Давайте признаем: мы как-то тормозим.
Разработки в области ИИ, несмотря на все значительные затраты, не дают ожидаемого «выхлопа».
Конечно, что-то происходит, но дело идет. медленно.
Медленнее, чем хотелось бы.
Может быть, проблема не решается потому, что решается не та проблема? Сейчас у нас есть множество алгоритмов, выполняющих определенные (индивидуальные) когнитивные функции.
Кто-то обыгрывает нас в играх, кто-то водит машины, кто-то.
Мне не надо вам рассказывать.
Мы создали программы компьютерного зрения, которые распознают дорожные знаки лучше, чем мы.
Программы рисующие и записывающие музыку.
Алгоритмы ставят медицинские диагнозы.
Алгоритмы могут превзойти нас в распознавании кошек, но.
этот конкретный алгоритм, предназначенный для кошек, представляет собой не что иное, как распознавание кошек.
Но нам нужна программа, которая решит любую проблему! Нужен «сильный» или «универсальный ИИ», но без собственного сознания, чтобы он не мог отказаться от решения задачи, верно? Где мы можем его получить? Чтобы понять, как работает интеллект, мы рассмотрим единственный имеющийся у нас пример.
К человеческому мозгу, в котором, как мы считаем, «живет» разум.
Кто-то возразит – мозг есть у многих живых существ! Начнем с банки с червями? С червями такое возможно, но нам нужен алгоритм, который решает не проблемы червей, а наши человеческие, верно? Наш мозг.
Представить его.
Килограмма два (максимум) податливой розовато-серой субстанции.
Сто миллиардов (возьмем тоже максимум) нейронов, каждый из которых готов вырасти до десяти тысяч динамических связей — синапсов, которые могут как появляться, так и исчезать.
Плюс несколько типов сигналов между ними, и глия тоже преподнесла сюрприз — они тоже что-то проводят, помогают и способствуют. (Для справки: нейроглия или просто глия – совокупность вспомогательных клеток нервной ткани.
Она составляет около 40% объема центральной нервной системы.
Количество глиальных клеток в среднем в 10-50 раз больше, чем нейронов) .
Дендриты недавно нас удивили — оказывается, они выполняют гораздо больше функций, чем считалось ранее (1).
Мозг – очень сложная штука.
Если не верите мне, спросите Константина Анохина.
Он подтвердит. Человек все делает с помощью своего мозга.
На самом деле мы - это он.
Значит, совершенно неудивительно, что у человека возникает идея, что «мозг = интеллект», и еще более неудивительна идея копирования структуры мозга и — вуаля! - получите то, что ищете.
Но мозг — это не интеллект. Мозг является носителем.
"Железо".
А Интеллект – это алгоритм, «программное обеспечение».
Попытка воспроизвести программное обеспечение путем копирования аппаратного обеспечения — неудачная идея.
Это карго-культ (2).
Вы знаете, что такое «культ карго», да? Коренные жители Меланезийских островов (увидев во время ВМВ, как самолеты доставляли оружие, еду, лекарства и многое другое) построили из соломы копии самолетов и кабину управления, но ничем не помогли себе в получении товаров, поскольку не имели представление о том, что скрывается за внешним видом самолета.
Вот и мы, разобрав калькулятор до винтиков, не обнаружим внутри ни одного числа.
И, тем более, никакого намека на какие-либо операции с числами.
Пару лет назад Андрей Константинов в одном из номеров журнала «Кот Шредингера» (№ 1–2 за 2017 год) в своей колонке «Где душа робота» написал: «С тех пор, как Лейбница, мы не нашли в мозгу ничего, кроме «частей, толкающих друг друга».
Конечно, они его не нашли! И мы его не найдем.
Мы пытаемся восстановить программу с помощью компьютерного оборудования, но это невозможно.
В качестве подтверждающего аргумента приведу длинную цитату (3): «.
нейробиологи, вооруженные методами, обычно используемыми для изучения живых нейроструктур, попытались использовать эти методы, чтобы понять, как функционирует простая микропроцессорная система.
«Мозгом» был MOS 6502, один из самых популярных микропроцессоров всех времен: 8-битный чип, использовавшийся во многих ранних персональных компьютерах и игровых консолях, включая Apple, Commodore и Atari. Естественно, мы знаем об этом чипе всё — ведь он создан человеком.
Но исследователи сделали вид, что это не так! знать что-либо — и пытался понять его работу, изучая его теми же методами, которые изучают живой мозг.
Сняли крышку химически, схему изучили под оптическим микроскопом вплоть до отдельного транзистора, создали цифровую модель (тут я немного упрощаю, но суть правильная), и модель настолько точна, что получилось чтобы на нем можно было запускать старые игры (Space Invaders, Donkey Kong, Pitfall).
А затем чип (точнее, его модель) подвергался тысячам измерений одновременно: во время выполнения игр измерялись напряжения на каждой проводке и определялось состояние каждого транзистора.
Это породило поток данных в полтора гигабайта в секунду — который уже был проанализирован.
Были построены графики всплесков от отдельных транзисторов, выявлены ритмы, найдены элементы схемы, отключение которых делало бы ее неработоспособной, найдены взаимные зависимости элементов и блоков и т.д. Насколько сложной была эта система по сравнению с живой? Процессор 6502, конечно, и близко не похож на мозг мыши.
Но по сложности она приближается к червю Caenorhabditis elegans, рабочей лошадке биологов: этот червь изучен вдоль и поперёк и уже предпринимаются попытки смоделировать его полностью в цифровом виде (.
) Таким образом, задача анализа системы на Чип 6502 — это не упрощение.
Результаты можно экстраполировать на системы in vivo. Но исследователи.
потерпели поражение! Нет, конечно, какие-то результаты были получены.
Анализируя чип, мы смогли изолировать функциональные блоки, наметить их вероятные взаимосвязи и получить некоторые интересные подсказки о том, как, вероятно, работает микропроцессор в целом.
Однако понимание в том смысле, что этого требует нейробиология (в данном случае: возможность исправить любые повреждения), не достигнуто».
В какой-то момент появились исследователи, которые стали говорить примерно одно и то же — что нам нужно изучать алгоритмы, что нам нужно понять, какие функции выполняет интеллект. Например, Демис Хассабис (DeepMind), готовясь выступить на Singularity Summit в Сан-Франциско (2010 г.
), сказал следующее: «В отличие от других выступлений на саммите AGI, мое выступление будет другим, поскольку меня интересует системный уровень нейробиология - алгоритмы мозга - а не подробности того, как они реализуются тканями мозга в виде нейронных спайков и синапсов или специфической нейрохимии и т. д. Меня интересует, какие алгоритмы использует мозг для решения задач, и какие нам нужно найти чтобы добраться до AGI».
Однако спустя 10 (!!!!!) лет все продолжается: ученые изучают мозг и пытаются по внешним проявлениям физиологической активности и его внутренней структуре выяснить, как происходит интересующий процесс.
Сколько задач — столько и процессов.
Люди все разные.
Мозг у всех немного разный, но разный.
Есть, конечно, усредненная картина, однако.
Представьте себе, что в любой произвольный момент времени мозг решает массу задач, в том числе и «подсознательных», отслеживает и контролирует внутреннее состояние организма, воспринимает и интерпретирует сигналы.
из внешней среды (и речь не идет о множественных петлях обратной связи).
Сможем ли мы уверенно идентифицировать, достоверно идентифицировать и четко отделить эти «деятельности» друг от друга? Возможно ли это в принципе? Честно говоря, я в этом сомневаюсь.
Не говоря уже о воспроизводимости этих процессов на небиологических средах.
Давайте посмотрим на ситуацию по-другому.
Что вообще такое «задача»? Это сложная ситуация, с которой сталкивается человек и пытается ее разрешить.
Как показали в середине прошлого века американские математики Герберт Саймон и Аллен Ньюэлл, любую проблему вообще можно описать как переход из состояния «Система с проблемой» в состояние «Система без проблемы».
Они разработали компьютерную программу, назвав ее «Общий решатель задач», но дальше решения задач конкретного типа не продвинулись, поэтому универсальность их конкретного алгоритма осталась под вопросом.
Но формула «Система с проблемой» --> «Система без проблемы» оказалась абсолютно верной! 
Трансформация Системы – это процесс перевода ее из исходного состояния «с проблемой» в желаемое состояние «без проблемы» (4).
В процессе трансформации (т. е.
решения проблемы) проблемная система становится беспроблемной (или менее проблемной), совершенствуется, избавляется от своих недостатков и «выживает», то есть продолжает использоваться.
Ой, подождите, что мы только что сказали? Избавляемся от недостатков? Выживание? Хм.
Что-то знакомое.
Где-то мы.
О, да.
Эреволюция! Чем меньше недостатков, тем больше шансов на выживание! Давайте проверим себя, запомним и повторим главный постулат: в живой природе больше шансов на выживание имеют организмы, обладающие большим количеством полезных свойств (ну, условно говоря – рога более разветвленные, хвост пышнее).
Если у организма более бледные перья и противный голос (вредные свойства), то, скорее всего, жизнь его будет короткой и пройдет в одиночестве.
В результате давление отбора приводит к тому, что организмы избавляются от своих недостатков и становятся все более жизнеспособными.
Если вы мне не верите, спросите сэра Чарльза Дарвина.
Он подтвердит. Поэтому мы принимаем как факт, что а) функция интеллекта – решение задач (любых) и б) решение проблемы – это улучшение Системы (любой), в ходе которого она избавляется от недостатков и становится более жизнеспособной.
Другими словами, он развивается.
Вы слышите грохот? Именно наши представления о сложности интеллекта начинают трещать по швам.
Оказывается, существовавшие ранее понятия «сложность мозга» и «сложность интеллекта» перестают быть тождественными.
Что, если для «обретения Интеллекта» не нужно «обратно проектировать» нейрофизиологический процесс решения задачи, ловить призрачные тени мышления в коннектоме (тем более, что он уникален для каждого человека) или заниматься глубоким изучением сети? А что, если.
нам нужно алгоритмизировать процесс эволюции системы, т.е.
путь ее трансформации из менее совершенного состояния в более совершенное, используя известные нам законы эволюции? Что, если до сегодняшнего дня мы действительно решали не ту проблему? При этом я не хочу сказать, что обучать сети не нужно.
Это и другие направления имеют большие перспективы.
Более того, я не хочу сказать, что глубокие исследования физиологии мозга — это бессмысленная трата времени.
Изучение мозга — важная и нужная задача: мы лучше поймем, как работает мозг, научимся его лечить, восстанавливать после травм и делать другие удивительные вещи, но интеллекта не достигнем.
Мне, наверное, сейчас кто-то возразит: проблемы, которые решает человек, связаны с миллионами самых разных систем — природных, социальных, производственных, технических.
Материальных и абстрактных, находящихся на разных уровнях иерархии.
И каждый из них развивается по-своему, и дарвиновская эволюция касается живой природы.
Кролики, цветы, рыбки, птички.
Но исследования показывают, что законы эволюции универсальны.
Не нужно долго искать доказательства – все перед глазами.
Пусть те, у кого они есть, их увидят. Что ни возьми - от спички до Боинга, от танка до.
контрабаса - везде (5) мы видим наследственность, изменчивость и отбор! И все многообразие эволюционных изменений (кажущаяся сложность которых обусловлена тем, что все системы очень различны по своей природе и находятся на разных уровнях иерархии) может быть выражено в одном цикле.
Ты помнишь, да? «Система с проблемой» --> «Система без проблемы».
Что такое «система с проблемой»? Это Система (материальная и абстрактная, социальная, производственно-техническая, научная и.
любая - предмет, идея, гипотеза - какая угодно), в которой обнаружены некоторые недостатки, влияющие (внимание!) на наше желание и возможность используй это .
Система недостаточно хороша.
Система недостаточно эффективна.
Он имеет низкое соотношение пользы и затрат. Мы хотим, можем и готовы от этого отказаться, а зачастую и отказываемся.
А нам нужен другой (выполняющий нужную нам полезную функцию), но «без проблем» — более эффективный, без недостатков (или с меньшим их количеством).
Ну, эту картинку вы видели выше.
Конечно, одной «стрелки» между двумя крайними состояниями (начальным и желаемым) нам недостаточно.
Нам нужен тот самый «оператор», «конвертер», да? Попробуем его найти? Согласитесь, в случае успеха мы получим описание (по крайней мере, упрощенное для начала) столь необходимого нам универсального алгоритма? 
Отправная точка — «Система с проблемой».
Мы начинаем подумывать об отказе от его использования.
В тот момент, когда мы говорим (или чувствуем): «Мы должны что-то сделать!» Причиной, угрожающей выживанию системы, является низкая идеальность, выражающаяся в сниженном соотношении полезных функций системы к затратным (вредным) функциям.
Что мы делаем дальше? Мы либо а) создаем новую систему (если системы с нужными функциями либо не существует, либо у существующей системы нет ресурсов для улучшения), либо б) улучшаем, дорабатываем существующую (если еще есть ресурсы).
Изучаем внутреннюю структуру и понимаем внешнюю среду – выявляем внешние и внутренние недостатки Системы и после их устранения получаем улучшенную Систему.
Система повышенной идеальности и повышенной жизнеспособности! В связи с тем, что приведенная Схема описывает процесс развития, совершенствования или, если хотите, эволюции любых систем (в чем легко убедиться, подставив по желанию вместо слова «Система» любое другое слово — от «Абажур» на «Якорь»), я думаю, это можно смело сделать.
и даже нужно! назовите это «Универсальной схемой революции».
И обратите внимание – оно абсолютно алгоритмично, т. е.
полностью подпадает под определение алгоритма: Алгоритм – это точное предписание выполнения в определенном порядке определенной системы операций, приводящей к решению всех задач данного типа.
Это значит, что его можно реализовать в виде компьютерной программы).
В представленном виде Универсальная Схема эволюции:
- естественные – законы эволюции выявлены в системах различного типа, а их действие проверено в технике, производстве, обществе, природе и мышлении;
- объективность – законы эволюции не зависят от мнения исследователя и/или пользователя;
- логичны и последовательны – законы эволюции вытекают друг из друга;
- полная – набора законов эволюции достаточно для описания любой системы;
- жёсткий – законы эволюции нельзя переставить и
- замкнутый – законы эволюции образуют цикл: система, пройдя один цикл изменений, немедленно начинает новый.
Другими словами, это алгоритм решения задачи.
А решение проблемы — это именно то, что делает интеллект. Упрощаем и получаем: Универсальная Схема = описание функции интеллекта.
Конструктивная критика приветствуется.
1. «Дендриты более важны для мозга, чем считалось ранее».
chrdk.ru/news/dendrity-vazhnee-chem-schitalos 2. ru.wikipedia.org/wiki/Cargo_cult 3. Е.
Золотов.
«Пойми меня! Как неживое помогает нам понять живое» www.computerra.ru/161756/6502 4. Глава 6. Решение проблем.
Искусственный интеллект. Подход, основанный на знаниях, Моррис В.
Файрбо, Университет Висконсина – Parkside PWS-Kent Publishing Company, Бостон, 1988, стр.
172. 5. Дарвиновская эволюция в мире техносферы.
Мир вещей, созданный человеком, развивается по тем же законам, что и живая природа.
www.ng.ru/science/2017-01-11/14_6899_evolution.html Теги: #эволюция #Алгоритмы #искусственный интеллект #системы #выживание #функция #задача #интеллект
-
Наблюдение При Взлете
19 Oct, 24 -
Обновление Google Аналитики
19 Oct, 24
