Information
- Rating
- 1,209-th
- Location
- Москва, Москва и Московская обл., Россия
- Date of birth
- Registered
- Activity
Specialization
Разработчик игр, Real AI Developer
Ведущий
From 150,000 ₽
C#
.NET
Проектирование архитектуры приложений
Создание архитектуры проектов
Разработка программного обеспечения
Visual Studio
C++
C
Assembler
Rust
Благодарю за ответ
Нет не преграда, есть: самолёты, поезда, автомобили и приехать можно куда угодно, было бы желание. Но даже, сидя дома, можно общаться. Я со своей командой, так и общаюсь - дистанционно, так как все все живут в разных страна и на разных континентах, от Японии до Бразилии (если на запад лететь), ко всем не наездиться
Вы ушли в философию ИИ. Да, о ней можно и нужно говорить, но за чашечкой хорошего кофе или бокалом виски, но не в комментах. Я бы с радостью с Вами пообщался на эту тему
В комментах я акцентируюсь на техническую сторону, решения и применимость, той или иной технологии
Вы с одной стороны и правы и ошибаетесь. Вы упустили одну маааааленькую деталь, которую я написал
Современные КСС, постепенно идут к ней, "долго и упорно" и в некоторых системах уже появляются первые зачатки реализации данной гипотезы, примеры:
Soar - новые механизмы работы с долговременной памятью (LTI), а у LLM на уровне ядра даже простой LTM нет;
ACT-R - моделирование физиологических состояний внутри архитектуры;
и т.д.
Это направление, которое пытается имитировать человеческое мышление через работу с символами и правилами, а не просто через математические веса и вероятности, как это делают нейросети. Свою "родословную" ведут с 1956 года. Первая логико-символьная система, прапрадедушка современных КСС, является - Logic Theorist (Ньюэлл, Саймон, Шоу) - Wiki.
Именно Аллен Ньюэлл и Герберт Саймон заложили тот крепкий фундамент, как для когнитивных наук, так и для будущих "мыслящих" машин, сформулировав гипотезу о физической символьной системе.
Использование когнитивно-символьных систем (КСС) в контексте текущего "железного голода" выглядит стратегически выгодным, поскольку они, в отличие от ресурсоёмких нейросетевых моделей, требуют на порядки меньших вычислительных мощностей. Это не только снижает зависимость от дефицитных и дорогих GPU и HBM-памяти, но и открывает путь к созданию энергоэффективных, прозрачных и управляемых систем, особенно в областях, где критичны точность, объяснимость и надёжность. Выигрывают не только производители железа, но и символисты. В условиях, когда стоимость аппаратных ресурсов для машинного обучения зашкаливает, а цены только растут, предложение, которое даёт результат КСС, становится золотой жилой. Низкая себестоимость услуги при высокой готовности рынка платить за работоспособную альтернативу. И чем дольше это продержится, тем быстрее народ будет переходить на КСС. А когда общество "подсядет" на КСС, то к "глючному" и дорогому LLM - уже не вернутся. К хорошему быстро привыкаешь. Лучше просто не придумать - Идеальный Шторм
Всё, вопросов больше не имею. Дальнейший диалог с Вами будет бессмысленным. Давайте скажем честно - Вы и понятия не имеете чем отличаются "экспертные системы" (1980-1990), от современных когнитивно-символьных систем (2000-2025)
Вы уж определитесь Вам нужна "болталка" или ИИ. Я просто понять не могу чего Вы хотите. Для меня "болталка" - это не показатель разумности системы. В своём визуализаторе логики и данных (у некоторых КСС есть такое), я вижу все что мне нужно и без текста. А вот отредактировать неправильные логические ветки, я могу как при помощи текста, так и при помощи других данных. Парсить текст - слишком "дорогое удовольствие" как для мозга, так и для КСС
На текущий момент DIKW - это лишь умозрительная концепция, а не работающая инженерная модель. За ней нет строгой математической базы или архитектурных спецификаций, которые можно было бы внедрить. Все дискуссии вокруг неё остаются на уровне чистой философии, а это значит, что кто-то то ее поддерживает, а кто-то нет и за это нельзя судить
Так этика у КСС проактивная, а не постактивная как у LLM, это еще "тянется" с "экспертных систем" (1980+). Даже в нашей КСС она давно интегрирована и на нескольких уровнях (входящие данные, уровень ядра, вывод). Про этику у КСС спокойно можно забыть, т.к. с ней нет и не может быть проблем. Для символистов, внедрять этику - это как каждое утро, чистить зубы, принимать душ и т.д. - это нормально.
Почему важно внедрять этический корпус в систему? Чтобы предотвратить человеческие жертвы от использования данной системой: медицина; атомная отрасль; автомобили и т.д.
Вы совершаете фундаментальную ошибку, известную в когнитивистике как "Ловушка Тьюринга" - принимаете внешнюю имитацию за внутреннее содержание. Считать "болталку" показателем понимания - это всё равно что считать умение попугая повторять фразы признаком знания лингвистики. Прошу Вас ознакомиться с экспериментом "Китайская комната" Джона Сёрла
Управление роботами? LLM против CRAM - готов поспорить на бутылку хорошего виски/коньяка, что CRAM на "лопатки" уложит LLM (специализированную версию естественно). Почему? Да потому что пока LLM будет "галлюцинировать траекториями" и пытаться статистически угадать, как не снести несущую стену, CRAM (Cognitive Robot Abstract Machine) будет работать с высокоуровневыми планами и четким пониманием физики задачи. Спасибо, Вы сделали мой день
Вопрос? А LLM может управлять боевым самолётом F-16? А Soar может
Всё то, что Вы написали, КСС давно делают и значительно лучше, кроме одного - "компьютерное зрение". Скажу Вам по секрету, в данном направлении ведутся разработки
В рамках DIKW (Data, Information, Knowledge, Wisdom - Данные, Информация, Знания, Мудрость, пояснение для тех, кто еще не в курсе о концепции), да пока W у КСС слаб, а у LLM вообще отсутствует и вряд ли появится (невозможно внедрить на уровне ядра). Но давайте посмотрим на последние достижения у КСС за последние 2-3 года, они стремительно "набирают обороты". В некоторых КСС, появляются "способности" к динамической реконфигурации знаний. То, что мы видим сейчас - это качественный скачок: КСС учатся не просто оперировать фактами, а оценивать контекст применения этих фактов.
Я предполагаю, что полноценный уровень W у КСС появится именно через мета-логику и системы самоконтроля, которые уже активно внедряются. Когда система сможет не просто решать задачу, а обосновывать целесообразность этого решения в рамках заданных этических и физических рамок - это и будет тот самый W, который схлопнет "ИИ-пузырь".
А что со "старенькими" компиляторами - 16-бит/32-бита Вы экспериментировали с ними?
КСС далеки от AGI?! Давайте уточним кое-что. За "призраком AGI" гоняются только коннекционисты, мечтающие "вырастить разум" из статистики. Нам, символистам, достаточно создать просто работающий Интеллект. Тот, который будет действительно думать; самостоятельно ставить перед собой задачи и реализовывать их, опираясь на логику, а не на вероятности; нам нужен Интеллект, который может объяснить каждый свой шаг, мы люди скромные
И желания... Желания и целеполагание являются одной из центральных проблем безопасности и философии ИИ, известной как "Проблема совмещения целей" (Alignment Problem). У LLM с ними проблемы, т.к. невозможно внедрить на уровне ядра, а вот у КСС, пока еще не во всех, но уже внедрено подобное и развивается (Soar, ACT-R, CLARION) ;)
Тогда уж Гетов, они ближе по своей сути
Вы путаете способ представления знаний со способом их получения. Язык MeTTa в Hyperon - это не список команд, а математический фундамент, позволяющий системе самостоятельно строить и проверять гипотезы. Где программа на этом языке - это одновременно и данные, и знание, и рассуждение и MeTTa не императивный язык. Если Вам нужна "болталка", то для каждой КСС нужно ставить доп. модуль, например - графовые системы с контролируемой генерацией (Knowledge Graph-to-Text).
Вы поймите, КСС строит верифицируемую "модель реальности". Для серьезных задач, от науки до обороны, нужен интеллект, который понимает причины и гарантирует результат, а не просто имитирует человеческую манеру общения.
P.S.: Чуть не забыл про "...Сомневаюсь, что Гиперон сильно отличается от других когнитивных архитектур..."
Hyperon - это не "одна из многих", это радикальная смена парадигмы даже по сравнению с такими серьезными системами, как CRAM или CLARION
CRAM выполняет заложенные планы, а Hyperon генерирует саму логику этих планов "с нуля", используя математическую верификацию;
CLARION - это великолепная психологическая модель, разделяющая неявные (нейронные) и явные (символьные) знания. Но она остается жестко структурированной "сверху вниз" (v.1.0.). Hyperon же - это гомогенная среда (Atomspace), где логические правила, вероятности и нейронные векторы существуют в одном пространстве и могут превращаться друг в друга.
ну и т.д.
Инвесторов действительно интересует решение задач. И когда они поймут, что для одной и той же задачи LLM требует дата-центр за "миллиард" долларов, а современная гибридная КСС - один сервер и дает 100% гарантию отсутствия ошибок, вопрос "пути ЛЛМ" закроется сам собой, да и "пузырь ИИ" к этому подтолкнёт.
У Вас устаревшая информация. Символы - это не слова, это структуры. В современных КСС (как в том же Soar или OpenCog Hyperon) символы - это не строки текста, а высокоуровневые абстракции, которые система генерирует сама в процессе обучения. Мы не описываем "каждое действие", мы задаем принципы логического вывода и каузальные связи, которые позволяют системе самой синтезировать нужное поведение.
Так скажите, а "эта ваша LLM" умеет не генерировать ошибки? А может "эта ваша LLM" потребляет мало вычислительных ресурсов, не по экспоненте? А может "эта ваша LLM" управлять боевым самолётом? Нет?! Когнитивно-символьные системы (КСС) в разы эффективней любой топовой LLM - у них только две (!) фундаментальные проблемы:
большой срок разработки, с привлечением специалистов разных профилей;
сложность обучения. Но эту проблему уже частично решили в этом году. Думаю, в следующем году, данное решение будет интегрировано во все КСС