発し、このデータをブルートフォースとともに使用して最適なソリューションを見つける必要があります。

コンピューターが示す「インテリジェンス」は、ブルートフォースやスマートヒューリスティックの使用に関係なく、AIと見なされます。たとえば、チャットボットは、多数のifステートメントを使用して、ほとんどの応答に応答するようにコーディングできます。これは、コーディング/設計がどれほど不十分であってもAIです。

人間のプロを破るチェスをするコンピューターは、意味のあるマイルストーンと見なすことができます。つまり、誰かがコンピューターをプログラミングして、グランドマスターチェスプレーヤーとチェスの天才を打ち負かしました。チェスは非常に複雑なゲームなので、多くの人はそれが不可能だと考えていました。この種の作業は、コンピューターがチェスをプレイできる場合、他の複雑なタスクも確実に完了するため、より複雑なAIに分類される可能性があります。

チェスプログラミングがいかに洗練されているかに注目してください。マジックビットボード、Zobristハッシュ、プルーニング、レイジーSMPなど。これはおそらくあなたが思ったAIの一種のマイルストーンではありませんが、再び、AIと見なすことができるものはかなり広いです。

あらゆるものが最近のニュースにあるようなものを使用しているので、なぜあなたはそれをaiと考えないのか分かりません。

ニューラルネットワークの進化は、ブルートフォース検索と非常によく似ていますが、網羅的ではないため、ローカルの最適値にヒットするだけです。