Machine Learning of Robot Assembly Plans

مطالعه هوش مصنوعی (AI) در واقع یک پیگیری عجیب است. بر خلاف بسیاری از رشته های دیگر، تعداد کمی از محققان هوش مصنوعی حتی بر روی یک تعریف قابل قبول دوجانبه از رشته تحصیلی انتخابی خود توافق دارند. برخی هوش مصنوعی را زیر شاخه ای از علوم کامپیوتر می دانند، برخی دیگر هوش مصنوعی را شاخه ای محاسباتی از روانشناسی یا زبان شناسی می دانند، در حالی که برخی دیگر آن را مجموعه ای از ترفندها می دانند که باید در طیف وسیعی از حوزه های مختلف اعمال شود. این فقدان هدف یکپارچه در میان جامعه هوش مصنوعی، این زمان را به زمان بسیار هیجان انگیزی برای تحقیقات هوش مصنوعی تبدیل می کند: پروژه های جدید و متنوع به معنای واقعی کلمه هر روز در حال ظهور هستند. با این حال، همانطور که ممکن است تصور شود، این تنوع همچنین منجر به مشکلات واقعی در ارزیابی اهمیت و اعتبار تحقیقات هوش مصنوعی می شود. این مشکلات نشان می دهد که هوش مصنوعی هنوز به عنوان یک علم به بلوغ نرسیده است: هنوز در نقطه ای است که مردم تلاش می کنند پایه های (امیدوارم سالم) را برپا کنند. ریچی و هانا [1] طبقه بندی زیر را به عنوان کمکی در ارزیابی اعتبار یک تلاش تحقیقاتی هوش مصنوعی مطرح می کنند: (1) پروژه می تواند در طرح کلی، یک ایده یا مجموعه ای از ایده های بدیع (یا تا حدی بدیع) را معرفی کند. (2) پروژه می تواند جزئیات برخی از رویکردها را شرح دهد. با شروع با نوع ایده در (1)، تحقیق می تواند آن را نقد کند یا جزئیات بیشتری را تکمیل کند (3) این پروژه می تواند یک آزمایش هوش مصنوعی باشد، که در آن نظریه ای مانند (1) و (2) در برخی از حوزه ها اعمال می شود. چنین آزمایش‌هایی معمولاً برنامه‌های رایانه‌ای هستند که یک نظریه خاص را پیاده‌سازی می‌کنند.

The study of artificial intelligence (AI) is indeed a strange pursuit. Unlike most other disciplines, few AI researchers even agree on a mutually acceptable definition of their chosen field of study. Some see AI as a sub field of computer science, others see AI as a computationally oriented branch of psychology or linguistics, while still others see it as a bag of tricks to be applied to an entire spectrum of diverse domains. This lack of unified purpose among the AI community makes this a very exciting time for AI research: new and diverse projects are springing up literally every day. As one might imagine, however, this diversity also leads to genuine difficulties in assessing the significance and validity of AI research. These difficulties are an indication that AI has not yet matured as a science: it is still at the point where people are attempting to lay down (hopefully sound) foundations. Ritchie and Hanna [1] posit the following categorization as an aid in assessing the validity of an AI research endeavor: (1) The project could introduce, in outline, a novel (or partly novel) idea or set of ideas. (2) The project could elaborate the details of some approach. Starting with the kind of idea in (1), the research could criticize it or fill in further details (3) The project could be an AI experiment, where a theory as in (1) and (2) is applied to some domain. Such experiments are usually computer programs that implement a particular theory.