All streams
Search
Write a publication
Pull to refresh
-4
0
Send message

Принципиальная схема работы типичного мышления

Reading time5 min
Views6.8K

Вы когда-нибудь задумывались, как вы думаете ? Все мыслительные процессы в нашем мозге можно разделить на блоки, алгоритмы, нейронные сети, но принцип один — есть входные сигналы с сенсоров, есть какая-то схема обработки информации, и наконец, есть выходные нейроны, отвечающие за движение всех мышц и регуляцию организма. Простая схема — вход, функция, выход. Входная информация, это информация из среды. Наше тело так же является средой для информационной функции нашего мозга. Вообще средой можно назвать всё, что даёт информацию мозгу. Мозг получает эту информацию из окружающего нас мира, а так же от сенсоров внутренних органов, а именно об их текущем и прошлом состоянии. Информация поступает постоянным плавным потоком в мозг и хранится в нем какое-то время, что даёт ему возможность взглянуть целиком на график за какой-то последний промежуток времени, а не только исключительно на текущий момент. Что ж, давайте подробно углубимся, куда эта информация поступает и как преобразуется. Я уверен, что эту схему поймёт даже 7 летний ребёнок, и это именно та универсальная формула интеллекта, которой пользуются все высшие организмы на земле.

Читать далее

Децентрализованный Искусственный интеллект

Reading time4 min
Views5.4K

Предисловие

Интернету всего-ничего около 20 лет. С тех пор, как он родился, появилось множество интересных вещей, которые было сложно даже вообразить, до того момента как они взяли и наконец наступили. За первые 10 лет существования интернета люди придумали блокчейн и криптовалюту. Чуть позже они придумали, как эффективно можно использовать нейросети и машинное обучение для решения сложных современных проблем. Наверное стоит упомянуть, как это происходит — нейросеть находит закономерности в массивах информации, и строит на основе этих закономерностей новую информацию, которая нам была нужна.

Развитие модели ИИ

Вообще нейросеть — это модель. Набор файлов, который представляет собой алгоритмы и таблицы, вместе образующие то, что в некотором смысле можно назвать искусственным интеллектом. Развитие происходит по нескольким направлениям — разработка более оптимальных алгоритмов и увеличение размеров таблиц. Последние существующие модели имеют такой размер, что не хватит и 1000 лет для обучения этого на одной единственной видеокарте. Тем не менее все модели на сегодняшний день являются централизованными, а именно за их обучение отвечает конкретный человек или организация. Поэтому обучить самые крупные модели сейчас могут позволить себе лишь ТОП игроки вроде амазон, гугл, фейсбук и майкрософт. Обычным людям приходится довольствоваться моделями, которые в среднем в 100-1000 раз меньше, чем топовые модели, доступные этим компаниям. 

Концепция децентрализации

В 2008 году появился первый децентрализованный блокчейн. Суть его была в том, что любой пользователь мог получить виртуальные монеты за помощь в поддержании работы виртуальной сети за счёт вычислительных ресурсов своего компьютера. Свойства этой сети так же располагали к передаче этих монет друг другу, что позволило в итоге перерасти этой сети в целую финаносовую систему, основанную на майнинге, децентрализации и шифрованию. Плюсы этого подхода в первую очередь представляют возможность трансграничных нецензурируемых платежей, которые происходят лишь за счёт интернета и вычислительной мощности компьютеров сети. Задумайтесь, всего лишь 2 фактора - интернет и вычислительная мощность компьютера. Все что понадобилось для создания целой новой финансовой системы. И это только первые 10 лет существования интернета.

Читать далее

Взаимодействие агента и среды — путь к ОИИ

Reading time2 min
Views1.9K
image

Можно ли научить нейросеть думать как человек? Или хотя бы как животное? О чем вообще думают животные? Можно ли назвать то, что происходит у кота в голове, размышлениями? И в чем же все таки секрет сознания? Ниже мы постараемся разобраться во всех этих вопросах.
Читать дальше →

Путь к естественному интеллекту

Reading time10 min
Views6.3K


Глава 1. Обработчик сигналов


В повседневной жизни мы не задумываемся, почему нам нравится стейк или апельсин. Он жареный, сочный и мясистый, а мы голодные. Благодаря теории Дарвина ученые, к счастью, уже могут нам объяснить, почему же нам нравится стейк. Потому что в процессе естественного отбора погибли все, кто эти стейки просто напросто не любил. Выжили те, кто жарил мясо на огне, а своими огромными челюстями сумели пожертвовать в пользу большего размера мозга. Мозг оставшихся в живых тонко настроен на факт, что жареный стейк – хорошо. В мозге за поедание такого блюда выделяется ряд гормонов, активирующих центр удовольствия. Эти гормоны – дофамин и серотонин, и еще несколько, образуют коктейль определенной концентрации, на который в нашем мозге реагирует так называемый обработчик или интерпретатор сигналов. Каждый сигнал как музыка, состоящая из некоторого ряда нот. Стейк – своеобразная сумма сигналов нервной системы, в том числе зрительной, обонятельной, вкусовой. Три этих системы дают определенную неповторимую сумму, которую наш обработчик интерпретируют как «хорошо» (выработалось это в следствии естественного отбора !!!), и дальше отправляет сигнал «хорошо» в наше сознание, так мы чувствуем удовлетворение. Но что в точности мы чувствуем? Вряд ли кто-то сможет словами описать чувство счастья. Но если ощущения нельзя описать словами, по крайней мере их можно описать в математических числах.
Читать дальше →

Information

Rating
Does not participate
Registered
Activity