Механический Шекспир: способны ли машины на литературное творчество?

Ну, рано или поздно вопрос прояснится. А пока наше дело — переводить проблемы в техническую плоскость и решать их, например, сгенерировать какой-нибудь триллер-бестселлер.

Механический Шекспир: способны ли машины на литературное творчество?

Доказательств нет, действительно. И доказательных опровержений тоже. В этом и проблема. Как будто мы наталкиваемся на какой-то барьер. Наша математика умеет считать, а мы — понимать, причем математикой не пользуясь. Каким-то образом аналоговые физические и химические процессы в нашем мозгу порождают процесс понимания, а цифровые процессы в компьютере этого сделать не могут. И мы с Пенроузом думаем, что это в принципе невозможно.

Механический Шекспир: способны ли машины на литературное творчество?

Я не о том. Роджер Пенроуз (крупный физик-теоретик) в своих книгах («Голый ум короля» и др.) развивал идею о несводимости мышления к вычислениям любого рода и о том, что его главный момент носит сингулярный характер и сравним с квантовым переходом. Почитайте, там очень интересно.

Механический Шекспир: способны ли машины на литературное творчество?

Если речь об имитации, то конечно — проблема очень сложная, но техническая. Но очень сложная

Механический Шекспир: способны ли машины на литературное творчество?

Статья замечательная — глубокая и остроумная. Но оптимизм автора разделить трудно. Информацию невозможно перевести в знание, это сущности разной природы. Имитировать можно что угодно, кроме смысла. Т.е. виртуозность слога и стиля, безусловно, может быть достигнута алгоритмически, а легкость в мыслях — нет. Видимо, проблема в самой природе сознания и мышления — они не основаны на цифровой математике и не могут быть порождены вычислениями, это своего рода сингулярность, квантовый переход — вспомните Пенроуза

Мультифакторный анализатор деятельности произвольного предприятия на IEM-платформе

Пустое дело. Не существует общей теории всего. В таком подходе задача написания метаданных для любой проблемы сравнима по сложности с задачей поиска фрода, если не превосходит ее. Нужно идти по обычному пути — создать аналитическое ядро и навешивать на него интерфейсы для отдельных классов задач — финансовых, логистики, ритейла и т.д. Может, когда накопится опыт, удастся обобщить подходы и постепенно продвинуться к универсальной модели, но вряд ли слишком далеко