Вот почти анекдотическая история имевшая место в 2016 г. на БАКе, вызвавшая массу юморных комментариев в сети на тему взаимоотношения теоретиков и экспериментаторов. Экспериментаторы никакого повода к "открытию" не давали, тем не менее, небольшое отклонение в данных вызвало бурный всплеск активности теоретиков издавших более 500 статей с теориями его возможного происхождения)
Уже в 19 в. появились первые психометрические шкалы, в частности, в исследованиях психофизических закономерностей, см. законы Вебера, Вебера-Фехнера, Стивенса (учебник). История применения формальных методов в психологии. До уровня физики еще далеко) Нейросетевое моделирование возможно поможет в этих вопросах, т.к. объекты психологии весьма сложны для обычных мат. методов описания.
Но объяснить его без обращения к мультивёрсным двойникам невозможно. Кажется, я уже знаю, как решить трудную проблему сознания с помощью квантового компьютера.
ММИ, как теория напоминает во многих отношениях ТС, и не исключено, может разделить ее судьбу. Можно такие совпадения отметить.
ТС началась с обобщения описания рассеяния частиц, как струн. ММИ с обобщения описания состояния квантовых систем с помощью ВФ в КМ на масштабы всей Вселенной. Существование ни струн, ни универсальной ВФ, как самостоятельных физических объектов, эмпирически подтверждено не было. В отличии, например, от подтверждений предсказания кварков.
Как и ТС ММИ не имеет собственного эмпирического базиса, а основывается на экспериментальных основаниях КМ.
В связи с п.2, как и ТС не имеет критического параметра и условий перехода формализма ММИ к формализму КМ, как ее предельного случая. Напомню, что Эверрет позиционировал свою теорию, как метатеорию по отношению к КМ. Предельным случаем которой КМ является при отсутствии наблюдателя в духе методологического принципа соответствия. Но так и не представил этот критерий в формализованном виде. Этого нет, кроме общих слов, и у его последователей. Аналогичная ситуация с ТС. Нет четких критериев ее перехода к КТП и ОТО, как ее предельных случаев.
Как и ТС новыми последователями содержание теории меняется и дополняется в сравнении с исходным вариантом, включая в формальных представлениях.
Как и ТС ММИ не делает собственных проверяемых предсказаний за пределами базисной теории - КМ. Если для ТС это объясняется отсутствием экспериментальных возможностей по достижению соответствующих энергий, то для ММИ отсутствием взаимодействия миров. Хотя попытки таких предсказаний имеются, но никто не спешит производить их проверку. Если для ТС есть некоторые основания для подтверждения предсказаний в астрофизических наблюдениях, где такие энергии достижимы, то для ММИ такие специфические астрофизические эффекты не предсказываются. По крайней мере, не видел такой информации.
Как и ТС ММИ, не смотря на усиленно пропагандируемый статус интерпретации КМ, являясь теорией претендующей на статус теории объяснения Всего. По этой причине обрастает дополнительными теоретическими представлениями, принципами, и тп, заимствуемых из других областей.
В связи с проблемами подтверждения ТС ее сторонники, в последнее время, охотно переходят в теоретики ММИ, как уже, по их мнению, подтвержденного теоретического представления. В концептуальном плане основным теоретическим концептом обоих теорий является концепт волны. В ТС в форме многомерных струн, в ММИ в виде ВФ, хотя он по разному интерпретируется и формализуется. В первом случае, как модель не точечных частиц, во втором, как состояние и эволюция всей Вселенной (мультиверса).
Посмотрим на развитие событий в ожидании новостей из лабораторий (можно этот развернутый комент в тему посмотреть)
В социальных и психологических науках уже лет десять бушует кризис невоспроизводимости: результаты многих исследований не повторяются. Нейронауку он тоже коснулся.
Мы сосредоточились на визуализации данных. Вопрос не только в эстетической привлекательности графиков, но и в корректности представленных данных.
Корректное унифицированное с точки зрения статистики представление данных очень важно. Но если они туфтовые, т.е. были неправильно обработаны исходные данные экспериментов, то это не решает проблему. Важен именно доступ к исходным данным. Тогда другие исследователи могли бы независимо их обработать и сравнить, как с результатами авторов, так и своими. Сейчас многие поступают так, но не все. Много причин почему так не делают все. Поэтому будут ошибки, иногда прямые подтасовки, и соответственно невоспроизводимость. Так же эти области связанные с исследованием функций мозга очень сложны и чувствительны к их контексту в сравнении с исследованиями в той же физике.
А как мы не видим?) Вот личный живой пример. Вчера вечером был сильный ветер с порывами и дождем. Живем на четвертом этаже. Утром с женой на кухне поглядываем в окно, между делами, боковым зрением, мельком. Затем пошли на улицу, открываем выходную дверь из дома - проход перегораживает упавшее дерево. Как? Как такое может быть? Это же дерево перед окном было, загораживало поле зрения на двор? Уже лет двадцать как)
Смотрим мы глазами, а видим мозгом
Да, но не упомянули главный принцип восприятия, и не только глазами, но и др. органами чувств. Не упомянули про искажения зрительного восприятия, иллюзии, галлюцинации, которые больше говорят о том как мы видим, нежели схемы ввода и обработки самой световой информации в мозге. Мозг предсказывает картинку на основе предыдущего опыта, а текущая вводимая информации только корректирует этот процесс, если отклонение велико, и поэтому, в некоторых условиях, может ошибаться. Из-за это возникает масса всевозможных искажений зрительного восприятия, одной из которых было утреннее происшествие. Жена даже всплакнула по рябинке, на ней птички кормились, воробьи гоняли друг друга, затеняло летом. То что мы видим далеко не то что в данный момент попадает в глаза. В психофизиологии это распространенное представление называется прогностическим разумом (кодированием или байесовским мозгом), см. публикации на Хабре по этой теме - 1, 2, 3, 4, 5.
Может возникнуть желание объяснить такие искажения восприятия невниманием, предубеждениями, шумом, и другими подобными причинами на бытовом уровне, но все они вписываются в рамки прогностических представлений после уточнения терминологии.
Живой мозг действительно похож на цифровую динамическую голограмму.
Есть такие теории, и даже в квантовом развитии. Но они как-то мало соотносятся с психофизиологическими представлениями, если брать восприятие, той же прогностической обработкой. Скорее больше подходят такие представления, да и то для объяснения отдельных аспектов. В чем общая методологическая проблема таких объяснений? По опыту восприятия строятся модели восприятия, получается порочный круг. Мы не знаем, что представляет собой реальность, то что существует за пределами органов чувств и восприятия. Поэтому подходят даже такие дикие представления, как интерфейсная теория Хоффмана.
ТМ гипотетическое объяснение эмпирического факта тяготеющих областей, особенно (в гало) вокруг галактик. В статье приводится другое гипотетическое объяснение, что это не неизвестная материя, а вариант дефекта пр-временного континуума, который ведет себя, как область тяготения, т.е. мимикрирует под объяснения ОТО. Проблема в недостаточных данных, чтобы найти решение. Нужны дополнительные наблюдения, или экспериментальный поиск в рамках СМ и ее расширений, если это все-же неизвестные частицы. Возможно это вообще неизвестное пятое взаимодействие.
Никакие физикалисткие объяснения не объясняют, что такое qualia
Как-то оно связано все-же с физикой, т.к. интенсивность разных модальностей ощущений, которые в психофизиологии и представляют квалиа, связаны с интенсивностью физических воздействий логарифмической зависимостью в соответствии с законом Вебера-Фехнера (подробнее).
Феномен слепозрения напоминает поведение человека, как "философского зомби". Возможно эволюционно, например, световые ощущения развивались в таком порядке.
Возможно кто-то не знает историю Вайолет Джессоп, которая пережила аварии на все судах этой серии - Титанике, Британике и Олимпике, и получила прозвище "Мисс непотопляемая". Вот такое совпадение и фантастическое везение)
Как-то ваши публикации из аналитических все больше становятся публицистическими.
Вселенная как театр одного актёра
А Деннет говорит о зрителе в театре) Скорее человек режиссер в конструктивистском смысле восходящем к априоризму в теории познания Канта на подмостках реальности (кратко на философском уровне, подробнее, в когнитивных исследованиях). Метцингер считает что при глубокой медитации иногда достигается внепространственое, внетемпоральное и внеобъектное состояние тонической бдительности, готовности к восприятию, познанию, которое он считает минимальным феноменальным опытом. Состояния "чистого" разума, которое так усердно критиковалось Кантом, которое не достигается в обыденной жизни.
Согласен с приведенными оценками. Одно замечание методологического характера.
Есть чоткая книга по нейродинамике от пацанов из EPFL. Там, конечно, много матана с диффурами и интегралами, но без них, увы, мало что сделаешь.
Есть предел вычислений сложного оптимального поведения в изменчивой среде, который можно произвести с помощью аналитических методов, как для отдельных нейронов, так и сетей из них. Эволюция реализовала это в относительно простых организмах в которых структура и функции нейронов и сетей из них полностью предопределены генетически. Они фактически не настраиваются, действуют сразу после рождения. Однако для более сложного поведения в усложненной и изменчивой среде этот метод уже не работает эффективно, включая с энергетической точки зрения. Поэтому для более сложных организмов эволюция от "аналитических" методов перешла к приближенным, "аппроксимационным". Это потребовало развития функций памяти и обучения - настройки нейронов и сетей и специализации нейронов. Что это означает с методологической точки зрения? Можно продолжать поиски точного, аналитического описания активности нейронов в стиле модели Хаксли и Ходжикина, и поиска моделей формальных нейронов на них, а также архитектур сетей обучаемых с помощью метода обратного распространения ошибки, но это в перспективе заведет в тупик. Эволюция этот путь уже отработала на относительно простых организмах, и даже похоже попробовала некий аналог обратного распространения (хотя его исследования еще продолжается, возможно это рудиментарные остатки механизма), но остановилась на ассоциативном, хеббовском обучении (STPD). Т.е. перешла, условно говоря, от аналитических методов вычисления поведения к приближенным, настраиваемым с помощью обучения. Поэтому актуальнее подходы с обучением даже к моделированию поведения на уровне отдельных нейронов. Ссылки на такие работы в коменте выше (еще тут как это может влиять на архитектуру (слоистость) сетей).
А вообще весь пост мне напомнил один интересный проект, в котором авторы пытаются реальные нейроны заставить работать как нейросети. Вот статья и их вебсайт. Даже API написали. Любопытное направление.
Работа в правильном направлении. Но уже имеется немалый задел для биологически более правдоподобных импульсных сетей и нейромофных решений. Возможно будущее за ними.
Для традиционных ИНС с учетом важности аппроксимационных возможностей моделей, величайший конъюнктурщик всех времен и народов Макс Тегмарк;) проинтуичил, и развил новую архитектуру сетей KAN, которая дает такие возможности. Посмотрим как ситуация будет развиваться.
Согласен с приведенными оценками, только одно замечание методологического характера.
Есть чоткая книга по нейродинамике от пацанов из EPFL. Там, конечно, много матана с диффурами и интегралами, но без них, увы, мало что сделаешь.
Есть предел вычислений сложного оптимального поведения в изменчивой среде который можно произвести с помощью аналитических методов, как для отдельных нейронов, так и сетей из них. Эволюция реализовала это в относительно простых организмах в которых структура и функции нейронов и сетей из них полностью предопределены генетически. Они фактически не настраиваются, в действуют сразу после рождения. Однако для более сложного поведения в усложненной и изменчивой среде этот метод уже не работает эффективно, включая с энергетической точки зрения. Поэтому для более сложных организмов эволюция от "аналитических" методов перешла к приближенным, "аппроксимационным". Это потребовало развития функций памяти и обучения - настройки нейронов и сетей и их специализации. Что это означает с методологической точки зрения? Можно продолжать поиски точного, аналитического описания активности нейронов в стиле модели Хаксли и Ходжикина, и поиска моделей формальных нейронов на них, а также архитектур сетей обучаемых с помощью метода обратного распространения ошибки, но это в перспективе заведет в тупик. Эволюция этот путь уже отработала на относительно простых организмах, и даже похоже попробовала некий аналог обратного распространения (хотя его исследования еще продолжается, возможно это рудиментарные остатки механизма), но остановилась на ассоциативном, хеббовском обучении (STPD). Т.е. перешла, условно говоря, от аналитических методов вычисления поведения к приближенным, настраиваемым с помощью обучения. Поэтому актуальнее подходы с обучением даже к моделированию поведения на уровне отдельных нейронов. Ссылки на такие работы в коменте выше (еще тут как это может влиять на архитектуру (слоистость) сетей).
А вообще весь пост мне напомнил один интересный проект, в котором авторы пытаются реальные нейроны заставить работать как нейросети. Вот статья и их вебсайт. Даже API написали. Любопытное направление.
Работа в правильном направлении. Но уже есть немалый задел для биологически более правдоподобных импульсных сетей и нейромофных решениях. Возможно будущее за ними.
Для традиционных ИНС с учетом важности аппроксимационных возможностей моделей формальных нейронов и сетей, величайший конъюнктурщик всех времен и народов Макс Тегмарк;) проинтуичил, и развил новую архитектуру сетей KAN, которая дает такие возможности. Посмотрим как будет развиваться ситуация.
Где-то читал, что человеческий нейроны обмениваются информацией с помощью спайков - пачек импульсов. При этом они могут: молчат - если распознаваемый паттерн, совсем не то 1 импульс - нейрон как бы говорит, возможно это то 2 импульса - это, скорее всего, то 3 импульса - совершенно точно, это то самое!
Таким образом, похоже, наши мозги четырехбитные. Удивительно, что этот как будто никем не принимается во внимание.
Конечно такое никем не принимается во внимание) Потому что это полная туфта. Вы ввели в заблуждение многих людей не проверив информацию.
Во-первых, отдельные нейроны не играют особой роли в мозге. Любые функции выполняют ансамбли нейронов. Во-вторых, они постоянно спонтанно активируются, даже когда не выполняют никаких функций. В третьих, есть генераторы активности, которые непрерывно генерируют некоторые паттерны активности. В четвертых, максимальная частота активации нейронов намного больше, до килогерца, хотя обычно считается не больше 200 гц. В пятых, видов кодировок много разных, и до конца этот они не изучены. В шестых, нет никакой постоянной привязки кодировки к функциям, зависит от контекста, где клетка находится в мозге. В седьмых, почти все сказанное выше может поменяться благодаря нейропластичности мозга на всех уровнях.
Да, это вам не формальные нейрончики в ИНС) Более точно свойства биологических нейронов моделируются в импульсный нейросетях с учетом STDP, которые используются в нейроморфных решениях.
В целом мозг не цифровая система, скорее аналоговая. Использующая метастабильные состояния (1, 2) и критические фазовые состояния на грани хаоса (1, 2, на Хабре).
Неплохой обзор когнитивных архитектур, но заключение несколько разочаровало.
Подобные проблемы вызываны самой методологией когнитивной психологии: она смотрит на поведение, но не может познать внутренние процессы, вызывающие их.
Когнитивные нейронные сети – это все еще нейронные сети, но работающие по другому принципу. Их основная задача – воссоздание человеческого поведения, отталкиваясь от схемы: стимул-действие.
Э-э-э... какое поведение? Когнитивная революция 50-60 гг. и состояла в том чтобы отойти от бихевиоризма, поведенческой психологии (хороший обзор от одного из участников этих событий). Это разворот от наблюдательных схем поведения к ментальным моделям, воплощенному, ситуационному и распределенному подходу к познанию. Собственно само поведение рассматривается с точки зрения внутренних моделей. Дополняя друг друга эти концепции частично пересекаются. В последнее время, благодаря широкому внедрению методов нейровизуализации и нейросетевого моделирования, очень активно и плодотворно развивается байесовский подход к функциям мозга (байесовский мозг) и теория предиктивного кодирования (предиктивного разума). Фактически начали говорить о второй когнитивной революции - ментальных репрезентациях в предсказательном режиме. Естественно, все эти подходы обеспечивают и поведенческие (действенные) аспекты, но акцент именно на внутренних (ментальных) моделях, их структуре и функциях.
Как ACT-R, так и SOAR – две симуляции, отражающие два разных подхода к человеческому сознанию.
К проблеме сознания когнитивные архитектуры имеют небольшое отношение, см. обзор, где этот аспект практически не упоминается. Сознание исследуются в рамках теорий сознания (обзор). До этих высот когнитивным архитектурам еще далеко. Те же ЯМ на базе трансформерной архитектуры моделируют пока только ассоциативный уровень мышления человек, а этих уровней у человека много. Не говоря о других когнитивных возможностях - сознании, восприятии, эмоциях, интуиции, принятии решений, мотивациях, и тд. Все это конечно не требуется переносить в ИИ, но еще немало чтобы он достиг уровня возможностей человека. И одним наращиванием вычислительных мощностей эту проблему не решить, как кажется разработчикам таких систем. Стоит взглянут в сторону нейроморфных решений, которые лучше моделируют функции биологических нейронов и сетей.
Это гипотетическое предположение автора статьи, которое он развивает в предыдущих публикациях, с целью решить проблемы бомовской интерпретации КМ, и ссылается на идеи из ТПГ. Критика особо не приветствуется, если не касается ошибок в формулах. Особенной с позиций методологии научного познания и экспериментальной физики. Можно еще этот развернутый комент о важности и стохастичности экспериментального поиска порекомендовать. Для судьбы таких теоретических построений можно только одно повторить - ждем новостей из исследовательских лабораторий. Для ТС пока так и не дождались.
Все же пожелаю автору успехов в поиске, и попытке угадать модель соответствующую реальности, особенно найти способ ее проверки.
Скорее всего так и будет. OpenAI основательно подсела на трансформерную архитектуру, разогнали исследовательский сектор в угоду коммерции, и пытается выжить из нее все возможное планируя строить мега-дата-центры, выпускать специализированные микросхемы, вкладываться в энергетику, и тд. А у нее масса ограничений, включая забавных.
Например, она не может освоит в полном объеме арифметические операции для любых чисел, без обращения к внешним матпакетам, из-за того что это сеть прямой архитектуры. Эти операции требуют рекуррентности, которая реализована в них ограниченно в виде авторегрессивного цикла. Выполняются только те операции которые были в обучающей выборке, или приблизительно благодаря аппроксимирующим возможностям сетей. Где-то пытались применить метод пошагового обучения, но из-за ограниченного объема контекстного окна все равно для очень больших чисел правильный счет прерывается.
В перспективе возможно в выигрыше окажутся те кто сейчас вкладывается в энергоэффективные, динамические и непрерывно обучающиеся нейроморфные решения. Трансформеры худо-бедно моделирую ассоциативный уровень мышления человека. А у человека этих уровней много - логический, критический, образный, и др. Еще есть развиваться куда)
Спасибо за статью, в целом согласен с изложенным мнением.
Рубите дальше основы на эволюционном уровне - Cognition-Based Evolution!
Эту новость нужно объединить с этой, в которой механизм обучения объяснен лучше (см. также коменты).
Вот почти анекдотическая история имевшая место в 2016 г. на БАКе, вызвавшая массу юморных комментариев в сети на тему взаимоотношения теоретиков и экспериментаторов. Экспериментаторы никакого повода к "открытию" не давали, тем не менее, небольшое отклонение в данных вызвало бурный всплеск активности теоретиков издавших более 500 статей с теориями его возможного происхождения)
Опять не угадали. Анекдот не в тему, должен быть про теоретиков и экспериментаторов) Ответ.
Уже в 19 в. появились первые психометрические шкалы, в частности, в исследованиях психофизических закономерностей, см. законы Вебера, Вебера-Фехнера, Стивенса (учебник). История применения формальных методов в психологии. До уровня физики еще далеко) Нейросетевое моделирование возможно поможет в этих вопросах, т.к. объекты психологии весьма сложны для обычных мат. методов описания.
А это не получится а-ля Менский?)
ММИ, как теория напоминает во многих отношениях ТС, и не исключено, может разделить ее судьбу. Можно такие совпадения отметить.
ТС началась с обобщения описания рассеяния частиц, как струн. ММИ с обобщения описания состояния квантовых систем с помощью ВФ в КМ на масштабы всей Вселенной. Существование ни струн, ни универсальной ВФ, как самостоятельных физических объектов, эмпирически подтверждено не было. В отличии, например, от подтверждений предсказания кварков.
Как и ТС ММИ не имеет собственного эмпирического базиса, а основывается на экспериментальных основаниях КМ.
В связи с п.2, как и ТС не имеет критического параметра и условий перехода формализма ММИ к формализму КМ, как ее предельного случая. Напомню, что Эверрет позиционировал свою теорию, как метатеорию по отношению к КМ. Предельным случаем которой КМ является при отсутствии наблюдателя в духе методологического принципа соответствия. Но так и не представил этот критерий в формализованном виде. Этого нет, кроме общих слов, и у его последователей. Аналогичная ситуация с ТС. Нет четких критериев ее перехода к КТП и ОТО, как ее предельных случаев.
Как и ТС новыми последователями содержание теории меняется и дополняется в сравнении с исходным вариантом, включая в формальных представлениях.
Как и ТС ММИ не делает собственных проверяемых предсказаний за пределами базисной теории - КМ. Если для ТС это объясняется отсутствием экспериментальных возможностей по достижению соответствующих энергий, то для ММИ отсутствием взаимодействия миров. Хотя попытки таких предсказаний имеются, но никто не спешит производить их проверку. Если для ТС есть некоторые основания для подтверждения предсказаний в астрофизических наблюдениях, где такие энергии достижимы, то для ММИ такие специфические астрофизические эффекты не предсказываются. По крайней мере, не видел такой информации.
Как и ТС ММИ, не смотря на усиленно пропагандируемый статус интерпретации КМ, являясь теорией претендующей на статус теории объяснения Всего. По этой причине обрастает дополнительными теоретическими представлениями, принципами, и тп, заимствуемых из других областей.
В связи с проблемами подтверждения ТС ее сторонники, в последнее время, охотно переходят в теоретики ММИ, как уже, по их мнению, подтвержденного теоретического представления. В концептуальном плане основным теоретическим концептом обоих теорий является концепт волны. В ТС в форме многомерных струн, в ММИ в виде ВФ, хотя он по разному интерпретируется и формализуется. В первом случае, как модель не точечных частиц, во втором, как состояние и эволюция всей Вселенной (мультиверса).
Посмотрим на развитие событий в ожидании новостей из лабораторий (можно этот развернутый комент в тему посмотреть)
Корректное унифицированное с точки зрения статистики представление данных очень важно. Но если они туфтовые, т.е. были неправильно обработаны исходные данные экспериментов, то это не решает проблему. Важен именно доступ к исходным данным. Тогда другие исследователи могли бы независимо их обработать и сравнить, как с результатами авторов, так и своими. Сейчас многие поступают так, но не все. Много причин почему так не делают все. Поэтому будут ошибки, иногда прямые подтасовки, и соответственно невоспроизводимость. Так же эти области связанные с исследованием функций мозга очень сложны и чувствительны к их контексту в сравнении с исследованиями в той же физике.
А как мы не видим?) Вот личный живой пример. Вчера вечером был сильный ветер с порывами и дождем. Живем на четвертом этаже. Утром с женой на кухне поглядываем в окно, между делами, боковым зрением, мельком. Затем пошли на улицу, открываем выходную дверь из дома - проход перегораживает упавшее дерево. Как? Как такое может быть? Это же дерево перед окном было, загораживало поле зрения на двор? Уже лет двадцать как)
Да, но не упомянули главный принцип восприятия, и не только глазами, но и др. органами чувств. Не упомянули про искажения зрительного восприятия, иллюзии, галлюцинации, которые больше говорят о том как мы видим, нежели схемы ввода и обработки самой световой информации в мозге. Мозг предсказывает картинку на основе предыдущего опыта, а текущая вводимая информации только корректирует этот процесс, если отклонение велико, и поэтому, в некоторых условиях, может ошибаться. Из-за это возникает масса всевозможных искажений зрительного восприятия, одной из которых было утреннее происшествие. Жена даже всплакнула по рябинке, на ней птички кормились, воробьи гоняли друг друга, затеняло летом. То что мы видим далеко не то что в данный момент попадает в глаза. В психофизиологии это распространенное представление называется прогностическим разумом (кодированием или байесовским мозгом), см. публикации на Хабре по этой теме - 1, 2, 3, 4, 5.
Может возникнуть желание объяснить такие искажения восприятия невниманием, предубеждениями, шумом, и другими подобными причинами на бытовом уровне, но все они вписываются в рамки прогностических представлений после уточнения терминологии.
Есть такие теории, и даже в квантовом развитии. Но они как-то мало соотносятся с психофизиологическими представлениями, если брать восприятие, той же прогностической обработкой. Скорее больше подходят такие представления, да и то для объяснения отдельных аспектов. В чем общая методологическая проблема таких объяснений? По опыту восприятия строятся модели восприятия, получается порочный круг. Мы не знаем, что представляет собой реальность, то что существует за пределами органов чувств и восприятия. Поэтому подходят даже такие дикие представления, как интерфейсная теория Хоффмана.
ТМ гипотетическое объяснение эмпирического факта тяготеющих областей, особенно (в гало) вокруг галактик. В статье приводится другое гипотетическое объяснение, что это не неизвестная материя, а вариант дефекта пр-временного континуума, который ведет себя, как область тяготения, т.е. мимикрирует под объяснения ОТО. Проблема в недостаточных данных, чтобы найти решение. Нужны дополнительные наблюдения, или экспериментальный поиск в рамках СМ и ее расширений, если это все-же неизвестные частицы. Возможно это вообще неизвестное пятое взаимодействие.
Как-то оно связано все-же с физикой, т.к. интенсивность разных модальностей ощущений, которые в психофизиологии и представляют квалиа, связаны с интенсивностью физических воздействий логарифмической зависимостью в соответствии с законом Вебера-Фехнера (подробнее).
Феномен слепозрения напоминает поведение человека, как "философского зомби". Возможно эволюционно, например, световые ощущения развивались в таком порядке.
Возможно кто-то не знает историю Вайолет Джессоп, которая пережила аварии на все судах этой серии - Титанике, Британике и Олимпике, и получила прозвище "Мисс непотопляемая". Вот такое совпадение и фантастическое везение)
Как-то ваши публикации из аналитических все больше становятся публицистическими.
А Деннет говорит о зрителе в театре) Скорее человек режиссер в конструктивистском смысле восходящем к априоризму в теории познания Канта на подмостках реальности (кратко на философском уровне, подробнее, в когнитивных исследованиях). Метцингер считает что при глубокой медитации иногда достигается внепространственое, внетемпоральное и внеобъектное состояние тонической бдительности, готовности к восприятию, познанию, которое он считает минимальным феноменальным опытом. Состояния "чистого" разума, которое так усердно критиковалось Кантом, которое не достигается в обыденной жизни.
Согласен с приведенными оценками. Одно замечание методологического характера.
Есть предел вычислений сложного оптимального поведения в изменчивой среде, который можно произвести с помощью аналитических методов, как для отдельных нейронов, так и сетей из них. Эволюция реализовала это в относительно простых организмах в которых структура и функции нейронов и сетей из них полностью предопределены генетически. Они фактически не настраиваются, действуют сразу после рождения. Однако для более сложного поведения в усложненной и изменчивой среде этот метод уже не работает эффективно, включая с энергетической точки зрения. Поэтому для более сложных организмов эволюция от "аналитических" методов перешла к приближенным, "аппроксимационным". Это потребовало развития функций памяти и обучения - настройки нейронов и сетей и специализации нейронов. Что это означает с методологической точки зрения? Можно продолжать поиски точного, аналитического описания активности нейронов в стиле модели Хаксли и Ходжикина, и поиска моделей формальных нейронов на них, а также архитектур сетей обучаемых с помощью метода обратного распространения ошибки, но это в перспективе заведет в тупик. Эволюция этот путь уже отработала на относительно простых организмах, и даже похоже попробовала некий аналог обратного распространения (хотя его исследования еще продолжается, возможно это рудиментарные остатки механизма), но остановилась на ассоциативном, хеббовском обучении (STPD). Т.е. перешла, условно говоря, от аналитических методов вычисления поведения к приближенным, настраиваемым с помощью обучения. Поэтому актуальнее подходы с обучением даже к моделированию поведения на уровне отдельных нейронов. Ссылки на такие работы в коменте выше (еще тут как это может влиять на архитектуру (слоистость) сетей).
Работа в правильном направлении. Но уже имеется немалый задел для биологически более правдоподобных импульсных сетей и нейромофных решений. Возможно будущее за ними.
Для традиционных ИНС с учетом важности аппроксимационных возможностей моделей, величайший конъюнктурщик всех времен и народов Макс Тегмарк;) проинтуичил, и развил новую архитектуру сетей KAN, которая дает такие возможности. Посмотрим как ситуация будет развиваться.
Согласен с приведенными оценками, только одно замечание методологического характера.
Есть предел вычислений сложного оптимального поведения в изменчивой среде который можно произвести с помощью аналитических методов, как для отдельных нейронов, так и сетей из них. Эволюция реализовала это в относительно простых организмах в которых структура и функции нейронов и сетей из них полностью предопределены генетически. Они фактически не настраиваются, в действуют сразу после рождения. Однако для более сложного поведения в усложненной и изменчивой среде этот метод уже не работает эффективно, включая с энергетической точки зрения. Поэтому для более сложных организмов эволюция от "аналитических" методов перешла к приближенным, "аппроксимационным". Это потребовало развития функций памяти и обучения - настройки нейронов и сетей и их специализации. Что это означает с методологической точки зрения? Можно продолжать поиски точного, аналитического описания активности нейронов в стиле модели Хаксли и Ходжикина, и поиска моделей формальных нейронов на них, а также архитектур сетей обучаемых с помощью метода обратного распространения ошибки, но это в перспективе заведет в тупик. Эволюция этот путь уже отработала на относительно простых организмах, и даже похоже попробовала некий аналог обратного распространения (хотя его исследования еще продолжается, возможно это рудиментарные остатки механизма), но остановилась на ассоциативном, хеббовском обучении (STPD). Т.е. перешла, условно говоря, от аналитических методов вычисления поведения к приближенным, настраиваемым с помощью обучения. Поэтому актуальнее подходы с обучением даже к моделированию поведения на уровне отдельных нейронов. Ссылки на такие работы в коменте выше (еще тут как это может влиять на архитектуру (слоистость) сетей).
Работа в правильном направлении. Но уже есть немалый задел для биологически более правдоподобных импульсных сетей и нейромофных решениях. Возможно будущее за ними.
Для традиционных ИНС с учетом важности аппроксимационных возможностей моделей формальных нейронов и сетей, величайший конъюнктурщик всех времен и народов Макс Тегмарк;) проинтуичил, и развил новую архитектуру сетей KAN, которая дает такие возможности. Посмотрим как будет развиваться ситуация.
Функции биологических нейронов, например, пиромидальных можно моделировать с помощью ИНС (1, 2, 3, 4).
Конечно такое никем не принимается во внимание) Потому что это полная туфта. Вы ввели в заблуждение многих людей не проверив информацию.
Во-первых, отдельные нейроны не играют особой роли в мозге. Любые функции выполняют ансамбли нейронов. Во-вторых, они постоянно спонтанно активируются, даже когда не выполняют никаких функций. В третьих, есть генераторы активности, которые непрерывно генерируют некоторые паттерны активности. В четвертых, максимальная частота активации нейронов намного больше, до килогерца, хотя обычно считается не больше 200 гц. В пятых, видов кодировок много разных, и до конца этот они не изучены. В шестых, нет никакой постоянной привязки кодировки к функциям, зависит от контекста, где клетка находится в мозге. В седьмых, почти все сказанное выше может поменяться благодаря нейропластичности мозга на всех уровнях.
Да, это вам не формальные нейрончики в ИНС) Более точно свойства биологических нейронов моделируются в импульсный нейросетях с учетом STDP, которые используются в нейроморфных решениях.
В целом мозг не цифровая система, скорее аналоговая. Использующая метастабильные состояния (1, 2) и критические фазовые состояния на грани хаоса (1, 2, на Хабре).
Неплохой обзор когнитивных архитектур, но заключение несколько разочаровало.
Э-э-э... какое поведение? Когнитивная революция 50-60 гг. и состояла в том чтобы отойти от бихевиоризма, поведенческой психологии (хороший обзор от одного из участников этих событий). Это разворот от наблюдательных схем поведения к ментальным моделям, воплощенному, ситуационному и распределенному подходу к познанию. Собственно само поведение рассматривается с точки зрения внутренних моделей. Дополняя друг друга эти концепции частично пересекаются. В последнее время, благодаря широкому внедрению методов нейровизуализации и нейросетевого моделирования, очень активно и плодотворно развивается байесовский подход к функциям мозга (байесовский мозг) и теория предиктивного кодирования (предиктивного разума). Фактически начали говорить о второй когнитивной революции - ментальных репрезентациях в предсказательном режиме. Естественно, все эти подходы обеспечивают и поведенческие (действенные) аспекты, но акцент именно на внутренних (ментальных) моделях, их структуре и функциях.
Когнитивные архитектуры разрабатывались как модели когнитивной системы животных и человека, в первую очередь, для разработки интеллектуальных и воплощенных агентов, т.е. как прикладной аспект когнитивных исследований.
К проблеме сознания когнитивные архитектуры имеют небольшое отношение, см. обзор, где этот аспект практически не упоминается. Сознание исследуются в рамках теорий сознания (обзор). До этих высот когнитивным архитектурам еще далеко. Те же ЯМ на базе трансформерной архитектуры моделируют пока только ассоциативный уровень мышления человек, а этих уровней у человека много. Не говоря о других когнитивных возможностях - сознании, восприятии, эмоциях, интуиции, принятии решений, мотивациях, и тд. Все это конечно не требуется переносить в ИИ, но еще немало чтобы он достиг уровня возможностей человека. И одним наращиванием вычислительных мощностей эту проблему не решить, как кажется разработчикам таких систем. Стоит взглянут в сторону нейроморфных решений, которые лучше моделируют функции биологических нейронов и сетей.
Это гипотетическое предположение автора статьи, которое он развивает в предыдущих публикациях, с целью решить проблемы бомовской интерпретации КМ, и ссылается на идеи из ТПГ. Критика особо не приветствуется, если не касается ошибок в формулах. Особенной с позиций методологии научного познания и экспериментальной физики. Можно еще этот развернутый комент о важности и стохастичности экспериментального поиска порекомендовать. Для судьбы таких теоретических построений можно только одно повторить - ждем новостей из исследовательских лабораторий. Для ТС пока так и не дождались.
Все же пожелаю автору успехов в поиске, и попытке угадать модель соответствующую реальности, особенно найти способ ее проверки.
Скорее всего так и будет. OpenAI основательно подсела на трансформерную архитектуру, разогнали исследовательский сектор в угоду коммерции, и пытается выжить из нее все возможное планируя строить мега-дата-центры, выпускать специализированные микросхемы, вкладываться в энергетику, и тд. А у нее масса ограничений, включая забавных.
Например, она не может освоит в полном объеме арифметические операции для любых чисел, без обращения к внешним матпакетам, из-за того что это сеть прямой архитектуры. Эти операции требуют рекуррентности, которая реализована в них ограниченно в виде авторегрессивного цикла. Выполняются только те операции которые были в обучающей выборке, или приблизительно благодаря аппроксимирующим возможностям сетей. Где-то пытались применить метод пошагового обучения, но из-за ограниченного объема контекстного окна все равно для очень больших чисел правильный счет прерывается.
В перспективе возможно в выигрыше окажутся те кто сейчас вкладывается в энергоэффективные, динамические и непрерывно обучающиеся нейроморфные решения. Трансформеры худо-бедно моделирую ассоциативный уровень мышления человека. А у человека этих уровней много - логический, критический, образный, и др. Еще есть развиваться куда)
Спасибо за статью, в целом согласен с изложенным мнением.