Понимание юмора и его создание, как соотнесение P и NP классов задач. Ответ легко проверить, но трудно найти. Знание правил не делает задачу поиска простой.
Создание юмора не так банально. Интересно только что-то новое, иначе пропадает красота. В майнинге юмора те же принципы, что и в майнинге криптовалют. Чем дальше тем сложнее. Все, что было на поверхности давно собрали.
да это ИНС, например спайковые или SOM или RMB и т.д… пока ничего лучшего для аппроксимации входов и выходов живых нейронных сред нет. Они формализованы, понятны по алгоритмизации и имеют аппаратные реализации для моделирования. Все остальное — еще дальше от них в этом плане. ps. понятно что нет абсолютной гарантии что это вообще правильно описывает работу мозга
Сегодня, у большинства исследователей, скорее, есть уверенность, что грубое представление о нейроне, как о неком осцилляторе или вроде того бесконечно далеко от истины. Это как рассматривать компьютер, как инструмент, заставляющий мигать лампочку обращения к диску, игнорируя все остальное.
Просто покажите что есть логические переменные в вашей гипотезе. И как вы связываете /соотносите/ логические переменные в процессе репрезентации внешнего объекта и образования его динамической структуры в мозговой ткани.
Вместе с академиком Медведевым мы записали цикл лекций про мозг и контекстно-смысловую модель. www.youtube.com/playlist?list=PLe0QmH-WDNYvkGGcKQwkV9v0bUQ5pnB58
Если интересуют детали концепции, то там их много. Поскольку все увязано между собой, то в двух словах так, чтобы было понятно не скажешь.
Про природу согласен, а принцип работы — хм, а почему тогда умные дядьки назвали их нейронными, если вдохновлялись не мозгом? Вопрос риторический.
Представление о нейронах сумматорах восходят к модели Маккаллока — Питтса, сформулированной в 1943 году. Первые нейронные сети, их создатели, глядя эту модель, называли нейронными. Название прижилось. Позже нейрофизиологи показали, что реальные нейроны не имеют ничего общего с этой моделью.
Ну так физически ведь в мозге нейроны связаны синапсами.
Природа этих связей и принцип их работы не имеют ничего общего с нейронными сетями.
не смог раскопать, где там доказательства находятся
На сайте раздел так и называется «доказательства» meanings.farm/proofs
Там кроме всего прочего для приведенных доказательств приводится расчет их достоверности стандартными статистическими методами. Вероятность ошибки — 1/10^24.
В статье вершина айсберга. Действия, как и мысли — это результат обучения с подкреплением. Причем контекстно-смысловая модель дает не привычное Q-обучение, а близка по духу к адаптивным V-критикам. Подробнее есть у меня в статье www.aboutbrain.ru/download/6220.
Вы хорошо показали, что задание определения для понятий приводит к их строгим трактовкам и однозначным формулировкам и выводам. Но есть другой подход. Понятие может определяться смыслом, который в зависимости от контекста превращается в то или иное «определение». Контекстно-смысловой подход и описывает, как формируются контексты, и как в них происходит трактовка информации. Но это другая парадигма. Где-то выгодно и необходимо применять строгую формализацию. Но нельзя загнать в нее весь мир.
Гибкость смыслов и их адаптивность под ситуацию позволяет выйти за рамки строгих правил и покрыть те ситуации на которые изначально правила не распространялись. То есть контексты позволяют переносить знания из одного контекста в другой. Опыт полученный в одном контексте оказывается применим во всех остальных. Это делает такую систему на порядки мощнее классических.
В общем, мозг — это система, запомнившая кучу информации и как-то неочевидно, но весьма плотно, связавшая эту информацию между собой. Как выше правильно сказали, при наличии ресурсов ИИ вполне можно обучить похожим образом, чтобы он также связал кучу информации. Я сторонник того, что если итоговый результат будет неотличим от сознания, то вероятно, сознанием он и будет.
«Связать между собой» можно, соединив некими связями. А можно обойтись вообще без связей. Контексты такой путь и показывают. Они позволяют не формировать «сцепление» и т.п., а получать нечто знакомое за счет правил трактовки и в этот момент говорить о появлении «ассоциации». Это совсем другая архитектура и я объясняю, что только она может побороть проклятие размерности.
Насчет философии.
Давайте откровенно, иногда (то есть в 99,999% случаев) то, что написано — это именно то, что написано
Уверен, что вы не смотрели видео и не ходили по ссылкам. Поэтому не стоит писать исходя из общего предубеждения. Я не писал бы такого подставляющего меня материала, если бы не имел на руках 100% доказательств.
Гугл часто выдает релевантные ответы на запросы, но из этого не следует, что он их понимает. Ватсон тоже часто угадывает ответы. Он умеет парсить естественную речь. Используя грамматику языка он определяет роль слов в предложении и затем ищет что-то подходящее. Это далеко от СИИ.
Кстати IBM закрыла Ватсон-доктор из-за полной неадекватности последнего.
Да, именно гибридное. Это решение обусловлено необходимостью быстро войти в этот мир. Когда появилась возможность длительного обучения, как у человеческих детей, многие врожденные знания отпали. Предопределенность сужает возможность адаптации.
Смысл имени — это способ, которым имя восстанавливает референцию к объекту.
В этой фразе сразу два подвоха.
Во-первых, она предполагает, что объект существует объективно и изначально выделен в окружающем мире. Но это не так. Объект, получивший имя, это уже следствие наблюдения мозга за миром.
Во-вторых, фраза не делает различий в способах, устанавливающих соответствие. Получается, что определение, данное по внешним признакам, то же способ. А «хорошее определение» и есть смысл.
Именно против такого толкования и написана статья.
Возможно, поможет пример. У мыши вомероназальный орган реагирует на феромоны порядка двухсот хищников. Это зашито генетически. Генетически зашита и реакция, где-то бежать, где-то затаиться. При встрече с «запахом» мышь запоминает образ носителя. После этого она становится способна реагировать на образ носителя даже в отсутствии запаха. Такой принцип кодирования распространен у животных, у человека вомероназальный орган атрофирован.
Все было корректно. Алгоритм «смысла» дает один результат, алгоритм определения «другой». Алгоритм «определения» не может воспроизвести точный результат «смысла». Не путайте это с тем, что оба они могут запускаться на машине Тьюринга. Так можно договориться о том, что все алгоритмы одинаковы.
Так о цене и разговор. Когда сложность растет экспоненциально от числа параметров, не способные с этим бороться, алгоритмы становятся нереализуемыми, так как требуемое время начинает превышать время жизни вселенной.
Дух теста в проверке «адекватности» собеседника. Эмоции — это часть механизма обучения с подкреплением. Это ключевой механизм в формировании человека и, как я убежден, он обязателен для СИИ. Без него «адекватности» не получить. Уже в 20-х годах эти принципы четко сформулировали бихевиористы.
Сегодня, у большинства исследователей, скорее, есть уверенность, что грубое представление о нейроне, как о неком осцилляторе или вроде того бесконечно далеко от истины. Это как рассматривать компьютер, как инструмент, заставляющий мигать лампочку обращения к диску, игнорируя все остальное.
Вместе с академиком Медведевым мы записали цикл лекций про мозг и контекстно-смысловую модель.
www.youtube.com/playlist?list=PLe0QmH-WDNYvkGGcKQwkV9v0bUQ5pnB58
Если интересуют детали концепции, то там их много. Поскольку все увязано между собой, то в двух словах так, чтобы было понятно не скажешь.
Представление о нейронах сумматорах восходят к модели Маккаллока — Питтса, сформулированной в 1943 году. Первые нейронные сети, их создатели, глядя эту модель, называли нейронными. Название прижилось. Позже нейрофизиологи показали, что реальные нейроны не имеют ничего общего с этой моделью.
На сайте раздел так и называется «доказательства» meanings.farm/proofs
Там кроме всего прочего для приведенных доказательств приводится расчет их достоверности стандартными статистическими методами. Вероятность ошибки — 1/10^24.
Гибкость смыслов и их адаптивность под ситуацию позволяет выйти за рамки строгих правил и покрыть те ситуации на которые изначально правила не распространялись. То есть контексты позволяют переносить знания из одного контекста в другой. Опыт полученный в одном контексте оказывается применим во всех остальных. Это делает такую систему на порядки мощнее классических.
«Связать между собой» можно, соединив некими связями. А можно обойтись вообще без связей. Контексты такой путь и показывают. Они позволяют не формировать «сцепление» и т.п., а получать нечто знакомое за счет правил трактовки и в этот момент говорить о появлении «ассоциации». Это совсем другая архитектура и я объясняю, что только она может побороть проклятие размерности.
Насчет философии.
Уверен, что вы не смотрели видео и не ходили по ссылкам. Поэтому не стоит писать исходя из общего предубеждения. Я не писал бы такого подставляющего меня материала, если бы не имел на руках 100% доказательств.
Статья содержит законченную мысль. Видео идут бонусом. Если тема заинтересовала, то они ее развивают. Но они уже о несколько другом.
Кстати IBM закрыла Ватсон-доктор из-за полной неадекватности последнего.
В этой фразе сразу два подвоха.
Во-первых, она предполагает, что объект существует объективно и изначально выделен в окружающем мире. Но это не так. Объект, получивший имя, это уже следствие наблюдения мозга за миром.
Во-вторых, фраза не делает различий в способах, устанавливающих соответствие. Получается, что определение, данное по внешним признакам, то же способ. А «хорошее определение» и есть смысл.
Именно против такого толкования и написана статья.