Douglas Lenat - Douglas Lenat

Douglas Lenat
Dbl4.jpg
Nació 13 de septiembre de 1950
Filadelfia, Pensilvania
Nacionalidad Estados Unidos
Educación Universidad de Pensilvania , Universidad de Stanford (Ph.D.)
Ocupación Científico de la computación
Empleador Cycorp, Inc.
Conocido por Lenguaje de programación Lisp , CEO de Cycorp, Inc. , AM , Eurisko , Cyc
Premios 1977 Premio IJCAI Computers and Thought , 1981 Gran Almirante Oficial de Trillion Credit Squadron

Douglas Bruce Lenat (nacido en 1950) es el director ejecutivo de Cycorp, Inc. de Austin, Texas , y ha sido un destacado investigador en inteligencia artificial ; fue galardonado con el premio semestral IJCAI Computers and Thought en 1976 por crear el programa de aprendizaje automático, AM . Ha trabajado en aprendizaje automático (simbólico, no estadístico) (con sus programas AM y Eurisko ), representación del conocimiento, "economía cognitiva", sistemas de pizarra y lo que denominó en 1984 " ingeniería ontológica " (con su programa Cyc en MCC y , desde 1994, en Cycorp ). También ha trabajado en simulaciones militares y numerosos proyectos para organizaciones gubernamentales, militares, de inteligencia y científicas de Estados Unidos. En 1980, publicó una crítica del darwinismo convencional de mutación aleatoria. Es autor de una serie de artículos en el Journal of Artificial Intelligence que explora la naturaleza de las reglas heurísticas.

Lenat fue uno de los miembros originales de la AAAI y es la única persona que ha formado parte de los Consejos de Asesoramiento Científico de Microsoft y Apple. Es miembro de la AAAS , AAAI y Cognitive Science Society , y editor de J. Automated Reasoning , J. Learning Sciences y J. Applied Ontology . Fue uno de los fundadores de TTI / Vanguard en 1991 y sigue siendo miembro de su consejo asesor en 2017. Fue nombrado uno de los 25 de Wired.

Antecedentes y educación

Lenat nació en Filadelfia, Pensilvania, el 13 de septiembre de 1950 y creció allí y, entre los 5 y los 15 años, en Wilmington, Delaware. Asistió a Cheltenham High School, en Wyncote PA, donde su trabajo después de la escuela en el vecino Beaver College era limpiar jaulas para ratas y luego corrales para gansos, lo que lo motivó a aprender a programar como un camino hacia un trabajo después de la escuela y de verano muy diferente. y, finalmente, carrera.

Mientras asistía a la Universidad de Pensilvania , Lenat se mantuvo a sí mismo a través de la programación, especialmente en el diseño y desarrollo de una interfaz de lenguaje natural para un sistema de preguntas y respuestas de la base de datos de la Marina de los EE. Recibió su licenciatura en Matemáticas y Física, y su maestría en Matemáticas Aplicadas, todo en 1972, de la Universidad de Pennsylvania.

Porque su tesis de último año, aconsejada en parte por Dennis Gabor , era hacer rebotar ondas acústicas en el rango de 40 mHz en objetos del mundo real, registrar sus patrones de interferencia en una parcela de 2 metros cuadrados, foto-reducirlos a un cuadrado de 10 mm. imagen de la película, hacer brillar un láser a través de la película y así proyectar el objeto de imagen tridimensional, es decir, el primer holograma acústico conocido . Para resolver una discusión con el Dr. Gabor , Lenat generó por computadora un holograma de cinco dimensiones, mediante la foto-reducción de la impresión por computadora del patrón de interferencia de un globo que gira y se expande con el tiempo, reduciendo la gran impresión de papel bidimensional a un tamaño moderadamente grande. Superficie de película cuadrada de 5 cm a través de la cual un rayo láser convencional podía proyectar una imagen tridimensional, que cambiaba de dos formas independientes (rotando y cambiando de tamaño) a medida que la película se movía de arriba a abajo o de izquierda a derecha.

Lenat era un Ph.D. estudiante de Ciencias de la Computación en la Universidad de Stanford, donde su investigación publicada incluyó la síntesis automática de programas a partir de pares de entrada / salida y de diálogos de aclaración del lenguaje natural.

Investigar

Recibió su Ph.D. en Ciencias de la Computación de la Universidad de Stanford (publicado como Sistemas basados ​​en el conocimiento en inteligencia artificial , junto con la tesis doctoral de Randall Davis, McGraw-Hill, 1982) en 1976. Su director de tesis fue el profesor Cordell Green, y su tesis / El comité oral incluyó a los profesores Edward Feigenbaum , Joshua Lederberg , Paul Cohen , Allen Newell , Herbert Simon , Bruce Buchanan , John McCarthy y Donald Knuth .

Su tesis, AM (Automated Mathematician) fue uno de los primeros programas de computadora que intentó hacer descubrimientos, es decir, ser un proponente de teoremas en lugar de un probador de teoremas . Experimentar con el programa alimentó un ciclo de crítica y mejora, lo que llevó a una comprensión un poco más profunda de la creatividad humana. Se tuvieron que abordar muchas cuestiones al construir un programa de este tipo: cómo representar el conocimiento de manera formal, expresiva y concreta, cómo programar cientos de reglas heurísticas de "interés" para juzgar el valor de los nuevos descubrimientos, heurísticas sobre cuándo razonar simbólica e inductivamente (y lentamente) versus cuándo razonar estadísticamente a partir de datos de frecuencia (y por lo tanto, rápidamente), cuál podría ser la arquitectura (las restricciones de diseño) de tales programas de razonamiento, por qué funcionan las heurísticas (en resumen, porque el futuro es una función continua de la pasado), y cuál podría ser su "estructura interna". AM fue uno de los primeros pasos vacilantes hacia una ciencia del aprendizaje por descubrimiento, hacia la desmitificación del proceso creativo y la demostración de que los programas de computadora pueden hacer descubrimientos novedosos y creativos.

En 1976, Lenat comenzó a enseñar como profesor asistente de Ciencias de la Computación en Carnegie Mellon y comenzó su trabajo en el programa de inteligencia artificial Eurisko . La limitación con AM era que estaba encerrado en seguir un conjunto fijo de heurísticas de interés; Eurisko , por el contrario, representó sus reglas heurísticas como objetos de primera clase y, por lo tanto, pudo explorar, manipular y descubrir nuevas heurísticas tal como él (y AM ) exploraron, manipularon y descubrieron nuevos conceptos de dominio.

Lenat regresó a Stanford como profesor asistente de Ciencias de la Computación en 1978 y continuó su investigación construyendo el programa de descubrimiento automatizado y descubrimiento heurístico de Eurisko. Eurisko hizo muchos descubrimientos interesantes y gozó de gran aclamación, con el artículo de Lenat "Heurética: Estudio teórico y experimental de las reglas heurísticas" ganando el premio al Mejor artículo en la conferencia AAAI de 1982 .

Un llamado al "sentido común"

A diferencia de la gran preponderancia de resultados científicos publicados, Lenat (en colaboración con John Seely Brown en Xerox PARC) publicó en 1984 un análisis completo y franco de cuáles eran las limitaciones de sus líneas de investigación AM y Eurisko. Concluyó que el progreso hacia una IA real, general y simbólica requeriría una vasta base de conocimientos de "sentido común", debidamente formalizado y representado, y un motor de inferencia capaz de encontrar decenas o cientos de conclusiones y argumentos de profundidad que se derivan de la aplicación de esa base de conocimientos para preguntas y aplicaciones específicas.

Los éxitos, y el análisis franco de las limitaciones, de este enfoque de AM y Eurisko para la IA, y el alegato final para el esfuerzo masivo de I + D (de varios miles de personas-año, décadas) serían necesarios para romper ese cuello de botella a la IA. , atrajo la atención en 1982 del almirante Bob Inman y del consorcio de investigación MCC en Austin, Texas , que se estaba formando en ese momento , que culminó con el hecho de que Lenat se convirtiera en científico principal de MCC de 1984 a 1994, aunque continuó incluso después de este período para regresar a Stanford para enseñar aproximadamente un curso por año. En el MCC de 400 personas, Lenat pudo tener varias docenas de investigadores trabajando en esa base de conocimiento de sentido común , en lugar de solo unos pocos estudiantes de posgrado.

Cycorp

Los frutos de la primera década de I + D sobre Cyc se separaron de MCC y se convirtieron en una empresa, Cycorp, a finales de 1994. En 1986, estimó que el esfuerzo para completar Cyc sería de al menos 250.000 reglas y 1.000 años-persona de esfuerzo. , probablemente el doble, y para 2017, él y su equipo habían pasado alrededor de 2000 años-persona construyendo Cyc, aproximadamente 24 millones de reglas y afirmaciones (sin contar los "hechos") y 2000 años-persona de esfuerzo. Lenat enfatiza que él y su equipo de I + D de 60 personas se esfuerzan por mantener esos números lo más pequeños posible; incluso el número de inferencias de un paso en el cierre deductivo de Cyc es de cientos de billones.

A partir de 2018, Lenat continúa su trabajo en Cyc como CEO de Cycorp. Mientras que la primera década de trabajo en Cyc (1984-1994) fue financiada por grandes empresas estadounidenses que reunieron fondos de investigación a largo plazo para competir con el Proyecto de Computadora de Quinta Generación de Japón , y la segunda década (1995-2006) de trabajo en Cyc fue financiada gracias a los contratos de investigación de las agencias gubernamentales de EE. UU., la tercera década hasta el presente (2007-presente) se ha apoyado en gran medida a través de aplicaciones comerciales de Cyc, incluso en las áreas de servicios financieros, energía y atención médica.

Entre las aplicaciones recientes de Cyc, una inusual, MathCraft , implica ayudar a los estudiantes de secundaria a comprender más profundamente las matemáticas. La mayoría de las personas han tenido la experiencia en la que pensamos que entendíamos algo, pero solo lo entendimos realmente cuando teníamos que explicárselo o enseñárselo a otra persona. A pesar de eso, casi toda la instrucción asistida por IA hace que la IA desempeñe el papel de maestro. Por el contrario, Mathcraft hace que la IA, Cyc, desempeñe el papel de un compañero de estudios que siempre está un poco más confundido que tú, el usuario. Cuando le da un buen consejo a MathCraft, le permite a ese avatar cometer menos errores de ese tipo y, desde el punto de vista del usuario, parece que le han enseñado algo. Este tipo de paradigma de aprendizaje por la enseñanza puede tener amplias aplicaciones en dominios futuros en los que la capacitación esté involucrada.

Citas

Doug Lenat en su oficina en Cycorp
  • "La inteligencia son diez millones de reglas". Esto se refiere al conocimiento previo y tácito que los autores presumen que todos sus lectores poseen (como "si la persona x conoce a la persona y, entonces la fecha de muerte de x no puede ser anterior a la fecha de nacimiento de y") sin contar el número mucho mayor de "hechos" como los que se pueden encontrar en Wikipedia o en Google.
  • "Puede llegar el momento en que un Cyc muy ampliado sea la base de innumerables aplicaciones de software. Pero alcanzar ese objetivo podría llevar fácilmente otras dos décadas".
  • "Una vez que tenga una cantidad verdaderamente masiva de información integrada como conocimiento, entonces el sistema humano-software será sobrehumano, en el mismo sentido en que la humanidad con la escritura (o el lenguaje en sí) es sobrehumana en comparación con la humanidad antes de la escritura (o el lenguaje mismo). Miramos hacia atrás en los hombres de las cavernas prelingüísticos y pensamos 'no eran del todo humanos, ¿verdad?' De la misma manera, nuestros descendientes mirarán hacia atrás al homo sapiens anterior a la IA con exactamente esa mezcla de alteridad y piedad ".
  • "A veces, el barniz de inteligencia no es suficiente".
  • “Si las computadoras fueran humanas, se presentarían a sí mismas como autistas, esquizofrénicas o quebradizas. Sería imprudente o peligroso para esa persona cuidar a los niños y cocinar, pero está en el horizonte para los robots domésticos. Eso es como decir: 'Tenemos un trabajo importante que hacer, pero vamos a contratar perros y gatos para hacerlo' ”.

Escrituras

  • "Por qué AM y Eurisko parecen trabajar", (Lenat y John Seely Brown), Actas de la Conferencia Nacional sobre IA (AAAI-83) , Washington, DC, agosto de 1983.
  • Davis, Randall; Lenat, Douglas B. (1982). Sistemas basados ​​en el conocimiento en Inteligencia Artificial . Nueva York: McGraw-Hill International Book Co. ISBN 978-0-07-015557-2.
  • Hayes-Roth, Frederick; Waterman, Donald Arthur; Lenat, Douglas B., eds. (1983). Construyendo sistemas expertos . Reading, Mass: Addison-Wesley Pub. Co. ISBN 978-0-201-10686-2.
  • `Lenat, Douglas B." Software informático para sistemas inteligentes: una visión general de la IA ", en Scientific American, septiembre de 1984.
  • Lenat, Douglas B .; Clarkson, Albert; Kircmidjian, Garo (1983). "Un sistema experto para el análisis de indicaciones y advertencias". Actas de la Octava Conferencia Conjunta Internacional sobre Inteligencia Artificial - Volumen 1 . IJCAI'83. San Francisco, CA, EE.UU .: Morgan Kaufmann Publishers Inc .: 259–262.
  • Lenat, Douglas B .; Feigenbaum, Edward A. (febrero de 1991). "En los umbrales del conocimiento". Artif. Intell . 47 (1-3): 185–250. doi : 10.1016 / 0004-3702 (91) 90055-O. ISSN  0004-3702.
  • Lenat, Douglas B .; Guha, RV (1 de enero de 1990). Construcción de grandes sistemas basados ​​en el conocimiento: representación e inferencia en el proyecto Cyc . Reading, Mass .: Addison-Wesley. ISBN  9780201517521 .
  • Lenat, Douglas B. De 2001 a 2001: el sentido común y la mente de HAL
  • Lenat, Douglas B. (10 de julio de 2008). "La Voz de la Tortuga: ¿Qué pasó con la IA?". Revista AI . 29 (2). doi : 10.1609 / aimag.v29i2.2106. ISSN  0738-4602
  • Blackstone EH, Lenat, DB e Ishwaran H. Se requiere infraestructura para aprender qué atención es mejor: métodos que deben desarrollarse , en (Olsen L., Grossman, C. y McGinnis, M., eds.) Aprender lo que funciona: Infraestructura necesaria para la investigación de eficacia comparativa . Institute of Medicine Learning Health System Series, The National Academies Press, págs. 123–144, 2011.
  • Lenat DB, Durlach P. "Reforzar el conocimiento matemático sumergiendo a los estudiantes en una experiencia simulada de aprendizaje por enseñanza". J. Revista Internacional de Inteligencia Artificial en Educación. , 2014
  • Lenat, Douglas B. (13 de abril de 2016). "WWTS (¿Qué diría Turing?)". Revista AI . 37 (1): 97–101. doi : 10.1609 / aimag.v37i1.2644. ISSN  0738-4602
  • Consulte también muchas de las referencias a continuación.

Referencias

enlaces externos