AI-полная задача , по аналогии с NP-полным классом задач в теории сложности , — проблема, решение которой предполагает создание « сильного AI », то есть решения главной проблемы искусственного интеллекта : сделать компьютеры такими же умными, как люди . Иначе говоря, решение любой AI-полной проблемы требует создания «действительно мыслящего» агента . В отличие от строгого понятия NP-полноты, AI-полнота используется как неформальный термин.

При определении задачи как AI-полной, подразумевается, что она не может быть решена простым алгоритмом , таким, например, какой использовался в « Элизе ». Примерами AI-полных задач можно считать компьютерное зрение , понимание естественного языка , прохождение теста Тьюринга . Эти задачи легко решаются человеком (некоторые даже описаны в терминах человеческого поведения ), но любая из них, по сути, представляет собой сложнейшую систему человеческих понятий . Некоторые компьютерные системы могут решать сильно упрощённые вариации этих задач, но в полной мере они пока не могут быть решены.

См. также

• База знаний

Примечания

Литература

• Murray Shanahan. . — MIT Press, 2015. — P. 152–. — 272 p. — ISBN 978-0-262-52780-4 .
• Xin-She Yang. (англ.) . — (англ.) ( , 2012. — P. 9—. — ISBN 978-3-642-29694-9 .
• Andreas Dengel; Karsten Berns; Thomas M. Breuel; Frank Bomarius, Thomas R. Roth-Berghofer. (англ.) . — (англ.) ( , 2008. — P. 1—. — ISBN 978-3-540-85845-4 .
• Andras Kornai. (неопр.) . — Springer Science & Business Media , 2007. — С. 211—. — ISBN 978-1-84628-986-6 .
• (неопр.) . — I. K. International Pvt Ltd, 2011. — С. 150—. — ISBN 978-93-80578-77-4 .