AI-komplett uppgift , i analogi med den NP-kompletta klassen av problem inom komplexitetsteorin , är ett problem vars lösning involverar skapandet av " stark AI ", det vill säga att lösa huvudproblemet med artificiell intelligens : att göra datorer lika smarta som människor [1] [2] . Med andra ord kräver lösningen av alla AI-kompletta problem skapandet av en "riktigt tänkande" agent [2] . I motsats till den strikta uppfattningen om NP-fullständighet används AI-fullständighet som en informell term.
Genom att definiera ett problem som AI-komplett förstås det att det inte kan lösas med en enkel algoritm , som den som används i Elise . Exempel på AI-fullständiga uppgifter inkluderar datorseende , förståelse av naturligt språk [1] , klara Turing-testet [3] . Dessa uppgifter löses lätt av en person (vissa beskrivs till och med i termer av mänskligt beteende ), men vilken som helst av dem är faktiskt ett komplext system av relationer mellan mänskliga begrepp . Vissa datorsystem kan lösa mycket förenklade varianter av dessa problem, men de kan ännu inte lösas fullt ut.
| naturlig språkbehandling | |
|---|---|
| Allmänna definitioner | |
| Textanalys |
|
| Refererar |
|
| Maskinöversätta |
|
| Identifiering och datainsamling | |
| Tematisk modell | |
| Peer review |
|
| Naturligt språkgränssnitt | |