Douglas lenat

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. Lenat recibió el premio bianual 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" 34; (con su programa Cyc en MCC y, desde 1994, en Cycorp). También ha trabajado en simulaciones militares y numerosos proyectos para organizaciones científicas, militares, de inteligencia y del gobierno de EE. UU. 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 exploran 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 asesores científicos de Microsoft y Apple. Es miembro de 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 Wired 25.

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 consistía en limpiar jaulas de ratas y luego corrales de 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 eventualmente carrera.

Mientras asistía a la Universidad de Pensilvania, Lenat se apoyó a sí mismo a través de la programación, en particular, el diseño y el 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 Pensilvania.

Para su tesis, aconsejada en parte por Dennis Gabor, era rebotar ondas acústicas en la gama de 40 mHz fuera de objetos del mundo real, grabar sus patrones de interferencia en una parcela cuadrada de 2 metros, fotorreducirlas a una imagen de película cuadrada de 10 mm, brillar un láser a través de la película, y así proyectar el objeto ilustrado tridimensional, es decir, el primer holograma acústico conocido. Para resolver un argumento con el Dr. Gabor, Lenat computadorizó un holograma de cinco dimensiones, por foto-reducción de la impresión computarizada del patrón de interferencia de un globo girando y expandiéndose a lo largo del tiempo, reduciendo la gran impresión de papel bidimensional a una superficie de película cuadrada moderadamente grande de 5 cm a través de la cual un rayo láser convencional fue capaz de proyectar una imagen tridimensional, que cambió de dos maneras independientes (rotating y cambiando de tamaño)

Lenat tenía un doctorado. 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 de lenguaje natural.

Research

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

Su tesis, AM (Matemático Automatizado) fue uno de los primeros programas de computadora que intentó hacer descubrimientos, es decir, ser un proponedor de teoremas en lugar de un probador de teoremas.. Experimentar con el programa alimentó un ciclo de críticas y mejoras, lo que llevó a una comprensión un poco más profunda de la creatividad humana. Muchos temas tuvieron que ser tratados en la construcción de un programa de este tipo: cómo representar el conocimiento de manera formal, expresiva y concreta, cómo programar cientos de "intereses" heurísticos; reglas para juzgar el valor de 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), cuáles son las restricciones de la arquitectura y el diseño — de tales programas de razonamiento, por qué funcionan las heurísticas (en suma, porque el futuro es una función continua del pasado), y cuál es su "estructura interna'' puede ser. 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 informática en Carnegie Mellon y comenzó su trabajo en el programa de inteligencia artificial Eurisko. La limitación con AM era que estaba bloqueado para 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 al igual que (y AM) exploró, manipuló y descubrió 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 heurístico y descubrimiento automatizado Eurisko. Eurisko hizo muchos descubrimientos interesantes y disfrutó de un reconocimiento significativo, con el artículo de Lenat "Heuretics: Theoretical and Experimental Study of Heuristic Rules" ganando el premio al Mejor Artículo en la conferencia AAAI de 1982.

Un llamado al #34;sentido común "

A diferencia de la gran preponderancia de los resultados científicos publicados, Lenat (en colaboración con John Seely Brown en Xerox PARC) publicó en 1984 un análisis exhaustivo y franco de cuáles eran las limitaciones de sus líneas de investigación AM y Eurisko. Llegó a la conclusión de que el progreso hacia una IA real, general y simbólica requeriría una vasta base de conocimientos de "sentido común", adecuadamente formalizada y representada, y un motor de inferencia capaz de encontrar decenas o cientos de conclusiones y argumentos profundos que seguido de la aplicación de esa base de conocimiento a 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 a favor del esfuerzo masivo en I+D (de varias miles de personas al año y décadas) sería necesario para romper ese cuello de botella a la IA, atrajo la atención en 1982 del almirante Bob Inman y el consorcio de investigación de MCC en formación en Austin, Texas, que culminó con el hecho de que Lenat se convirtiera en el científico principal de MCC de 1984 a 1994, aunque continuó incluso después este período para volver a Stanford a impartir aproximadamente un curso al 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 graduados.

Cycorp

Los frutos de la primera década de investigación y desarrollo en Cyc se derivaron de MCC en una empresa, Cycorp, a fines de 1994. En 1986, estimó que el esfuerzo para completar Cyc sería de al menos 250 000 reglas y 1000 años-persona de esfuerzo, probablemente el doble, y para 2017, él y su equipo habían dedicado alrededor de 2000 años-persona de esfuerzo para construir Cyc, creando aproximadamente 24 millones de reglas y afirmaciones (sin contar los 'hechos'). Lenat enfatiza que él y su equipo de investigación y desarrollo de 60 personas se esfuerzan por mantener esos números lo más pequeños posibles; 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 director ejecutivo de Cycorp. Si bien la primera década de trabajo en Cyc (1984-1994) fue financiada por grandes empresas estadounidenses que agruparon fondos de investigación a largo plazo para competir con el Proyecto informático japonés de quinta generación, y la segunda década (1995-2006) de trabajo en Cyc fue financiada por las agencias gubernamentales de EE. UU.' contratos de investigación, 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, consiste en ayudar a los estudiantes de secundaria a comprender las matemáticas con mayor profundidad. La mayoría de las personas han tenido la experiencia de pensar que entendíamos algo, pero solo lo entendíamos de verdad 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 tiene la IA, Cyc, que desempeña el papel de un compañero de estudios que siempre está un poco más confundido que usted, el usuario. Como le das buenos consejos a MathCraft, permite que ese avatar cometa 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 mediante la enseñanza puede tener amplias aplicaciones en futuros dominios en los que se involucre la formación.

Cotizaciones

Doug Lenat en su oficina en Cycorp

• "La inteligencia es diez millones de reglas". Esto se refiere al conocimiento previo y tácito que los autores presumen que todos sus lectores poseen (como "si persona x conoce a persona y, entonces, la fecha de muerte de x no puede ser anterior a la fecha de nacimiento de y") no contar el gran número de "hechos" como uno puede encontrar en Wikipedia o por Googling.
• "El tiempo puede llegar cuando un Cyc grandemente expandido subyacerá innumerables aplicaciones de software. Pero alcanzar ese objetivo podría tomar fácilmente otras dos décadas".
• "Una vez que usted tiene una cantidad verdaderamente masiva de información integrada como conocimiento, entonces el sistema de software humano será sobrehumano, en el mismo sentido que la humanidad con la escritura (o el lenguaje mismo) es sobrehumana en comparación con la humanidad antes de escribir (o el lenguaje mismo). Miramos atrás a los cavernícolas prelingüistas y pensamos que no eran muy humanos, ¿verdad? De la misma manera, nuestros descendientes mirarán hacia atrás en la pre-AI homo sapiens con exactamente esa mezcla de otras y piedad."
• "A veces los Ventilador de inteligencia no es suficiente."
• “Si las computadoras fueran humanas, se presentarían como autistas, esquizofrénicos o de otro modo frágiles. Sería insensato o peligroso para esa persona cuidar de los niños y cocinar comidas, pero está en el horizonte para robots caseros. Eso es como decir, "Tenemos un trabajo importante que hacer, pero vamos a contratar perros y gatos para hacerlo".

Escritos

• "Por qué AM y Eurisko buscan trabajar", (Lenat y John Seely Brown) Proceedings of National Conference on AI (AAAI–83)Washington, DC, agosto de 1983.
• Davis, Randall; Lenat, Douglas B. (1982). Sistemas basados en conocimientos 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). Building Expert Systems. Lectura, Mass: Addison-Wesley Pub. Co. ISBN 978-0-201-10686-2.
• Lenat, Douglas B. "Computer Software for Intelligent Systems: An Underview of AI", in Scientific American, Septiembre de 1984.
• Lenat, Douglas B.; Clarkson, Albert; Kircmidjian, Garo (1983). "Un sistema de expertos para indicaciones y análisis de alerta". Actas de la Octava Conferencia Conjunta Internacional sobre Inteligencia Artificial - Volumen 1. IJCAI'83. San Francisco, CA, USA: 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, R. V. (1990-01-01). Construcción de sistemas basados en grandes conocimientos: Representación e Inferencia en el proyecto Cyc. Lectura, Mass.: Addison-Wesley. ISBN 9780201517521.
• Lenat, Douglas B. De 2001 a 2001: Sentido Común y Mente de HAL
• Lenat, Douglas B. (2008-07-10). "La Voz de la Tortuga: ¿Qué pasó con AI?". AI Magazine. 292). doi:10.1609/aimag.v29i2.2106. ISSN 0738-4602
• Blackstone E.H., Lenat, D.B. e Ishwaran H. Infraestructura necesaria para saber cuál es el mejor cuidado: métodos que deben desarrollarse, en (Olsen L., Grossman, C., y McGinnis, M., eds.) Aprendizaje Lo que funciona: Infraestructura necesaria para la investigación de eficacia comparada. Institute of Medicine Learning Health System Series, The National Academies Press, pp. 123–144, 2011.
• Lenat DB, Durlach P. “Reforzando el conocimiento de las matemáticas por sumergir a los estudiantes en una experiencia de aprendizaje y aprendizaje simulada. ” J. International Journal of Artificial Intelligence in Education., 2014
• Lenat, Douglas B. (2016-04-13). "WWTS (¿Qué diría Turing?)". AI Magazine. 37 (1): 97–101. doi:10.1609/aimag.v37i1.2644. ISSN 0738-4602
• Vea también muchas de las Referencias, a continuación.