Искусственный интеллект для обывателя

Сразу стоит сделать замечание: я, тот самый обыватель, которому интересно и непонятно. Моя профессиональная деятельность, связана с конструированием оборудования для нефтегазового комплекса. К нейронным сетям или машинному обучению, отношения не имею. Мой предел, научно-популярные статьи и ролики популяризаторов. Но в этом есть и преимущество. Я могу посмотреть на проблему другими глазами, и попытаться разобраться, в понятной для обывателя форме.

Ниже, описание того, как выглядит Искусственный Интеллект, для такого обывателя как я, выросшего на научной фантастике. Хотелось бы понять, насколько я близок, к правильному представлению специалистов.

Хранящаяся в памяти информация, должна быть взаимосвязана, что подразумевает функционирование памяти, как скрепленной внутренними связями структуры. Следовательно, для памяти, должен существовать механизм структурирования, который можно приравнять к процессу обучения. Тогда, обучение — это воздействие на память, вносящее изменения в ее структуру. В этом случае, о работе памяти будет свидетельствовать, соответствие между совершённым действием, и требуемым действием, которому обучают.

Но, одним из аспектов процесса структурирования, является повышение стабильности объекта за счет упрочнения внутренних связей. И чем устойчивее структура, тем сильнее и продолжительнее должно быть воздействие для ее изменения. Со временем появляются устойчивые к воздействию связи, хранящие информацию о ранее изученных моделях поведения. Это приводит к тому, что будут проявляться реакции, не согласующиеся с моделью, закладываемой обучением. А значит, и оценка интеллектуальных способностей будет снижаться.

Иначе говоря, в ходе обучения память утрачивает свою пластичность, что не позволяет адаптироваться к постоянным изменениям. приводя к устареванию давно наработанных навыков, и снижению оценки интеллектуальных способностей.

В свою очередь, необученная память еще не обладает интеллектом, так как обработка неструктурированной информации требует внешнего воздействия для создания начальной формы, способной к дальнейшему самостоятельному развитию.

Следовательно, интеллект — это показатель эффективности развития памяти, за счёт самостоятельного обучения. И является признаком памяти.

Так система, способная записать информацию сохранив ее, воспроизвести ранее записанное и удалить неактуальное, не будет иметь собственной памяти, при наличии в системе ключевого элемента, обладающего интеллектом. В этом случае, за память будет отвечать не система в целом, а только элемент, обладающий интеллектом. Если удаление или замена, этого элемента приведёт к нарушению работы всей системы.

Из всего вышесказанного можно сделать вывод о том, что память — это структура, состоящая из элементов, не обладающих интеллектом, качественные изменения в которой определяются взаимосвязью между этими элементами. Взаимосвязь между элементами структуры формируется под внешним или внутренним воздействием.

Однако если такое воздействие будет одинаково влиять на все связи в рассматриваемой структуре, то можно будет определить только сам факт воздействия. Для дифференциации информации в памяти должна существовать такая возможность ее структурирования, при которой воздействие на отдельные связи будет происходить исходя из их смыслового родства, для чего в процессе формировании внутренней структуры памяти должны участвовать базовые элементы. Их задача, исходя из активности собственных связей, — определять родство происходящего события и того события, с которым они ассоциированы. Если родство очевидно, то активные связи необходимо укрепить.

Чтобы представить, как устроена структура памяти, обратимся к примеру сенсорной системы, содержащей сенсоры, объединенные в единое сенсорное пространство. Сенсоры, в данном случае, могут принимать значение, ноль, или единица. Для каждого сенсора, с частотой на которой способна работать вся система, записывается его текущая активность. Таким образом, формируется запись о активности сенсора за всё время его работы.

Предположим, что на сенсорное пространство оказывается воздействие двух типов: первое — хаотичное. Второе же воздействие, упорядочено и соответствует одному и тому же событию, на которое нужно научиться реагировать. Выявить такое событие можно с помощью анализа активности сенсоров в выбранном интервале времени. Хаотичное воздействие на сенсоры будет вызывать их равномерную активность по всему сенсорному пространству. Воздействие, вызванное событием, будет вызывать активность одной и той же группы сенсоров, сенсорного пространства. Следовательно, нужно сформировать список, отображающий суммарную активность каждого сенсора в выбранном интервале времени. В таком списке отчетливо будут видны сенсоры, подвергавшиеся регулярному, упорядоченному воздействию, так как они проявляют большую активность в сравнении с сенсорами, на которые оказывалось только случайное воздействие.

Список суммарной активности, позволяет сформировать маску, в которой отрицательные значения будут соответствовать сенсорам, активность которых была вызвана шумом или являлась недостаточно высокой. Для этого, из значения суммарной активности каждого сенсора, нужно вычесть половину максимального зарегистрированного значения такой активности. Получившуюся маску необходимо привести к виду, при котором сумма значений всех её элементов не будет превышать единицы. Что достигается делением каждого элемента маски на сумму всех положительных значений.

Теперь, для определения события по его воздействию на сенсорное пространство, нужно перемножить текущее значение активности каждого сенсора на соответствующий ему элемент маски. Сумма полученных значений покажет, насколько уместно присутствие искомого события в контексте текущей ситуации, исходя из активности сенсорного пространства. Если итоговый результат, который можно принять за активность маски, будет близок к единице, значит на сенсорное пространство воздействует искомое событие. Таким образом, в процессе формирования маски произошла запись информации за счет изменения самой модели, а также создались условия для хранения записанной информации.

Для моделирования процесса забывания, предположим, что воздействие одного и того же события на сенсорное пространство, со временем изменяется. Маска, сохраняя свою актуальность, так же должна изменяться вслед за событием. Такое изменение масок, возможно благодаря тому, что активность маски близкая к единице, говорит о схожести воздействия на сенсорное пространство, и хранящегося в маске представления о событии. Это позволяет оценить возможность дополнения списка отображающего суммарную активность каждого сенсора в выбранном интервале времени, текущим значением сенсоров. Так с определенной инерцией, свойственной системе, происходит плавное изменение ранее сохраненной информации. Инерция такой системы, будет зависеть от количества накопленных примеров активности сенсорного пространства. Чем больше таких примеров, тем система устойчивее к изменениям.

Воспроизведение сохранённой в памяти информации, требует снижение вероятности её искажения. Чтобы минимизировать такую возможность, для каждого события необходимо использовать ассоциированную с этим событием группу масок, сформированных в разное время. Тогда точность хранящейся информации будет завесить от количества входящих в группу масок. Которым, в рамках рассматриваемой модели, требуется маска результирующая их работу. Для результирующей маски, входящим значением должна служить активность масок в группе, а значит активность группы будет определяться по активности именно этой маски. Результирующие маски также проходят дообучение, пропорционально значениям их текущей активности. При этом результирующая маска может относиться одновременно к нескольким группам масок, что делает делением масок на группы условным. В таком случае, при устойчивом искажении, затронувшем только часть масок, появляется возможность перераспределения масок в группах.

Но, со временем, бесконтрольное перераспределение масок по группам, может привести к тому, что представление о событии чрезмерно усложнится или исказится. Чтобы этого избежать, необходимо скорректировать поступающую из сенсорного пространства информацию, данными из достоверного источника, то есть из самой памяти. Для чего, в случае активности результирующей маски, дополняя информацию от сенсоров, на вход системы должно уходить хранящееся в памяти представление о событии, с которым ассоциирована текущая группа масок. Данные поступающая из памяти, должны содержать список эталонных значений для каждого сенсора, с учётом текущей активности результирующей маски. Список эталонных значений, должен содержать среднюю активность каждого сенсора сенсорного пространства, записанную в момент активности группы. В результате, возникает такая ситуация, при которой группы масок начинают передавать на вход системы информацию неотличимую от внешней. Иначе говоря, на сенсорном уровне происходит отражение внутренних процессов памяти, а именно формирование мысли. Таким образом, сам процесс структурирования памяти, является процессом мышления.

Из представленного примера видно, что мышление лежит в основе обучения, и является непрерывным процессом в памяти. А сама память, является результатом развития восприятия. Необходимость получения более точной информации о окружающем мире, привела к усложнению методов обработки поступающих от рецепторов данных. В конечном итоге методы обработки информации достигли такого уровня сложности, что вновь поступающая информация начала сопоставляться с ранее накопленным в памяти опытом, благодаря чему возникло мышление. Так же, произошло разделение памяти на постоянную, обусловленную структурой памяти, и на временную, обусловленную активностью отдельных элементов памяти. Возникла потребность к обучению, которая привела к появлению других потребностей, сформированных в процессе обучения. В свою очередь, потребности создали почву для осознанной деятельности, направленной на удовлетворение таких потребностей.

P.S. Текст писался под ролик. Отработанный способ по основной работе - если можешь сделать презентацию по теме, значит что-то понимаешь. И обратное, хочешь понять - сделай презентацию. Художественные качества у ролика так себе, но для наглядности нормально.

Ads
AdBlock has stolen the banner, but banners are not teeth — they will be back

More

Comments 18

    –1
    > Я могу посмотреть на проблему другими глазами, и попытаться разобраться, в понятной для обывателя форме.

    Разобрались, бы, с, расстановкой, запятых, для, начала.
      0

      Далеко не все великие люди были хорошими ораторами, далеко не все великие идеи были эффектно и эффективно представлены миру.

      +1
      А что сказать то хотел? Где вывод? Что утверждаешь?
      Статья представляет собой злостное словоблудие. Автор пытается свои противоречивые обрывочные ощущения представить в виде постоянно меняющейся системы собственных произвольных терминов. Естественно, понять что либо не возможно. А что можно понять, то и так было понятно школьнику 100 лет назад. Автора именно для этой словоблудной статьи и добавили сегодня в Хабр редакторы.
        –2
        Вы мне не поверите! Но я и описываю то, о чём говорят уже на протяжении лет пятнадцати. С того времени, как появился доступный интернет. Я попытался разобраться и свести всё это в понятный, для не посвящённого человека, вид.
        Во вступлении, я как бы задаю вопрос: «Я правильно всё понял?».
        Вы мне как бы ответили: «Нет, ничего не поняли!»
        Я вам как бы говорю: «Спасибо»
        После чего разбегаемся. Вы копить злобу, я посыпать голову пеплом и разбираться дальше.
        0
        Очень интересно. А Вы делали модель, хотя бы упрощенную? Интересный был бы результат.
        Мне кажется, алгоритм игры в шахматы примерно по той же логике работает.
          0
          Да модель есть. Текст, как раз и является упрощённым описанием модели, иначе как бы я такое осилил. Но, я всё-таки не программист, поэтому всё предельно лаконично и примитивно. Модель делалась под библиотеку MNIST, хотя не предназначена для распознавания.

          Поскольку интерес вроде бы есть, будет время, сделаю подробный разбор сомой модели.
            0

            Какой-то интересный результат работы модели есть?

              0
              В процессе обучения повторяет кривую обучаемости. На самом деле, так себе результат.
          –1
          По этому поводу согласен с профессором Соловьёвым. Загвоздка состоит в том что в мозгу образуются нейронные связи на физическом уровне. И замешено это на инстинктах. Алгоритмом это не учтешь. Максимум что можно имитировать — дождевого червя. Если же кого-то с мозгом — миногу какую-то, то задача будет не простая. Допиливать придёться узел с имитациией образования физических связей…
            0
            Соглашусь. Но всё-таки, в описанном принципе есть лазейка для формирования чего-то, что можно прировнять к инстинктам. Вопрос в том, как эти инстинкты должны выглядеть.
            На что модель должна реагировать и как именно.
              0
              Походу, ради этого вопроса я всю бодягу и затеял.
              Понял, что меня смущало. Нужно определить с базовыми навыками, которые будут выступать в роли рефлексов. А инстинкты такой системе просто не нужны — ей не нужно выживать, не её это проблемы.
              0

              Как-то сложно. В природе есть закономерности (взаимосвязи между процессами). Для описания закономерностей существуют два метода: параметрический и непараметрический. Параметрический: процессы разбиваются на более простые составляющие (параметры), устанавливаются закономерности между параметрами. Непараметрический: формируется модель, которая в автоматизированном режиме подбирает свои внутренние переменные таким образом: чтобы наиболее точно найти закономероности между процессом 1 и процессом 2. Параметрический метод "в пределе" превращается в математику со всеми ее хитростями. Непараметрический — в нейронные сети и т.п.

                0

                Проще говоря. Если у вас есть время, мало денег и вычислительных мощностей, вы ищете функцию для описания закономерностей между процессом 1 и процессом 2. Если времени нет, но дофига вычислительных мощностей, вы делаете программулину для автоматического подбора функции (нейронную сеть).

                  0
                  Здесь рассматривается вариант, когда мало времени (человеко-часов) и мало денег. Вся прелесть в том, что модель учится непрерывно. И может переучиваться.
                  Модель помещается в среду, после чего на примерах «объясняется» как нужно реагировать на возникающие события. При этом, одни и те же примеры можно повторять несколько раз, всё равно с первого раза модель их не усвоит. Если прогресс остановится, а требуемого качества обучения не достигнуто, можно добавить ещё примеров.
                  Как-то, обычно, такие возможности нейросетей не раскрываются. Но и у меня, нужно постараться чтобы это разглядеть. Поэтому и кажется сложно.
                    0

                    Я не могу понять в чем особенность вашей модели… Любая нейронная сеть подбирает функцию между входом и выходом. Это функция может быть очень сложная, но она конечная. Нейронные сети придумали, когда надоело подбирать эту функцию вручную. На следующем этапе можно задать вход и выход НС динамическими, как следствие переходная функция будет постоянно меняться. На 3 этапе можно сделать динамическими параметры нейронной сети (количество нейронов и связи). На 4 этапе можно связать параметры внутри НС (связать количество нейронов например, с количеством связей между нейронами). Вы хотите придумать другой алгоритм работы НС на одном из этапов?

                      0
                      Нет смысла что-то новое придумывать. Как по мне, сейчас придумали уже достаточно. Пора уже переосмыслить достигнутое. А то странно получается, нейронные сети делают свойственные людям вещи, лучше самих людей. А почему так происходит, ни кто ответить не может.
                      Но это взгляд со стороны. Опять-таки, я не эксперт и в своих выводах могу заблуждаться.
                      И вы правы каких-то особенностей у представленной модели нет. Отличается подход к описанию. Мне, как обывателю, проще рассматривать нейронные сети и искусственный интеллект, в терминах описывающих память и мышление. Людям занимающимся профессионально машинным обучением, проще описывать в терминах математики, малопонятных большинству. Я кроме энтропии, сходу ничего и не вспомню.
                      Вопрос ради которого всё это было выложено озвучен в самом начале. Насколько мое представление близко к истине.
                      Хотя есть момент. Представленная модель может учится постоянно и не испытывать из-за этого проблем. Но насколько это уникально, мне трудно судить.
                0

                О сложном вопросе можно либо просто без деталей, либо сложно с ними. Вы хотите одновременно и то, и другое. Думаю не выйдет. Почитайте хотя статью ниже. Там сложно, но более проработано чем у вас по теории о искуствеств интеллекте


                https://m.habr.com/ru/post/526416/

                  0
                  Спасибо за ссылку, сейчас читаю.
                  Не хочу выглядеть д'Артаньяном, но у меня вопросы к статье. В ней два фрагмента противоречат друг другу. На содержание не влияет, но признак явно нехороший.
                  Все эти модели могут связываться между собой, образуя в целом некоторую динамическую систему, которая отображает в своих состояниях внутренние побуждения и внешние условия организма, интегрируя их и вырабатывая на этой основе сложные поведенческие реакции

                  М-сеть является, по существу, статической моделью, отображающей взаимосвязь определенных образов и понятий, а также степень их участия в процессах формирования воспроизводимой деятельности.

                  Есть и другие вопросы, возможно по ходу прочтения найду на них ответы.

                Only users with full accounts can post comments. Log in, please.