Если программисты и могут зарабатывать программированием, то существующий ИИ — не ИИ, какой бы фантик на них не вешали.
Предложенный мной вариант может решить эту проблему.
В результате своих исследований я перестал использовать для себя словосочетание «искусственный интеллект» как слишком расплывчатое и пришел к другой формулировке: алгоритм самостоятельного обучения, исследования и применения найденных результатов для решения любых возможных задач.
Что такое ИИ, об этом уже много написано.
Я ставлю вопрос по-другому, не «что такое ИИ», а «зачем нужен ИИЭ» Мне это нужно, чтобы заработать много денег, потом чтобы компьютер сделал за меня все, что я не хочу делать сам, потом построить космический корабль и полететь к звездам.
Итак, здесь я опишу, как заставить компьютер исполнять наши желания.
Если вы ожидаете увидеть здесь описание или упоминание о том, как работает сознание, что такое самосознание, что значит думать или рассуждать, то здесь этого нет. Мышление не о компьютерах.
Компьютеры рассчитывают, рассчитывают и выполняют программы.
Итак, давайте подумаем, как сделать программу, которая сможет просчитать необходимую последовательность действий для реализации наших желаний.
В каком виде наша задача попадает в компьютер — через клавиатуру, через микрофон или от датчиков, вживлённых в мозг — это не важно, это второстепенное дело.
Если мы можем заставить компьютер исполнять желания, написанные в тексте, то мы можем поставить ему задачу, чтобы он составил программу, которая тоже исполняет желания, но через микрофон.
Анализ изображений также не требуется.
Утверждать, что для того, чтобы создаваемый ИИ распознавал изображения и звуки, в него изначально должны быть включены такие алгоритмы, это то же самое, что утверждать, что каждый человек, создавший их, с рождения знал, как работают такие программы.
Сформулируем аксиомы: 1. Все в мире можно рассчитать по некоторым правилам.
(об ошибках позже) 2. Расчет по правилу – это однозначная зависимость результата от исходных данных.
3. Любые однозначные зависимости можно найти статистически.
А теперь утверждения: 4. Есть функция преобразования текстовых описаний в правила - чтобы не пришлось искать уже давно найденные знания.
5. Есть функция преобразования проблем в решения (это исполнение наших желаний).
6. Правило прогнозирования произвольных данных включает в себя все остальные правила и функции.
Переведем это на язык программирования: 1. Все в мире можно вычислить с помощью некоторых алгоритмов.
2. Алгоритм всегда дает один и тот же результат при повторении исходных данных.
3. При наличии множества примеров исходных данных и результатов по ним при бесконечном времени поиска можно найти все множество возможных алгоритмов, реализующих данную зависимость исходных данных и результата.
4. Есть алгоритмы преобразования текстовых описаний в алгоритмы (или любые другие информационные данные) - чтобы не искать статистически нужные алгоритмы, если их кто-то уже нашел и описал.
5. Возможно создание программы, которая будет исполнять наши желания, будь то в текстовой или голосовой форме, при условии, что эти желания реализуются физически и в необходимые сроки.
6. Если вам удастся создать программу, способную прогнозировать и научиться прогнозировать по мере поступления новых данных, то через бесконечное количество времени такая программа будет включать в себя все возможные алгоритмы в нашем мире.
Ну а если для практического использования время не бесконечно и с некоторой ошибкой, то его можно заставить выполнить алгоритмы программы на шаге 5 или любые другие.
И еще, ИМХО: 7. Не существует другого способа обучения полностью самостоятельно и независимо от человека, кроме поиска правил перебором и статистической проверки их на предсказание.
И вам просто нужно научиться пользоваться этим свойством.
Это свойство является частью работы мозга.
Что необходимо спрогнозировать.
С рождения мозг человека начинает получать поток информации – от глаз, ушей, тактильно и т. д. И все решения принимаются на основе ранее полученных данных.
По аналогии делаем программу, имеющую ввод новой информации побайтно — побайтовый входной поток.
Все, что было получено ранее, представлено в виде одного непрерывного списка.
От 0 до 255 будет получена внешняя информация, а выше 255 мы будем использовать специальные маркеры управления.
Те.
Входные данные позволяют вам записать, скажем, размерность числа до 0xFFFF. И именно этот поток, а точнее очередное добавленное количество информации, нам нужно научиться прогнозировать, основываясь на полученных ранее данных.
Те.
программа должна попытаться угадать, какое число будет добавлено следующим.
Конечно, возможны и другие варианты представления данных, но для целей, когда на вход поступают самые разные форматы, мы просто сначала помещаем туда различные html с описаниями, этот самый оптимальный.
Хотя в целях оптимизации маркеры можно заменить escape-последовательностями, их менее удобно объяснять.
(А ещё, давайте представим, что всё в ASCII, а не UTF).
Итак, сначала, как и при рождении, запихиваем туда все интернет-страницы с описаниями и разделяем их новым текстовым маркером — - чтобы этот черный ящик все узнал.
Маркеры я буду обозначать тегами, но подразумевается, что это просто какой-то уникальный номер.
После прохождения определенного объема данных начинаем манипулировать поступающей информацией с помощью управляющих маркеров.
Под прогнозированием я подразумеваю алгоритм, который не только знает, какие закономерности уже существуют, но и постоянно ищет новые.
И поэтому, если на вход такой программы отправить последовательность небо синий трава зеленый потолок … , то он должен осознать, что За маркером следует цвет от ранее указанного объекта, а на месте многоточия он предсказывает наиболее вероятный цвет потолка.
Мы повторили ему несколько примеров, чтобы он понял, какую функцию нужно применить внутри этих тегов.
А сам цвет он, конечно, не должен изобретать, а должен уже знать его, самостоятельно изучив его, вычисляя закономерности в прогнозировании.
Когда от алгоритма требуется ответ, входные данные последующих шагов — это то, что было предсказано на предыдущем шаге.
Типа автопрогнозирование (по аналогии со словом автокорреляция).
И при этом отключаем функцию поиска новых последовательностей.
Другой пример, можно указать вопрос после первого маркера, а ответ во втором, и тогда, если бы этот алгоритм был супер-мега-крутым, он должен начать давать ответы даже на самые сложные вопросы.
Опять же в пределах уже изученных фактов.
Можно придумать массу разных трюков с управляющими маркерами, подаваемыми на вход предсказательного механизма, и получить любые желаемые функции.
Если вам скучно читать об алгоритмическом обосновании этого свойства, вы можете перейти к следующим примерам с управляющими маркерами.
Из чего состоит этот черный ящик? Во-первых, стоит отметить, что не всегда и во всех ситуациях можно сделать стопроцентный прогноз.
С другой стороны, если результат всегда дает число ноль, то это тоже будет предсказание.
Хотя и с абсолютно стопроцентной ошибкой.
Теперь посчитаем, с какой вероятностью, какое число, какое число следует дальше.
Для каждого числа будет определено наиболее вероятное следующее число.
Те.
мы можем это немного предсказать.
Это первый шаг очень долгого пути.
Однозначное сопоставление исходных данных с результатом алгоритма, что соответствует математическому определению слова функция , за исключением того, что определение алгоритма не налагает определенности на количество и размещение входных и выходных данных.
Тоже пример, пусть будет небольшой знак: объект-цвет, в него мы поместим много линий: небесно-голубой, травянисто-зеленый, потолочно-белый.
Это оказалась небольшая локальная функция взаимно однозначного отображения.
И не важно, что на самом деле цвета зачастую не те – там будут другие таблицы.
Любая база данных, содержащая сохраненные свойства чего-либо, представляет собой набор функций и сопоставляет идентификаторы объектов с их свойствами.
Для дальнейшего упрощения во многих ситуациях вместо термина «алгоритм» я буду использовать термин «функция», например, «однопараметрическая функция», если не указано иное.
И все подобные упоминания нужно понимать как расширяемость алгоритмов.
И я дам приблизительное описание, потому что.
на самом деле мне всё это ещё предстоит реализовать.
Но всё логично.
Также следует учитывать, что все расчеты ведутся по коэффициентам, а не истинным или ложным.
(возможно, даже если четко указано, что истинно, а что ложно).
Любой алгоритм, особенно тот, который работает с целыми числами, можно разложить на набор условий и переходов между ними.
Операции сложения, умножения и т.п.
также раскладываются на подалгоритмы условий и переходов.
И еще один оператор результата.
Это не заявление о возврате.
Условный оператор откуда-то берет значение и сравнивает его с постоянным значением.
И оператор результата добавляет куда-то постоянное значение.
Местоположение тейка или фолда рассчитывается либо относительно базовой точки, либо относительно предыдущих шагов алгоритма.
struct t_node {
Теги: #искусственный интеллект #мозг #ИИ #обработка текста #обработка текста
-
12 Настоящих Онлайн-Работ Для 14-Летних
19 Oct, 24 -
Как Сделать Елку, Если Ты Математик
19 Oct, 24 -
Новый Аддон Для World Of Warcraft.
19 Oct, 24
