Когда нужны данные за 2 сек., данные миллиона камер за 0.01 сек. могут не помочь. Нпр., у меня в не очень сложном боте в первый момент после выстрела бывает такой шум, что я сам распознать никакие цели не могу.
Термометр, который совмещен с ардуинкой, и включает-выключает отопительный и охлаждающие приборы для поддержания комфортной температуры уже имеет поведенческий рефлекс, свойственный живым существам. Т.е. реагирует на раздражитель.
Про понимание энтропии пару дней назад на Хабре писали.
ИМХО можно рассмотреть теорию 2+2 = 5, если это будет содержательная полезная теория. Аналогично геометрии, где параллельные пересекаются. Это вопросы научной методологии. Наука — это модели, где используют не все свойства прототипа, а только нужные для данной модели. При этом парадоксы не исключены. Модель не обязательно должна быть единственной.
Мозг [...] настолько сложен, что всех возможностей человечества с его компьютерами и слабыми ИИ, никогда не хватит, чтобы его воспроизвести
Математики высказывают сомнения в возможности доказательства любой теоремы, по причине слишком высокой сложности для человека/группы людей. В частности, машинное доказательство задачи 4х красок вызывает похожие претензии. М.б. и другие причины.
Но то, что часть функциональности мозга уже воспроизведена с помощью сетей простейших пороговых элементов и градиентного спуска, говорит против этого аргумента.
Некоторые задачи решаемы и человеком и современным ИИ. Но зачастую разными методами. Нпр., шахматисты не используют альфа-бета алгоритм шахматных программ. Про алгоритмы распознавания человеком зрительных и аудио-образов информации крайне мало. Человеческое самопознание (рефлексия) очень ограничена. Математики не могут объяснить, как они доказывают нетривиальные теоремы. Однако не факт, что целью ИИ должно быть воспроизведение человека. Многие задачи машина решает лучше, нпр.:
задача рассортировать несколько десятков тысяч слов по алфавиту для человека будет утомительной, делать он ее будет долго, а вероятность ошибок для среднего исполнителя со средним уровнем ответственности будет значительной. Современный компьютер выполнит эту задачу без ошибок за очень короткое для человека (доли секунды) время.
Поэтому м.б. на практике нам нужен ИИ не слишком похожий на человека?
Увеличить частоту срабатывания искусственных нейронов в 100/миллион раз, добавить систему охлаждения, и подавать 2кВт (или 20МВт) вместо 20 ватт?
Может не помочь. Нпр., в общем случае не факт, что человек надежно распознает порхающую бабочку только по одному фрейму, а не по интервалу в пару секунд. Нпр., можно из видео бабочки выделить неудачный кадр, где будет непонятно, что это бабочка (бабочки — они маскируются). Т.о. дело не в скорости вычисления функций распознавалки.
Ребенок может отличить холодное от теплого (как термометр), в первом классе начальной школы он может сосчитать, что 2+3 = 5 (как калькулятор). Но из этого не следует, что в термометр и калькулятор заложен ИИ.
Лаплас был приверженцем абсолютного детерминизма. Он утверждал, что если бы какое-нибудь разумное существо смогло узнать положения и скорости всех частиц в мире в некий момент, оно могло бы совершенно точно предсказать все мировые события. Такое гипотетическое существо впоследствии было названо демоном Лапласа. Ошибочность подобной предопределённости была отмечена задолго до появления вероятностной квантовой механики — ещё в начале XX века Анри Пуанкаре обнаружил принципиально непредсказуемые процессы, в которых ничтожное изменение исходного состояния вызывает со временем сколь угодно большие отклонения в конечном состоянии[12].
Современный ПК уже на порядки превосходит мозг в скорости вычислений
И не только в скорости вычислений, но даже в способности запоминать. Запомнить 1000 знаков числа пи компу раз плюнуть, а человеки семь цетов радуги запомнить не могут — изобретают стишки типа «каждый охотник желает знать...» :)
Да. Если футурологией занимаются — значит, это кому-то нужно :) Но м.б. и в прогнозах нужно соблюдать разумное чувство меры? Иначе будем выглядеть как пещерные люди, прогнозируя колонизацию Луны с помощью каменных топоров. Прогноз на 1000 лет вперед вряд ли будет успешным.
Тот кто думает, что угроза автоматизации преувеличена, совершенно не понимает что такое ИИ.
Я, нпр., не понимаю, хотя и писал про бунт роботов.
полноценный ИИ сможет заменить людей абсолютно во всех видах деятельности, поскольку полноценный ИИ будет обучаться/оптимизироваться в сотни/триллионы раз быстрее людей.
Кем, когда и где доказано, что возможен такой «полноценный ИИ»? Кем, когда и где доказано, что будет обучаться/оптимизироваться в сотни/триллионы раз быстрее людей? В сотни или триллионы? — Разница не маленькая ;)
ИМХО можно рассмотреть теорию 2+2 = 5, если это будет содержательная полезная теория. Аналогично геометрии, где параллельные пересекаются. Это вопросы научной методологии. Наука — это модели, где используют не все свойства прототипа, а только нужные для данной модели. При этом парадоксы не исключены. Модель не обязательно должна быть единственной.
Математики высказывают сомнения в возможности доказательства любой теоремы, по причине слишком высокой сложности для человека/группы людей. В частности, машинное доказательство задачи 4х красок вызывает похожие претензии. М.б. и другие причины.
Некоторые задачи решаемы и человеком и современным ИИ. Но зачастую разными методами. Нпр., шахматисты не используют альфа-бета алгоритм шахматных программ. Про алгоритмы распознавания человеком зрительных и аудио-образов информации крайне мало. Человеческое самопознание (рефлексия) очень ограничена. Математики не могут объяснить, как они доказывают нетривиальные теоремы. Однако не факт, что целью ИИ должно быть воспроизведение человека. Многие задачи машина решает лучше, нпр.:
Поэтому м.б. на практике нам нужен ИИ не слишком похожий на человека?
Может не помочь. Нпр., в общем случае не факт, что человек надежно распознает порхающую бабочку только по одному фрейму, а не по интервалу в пару секунд. Нпр., можно из видео бабочки выделить неудачный кадр, где будет непонятно, что это бабочка (бабочки — они маскируются). Т.о. дело не в скорости вычисления функций распознавалки.
Т.е. если память совсем дырявая и может хранить не больше 0 бит, то все равно Интелект? А зачем тогда обучение? — Чему обучился, то забудет.
У меня несколько недавних работ по игровому ИИ: см. здесь и здесь и здесь.
Кем, когда и где доказано, что возможен такой «полноценный ИИ»? Кем, когда и где доказано, что будет обучаться/оптимизироваться в сотни/триллионы раз быстрее людей? В сотни или триллионы? — Разница не маленькая ;)