Эта идея — основа для понимания моей концепции интеллекта (саморазвивающейся программы). Если интересует создание саморазвивающейся программы, то эта идея не будет лишней. В начале описание идеи, потом описание реализации и описание некоторого дополнительного функционала.

Рассказал идею о создании логики программы динамически. Причём, эта логика не представлена чисто в виде инструкций языка программирования. Она работает на основе конструкций, которые работают на основе инструкций ЯП — это абстракции над ЯП, что-то типа ЯП более высокого уровня, чем python.

С чего можно начать мыслить о создании цифрового интеллекта, даже если он будет очень простым. Несколько идей, которые должны показать, как можно мыслить о ИИ по-другому, какими основными свойствами должна обладать программа и с чего можно начать мыслить в направлении создания цифрового интеллекта.

Рассмотрим небольшую программу на основе некой обобщённой логики, с помощью которой можно изменять логику работы программы динамически, не изменяя её кода. Оригинальный взгляд на программирование.

Очередной туториал по рекуррентному слою. Эта статья для новичков. Изначально хотел сделать на собственной реализации autograd, но в этом нужно дополнительно разбираться, там много нюансов. Да и не думаю, что это кому-то нужно, поэтому сделал всё-таки на torch.

Приветствую. Здесь я приведу пример реализации простейшей функциональной системы на python, подробно опишу как в этом примере все работает и расскажу некоторые идеи о том, как можно развивать этот подход.

Меня зовут Алмаз Хустнутдинов. Я занимаюсь проектом «Теория цифрового интеллекта», создаю различные материалы по машинному обучению и рассказываю идеи о цифровом интеллекте, цель проекта — развитие мышления в области создания СИИ.

Всем привет. Меня зовут Алмаз Хуснутдинов. Я занимаюсь проектом «Теория цифрового интеллекта», создаю различные материалы по машинному обучению и рассказываю идеи о ИИ и о интеллекте, цель проекта — развитие мышления в направлении создания цифрового интеллекта. Эту статью я сделал для этого проекта, эта статья должна помочь в понимании того, что такое интеллект и как его создавать в программировании. Почему это важная тема? - Потому, что организм строится на основе выраженности определенных участков ДНК в каждой клетке, выраженность генов — это результат эволюционных изменений.

Эта модель нужна не для того, чтобы попытаться описать, как все было на самом деле, а для того, чтобы развивать представления о том, как происходит эволюция и что это такое. Также эта модель должна помочь в развитии понимания того, что такое интеллект. Чтобы понять, что такое интеллект, необходимо понимать на основе чего он существует, почему клетки живые и почему они вообще функционируют. Откуда у существ появляются желания — в основе человеческого интеллекта лежат клетки нервной системы, которые функционируют на основе биохимических реакций. Любое желание исходит от механизмов нервной системы, сформированных эволюционно.

Содержание: введение, зарождение неклеточной жизни, появление первых клеток, ДНК, клетка, эмерджентность, эволюция и естественный отбор.

P. S. Я не разбираюсь в биологии, генетике или биохимии, поэтому могут быть неточности. Все описанное в статье я взял из общедоступных источников и представил основные факты о появлении жизни и эволюции в виде небольшой модели. Основная цель статьи — показать идею эволюции (и о том, на основе чего функционирует ЕИ), а не рассказать о современных представлениях о появлении человека на Земле. Также любые утверждения или идеи в этой статье, отличные от общих представлений, не следует рассматривать как истину, скорее просто как рассуждения автора.

Всем привет. В этой статье я расскажу про слой линейного преобразования. Идею для реализации я взял из книги «Грокаем глубокое обучение». Здесь рассмотрим как использовать самодельный алгоритм автоматического дифференцирования при создании и обучении нейросети, про который я сделал разбор ранее.

Меня зовут Алмаз Хуснутдинов. Я занимаюсь проектом "Теория цифрового интеллекта" - бесплатный и открытый проект, направленный на развитие мышления в направлении создания программы, обладающей интеллектом.

Если вам не нужно разбираться в том, как работает нейросеть на низком уровне, то просто прочитайте ту часть статьи, где рассказывается про использование слоев и реализацию нейросети.

Содержание: идея слоя прямого распространения, новые операции: операция умножения и деления матрицы на число, линейный слой и дополнительный функционал, задача «логическое или», как происходит обучение линейного слоя и набор данных digits.

Интеллект — способность системы развиваться (адаптироваться).

Придумал одну интересную мысль про то, обладают ли современные БЯМ интеллектом. Я занимаюсь тем, что придумываю идеи о том, как создать ИИ. Только я называю это цифровым интеллектом — то есть программа, которая может развиваться самостоятельно.

P. S. В пост этот текст не влезает, поэтому сделал статью. Также для понимания этой идеи необходимы некоторые познания в математике и программировании, поэтому уровень сложности поставил "средний".

Приветствую. Меня зовут Алмаз Хуснутдинов. Я придумываю различные идеи о создании цифрового интеллекта. В этой статье я расскажу как можно вывести правило обучения Хебба из алгоритма обратного распространения ошибки и про идею о динамической нейросети. Я думаю над тем, как создавать знания в системе ИИ динамически, и как можно создать ИИ в принципе. Я не занимаюсь глубоким обучением, так как считаю, что имеет смысл развивать общие представления о создании ИИ.

Этот переход (или правило) я обнаружил случайно. Моей целью было придумать то, как сделать запоминание каждого примера нейросетью по одному. В итоге я пришел к тому, что для этого потребуются нейроны с двумя состояниями. Таким образом я открыл для себя импульсные нейросети, хотя изначально они вроде как основаны на биологической правдоподобности — испускание нейроном электрического потенциала.

Содержание: Как работает оптимизация, описание задачи, модель обычного нейрона, модель нейрона «пороговый интегратор».

Всем привет. Меня зовут Алмаз Хуснутдинов. Я делаю материалы, связанные с созданием ИИ. В этой статье я начну рассказывать про идею о некой системе команд, в основе которой лежит идея о детерминированности работы любой системы.

Содержание: Описание задачи из этой статьи, множественная логистическая регрессия, токенизация букв и слов, классификация слов, классификация команд, распознавание и выполнение команд.

Всем привет. Меня зовут Алмаз Хуснутдинов. В этой статье я сделал разбор алгоритма автоматического дифференцирования для глубокого обучения. Идею для реализации я взял из книги «Грокаем глубокое обучение». Я разобрал как вычисляются производные для основных операций и показал, как сделать простую реализацию.

Содержание: граф вычислений, операции и производные по ним, прямой и обратный проход по графу ручное вычисление, реализация прямого и обратного прохода по графу, пример использования.

Всем привет. Меня зовут Алмаз Хуснутдинов. В этой статье я показал, что такое дифференциал, как выводится понятие производной и рассказал про правила дифференцирования, которые используются в системах автоматического дифференцирования для глубокого обучения.

Содержание: Предел функции, дифференциал, дифференциал аргумента и функции, понятие производной, вывод производной функции, правила дифференцирования, пример использования цепного правила.

P. S. Я не особо разбираюсь в математике, поэтому я не рассказал про всякие математические оговорки, которые нужно по-хорошему упомянуть. Основная цель статьи - рассказать что такое дифференциал и про правила дифференцирования, так как я буду в другой статье рассказывать про алгоритм автоматического дифференцирования, для понимания которого нужно понимать правила дифференцирования. Я вынес их в отдельную статью, чтобы не было каши.

Всем привет. Меня зовут Алмаз Хуснутдинов. В этой статье я рассказываю про алгоритм обратного распространения ошибки, который используется для обучения нейросетей.

Содержание: архитектура простой нейросети и инициализация переменных, прямое распространение ручной расчет, вывод производных, вывод алгоритма, обратное распространение ручной расчет, реализация простой архитектуры нейросети и задача «логическое или», реализация класса для многослойной нейросети и изображения MNIST.

В этой статье я привел основные сведения о трех основных видах НБК и показал реализацию каждого.

Содержание: формулировка задачи, независимость признаков, теория для мультиномиального, гауссовского и бернулли и их реализация.

Здравствуйте, дорогие читатели. В этой статье я приведу разбор того, как работает метод кластеризации К-средних на низком уровне.

Содержание: идея метода, как присваивать метки неразмеченным объектам, реализация на чистом Python и разбор кода.

В этой статье я привел основные сведения о методе классификации k-ближайших соседей. Рассказываю все в своем стиле. Теоретические моменты и простая реализация.

Содержание: что это за метод, идея этого метода, как классифицировать (регрессировать) новые объекты, масштабирование признаков, как его можно применять, реализация.

В этой статье я привел базовые сведения о логистической регрессии и показал как сделать модель с нуля на чистом Python. Логистическая функция, обучение, метрики качества для модели классификации, реализация и небольшой разбор обучения весов.

Статья подойдет для того, кто новичок или кому интересно разобраться в том, как происходит обучение модели на низком уровне.

В этой статье я рассказываю про линейную регрессию, свойства, которыми должны обладать данные для модели, процесс обучения, регуляризацию, метрики качества. Кроме чистой теории я показываю как это все реализовать. Я рассказываю все в своем стиле и понимании - с инженерной точки зрения, с точки зрения того, как реализовывать с нуля.

Содержание: Что такое линейная регрессия, свойства данных для линейной регрессии, обучение модели, регуляризация, обучение с регуляризацией, преимущества и недостатки, реализация модели линейной регрессии с нуля.

В этой статье я рассказываю про основные концепции, типы обучения, типы задач в машинном обучении и также делаю постановку задачи машинного обучения (МО). Все это я рассказываю в своем стиле и понимании.