为什么不能将OCR视为AI的典范？

在有关AI 的维基百科页面上，我们可以阅读：

光学字符识别不再被视为已成为常规技术的“人工智能”的典范。

另一方面，MNIST手写数字数据库是专门为训练和测试神经网络及其错误率而设计的（请参阅：分类器）。

那么，为什么上面的引用声明OCR不再是AI的典范？

只要计算机可以解决问题，人们就会开始争辩说它不需要智能。人们经常引用约翰·麦卡锡（John McCarthy）的话：“它一旦起作用，就没有人称其为AI”（在CACM中引用）。

我在大学里的一位老师说，在1950年代，一位教授被问到他认为对于机器来说什么是智能的。这位教授据说回答说，如果自动售货机为他提供了正确的零钱，那将是明智的。

后来，下棋被认为是明智的。但是，计算机现在可以在国际象棋上击败大师级人物，人们不再说这是一种智力形式。

现在我们有了OCR。在另一个答案中已经说明，我们的方法不具备5年历史的识别功能。一旦做到这一点，人们就会说：“嗯，那不是智力，一个5岁的孩子就可以做到！”

这是建立在心理偏见上的，需要指出我们在某种程度上优于机器。

尽管OCR现在已成为主流技术，但仍然存在的事实是，我们的方法都没有真正具有5年历史的识别工具（尽管CAPTCHA声称是成功的）。我们不知道如何使用广为人知的技术来实现这一目标，因此，OCR仍应被视为AI问题。

要了解为什么会如此，请阅读道格拉斯·霍夫斯塔特（Douglas Hofstadter）的文章 “关于看见A和看见AS”。

关于另一个答案中的观点，代理框架是一个有用的范围，因为它可以在日益复杂的环境中激发成功。但是，有许多棘手的问题（例如，邦加德）不需要用这种方式陈述。

我不确定预测MNIST是否真的可以视为AI任务。AI问题通常可以在环境中的代理人的背景下进行描述。通常，神经网络和机器学习技术不必处理这种框架。例如，分类器正在学习两个空间之间的映射。尽管有人可能认为您可以将OCR /图像分类视为AI问题-分类器是主体，但它所做的每个预测都是一个动作，并且根据分类准确度获得奖励-这是不自然的，与问题不同通常被认为是AI问题。