Comments 26
как может AI решить задачу, для которой нет алгоритма решения? Суть в том, чтобы делать это так же, как и человек — выдвигать и проверять правдоподобные гипотезы. Естественно, что для выдвижения и проверки гипотез нужны знания.
Я далек от АИ, но задам вопрос, который наверное глупы.
Как в таком случаи обучить компьютер что 2+2=4. Ведь нас этому обучают в детстве, но если мы расскажем об этом компьютеру, то это уже не будет поиском решения. И даже если обучить его 1+1, и он каждый раз будет прибавлять по 1, это просто будет подбор и все равно кто то должен проверить решение.
Я совсем не понимаю как это все выглядит на практике, а ведь очень интересно.
Я далек от АИ, но задам вопрос, который наверное глупы.
Как в таком случаи обучить компьютер что 2+2=4. Ведь нас этому обучают в детстве, но если мы расскажем об этом компьютеру, то это уже не будет поиском решения. И даже если обучить его 1+1, и он каждый раз будет прибавлять по 1, это просто будет подбор и все равно кто то должен проверить решение.
Я совсем не понимаю как это все выглядит на практике, а ведь очень интересно.
Приведённый пример не является задачей для искусственного интеллекта. Классически задачами для искуственного интеллекта являются совершенно тривиальные задачи для человека, но очень сложно программируемые на практике. Скажем, выяснить, кто из героев сериала Доктор Хауз носит гапстук. Человеку и обучаться не надо — посмотрит и сразу скажет. А вот как с компьютером?
Числа и арифметика нужна часто для выполнения и обычных задач (например, роботу могут сказать «дай соль с пятой полки»). Но числа это пример того, что может понадобиться. Арифметику можно и зашить в ИИ изначально, но нельзя же зашить всё. Через 1000 лет он должен осилить что-то, чего не было на момент его создания (как и человек, не всегда же он знал что такое галстук и что такое корень квадратный). Для Вашего примера ИИ должен знать и про одежду что-то, и как она относится к людям, какой формы/длины обычно галстуки, что они на шее «висят».
Считать или дедуктивно доказывать что нить в Калькюлях (lat. Calculus, к сожалению не знаю русского термина), чем и является арифметика, самое нормальное для АИ.
Описать арифметику фреймами/слотами. Число — фрейм, пара чисел — фрейм, являться суммой, являться произведением — слоты. Аксиомы разные добавить, типа, x «являться суммой» (0, x). Не знаю, хватит ли выразительности конкретно фреймов или OWL для всех аксиом арифметики.
Чтобы ИИ был похож на человека/личность, он должен сам, по мере необходимости и возможности, добавлять себе такие фреймы/понятия, слоты/отношения, аксиомы. Типа говорит «учитель», которому можно верить: «икс плюс ноль будет всегда икс для любого икс», а ИИ себе обновляет семантическую сеть / правила. Это надо сильный конвертор из естественного языка в формальный, а для этого нужен ИИ, который мы еще и не сделали)
Чтобы ИИ был похож на человека/личность, он должен сам, по мере необходимости и возможности, добавлять себе такие фреймы/понятия, слоты/отношения, аксиомы. Типа говорит «учитель», которому можно верить: «икс плюс ноль будет всегда икс для любого икс», а ИИ себе обновляет семантическую сеть / правила. Это надо сильный конвертор из естественного языка в формальный, а для этого нужен ИИ, который мы еще и не сделали)
конвертор из естественного языка в формальный
— Зачем? Первый ИИ вполне можно обучить на формальном языке вручную.
— Зачем? Первый ИИ вполне можно обучить на формальном языке вручную.
пусть задано множество чисел, т.е. мы можем сказать какое число на i-том месте, пусть задана операция +1, возвращающая следущее по порядку число в нашем множестве. Попробуем вывести чему будет равно 2+2. 2 стоит на втором месте, т.е. это результат операции +1 примененный к 1. Значит 2+2=1+1+1+1 или элемент, стоящий на 4-том месте.
Вот что выдает быстрый поиск в гугле по ключевым словам «addition operation neural networks»:
www.lcc.uma.es/~lfranco/A1-Franco+Cannas-1998.pdf
www.lcc.uma.es/~lfranco/A1-Franco+Cannas-1998.pdf
как может AI решить задачу, для которой нет алгоритма решения?
_____________________
Вот как раз AI очень хорошо умеет решать такие задачи.
ладно, не очень хорошо, но умеет.
Главное, чтобы можно было сформировать условие проверки правильности решения задачи.
А дальше из этого условия формируется так называемая фитнесс-функция для генетического алгоритма. Который. по своей сути, является самым простым методом проб и ошибок :-)
ru.wikipedia.org/wiki/%D0%93%D0%B5%D0%BD%D0%B5%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC
_____________________
Вот как раз AI очень хорошо умеет решать такие задачи.
ладно, не очень хорошо, но умеет.
Главное, чтобы можно было сформировать условие проверки правильности решения задачи.
А дальше из этого условия формируется так называемая фитнесс-функция для генетического алгоритма. Который. по своей сути, является самым простым методом проб и ошибок :-)
ru.wikipedia.org/wiki/%D0%93%D0%B5%D0%BD%D0%B5%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC
Почему ваш пост называется «Искусственный интеллект для программистов»?
Программисты — это инженеры-практики, которые при всей своей общей любознательности ориентированы прежде всего на практический результат. У вас же приводится очень поверхностное описание, фактически, простое перечисление парадигм и технологий средств искуственного интеллекта прошлого века. Сделанное, к тому же, тоже непрактичным образом: если вы не можете здесь подробно описать, скажем, фреймы или нейронные сети из-за объема и формата статьи — то дайте, пожалуйста, ссылку, где об этом можно прочитать. Перечень литературы в конце в этом смысле, к сожалению, бесполезен: если я хочу прочитать о фреймах, мне какую книжку прикажете смотреть — Хайкина или Норвига?
Программисты — это инженеры-практики, которые при всей своей общей любознательности ориентированы прежде всего на практический результат. У вас же приводится очень поверхностное описание, фактически, простое перечисление парадигм и технологий средств искуственного интеллекта прошлого века. Сделанное, к тому же, тоже непрактичным образом: если вы не можете здесь подробно описать, скажем, фреймы или нейронные сети из-за объема и формата статьи — то дайте, пожалуйста, ссылку, где об этом можно прочитать. Перечень литературы в конце в этом смысле, к сожалению, бесполезен: если я хочу прочитать о фреймах, мне какую книжку прикажете смотреть — Хайкина или Норвига?
Про название — статья предназначена для программистов, а не для специалистов по ИИ, коих из всех программистов хорошо если 0.1%. Будут ещё две части — про поиск решения и про машинное обучения.
Если Вы хотите почитать о фреймах, в конце есть ссылка на статью Марвина Минского. Ну и Гуглом можно найти массу более новых статей и книг про фреймы.
Если Вы хотите почитать о фреймах, в конце есть ссылка на статью Марвина Минского. Ну и Гуглом можно найти массу более новых статей и книг про фреймы.
Знаете, про программистов я все равно не понял. У вас по сути получился текст — предисловие для книжки об ИИ для широкого круга читателей: программистов, дизайнеров, инженеров-технологов легкой промышленности, школьников старших классов и вообще всех, для кого эта тема в новинку. Это по сути «обзор ИИ для новичков».
Насчет списка литературы — если вы его даете в конце, то в тексте тоже должны быть ссылки на него, конкретные. Как читателю понять, что фреймы в статье Марвина Минского? Вот если бы вы написали: «фреймы [4], [5, с. 100500]» — то сразу бы все стало ясно, где что искать. Вообще, список литературы оформлен безобразно, нету годов издания номеров издания книжек. У книжек Норвига и Хайкина есть русские переводные версии, для русскоязычного читателя было бы логичнее указать именно их.
«Ну и Гуглом можно найти массу более новых статей и книг про фреймы.» — мне кажется, это самое главное для автора в обзорной статьи, найти новые статьи и книги по теме, в которой вы специалист, отсеять стоящие от так себе и рассказать своим читателям.
Простите мне мои придирки, но поскольку вы из ABBYY, лучшей компании по системам искусственного интеллекта на территории бывшего СССР, то от вас и соответствующие ожидания качества. )
Желаю вам успехов в следующих частях!
Насчет списка литературы — если вы его даете в конце, то в тексте тоже должны быть ссылки на него, конкретные. Как читателю понять, что фреймы в статье Марвина Минского? Вот если бы вы написали: «фреймы [4], [5, с. 100500]» — то сразу бы все стало ясно, где что искать. Вообще, список литературы оформлен безобразно, нету годов издания номеров издания книжек. У книжек Норвига и Хайкина есть русские переводные версии, для русскоязычного читателя было бы логичнее указать именно их.
«Ну и Гуглом можно найти массу более новых статей и книг про фреймы.» — мне кажется, это самое главное для автора в обзорной статьи, найти новые статьи и книги по теме, в которой вы специалист, отсеять стоящие от так себе и рассказать своим читателям.
Простите мне мои придирки, но поскольку вы из ABBYY, лучшей компании по системам искусственного интеллекта на территории бывшего СССР, то от вас и соответствующие ожидания качества. )
Желаю вам успехов в следующих частях!
Старый добрый символьный ИИ… В целом статья абсолютна однобока и, не обижайтесь на меня, не до конца понятно зачем она вообще написана.
Но ничего особенного из этого не вышло, потому что настоящие нейроны устроены намного сложнее, чем формальные, на которых основаны многослойные нейросети. И количество нейронов в человеческом мозге тоже намного больше, чем можно было позволить себе в нейросети.
Не поэтому не вышло.
Тьюринговский подход к ИИ изначально отталкивал от правильного вектора развития технологии.
Очень хорошо этот вопрос рассмотрен в книге «On Intelligence» Джефа Хокинса.
Извините, но откуда Вы знаете наверняка какой подход правильный, учитывая что пока неизвестно какой подход приведет к успеху и приведет ли вообще?
Меня удивляет почему так много людей (в особенности далеких от ИИ и машинного обучения) цитируют эту книгу Хокинса, как хорошую в чем бы то ни было. Книга откровенно ни о чем, полная пространных сомнительных размышлений и прочей воды.
Меня удивляет почему так много людей (в особенности далеких от ИИ и машинного обучения) цитируют эту книгу Хокинса, как хорошую в чем бы то ни было. Книга откровенно ни о чем, полная пространных сомнительных размышлений и прочей воды.
Люди падки на внешний пафос.
Есть такое понятие, как common sense. Я увлекался ИИ еще с последних классов школы, и уже тогда меня смущало, что все знания в этой области слишком хаотичны и как-то неоправданно усложнены. Через 15 лет я вижу, что кардинально ничего не изменилось — до сих пор лучшие специалисты по ИИ человечества хвастаются тем, что научили нейросеть отличать кошку от собаки.
Не знаю, как вам, но для меня это признак той самой «неправильности» пути.
Ну а книжка, которую вы так опустили, на самом деле дает очень стройную, концептуальную и обоснованную теорию того, как устроен мозг, почему он так устроен и как можно это повторить на программном уровне. Эта концепция мне лично ответила на все вопросы по ИИ, которые я имел, но не знал, кому задать, ответила на массу вопросов из психологии, эволюции и физиологии, и дала мощную базу для понимания огромного количества процессов — от того, что такое юмор, до того, как лучше тренироваться.
Но я понимаю, почему в академических кругах Хокинса не любят. Мне бы тоже было обидно )
Не знаю, как вам, но для меня это признак той самой «неправильности» пути.
Ну а книжка, которую вы так опустили, на самом деле дает очень стройную, концептуальную и обоснованную теорию того, как устроен мозг, почему он так устроен и как можно это повторить на программном уровне. Эта концепция мне лично ответила на все вопросы по ИИ, которые я имел, но не знал, кому задать, ответила на массу вопросов из психологии, эволюции и физиологии, и дала мощную базу для понимания огромного количества процессов — от того, что такое юмор, до того, как лучше тренироваться.
Но я понимаю, почему в академических кругах Хокинса не любят. Мне бы тоже было обидно )
Sign up to leave a comment.
Искусственный интеллект для программистов