Abstraktno reševanje problemov poudarja fleksibilno, ustvarjalno sklepanje v neznanih situacijah, medtem ko programiranje, ki temelji na pravilih, temelji na vnaprej določenih logičnih navodilih za doseganje rezultatov. Oba pristopa oblikujeta, kako se stroji in ljudje spopadajo z izzivi, vendar se močno razlikujeta po prilagodljivosti, preglednosti in vrstah problemov, s katerimi se najbolje spopadata.
Prilagodljiv pristop k sklepanju, ki se loteva novih, nedefiniranih problemov s prepoznavanjem vzorcev, analogijo in ustvarjalnim sklepanjem namesto s fiksnimi postopki.
Računalniški pristop, pri katerem programska oprema sledi eksplicitnim pravilom »če-potem« in logičnim stavkom za obdelavo podatkov in ustvarjanje determinističnih izhodov.
| Funkcija | Reševanje abstraktnih problemov | Programiranje na podlagi pravil |
|---|---|---|
| Temeljni pristop | Fleksibilno sklepanje in sklepanje o vzorcih | Popravljeni logični ukazi če-potem |
| Obravnavanje novih problemov | Prilagodi se neznanim scenarijem | Težave zunaj določenih naborov pravil |
| Preglednost | Pogosto nepregledno, zlasti v modelih umetne inteligence | Zelo pregledno in preverljivo |
| Najboljši primeri uporabe | Raziskovanje, ustvarjalne naloge, posploševanje | Skladnost, diagnostika, avtomatizacija |
| Človeška kognitivna vzporednica | Fluidna inteligenca in vpogled | Proceduralni spomin in navade |
| Kompleksnost izvedbe | Zahteva podatke za učenje ali okvire sklepanja | Zahteva skrbno pisanje pravil |
| Vedenje pri napakah | Lahko povzroči nepredvidljive nove napake | Predvidljivo ne uspe, če so pravila nepopolna |
| Prilagodljivost znanja | Uči se iz primerov in prenaša vzorce | Znanje raste z dodajanjem več pravil |
Abstraktno reševanje problemov uspeva, ko se situacije ne ujemajo z ničemer, kar smo že videli. Oseba ali sistem umetne inteligence, ki uporablja ta pristop, lahko sproti riše analogije, preizkuša hipoteze in konstruira nove strategije. Programiranje, ki temelji na pravilih, pa se obnaša kot dobro organiziran diagram poteka: obravnava vse, kar pokrivajo njegova pravila, in vljudno odpove pri vsem ostalem. Če potrebujete sistem, ki improvizira, zmaga abstraktno razmišljanje. Če potrebujete sistema, ki nikoli ne improvizira, zmagajo pravila.
Sisteme, ki temeljijo na pravilih, je izjemno enostavno revidirati. Vsaka odločitev sledi določenemu pogoju in dejanju, zato jih imajo banke in regulatorji radi. Abstraktno reševanje problemov, zlasti kadar ga poganjajo nevronske mreže ali veliki jezikovni modeli, pogosto deluje kot črna skrinjica. Raziskovalci aktivno delajo na razložljivi umetni inteligenci, da bi zapolnili to vrzel, vendar zaenkrat pristopi, ki temeljijo na pravilih, ostajajo zlati standard, ko je odgovornost pomembna.
Gradnja sistema, ki temelji na pravilih, pomeni, da se je treba usesti s strokovnjaki za določeno področje in njihovo znanje prevesti v eksplicitne pogoje, kar lahko traja več mesecev, vendar ustvari natančno logiko. Abstraktni sistemi za reševanje problemov se učijo drugače: absorbirajo vzorce iz velikih naborov podatkov ali izkušenj in jih nato posplošijo. Zaradi tega se v nekaterih pogledih hitreje učijo, vendar jih je težje nadzorovati, saj ne morete vedno pokazati, kje znotraj modela se nahaja del znanja.
Ko sistem, ki temelji na pravilih, odpove, se to običajno zgodi glasno in jasno: zaradi neujemajočega se pogoja, sintaktične napake ali logičnega protislovja. Sistemi abstraktnega sklepanja odpovejo bolj tiho in včasih dajo samozavestne, a napačne odgovore. V varnostno kritičnih okoljih, kot sta letalstvo ali medicinsko odmerjanje, ta predvidljivost naredi sisteme, ki temeljijo na pravilih, privlačne. Na ustvarjalnih ali raziskovalnih področjih je občasna nova napaka abstraktnega sistema funkcija, ne hrošč.
Programiranje, ki temelji na pravilih, prevladuje v davčni programski opremi, kreditnem točkovanju, pragovih za odkrivanje goljufij in podpori kliničnemu odločanju, kjer predpisi zahtevajo sledljivost. Reševanje abstraktnih problemov blesti v znanstvenih raziskavah, umetni inteligenci za igranje iger, oblikovalskih nalogah in na vseh področjih, kjer sam problem še ni povsem razumljen. Mnogi sodobni sistemi dejansko združujejo oboje: pravila obravnavajo rutinske primere, medtem ko abstraktno sklepanje obravnava dolg rep nenavadnih situacij.
Reševanje abstraktnih problemov je le iskanje vzorcev z dodatnimi koraki.
Čeprav je prepoznavanje vzorcev del tega, pravo abstraktno sklepanje vključuje tudi analogni prenos, preizkušanje hipotez in sposobnost izumljanja novih predstavitev. Samo ujemanje vzorcev, brez inferenčne plasti, ponavadi odpove pri problemih, ki se na videz razlikujejo od učnih primerov.
Programiranje, ki temelji na pravilih, je zastarelo in ga nadomešča umetna inteligenca.
Sistemi, ki temeljijo na pravilih, ostajajo globoko vgrajeni v sodobno infrastrukturo, od sistemov za določanje cen letalskih prevoznikov do kalkulatorjev za medicinske odmerke. Namesto da bi jih nadomestili, se vse bolj združujejo s strojnim učenjem v hibridnih arhitekturah, ki izkoriščajo prednosti obeh.
Če sistem uporablja pravila, se ne more učiti.
Sodobni mehanizmi za pravila lahko vključujejo učne komponente, ki predlagajo nova pravila, izboljšajo pragove ali označijo neskladja. Meja med sistemi, ki temeljijo na pravilih, in sistemi, ki se učijo, je bolj zamegljena, kot si ljudje pogosto mislijo.
Abstraktno sklepanje je nekaj, kar lahko počnejo samo ljudje.
Sistemi umetne inteligence so pokazali abstraktno sklepanje na določenih merilih, čeprav še vedno zaostajajo za ljudmi pri splošni abstrakciji. Korpus abstrakcije in sklepanja (ARC) je postal ključno merilo za merjenje napredka na tem področju.
Sistemi, ki temeljijo na pravilih, so vedno počasnejši od umetne inteligence.
Pri dobro definiranih problemih lahko sistemi, ki temeljijo na pravilih, prekašajo umetno inteligenco tako v hitrosti kot v natančnosti, saj ne nosijo bremena sklepanja modelov. Prednost umetne inteligence se kaže predvsem pri nestrukturiranih ali dvoumnih nalogah.
Izberite abstraktno reševanje problemov, kadar vaš izziv vključuje novost, ustvarjalnost ali nepopolne informacije in ste pripravljeni zamenjati nekaj preglednosti za prilagodljivost. Izberite programiranje, ki temelji na pravilih, kadar morajo biti odločitve razložljive, dosledne in pravno zagovorljive, zlasti v reguliranih panogah. V praksi najmočnejši sistemi pogosto združujejo oboje, pri čemer uporabljajo pravila za rutinske primere in abstraktno sklepanje za vse ostalo.
Analitično razmišljanje razdeli probleme na logične komponente za sistematično vrednotenje, medtem ko neposredno izkustveno zavedanje utemeljuje razumevanje na neposrednem, utelešenem zaznavanju. Oba pristopa oblikujeta način, kako obdelujemo realnost, vendar delujeta po bistveno različnih kognitivnih poteh in služita različnim namenom pri odločanju.
Analiza asimetrije in predpostavka simetrije predstavljata dva nasprotujoča si pristopa k ocenjevanju dokazov in argumentov. Analiza asimetrije tehta trditve glede na njihov specifični kontekst in dokazno breme, medtem ko predpostavka simetrije obravnava konkurenčne trditve kot enako verodostojne, dokler se ne dokaže nasprotno. Razumevanje obeh pomaga izostriti kritično mišljenje.
Analiza prvih načel razčleni probleme do njihovih najosnovnejših resnic, preden jih razloži navzgor, medtem ko čustvena reakcija odgovarja na situacije, ki temeljijo na neposrednih občutkih. Obe obliki oblikujeta človeško odločanje, vendar delujeta po bistveno različnih kognitivnih poteh z izrazitimi prednostmi in slepimi pegami.
Analiza temeljnih vzrokov se poglobi v odkrivanje osnovnega vzroka težave, medtem ko se odpravljanje težav na podlagi simptomov osredotoča na hitro reševanje vidnih težav. Oba pristopa imata svoje mesto v kritičnem mišljenju, vendar se bistveno razlikujeta po globini, časovni naložbi in dolgoročni učinkovitosti.
Čustvena pristranskost in racionalno vrednotenje predstavljata dve nasprotujoči si sili pri človeškem odločanju. Medtem ko čustvena pristranskost spodbuja hitre presoje na podlagi čustev, se racionalno vrednotenje opira na logiko, dokaze in premišljeno analizo. Razumevanje obeh vam pomaga pri sprejemanju boljših odločitev v vsakdanjem življenju.
