Человек не видит за свою жизнь миллионы разных кошек.
У нас с вами игра: вы возвеличиваете человеческий интеллект, а я буду возвеличивать ИНС.
Нейросети тоже могут не видеть миллионы кошек, но достаточно показать несколько раз, чтобы ИНС приобрела некоторые полезные навыки, связанные с кошками.
Вот вы утверждаете, что «нормально обучается», но это абсолютная ложь. Ибо есть контр-примеры, опровергающие утверждение.
Прекращайте бросаться ложными утверждениями в отношении интеллекта человека, не преувеличивайте его. И не принижайте интеллект искусственный в лице ИНС. Вы не способны адекватно оценивать человеческий интеллект и мало знаете про нейросети. Пардон, но я уже устал слышать про успехи в педагогике (=человеческое обучение, ЧО, human learning, HL). ;-)
Если бы работало, давно бы уже взяли любую нейросеть и дообучили до уровня человека.
И никаких проблем?))) Ведь алгоритмы обучения требуют датасеты. А где их взять??? Даже few shots — это тончайшая работа, а не просто пара произвольных картинок.
В контексте данного обсуждения (и других аналогичных) я говорю о том, что человеку требуются десятки и сотни примеров или попыток для изучения нового, а не миллионы.
Когда я говорю «миллионы», то имею в виду много. Если говорю «две» или few shots, то имею в виду «очень мало». Вы же, я смотрю, очень разбираетесь в количестве: десятки, сотни, миллионы…
Но я вам скажу так: чтобы отработать некоторый сложный навык, требуется такое данных, которое формирует необходимый стек навыков более низкого уровня. Поэтому трудно говорить десятки, сотни или все-таки миллион картинок требуется. Многие навыки и вовсе в течение жизни не приобретаются, так как не всегда попадаются картинки, релевантные навыку.
Поэтому ваши рассуждения про десятки и сотни картинок следует пропустить мимо ушей. Непонятно, о каком навыке вы говорите, какова сложность этого абстрактного навыка. Но хочу сказать, что простейшим навыкам надо сотни примеров, ибо у них нет поддержки снизу.
Напишите, пожалуйста, статью про сильные данные. Я уже устал от когнитивного искажения, связанного с тем, что существуют некоторые алгоритмы (которые можно назвать сильными), которые из ничего создают все.
Нету никаких сильных интеллектов!!! Ни в природе, ни в технике нету!!!
В чем проблема научить нейросеть заполнять базу знаний и пользоваться ею??? Нейросети могут научиться и этому!
Нет никакой принципиальной проблемы, кроме той, про которую я судачу каждый раз: где взять данные для обучения??? Чтобы научить нейросеть работать с базой знаний, вы должны подготовить соответствующий датасет. А не думать о том, какой сильный алгоритм нужно придумать.)))
Никакой сенсомоторный опыт не нужен, чтобы понимать книжку про Золушку и фею, потому что их не бывает в окружающем мире.
Неправда. Иначе бы дети могли научиться читать в 0 лет, сразу после рождения. Не порите откровенную чушь. Сенсомоторный опыт очень важен и его имитация не всегда приводит к желаемому результату. Если вам дать игрушечную бензопилу, вы не получите необходимый опыт работы с настоящей бензопилой. Однако если вам попользоваться молотком или лобзиком, то это положительно сыграет на освоении бензопилы (значительно ускорит освоение бензопилы).
Поэтому в нейросетях такое реально работает: нейросеть, которую обучили распознавать на миллионах картинок, можно дообучить (few shot learning) распознаванию каких-то объектов, которые ранее не показывали.
Фактически веса обученной нейросети являются аккумуляцией ее сенсорного опыта. И в этих весах скрыт ряд навыков: от простейших до сложнейших. И как правило, они иерархически поддерживают друг друга снизу вверх. Именно поэтому дообучение реально работает. Но дообучение не будет таким хорошим, если взять нейросеть распознавания речи и дообучать ее на оптическом распознавании. Слишком мало общих полезных навыков.
Изображение с камеры, звук с микрофона, датчик силы тяжести.
На этом же принципе создан GPT-3: вместо реального общения скормили нейросети миллиарды готовых текстов. Можно признать принцип условно пригодным. Но к сожалению, истинные диванные ИИ-строители не удовлетворены.
Вообще-то у человека глаза не только одни чаты читают.))) У человека 6 органов чувств, ёпрст!!! За 15 лет накапливается огромадный сенсомоторный опыт. Заметьте, не сенсорный опыт, а сенсомоторный. То есть обучение активное (кстати, в ML есть такие алгоритмы): если ты не брал в руки бензопилу, то соответствующий опыт не возник.
Поэтому говорить о сильном интеллекте с пустой базой знаний — это удел диванных ИИ-строителей.
Решение простое и одновременно сложное — нужны сильные данные, а не сильный интеллект.
michael_v89
Я уже сотый раз от вас слышу, что мол якобы человеку достаточно двух примеров фото с вараном и вомбатом, чтобы отличать их. Это так, но заблуждение заключается в том, что полный обучающий датасет состоит из двух фотографий. Нет! Полный набор датасетов состоит из миллиона изображений. Иными словами, без предобучения операции сравнения объектов датасет из двух фото не поможет никакому сильному интеллекту.
С уважением, бывший teology.
На данный момент можно реализовать практически любой интеллект, возникает только проблема сбора информации (датасетов). Вы бы лучше об этом побеспокоились, ИИ-изобретатели. То есть действительно, как утверждает автор, нет никаких проблем с сильными алгоритмами, но есть проблема с сильными данными.
Ничья)))
У нас с вами игра: вы возвеличиваете человеческий интеллект, а я буду возвеличивать ИНС.
Нейросети тоже могут не видеть миллионы кошек, но достаточно показать несколько раз, чтобы ИНС приобрела некоторые полезные навыки, связанные с кошками.
Ничья в мою пользу.)))
Прекращайте бросаться ложными утверждениями в отношении интеллекта человека, не преувеличивайте его. И не принижайте интеллект искусственный в лице ИНС. Вы не способны адекватно оценивать человеческий интеллект и мало знаете про нейросети. Пардон, но я уже устал слышать про успехи в педагогике (=человеческое обучение, ЧО, human learning, HL). ;-)
И никаких проблем?))) Ведь алгоритмы обучения требуют датасеты. А где их взять??? Даже few shots — это тончайшая работа, а не просто пара произвольных картинок.
Когда я говорю «миллионы», то имею в виду много. Если говорю «две» или few shots, то имею в виду «очень мало». Вы же, я смотрю, очень разбираетесь в количестве: десятки, сотни, миллионы…
Но я вам скажу так: чтобы отработать некоторый сложный навык, требуется такое данных, которое формирует необходимый стек навыков более низкого уровня. Поэтому трудно говорить десятки, сотни или все-таки миллион картинок требуется. Многие навыки и вовсе в течение жизни не приобретаются, так как не всегда попадаются картинки, релевантные навыку.
Поэтому ваши рассуждения про десятки и сотни картинок следует пропустить мимо ушей. Непонятно, о каком навыке вы говорите, какова сложность этого абстрактного навыка. Но хочу сказать, что простейшим навыкам надо сотни примеров, ибо у них нет поддержки снизу.
Нету никаких сильных интеллектов!!! Ни в природе, ни в технике нету!!!
Очень прошу!!!
Нет никакой принципиальной проблемы, кроме той, про которую я судачу каждый раз: где взять данные для обучения??? Чтобы научить нейросеть работать с базой знаний, вы должны подготовить соответствующий датасет. А не думать о том, какой сильный алгоритм нужно придумать.)))
Неправда. Иначе бы дети могли научиться читать в 0 лет, сразу после рождения. Не порите откровенную чушь. Сенсомоторный опыт очень важен и его имитация не всегда приводит к желаемому результату. Если вам дать игрушечную бензопилу, вы не получите необходимый опыт работы с настоящей бензопилой. Однако если вам попользоваться молотком или лобзиком, то это положительно сыграет на освоении бензопилы (значительно ускорит освоение бензопилы).
Поэтому в нейросетях такое реально работает: нейросеть, которую обучили распознавать на миллионах картинок, можно дообучить (few shot learning) распознаванию каких-то объектов, которые ранее не показывали.
Фактически веса обученной нейросети являются аккумуляцией ее сенсорного опыта. И в этих весах скрыт ряд навыков: от простейших до сложнейших. И как правило, они иерархически поддерживают друг друга снизу вверх. Именно поэтому дообучение реально работает. Но дообучение не будет таким хорошим, если взять нейросеть распознавания речи и дообучать ее на оптическом распознавании. Слишком мало общих полезных навыков.
На этом же принципе создан GPT-3: вместо реального общения скормили нейросети миллиарды готовых текстов. Можно признать принцип условно пригодным. Но к сожалению, истинные диванные ИИ-строители не удовлетворены.
Поэтому говорить о сильном интеллекте с пустой базой знаний — это удел диванных ИИ-строителей.
Решение простое и одновременно сложное — нужны сильные данные, а не сильный интеллект.
michael_v89
Я уже сотый раз от вас слышу, что мол якобы человеку достаточно двух примеров фото с вараном и вомбатом, чтобы отличать их. Это так, но заблуждение заключается в том, что полный обучающий датасет состоит из двух фотографий. Нет! Полный набор датасетов состоит из миллиона изображений. Иными словами, без предобучения операции сравнения объектов датасет из двух фото не поможет никакому сильному интеллекту.
С уважением, бывший teology.