В последнее время на хабе стали появляться очень легковесные статьи на тему ИИ; точнее, речь даже не об ИИ, а о философии ИИ.
Причём философия, которая не ставит перед исследователями НИКАКИХ принципиальных вопросов.
Ну, скажем так, это просто болтовня на всю жизнь.
И что удивительно, такие статьи приобретают определенное количество плюсов.
Какие статьи мне вводить? Приведу только названия, без ссылок, потому что.
Не рекомендую их читать (Очередная попытка разобраться в проблеме искусственного интеллекта, О возможности ИИ к самопознанию и познанию творца, Об эмоциях, программах и искусственный интеллект, Будет искусственный интеллект, Взгляд информированного скептика на искусственный интеллект) Понятно, что подобные статьи писали те, кто не имеет даже близко соответствующего образования.
Но это не главная причина появления подобных статей.
Ведь, публикуя подобные статьи, они действительно думают, что этим можно хоть как-то направить исследователя, имеющего соответствующее образование.
Я их разочарую - нет, не буду, потому что.
В статьях нет ни одной идеи, куда идти.
И происходит это (появление такой болтовни) потому, что им кажется, что исследователи сами не знают, куда развиваться.
И иногда это выглядит так.
Даже в профессиональной среде специалистов по искусственному интеллекту часто нет понимания, какие проблемы необходимо решить; нет, так сказать, «списка нерешённых проблем ИИ», в отличие от математики.
Книги часто содержат только методы решения проблем и практически ничего не говорят о проблемах, которые еще предстоит решить.
Молодому поколению сложно поставить перед собой задачу, и они начинают фантазировать, опираясь только на слово «интеллект».
Но все, наверное, забыли/(не знают?), что название «Искусственный интеллект» — это провокация, рекламный трюк — серьезные учёные не работают над «сильным ИИ», и не потому, что это невозможно сделать, а потому, что это возможно.
не имеют технической формулировки.
Здесь я приведу переработанную версию одной из моих научно-популярных статей 2006 года, которая, как мне казалось, находилась в том же диапазоне по смысловой нагрузке, что и те, которые я критиковал выше.
Но теперь я все еще вижу, что, хотя стиль тот же, моя статья может (и имеет) иметь четкое техническое изложение.
Об этом мы поговорим позже, а пока скажем лишь лирическое вступление.
Но важно то, что я лирически резюмирую одну существенную нерешённую проблему в области ИИ.
Сначала необходимая теория.
Любой, кто знаком с персептроном Розенблатта, может только удивляться его лирическому описанию для публики.
А сосредоточиться только на одном важном аспекте, описанном в разделе «Проблема обучения у двух и более учителей» — это проблема ИИ, не решенная по сей день.
Модель памяти Во-первых, читателю необходимо отказаться от представления о том, что человеческая память аналогична памяти компьютера, т. е.
то, что записано, потом можно прочитать в неизменном виде.
И кроме того, запись памяти имеет четко локализованное расположение.
Это далеко не так! Итак, во-первых, распределение – основная характеристика памяти.
Имеет ряд последствий: 1. Память не статична, она динамична.
Тот или иной факт распределяется в памяти и постоянно меняется местами; 2. Поскольку факт не имеет точно локализованного местоположения, такая память более надежна (и не обязательно избыточна).
Утрата какого-либо элемента памяти ухудшает лишь качество запоминаемых фактов, но не приводит к полной утрате факта.
Вторая характеристика - ассоциативность .
Давайте сначала рассмотрим вырожденные случаи, когда модель памяти имеет одну характеристику, но не имеет другой: 1. Распределенная, но не ассоциативная память.
Известна в программировании как распределенная база данных.
2. Нераспределенная ассоциативная память.
Известный как прямой (или обратный) вывод, используемый в экспертных системах.
Что добавляет ассоциативность к свойствам распределения: 1. Объединяет разрозненные элементы в единое целое; 2. Позволяет объединять распределенные элементы в комбинацию, которая ранее не была предусмотрена; 3. Новые комбинации можно комбинировать в ответ на ранее неизвестный раздражитель, т. е.
как бы предсказывая ответ (прогнозирование).
Таким образом, распределение является необходимым условием, а ассоциативность — достаточным условием возникновения эффекта предвидения (прогнозирования).
Эффект предвидения можно считать проявлением интуиции.
Это считается необходимой частью интеллектуальной деятельности.
И относятся к проявлению бессознательного, а не сознания.
Сознательное прогнозирование имеет и другие проявления – оно не может основываться на распределении и ассоциативности.
Он имеет детерминированный характер и конкретную направленность.
Такое прогнозирование основано на четких аналитических формулах.
Здесь мы далее поговорим о бессознательном прогнозировании, которое является одним из эффектов, происходящих в распределенной и ассоциативной памяти.
Человеческий мозг способен понимать только простые линейные закономерности.
Мы никогда не работаем со сложными системами; мы разложим их на простые системы и отдельно рассмотрим связи между этими простыми системами.
Весь объектно-ориентированный анализ построен на этом принципе.
Мы не умеем оперировать характеристиками, которые в сложных сочетаниях дают один тип явлений, а в других сложных сочетаниях дают другой тип явлений.
Мы можем мыслить только терминами – если присутствует та или иная характеристика, то происходит такое-то явление.
В действительности такой простоты не существует, если бы мы не смогли найти механизм абстрагирования от сложности, нам пришлось бы рассуждать так - если есть та-то характеристика, а то-то отсутствует, то в данном конкретном случае это это такое-то явление.
Но подобные рассуждения не могут быть обобщены, а значит, теряется всякая надежда на предсказание.
Но человеческая память и здесь попробовала и показала нам двухслойный принцип – третья характеристика памяти.
Это означает, что мозг не воспринимает первичные стимулы (сигналы) из внешнего мира.
Он отображает эти стимулы в поле элементов своей памяти.
В результате такого сопоставления исходные нелинейные стимулы преобразуются в совершенно другой набор линейных стимулов.
Чтобы иметь возможность реализовать принцип двухслойности, необходимо реализовать функцию нелинейного отображения в модели памяти.
Почему становится понятно из следующего математического принципа: Принцип преобразования нелинейности в линейность.
Любой нелинейный набор характеристик (представляемый нелинейным пространством), отраженный с помощью любой нелинейной функции на больший по объему набор (насколько зависит от количества двоичных пар ввода-вывода, если количество входов больше 16, и число выходов 16, то объем конечного множества 2^16) линейно разделим.
Итак, в чем же проявляется эта третья характеристика памяти – двухслойность: 1. Мы уже упоминали о возможности абстрагироваться от сложности; 2. Благодаря этой характеристике мы смотрим на мир через розовые очки.
Мы не видим ее непосредственной сложности, не видим хаоса, который здесь присутствует – весь хаос уже удален и предстает перед нами как сознательный миропорядок.
Многим хотелось бы снять эти «очки», увидеть жизнь во всей ее сложности, но эту функцию за нас взял на себя наш организм – он разбирается со всеми деталями – сколько таких-то веществ нам нужно, это и есть функция бессознательное и инстинкты.
И если мы выведем это на уровень сознания (хотя это невозможно), мы деградируем, и не только потому, что у нас не будет времени на творчество, а потому, что мы не сможем подняться над частностями, сложности не будет. позвольте нам увидеть дальше.
Но мы вынуждены видеть мир искаженным, т. е.
правильным, каким он предстает перед нами; 3. К сожалению, эта характеристика проявляется и негативно.
Требуется на порядок больший объем памяти, чем воспринимаемый мир стимулов.
Правда, это объем более простого устройства, чем взаимосвязь между входными стимулами окружающей среды.
Точнее, элементы памяти не связаны друг с другом напрямую, между ними нет никаких связей, поэтому они сами по себе просты.
Именно их объем позволяет разложить сложные связи между воспринимаемыми стимулами.
Ведь известно математическое правило, что количество промежуточных вычислений зависит и намного превышает количество входов/выходов.
Те.
Для расчета задачи требуется большой объем промежуточной памяти.
Модель обучения (условный рефлекс) Во время обучения запись происходит в распределенную память.
Этот процесс записи сильно отличается от мгновенной записи в локализованную область памяти, как в случае записи информации на диск компьютера.
Заранее неизвестно, в каких элементах необходимо зафиксировать различные части зафиксированного факта.
Даже неизвестно, как следует разделить этот факт. С одной стороны, принято говорить, что стимул (факт) вызывает определенную активность элементов памяти.
Это следствие реакции, выступающей как внешнее проявление процесса перехода от нелинейности к линейности.
Если бы реакция была простой линейной, у нас был бы безусловный рефлекс.
А поскольку мы хотим реагировать на нелинейный мир, мы биологически вынуждены использовать память с описанными выше характеристиками.
С другой стороны, сам обучаемый или «учитель» определяет, какой реакции следует ожидать от возникновения определенного стимула.
Другими словами, при обучении указывается (в более серьезных моделях прогнозируется), к какому типу явлений (классу) принадлежит данный факт (стимул).
Таким образом, суть обучения заключается в сопоставлении деятельности памяти с полученными инструкциями.
Возникающая активность памяти (псевдослучайно, так как она еще подчиняется определенному закону формирования, но выбирается случайным образом для конкретного стимула) указывает, на каких элементах необходимо зафиксировать факт - на активных элементах памяти.
Остается следующий вопрос: как распространять информацию о факте? Математически это вопрос решения системы уравнений — большого количества уравнений, которые необходимо согласовать.
Проблема обучения у двух и более учителей Еще одним важным моментом в теории обучения является способность формировать свое мнение на основе обучения у нескольких разных учителей.
Мы помним, что в более сложном случае это не внешний учитель, а наша собственная интуиция, но она не может четко предсказывать, а указывает на то, что подходящих ответов может быть 2 и более, и все они верны, но даны из разных источников.
точки зрения.
Аппроксимацию, нахождение среднего между мнениями разных учителей пока нельзя назвать выработкой собственного мнения.
Собственное мнение появляется тогда, когда за основу выбирается некая общая позиция, которая в принципе объединяет два или более мнений учителей, хотя бы в ограниченной области.
Те.
происходит подмена стимулов, инициируемых учителями, на собственные стимулы, взятые за основу.
Если вам удастся научиться и получить результат, аналогичный результату преподавателей, то можно говорить о выработке собственного мнения.
Или в более сложном случае существует некий закон, объединяющий правильные ответы, но происходит это большими умственными усилиями и, как правило, не используется в повседневной жизни, а попадает на страницы статей или учебников.
В этом и есть проявление разума — это и только это, остальное, затронутое здесь, — лишь элементы органической жизни.
В то же время в ходе обучения могут выявиться противоречия, существующие в картине, предлагаемой одним и тем же учителем.
Это свидетельствует о том, что, по мнению учащегося, предложенная учителем картина не точна, и здесь можно использовать аппроксимацию, но не между мнениями разных подходов (учителей), а между одним и тем же подходом, но в разных ситуациях.
Те.
По мнению ученика, учитель в одних и тех же ситуациях действует по-разному, но не видит, что ситуации разные.
Этот эффект возникает за счет того, что ученик изначально выбрал несколько иные базовые принципы, а в процессе обучения заменял стимулы учителя своими.
Описанный процесс обучения полезен тем, что формирует новые знания, вызывает появление разных точек зрения на один и тот же процесс.
и самое главное, такое обучение можно моделировать и автоматизировать.
Текста получается много, поэтому разделю его на две части.
В следующей части мы углубимся в определение сознания и в то, что оно означает для искусственных нейронных сетей.
Те.
продолжение следует … Теги: #искусственный интеллект #искусственные нейронные сети #философия ИИ
-
Новогодний Подарок От Onliner.by
19 Oct, 24 -
Как Я Подружился С Symfony2 И Vagrant
19 Oct, 24
