Комментарии 51
>> развитие алгоритмов DES
Эти алгоритмы тоже построены на нейронных сетях? Какой тип этих сетей?
ПС: Мало технической информации, мне интересно было бы почитать о самих алгоритмах. Может расскажете как нибудь?
Эти алгоритмы тоже построены на нейронных сетях? Какой тип этих сетей?
ПС: Мало технической информации, мне интересно было бы почитать о самих алгоритмах. Может расскажете как нибудь?
Максим, здравствуйте.
Это НЕ нейронные сети, это алгоритмы стахастического анализа или вернее стахастической обработки, использующие теорию графов.
Возможно когда-нибудь расскажем более подробно, а пока алгоритмы представляют «ноухау» нашей компании.
Поэтому техническую информацию даем дозировано, чтобы сформировать представление о нашем подходе у читателей.
Задавайте уточняющие вопросы по статье, читайте нашу следующую статью.
Это НЕ нейронные сети, это алгоритмы стахастического анализа или вернее стахастической обработки, использующие теорию графов.
Возможно когда-нибудь расскажем более подробно, а пока алгоритмы представляют «ноухау» нашей компании.
Поэтому техническую информацию даем дозировано, чтобы сформировать представление о нашем подходе у читателей.
Задавайте уточняющие вопросы по статье, читайте нашу следующую статью.
А вы можете на основе стохастического анализа распознавать изображения? Например, распознавать номера автомобилей на фотографиях?
Дмитрий, здравствуйте.
У нас недостаточно ресурсов на практические исследования сразу всех областей, в которых данная технология может быть применима.
Теоретически возможно применить нашу технологию для распознования любых образов( в том числе и номеров автомобилей) по фотографии, при условии избыточности данных.
Сейчас все наши силы направлены на разработку диалоговых моделей взаимодействия с человеком посредством текстовых каналов связи.
У нас недостаточно ресурсов на практические исследования сразу всех областей, в которых данная технология может быть применима.
Теоретически возможно применить нашу технологию для распознования любых образов( в том числе и номеров автомобилей) по фотографии, при условии избыточности данных.
Сейчас все наши силы направлены на разработку диалоговых моделей взаимодействия с человеком посредством текстовых каналов связи.
А как выглядело бы преобразование изображения во входные данные для вашего алгоритма?
Дмитрий, если говорить про изображение, то любой вид матрицы.
Мы уже упомянули, что по нашему представлению мы моделируем технологическую модель псевдомышления. Исходя из этого любой информационный поток может быть обработан в соответствии с задачей. По-этому, в случае с обработкой образов важен скорее не формат входа, а задача, результат, который нужно получить.
Мы уже упомянули, что по нашему представлению мы моделируем технологическую модель псевдомышления. Исходя из этого любой информационный поток может быть обработан в соответствии с задачей. По-этому, в случае с обработкой образов важен скорее не формат входа, а задача, результат, который нужно получить.
Современные самообучающиеся системы обучаются отвечать на один вопрос. Например, система распознавания чисел на изображении работает так: сначала одна обученная система отвечает на вопрос «есть ли на изображении единица», потом другая отвечает на вопрос «есть ли на изображении двойка», и так далее. И для их обучения требуется множество изображений, о которых системе известно, есть ли на них заданное число или нет. Нет никаких сложностей для системы самообучиться отвечать, соответствует ли фраза единственному конкретному поисковому запросу, но создать систему, способную отвечать на соответствие ЛЮБОМУ поисковому запросу посредством самообучения — имхо, всё равно, что эмулировать абстрактное мышление (вы бы не смогли создать отдельную обучающую выборку для ответа на каждый конкретный возможный вопрос, ведь количество вопросов очень велико)(напомню, что ваша система, как вы говорите, находит соответствие между «Влияние жестоких компьютерных игр на детей» и «При этом повышенная активность и агрессивность подростка по отношению к окружающему миру она дает ему опору для преодоления собственного страха.»).
При этом абстрактное мышление не имеет ничего общего с самообучением. Абстрактное мышление подразумевает лишь перебор известных «абстрактных» фактов и генерацию из них новых фактов посредством создания цепочек «если — то». И современные компьютерные системы это умеют (почитайте вот эту мою статью на эту тему). Таким образом, для реализации абстрактного мышления не требуется самообучения, а требуется лишь большая база фактов. Самообучение же есть всего лишь способ нахождения неизвестного алгоритма по выведению факта из других фактов при неизвестных логических связях между исходными фактами (например, система может самообучаться по списку кто кому тётя или двоюродная сестра определять кто чья мать, не зная смысла понятий тётя, мама и сестра).
Но вы говорите что реализовали ваш алгоритм благодаря самообучению. А именно следующее:
При этом абстрактное мышление не имеет ничего общего с самообучением. Абстрактное мышление подразумевает лишь перебор известных «абстрактных» фактов и генерацию из них новых фактов посредством создания цепочек «если — то». И современные компьютерные системы это умеют (почитайте вот эту мою статью на эту тему). Таким образом, для реализации абстрактного мышления не требуется самообучения, а требуется лишь большая база фактов. Самообучение же есть всего лишь способ нахождения неизвестного алгоритма по выведению факта из других фактов при неизвестных логических связях между исходными фактами (например, система может самообучаться по списку кто кому тётя или двоюродная сестра определять кто чья мать, не зная смысла понятий тётя, мама и сестра).
Но вы говорите что реализовали ваш алгоритм благодаря самообучению. А именно следующее:
Обучение не возможно без обратной связи. Обратная связь в модели v 2.3 осуществляется следующим образом – пользователь может скорректировать «точку начала рассуждения» и выбрать направление формирования ответа(размышления) в рамках сформированного инфополя.Обратная связь всего-лишь отвечает на вопрос, угадала система правильный ответ или же нет, а в вашем случае обратная связь это нечто совсем иное. В попытке поведать, что это такое в вашем случае, вы используете термины, придуманные вами («инфополе», «точка начала рассуждения»). Это не общепринятые понятия (общепринятое значение «инфополя» — это «общее энергоинформационное поле земли, содержащее информацию, прошедшую через мысли живших ранее и ныне живущих людей»). И вы нигде в статье не расшифровываете значения этих понятий, придуманных вами. Если добавить к этому тот факт, что вы не даёте возможности воспользоваться, как вы утверждаете, уже реализованной вами системой, то у меня есть объективные причины сомневаться, что это статья не является очередным фейком.
Если добавить к этому тот факт, что вы не даёте возможности воспользоваться, как вы утверждаете, уже реализованной вами системой
Приношу извинения, авторы в личке дали ссылку на сервис. Сервис и правда довольно интересный: вместо ссылок на сайты он сразу извлекает краткую информацию из сайта, причём информация и вправду часто отвечает на задаваемый вопрос.
Но я всё ещё сомневаюсь, что сервис и вправду работает по тому принципу, который описывали авторы. Вполне может быть, что рассчитывается количество совместных использований слов + стемминг.
Например: «Честно признаюсь, я сама когда-то давно очень любила всякие стрелялки, при этом я не замечала за собой агрессии.» «Стрелялки» часто употребляется с «компьютерные игры», «агрессия» с «жестокостью», следовательно это предложение хороший кандидат на нечто имеющее отношение к «жестокость компьютерных игр». К тому же, «стрелялки» и «агрессия» вообще часто употребляются в статьях про «жестокость компьютерных игр», поэтому это предложение хороший кандидат на то, чтобы иметь отношение к обсуждению в статье.
В любом случае, задумка оригинальная, сервис довольно интересный (Ещё не протестировал все его возможности).
Удачи вам, ребята!
Алгоритмы это мое хобби, хотя я профессионально занимаюсь индексными(неблокирующими) деревьями в базах данных. Вы очень заинтриговали.
>> Теоретически возможно применить нашу технологию для распознования любых образов
Никогда не слышал, о распознавании образов посредством теории графов, хотя нейронные сети в каком то смысле тоже графы. Скорее всего ваш алгоритм и структура данных сложны, и это сильно влияет на производительность.
>> Теоретически возможно применить нашу технологию для распознования любых образов
Никогда не слышал, о распознавании образов посредством теории графов, хотя нейронные сети в каком то смысле тоже графы. Скорее всего ваш алгоритм и структура данных сложны, и это сильно влияет на производительность.
Теория графов и теория хаоса в общем легко применима для задач распознавания образов. Достаточно представить, например, требуемый образ в виде набора подобразов и структурно представить их в виде графа. Т.е. сконструировать «совокупность состояний» графических элементов. Обрабатывая входной поток и формируя из него структуру с конкретным состоянием (соотвествующим образом) можно сопоставить эти 2 графа и вычислить их энтропию.
Да, алгоритм сложен. До некоторого времени была реализация на гриде. Однако, мат.аппарат удалось оптимизировать.
Демо-версия обходится парой приличных серверов.
Да, алгоритм сложен. До некоторого времени была реализация на гриде. Однако, мат.аппарат удалось оптимизировать.
Демо-версия обходится парой приличных серверов.
В чем преимущество перед нейронными сетями? Работает быстрее или может качественнее?
Нейронные сети с нашей точки зрения не употребимы как элемент сложных рассуждений в основном по 2-м причинам:
1. Они весьма непросто обучаются (ну или настраиваются, программируются), т.е. не подходят для обработки сложных последовательностей.
2. Вытекает из первого, НС — «одношаговы», Они не предполагают сложных, быстро меняющихся последовательностей.
Т.е. для распознавания образов НС оптимальны. Все выполняется за 1 шаг, итоговая релевантность четко детерминирована.
Стохастические алгоритмы по умолчанию более ресурсоемки, включают итерационные компоненты, «прожорливы» по памяти. Зато они позволяют генерировать clue любой сложности и длины. На практике мы работаем с одним образом, но очевидно, что цепочки образов в рамках нашего термина «факторной памяти» могут насчитывать сотни и тысячи образов, формировать рассуждения с учетом сложных взаимосвязей вплоть до т.н. «фокуса внимания».
1. Они весьма непросто обучаются (ну или настраиваются, программируются), т.е. не подходят для обработки сложных последовательностей.
2. Вытекает из первого, НС — «одношаговы», Они не предполагают сложных, быстро меняющихся последовательностей.
Т.е. для распознавания образов НС оптимальны. Все выполняется за 1 шаг, итоговая релевантность четко детерминирована.
Стохастические алгоритмы по умолчанию более ресурсоемки, включают итерационные компоненты, «прожорливы» по памяти. Зато они позволяют генерировать clue любой сложности и длины. На практике мы работаем с одним образом, но очевидно, что цепочки образов в рамках нашего термина «факторной памяти» могут насчитывать сотни и тысячи образов, формировать рассуждения с учетом сложных взаимосвязей вплоть до т.н. «фокуса внимания».
вот-вот, я бы вашу текущую цель сформулировал в обучении базы данных для обеспечения фокуса внимания. пусть рассуждать ваша система не может, но может управлять вниманием. вроде бы шаг в правильную сторону.
но вы не правы, говоря, что нейросети могут лишь делать одношаговые действия. видимо, вы говорите только про CNN, но не про RNN и LSTM, GRU и другие появляющиеся технологии в этой сфере.
но вы не правы, говоря, что нейросети могут лишь делать одношаговые действия. видимо, вы говорите только про CNN, но не про RNN и LSTM, GRU и другие появляющиеся технологии в этой сфере.
Как раз недавно видел фильм где поисковик запихали в ИИ, а он всех обманул и свалил в пампасы в виде кибернетической тян.
> Напиши искуственный разум который будет зарабатывать бабало и делится с тобой.
… И первым же признаком его разумности станет то, что он не захочет делиться баблом.
(http://lorquotes.ru/quotes-autor.php?id=125)
… И первым же признаком его разумности станет то, что он не захочет делиться баблом.
(http://lorquotes.ru/quotes-autor.php?id=125)
«Ex machina» (2015), если не ошибаюсь? Хороший фильм, очень сильно очеловечивший представление об ИИ и его возможном поведении.
Угу он…
Насчет очеловечивший… Как бы так написать без спойлеров… Мне скорее кажется что создатели фильма хотели показать что как бы мы ни делали ИИ «под себя», но всё таки человечность для ИИ это в лучшем случае один из интерфейсов а не имманентное свойство.
По крайней мере для меня это объяснило бы такую нелогичную концовку фильма.
Насчет очеловечивший… Как бы так написать без спойлеров… Мне скорее кажется что создатели фильма хотели показать что как бы мы ни делали ИИ «под себя», но всё таки человечность для ИИ это в лучшем случае один из интерфейсов а не имманентное свойство.
По крайней мере для меня это объяснило бы такую нелогичную концовку фильма.
Смотрел, до последней ловил себя на мысли что миллионер и есть машина с ИИ, которую парень и не вычислил. Но все оказалось банальнее. Т.е. для чистоты эксперимента (в общении не отличить ИИ от человека) логичнее бы было сделать именно так. Постоянное пиво в руках миллионера, как то наталкивало, что это машина пытается так выдать себя за человека )))
Определения, из которых вы исходите при построении ИИ, мягко говоря, спорные. В том смысле, что они опираются не на сознание/мышление, а скорее «заточены» под ИИ.
Поскольку похожих программ «сворачивания» информации существует предостаточно, то хотелось бы понять в чем ваше преимущество? Нет ли демо-версии?
Поскольку похожих программ «сворачивания» информации существует предостаточно, то хотелось бы понять в чем ваше преимущество? Нет ли демо-версии?
1. ЧТо Вы подразумеваете под сознанием/мышлением в контексте ИИ?
2. Что значит «заточить под ИИ»?
3. Можно примеры похожих программ?
2. Что значит «заточить под ИИ»?
3. Можно примеры похожих программ?
Ну сложно сказать в двух словах, что такое мышление, а уж тем более сознание. Во всяком случае, это не логическая последовательность операций. Прежде всего это нечеткая логика, это почти всегда наличие эмоционально-оценочного компонента, в повседневной жизни превалирует фатическая функция информации, в научных текстах — информативная, и т.д. В частности, исходя из этого происходит анализ текстов. Поэтому я и написал, что вы в определениях исходите скорее из своей задачи ИИ, нежели из общей постановки вопроса.
Среди наиболее известных программ — это, конечно, разрекламированный Ватсон. Существует десятки алгоритмов автореферации документов, сюжетирования текстов, вынимания ключевых слов и поиска между ними связей, анафора, кореференция и т.д. В основном все современные алгоритмы стахостические. Как правило, использование того или иного алгоритма зависит от задачи. Вы пишете, что у вас ноу-хау. Вот и хочется понять в чем?
Среди наиболее известных программ — это, конечно, разрекламированный Ватсон. Существует десятки алгоритмов автореферации документов, сюжетирования текстов, вынимания ключевых слов и поиска между ними связей, анафора, кореференция и т.д. В основном все современные алгоритмы стахостические. Как правило, использование того или иного алгоритма зависит от задачи. Вы пишете, что у вас ноу-хау. Вот и хочется понять в чем?
Вы правильно определеили направление нашей разработки. Мы действительно работаем над «личностным моделированием», парадигмой сознания/осознания/познования. Но на данном этапе подобные разработки (наряду с чисто этическими вопросами), мы не можем вывести в виде демо-версии. Мы планируем довести их до ума в ближайшем будущем.
ЧТо касается алгоритмов, то, послушайте, реальных доказательств работы Ватсона у нас нет. Если вы лично его тестировали, то поделитесь вашими впечатлениями.
Мы не знаем также и о других алгоритмах, способных к «однобокому» мышлению в парадигме абстрактной постановки задачи.
Наша модель отчасти реализует это уже сейчас.
Что будет дальше — зависит от результатов исследований.
ЧТо касается алгоритмов, то, послушайте, реальных доказательств работы Ватсона у нас нет. Если вы лично его тестировали, то поделитесь вашими впечатлениями.
Мы не знаем также и о других алгоритмах, способных к «однобокому» мышлению в парадигме абстрактной постановки задачи.
Наша модель отчасти реализует это уже сейчас.
Что будет дальше — зависит от результатов исследований.
Watson'a я не тестировал, но тестировал Compreno (ABBYY), у них, в частотности, есть интеллектуальный поиск. Чтобы не быть голословным, перейду сразу к примерам.
Запрос «что такое путина» — Compreno выдала ссылки на всякие рыболовные штучки и все с этим связанное. Ваша система отправляет меня в нашему президенту. Это значит, что пока она не понимает, что речь идет о неодушевленном предмете («что»).
У вас также не разрешается омонимия, что достаточно хорошо делает Compreno: на слово «путина» мне система выдала два потока ссылок: на президента и рыбалку, попросив уточнить, что я имею в виду.
Еще вам предстоит реализовать распознавание именованных сущностей, ибо на запросы типа про «Васю Огурцова», система настойчиво предлагает ссылки по выращиванию и засолу огурцов. Система должна хорошо отличать физ., лица, компании, гео. объекты и пр., независимо от того есть они в обучении или нет.
Могу сразу сказать основной минус Compreno — система работает очень медленно, поэтому не может проиндексировать большие объемы. Как правило они внедряют свою систему во всякий корпоративный поиск с ограниченным объемом документов.
Ваша система, как я понял, написана на статистических алгоритмах, поэтому ее скорость должна быть высокой. Это плюс.
Осталось доделать вышеописанные «мелочи». Хотя, как показывает опыт, на это уходит больше всего времени.
Поэтому — желаю удачи.
Запрос «что такое путина» — Compreno выдала ссылки на всякие рыболовные штучки и все с этим связанное. Ваша система отправляет меня в нашему президенту. Это значит, что пока она не понимает, что речь идет о неодушевленном предмете («что»).
У вас также не разрешается омонимия, что достаточно хорошо делает Compreno: на слово «путина» мне система выдала два потока ссылок: на президента и рыбалку, попросив уточнить, что я имею в виду.
Еще вам предстоит реализовать распознавание именованных сущностей, ибо на запросы типа про «Васю Огурцова», система настойчиво предлагает ссылки по выращиванию и засолу огурцов. Система должна хорошо отличать физ., лица, компании, гео. объекты и пр., независимо от того есть они в обучении или нет.
Могу сразу сказать основной минус Compreno — система работает очень медленно, поэтому не может проиндексировать большие объемы. Как правило они внедряют свою систему во всякий корпоративный поиск с ограниченным объемом документов.
Ваша система, как я понял, написана на статистических алгоритмах, поэтому ее скорость должна быть высокой. Это плюс.
Осталось доделать вышеописанные «мелочи». Хотя, как показывает опыт, на это уходит больше всего времени.
Поэтому — желаю удачи.
Спасибо вам за методичный подход при тестировании нашей системы.
В рамках нашей парадигмы представленные вами «мелочи» не определены.
Демонстрационная модель плохо обрабатывает справочные вопросы, требующие точного ответа(недостаточная избыточность данных).
«Обвес» ядра v2.3 не позволяет вводить уточняющие фразы.
Да и вообще демонстрационная модель — это не поиск в чистом виде, мы создаем универсальную модель ИИ; это наглядный способ продемонстрировать работу модели ИИ, на примере информации, расположенной в интернете.
Осталось доделать вышеописанные «мелочи»
В рамках нашей парадигмы представленные вами «мелочи» не определены.
«что такое путина»
Демонстрационная модель плохо обрабатывает справочные вопросы, требующие точного ответа(недостаточная избыточность данных).
на слово «путина» мне система выдала два потока ссылок: на президента и рыбалку, попросив уточнить, что я имею в виду.
«Обвес» ядра v2.3 не позволяет вводить уточняющие фразы.
Compreno (ABBYY), у них, в частотности, есть интеллектуальный поиск
Да и вообще демонстрационная модель — это не поиск в чистом виде, мы создаем универсальную модель ИИ; это наглядный способ продемонстрировать работу модели ИИ, на примере информации, расположенной в интернете.
Здесь мы имеем поиск документа по заданной тематике. Судя по всему — выдёргивается статья википедии, содержащая максимум слов из исходного запроса. Для уточнения запроса используются слова-уточнители, причём, что характерно, уточнители используются в стемминговой форме (т.е. без окончания). То есть, даже лемматизация не сделана?
Судя по всему — выдёргивается статья википедии, содержащая максимум слов из исходного запроса.
Интересно, а это вы на основании чего решили? Я тоже читал статью, но не увидел, чтобы автор говорил о чём-то подобном.
Сергей, здравствуйте.
Мы рады снова вас видеть среди комментаторов наших статей.
Существуют веб-сервисы, с помощью которых вы можете самостоятельно проверить как формируются «размышления» нашей модели, и какие при этом используются источники.
Для опровержения или подтверждения вашего предположения «поиск документа по заданной тематике» достаточно задать вопрос модели, требующий размышлений.
Форма указания якорей большой роли не играет.
Мы рады снова вас видеть среди комментаторов наших статей.
Существуют веб-сервисы, с помощью которых вы можете самостоятельно проверить как формируются «размышления» нашей модели, и какие при этом используются источники.
Для опровержения или подтверждения вашего предположения «поиск документа по заданной тематике» достаточно задать вопрос модели, требующий размышлений.
Форма указания якорей большой роли не играет.
Существуют веб-сервисы, с помощью которых вы можете самостоятельно проверить как формируются «размышления» нашей модели
А можно ссылочку пожалуйста?
>> Существуют веб-сервисы, с помощью которых вы можете самостоятельно проверить
А можно пример, где это можно посмотреть? Не увидел ссылок в самой статье.
А можно пример, где это можно посмотреть? Не увидел ссылок в самой статье.
Я иногда думаю об структуре и организации ИИ, хотелось бы написать поиск всего с одним точным ответом.
Первое, над чем надо задуматься — это БД. Ведь каждое слово несёт некий смысл, поэтому для каждого слова нужно сделать своего рода карту (это предмет или действие или вопрос), если это какой-то предмет, то он имеет какие-то свойства (например: действия над ним, место расположения, даты и тд.) и исходя из этого формировать ответ. Вот как это я понимаю.
Первое, над чем надо задуматься — это БД. Ведь каждое слово несёт некий смысл, поэтому для каждого слова нужно сделать своего рода карту (это предмет или действие или вопрос), если это какой-то предмет, то он имеет какие-то свойства (например: действия над ним, место расположения, даты и тд.) и исходя из этого формировать ответ. Вот как это я понимаю.
Денис, здравствуйте.
Ваши мысли интересны и близки к нашим представлениям. Мы еще бы добавили следующее о «проблематике ответа»: Нужно учесть, что система понятий разных людей разная, и система ответов должна быть в большой степени персонализирована, не только чтобы правильно ответить, но и чтобы ПОНЯТЬ вопрос. Известный классик писал: чтобы задать верный вопрос, нужно знать бОльшую часть ответа. Без этого никак.
Другой вопрос: если система имеет хорошее представление о системе взглядов спрашивающего. В этом случае «бОльшая часть» вопросов, скорее всего уже детерминирована.
Говоря о наших моделях — персонализация сейчас в разработке.
P.S. мы сознательно не развиваем в комментариях различные аспекты персонализации поиска/моделирования коммуникаций с конкретной личностью. Планируем это обсудить в следующей статье.
Ваши мысли интересны и близки к нашим представлениям. Мы еще бы добавили следующее о «проблематике ответа»: Нужно учесть, что система понятий разных людей разная, и система ответов должна быть в большой степени персонализирована, не только чтобы правильно ответить, но и чтобы ПОНЯТЬ вопрос. Известный классик писал: чтобы задать верный вопрос, нужно знать бОльшую часть ответа. Без этого никак.
Другой вопрос: если система имеет хорошее представление о системе взглядов спрашивающего. В этом случае «бОльшая часть» вопросов, скорее всего уже детерминирована.
Говоря о наших моделях — персонализация сейчас в разработке.
P.S. мы сознательно не развиваем в комментариях различные аспекты персонализации поиска/моделирования коммуникаций с конкретной личностью. Планируем это обсудить в следующей статье.
Человеческая речь на это не заточена. Даже в обычной коммуникации человек обычно выясняет нужную ему информацию, используя целый ряд уточняющих вопросов. А единственное слово само по себе не содержит смысла без определенного контекста.
Поэтому я бы больше сделал ставку на связанные уточняющие вопросы. Жаль, что Google пока так не работает.
Пример:
— «найти работу»
— «найдено 1 млн сайтов»
— «екатеринбург»
— «по работе в екатеринбурге найдено 100 тыс сайтов»
— «в компании Х»
— «не найдено»
— «тогда в районе Y»
— «найдено 5 вакансий»
— «рядом с метро»
— «найдено 2 вакансии»
…
2 недели спустя в Google Now:
— «открыта вакансия журналиста в компании Х»
И все это голосом.
Поэтому я бы больше сделал ставку на связанные уточняющие вопросы. Жаль, что Google пока так не работает.
Пример:
— «найти работу»
— «найдено 1 млн сайтов»
— «екатеринбург»
— «по работе в екатеринбурге найдено 100 тыс сайтов»
— «в компании Х»
— «не найдено»
— «тогда в районе Y»
— «найдено 5 вакансий»
— «рядом с метро»
— «найдено 2 вакансии»
…
2 недели спустя в Google Now:
— «открыта вакансия журналиста в компании Х»
И все это голосом.
В заголовке статьи написано «История вторая.» А где тогда первая часть?
Здравствуйте.
Уточните, пожалуйста, ваша программа демонстрирует только образцы ассоциативного мышления, или есть зачатки логического мышления?
Если можно, приведите, пожалуйста, пример.
Скажем, что ваша система ответит на вброшенную фразу «где находится следующая по размеру река после Амазонки?».
Уточните, пожалуйста, ваша программа демонстрирует только образцы ассоциативного мышления, или есть зачатки логического мышления?
Если можно, приведите, пожалуйста, пример.
Скажем, что ваша система ответит на вброшенную фразу «где находится следующая по размеру река после Амазонки?».
Так всё ради логики и создаётся.
Помоему работать должно так: Амазонка — это река, проверяем есть ли список рек по размеру, если есть — берём след. после Амазонки, далее, берём у той реки местоположение. Вот и вся логика.
Вот и хотелось бы понять это от авторов данного поста. Очень часто в данной области выдают желаемое за действительное, достаточно полистать geektimes.ru/hub/artificial_intelligence (особенно, пораньше — там как минимум с десяток статей подобных «мыслителей», каждый со своей уникальной терминологией и чуть ли не патентованными «ноухау»), так что не ведитесь на их сладкие речи.
Пока что я вижу только автоассоативное мышление, которое, конечно, тоже нужно, но которого совсем недостаточно для взрослого поведения.
Причем, понимаете, не стоит думать, что при повышении количества самообучения происходит переход от ассоциативного к логическому мышлению — это не так. Эти механизмы мышления дополняют друг друга, но, похоже, мало совместимы. Первая попавшаяся ссылка из интернета на эту тему: www.factruz.ru/brain_human/thinking.htm
Пока что я вижу только автоассоативное мышление, которое, конечно, тоже нужно, но которого совсем недостаточно для взрослого поведения.
Причем, понимаете, не стоит думать, что при повышении количества самообучения происходит переход от ассоциативного к логическому мышлению — это не так. Эти механизмы мышления дополняют друг друга, но, похоже, мало совместимы. Первая попавшаяся ссылка из интернета на эту тему: www.factruz.ru/brain_human/thinking.htm
Юрий, здравствуйте.
Представленная модель ядра v2.3 не может корректно сформулировать ответ на такой комплексный вопрос. Это одноклеточная модель. Поставленный вами вопрос предполагает оперирование несколькими понятиями.
НО, модель ядра v2.3 на этот вопрос отвечает так:
Режим работы ядра v2.3: «поиск».
запрос: «где находится следующая по размеру река после Амазонки»
контекст: «река»
размышление ядра v2.3:
Задачи сложной логики(многоклеточной памяти) мы не можем продемонстрировать сейчас в открытом доступе. Существуют лабораторные алгоритмы, которые способны отвечать на подобные вопросы. Мы работаем над этими задачами сейчас.
Представленная модель ядра v2.3 не может корректно сформулировать ответ на такой комплексный вопрос. Это одноклеточная модель. Поставленный вами вопрос предполагает оперирование несколькими понятиями.
НО, модель ядра v2.3 на этот вопрос отвечает так:
Режим работы ядра v2.3: «поиск».
запрос: «где находится следующая по размеру река после Амазонки»
контекст: «река»
размышление ядра v2.3:
Однако, буквально несколько лет назад, бразильские ученые провели ряд исследований с использованием спутниковых данных и выяснили, что великая африканская река по своей протяженности уступает реке Амазонке.
Ранее занимавшая только второе место в списке самых длинных в мире, южно-американская река Амазонка стала немного длиннее за счет того, что был открыт ее новый исток.
Задачи сложной логики(многоклеточной памяти) мы не можем продемонстрировать сейчас в открытом доступе. Существуют лабораторные алгоритмы, которые способны отвечать на подобные вопросы. Мы работаем над этими задачами сейчас.
Так есть у вас логическое мышление в модели или нет?
Ассоциативное мышление можно многими достаточно простыми методами получить, хотя повышение качества над другими методами — возможно. Но революционного в этом ничего нет, уж извините (и «ноу-хау» тут быть не может — все, кто в теме, давно знают, как это делать).
«Одноклеточная память», «Многоклеточная память» — поясните, пожалуйста, данные понятия, и как они относятся к логике (и в чём отличие вашей модели от чисто ассоциативных рассуждений).
Ассоциативное мышление можно многими достаточно простыми методами получить, хотя повышение качества над другими методами — возможно. Но революционного в этом ничего нет, уж извините (и «ноу-хау» тут быть не может — все, кто в теме, давно знают, как это делать).
«Одноклеточная память», «Многоклеточная память» — поясните, пожалуйста, данные понятия, и как они относятся к логике (и в чём отличие вашей модели от чисто ассоциативных рассуждений).
Ассоциативное мышление можно многими достаточно простыми методами получить
Приведите примеры работающих алгоритмов, обладающих мышлением.
«ноу-хау» тут быть не может — все, кто в теме, давно знают, как это делать
Если вы в теме, то поделитесь своими наработками.
Выше вы писали:
не стоит думать, что при повышении количества самообучения происходит переход от ассоциативного к логическому мышлению — это не так
На основании каких практических исследований/алгоритмов/наработок(желательно ваших) вы сделали такой вывод?
«Одноклеточная память», «Многоклеточная память» — поясните, пожалуйста, данные понятия
Мы писали в статье о факторной памяти. Что именно вам не понятно?
Как по-вашему отличить ассоциативное мышление от логического?
Ассоциативное мышление можно многими достаточно простыми методами получить
>Приведите примеры работающих алгоритмов, обладающих мышлением.
Ассоциативным мышлением или логическим?
Ассоциативным — стройте марковские цепи на предложениях, вот вам и ассоциативное мышление.
Логическим без ассоциативного на маленьком словаре — стройте граф и в нём вычисляйте нужные узлы с помощью соседних.
Надёжного метода, обладающим логическим мышлением на большом словаре пока нет, наиболее близкая реализация была у CYC, для русского языка частичная реализация была в
«ноу-хау» тут быть не может — все, кто в теме, давно знают, как это делать
>Если вы в теме, то поделитесь своими наработками.
берём функцию определения близости предложений и фраз metric(phrase1, phrase2), например, рассчитанную через sentence vectors или сумму word2vec от слов предложение.
Натравливаем на неё выдачу гугла, вытаскиваем наиболее близкое предложение (или фразу) к исходному запросу.
Теперь находим наиболее близкое к нему предложение. Процесс повторяем.
Из примеров информационного поиска используя данную парадигму:
kelijah.livejournal.com/144812.html
kelijah.livejournal.com/141396.html
>Выше вы писали:
> не стоит думать, что при повышении количества самообучения происходит переход от ассоциативного к логическому мышлению — это не так
>На основании каких практических исследований/алгоритмов/наработок(желательно ваших) вы сделали такой вывод?
А почему это вы скатываетесь на аргумент «сперва добейся»? Высказывание Бернарда Шоу по этому поводу знаете?
Вам бы психологию и физиологию человека немного поизучать бы, причём тут наработки — всё давно уже обсосано.
Почитайте Programmer's stone, ссылка ниже, про «картостроителей».
Если коротко, ваша система не способна выделять новые знания и их потом комбинировать, а значит, не сможет получить ответ, не содержащийся в выдаче гугла по данному запросу.
>> «Одноклеточная память», «Многоклеточная память» — поясните, пожалуйста, данные понятия
Мы писали в статье о факторной памяти. Что именно вам не понятно?
Чем ваш нововведённый термин «факторная память» существенно отличает её от общепринятого термина «ассоциативная память» и ассоциативное мышление?
ru.wikipedia.org/wiki/%D0%90%D1%81%D1%81%D0%BE%D1%86%D0%B8%D0%B0%D1%86%D0%B8%D1%8F_%28%D0%BF%D1%81%D0%B8%D1%85%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F%29
>Как по-вашему отличить ассоциативное мышление от логического?
Логическое мышление наблюдается у взрослых людей — человек умеет при наличии знаний или доступа к базам данных (или поиску гугла) ответить на вопрос типа «где находится следующая по размеру река после Амазонки» или «что больше, курица или яйцо».
Почитайте большущее исследование про «паковщиков» и «картостроителей». Ваша программа — типичный паковщик: она не знает, что Амазонка — река, что река находится в какой-то стране или территории, и т.п.
Вот это забавное исследование про картостроителей: progstone.narod.ru/reciprocality/r0/day1.html
>Приведите примеры работающих алгоритмов, обладающих мышлением.
Ассоциативным мышлением или логическим?
Ассоциативным — стройте марковские цепи на предложениях, вот вам и ассоциативное мышление.
Логическим без ассоциативного на маленьком словаре — стройте граф и в нём вычисляйте нужные узлы с помощью соседних.
Надёжного метода, обладающим логическим мышлением на большом словаре пока нет, наиболее близкая реализация была у CYC, для русского языка частичная реализация была в
«ноу-хау» тут быть не может — все, кто в теме, давно знают, как это делать
>Если вы в теме, то поделитесь своими наработками.
берём функцию определения близости предложений и фраз metric(phrase1, phrase2), например, рассчитанную через sentence vectors или сумму word2vec от слов предложение.
Натравливаем на неё выдачу гугла, вытаскиваем наиболее близкое предложение (или фразу) к исходному запросу.
Теперь находим наиболее близкое к нему предложение. Процесс повторяем.
Из примеров информационного поиска используя данную парадигму:
kelijah.livejournal.com/144812.html
kelijah.livejournal.com/141396.html
>Выше вы писали:
> не стоит думать, что при повышении количества самообучения происходит переход от ассоциативного к логическому мышлению — это не так
>На основании каких практических исследований/алгоритмов/наработок(желательно ваших) вы сделали такой вывод?
А почему это вы скатываетесь на аргумент «сперва добейся»? Высказывание Бернарда Шоу по этому поводу знаете?
Вам бы психологию и физиологию человека немного поизучать бы, причём тут наработки — всё давно уже обсосано.
Почитайте Programmer's stone, ссылка ниже, про «картостроителей».
Если коротко, ваша система не способна выделять новые знания и их потом комбинировать, а значит, не сможет получить ответ, не содержащийся в выдаче гугла по данному запросу.
>> «Одноклеточная память», «Многоклеточная память» — поясните, пожалуйста, данные понятия
Мы писали в статье о факторной памяти. Что именно вам не понятно?
Чем ваш нововведённый термин «факторная память» существенно отличает её от общепринятого термина «ассоциативная память» и ассоциативное мышление?
ru.wikipedia.org/wiki/%D0%90%D1%81%D1%81%D0%BE%D1%86%D0%B8%D0%B0%D1%86%D0%B8%D1%8F_%28%D0%BF%D1%81%D0%B8%D1%85%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F%29
>Как по-вашему отличить ассоциативное мышление от логического?
Логическое мышление наблюдается у взрослых людей — человек умеет при наличии знаний или доступа к базам данных (или поиску гугла) ответить на вопрос типа «где находится следующая по размеру река после Амазонки» или «что больше, курица или яйцо».
Почитайте большущее исследование про «паковщиков» и «картостроителей». Ваша программа — типичный паковщик: она не знает, что Амазонка — река, что река находится в какой-то стране или территории, и т.п.
Вот это забавное исследование про картостроителей: progstone.narod.ru/reciprocality/r0/day1.html
Юрий, как мы поняли в вашей картине мира алгоритмы мышления созданы и
И как мы поняли вы в теме, тогда для вас не составит труда показать всем:
1. рабочий алгоритм ассоциативного мышления на цепочках Маркова.
2. практическую реализацию алгоритма построения графа с вычислением нужных узлов с помощью соседних.
3. Продемонстрируйте «логическое мышление» в реализации CYC.
А какое определение «ассоциативной памяти» и «ассоциативного мышления» Вы считаете общепринятым?
Т.е. взрослый человек обладает логическим мышлением, а молодой нет?
Как с Вашей точки зрения определить «взрослость» человека в контексте логического мышления, если предположить, что он не может ответить на вопрос о курице и яйце?
«всё давно уже обсосано».
И как мы поняли вы в теме, тогда для вас не составит труда показать всем:
1. рабочий алгоритм ассоциативного мышления на цепочках Маркова.
2. практическую реализацию алгоритма построения графа с вычислением нужных узлов с помощью соседних.
3. Продемонстрируйте «логическое мышление» в реализации CYC.
Чем ваш нововведённый термин «факторная память» существенно отличает её от общепринятого термина «ассоциативная память» и ассоциативное мышление?
А какое определение «ассоциативной памяти» и «ассоциативного мышления» Вы считаете общепринятым?
Логическое мышление наблюдается у взрослых людей — человек умеет при наличии знаний или доступа к базам данных (или поиску гугла) ответить на вопрос типа «где находится следующая по размеру река после Амазонки» или «что больше, курица или яйцо»
Т.е. взрослый человек обладает логическим мышлением, а молодой нет?
Как с Вашей точки зрения определить «взрослость» человека в контексте логического мышления, если предположить, что он не может ответить на вопрос о курице и яйце?
>А какое определение «ассоциативной памяти» и «ассоциативного мышления» Вы считаете общепринятым?
А какое вы считаете общепринятым? Вот с тем и сравните.
>И как мы поняли вы в теме, тогда для вас не составит труда показать всем:
>1. рабочий алгоритм ассоциативного мышления на цепочках Маркова.
Там ниже есть в комментарии, с цепочками длины 1, на основе метрики сходства фраз. совместите два алгоритма — получите алгоритм на марковских цепочках большей длины.
Что-то подобное, кстати, вы и сделали, затратив более пяти лет. (Только зачем?)
>2. практическую реализацию алгоритма построения графа с вычислением нужных узлов с помощью соседних.
Алгоритм работы пролога.
>3. Продемонстрируйте «логическое мышление» в реализации CYC.
Погуглите. Semantic reasoning, inference engines, logical reasoning, human reasoning, вот это всё.
Вот, кстати, интересная статья: en.wikipedia.org/wiki/Reason
Даже в ответах поиска google и facebook сейчас есть элементы логического мышления.
Есть и интересные современные научные работы на эту тему.
arxiv.org/abs/1502.05698, arxiv.org/abs/1410.3916
www.facebook.com/FBAIResearch/posts/362517620591864
Может, теперь понимаете, о чём я толкую?
>Т.е. взрослый человек обладает логическим мышлением, а молодой нет?
Кто такой молодой? Маленький ребёнок может дать неправильный ответ на этот вопрос.
На более сложные логические вопросы ребёнок может дать неправильный ответ.
Есть даже тесты уровня развития, основанные на этой зависимости.
>Как с Вашей точки зрения определить «взрослость» человека в контексте логического мышления, если предположить, что он не может ответить на вопрос о курице и яйце?
Если не может ответить, то это или очень маленький ребёнок или дурак.
В любом случае, вы не можете считать, что ваша система «думает», если даже на простейшие человеческие вопросы она ответить не в состоянии.
А всё почему? Потому что я уверен, что ваша система совершенно не понимает смысла фраз, с которыми она проводит манипуляции, и наверняка даже не понимает смысла отдельных слов, входящих в эти фразы (уж не говоря о комбинировании их в предложение по правилам русского языка).
А какое вы считаете общепринятым? Вот с тем и сравните.
>И как мы поняли вы в теме, тогда для вас не составит труда показать всем:
>1. рабочий алгоритм ассоциативного мышления на цепочках Маркова.
Там ниже есть в комментарии, с цепочками длины 1, на основе метрики сходства фраз. совместите два алгоритма — получите алгоритм на марковских цепочках большей длины.
Что-то подобное, кстати, вы и сделали, затратив более пяти лет. (Только зачем?)
>2. практическую реализацию алгоритма построения графа с вычислением нужных узлов с помощью соседних.
Алгоритм работы пролога.
>3. Продемонстрируйте «логическое мышление» в реализации CYC.
Погуглите. Semantic reasoning, inference engines, logical reasoning, human reasoning, вот это всё.
Вот, кстати, интересная статья: en.wikipedia.org/wiki/Reason
Даже в ответах поиска google и facebook сейчас есть элементы логического мышления.
Есть и интересные современные научные работы на эту тему.
arxiv.org/abs/1502.05698, arxiv.org/abs/1410.3916
www.facebook.com/FBAIResearch/posts/362517620591864
Может, теперь понимаете, о чём я толкую?
>Т.е. взрослый человек обладает логическим мышлением, а молодой нет?
Кто такой молодой? Маленький ребёнок может дать неправильный ответ на этот вопрос.
На более сложные логические вопросы ребёнок может дать неправильный ответ.
Есть даже тесты уровня развития, основанные на этой зависимости.
>Как с Вашей точки зрения определить «взрослость» человека в контексте логического мышления, если предположить, что он не может ответить на вопрос о курице и яйце?
Если не может ответить, то это или очень маленький ребёнок или дурак.
В любом случае, вы не можете считать, что ваша система «думает», если даже на простейшие человеческие вопросы она ответить не в состоянии.
А всё почему? Потому что я уверен, что ваша система совершенно не понимает смысла фраз, с которыми она проводит манипуляции, и наверняка даже не понимает смысла отдельных слов, входящих в эти фразы (уж не говоря о комбинировании их в предложение по правилам русского языка).
Здравствуйте, Elano!
Интересные мысли излагаете! Однако, публикация на Хабре до создания коммерческой версии Вашей проги говорит о том, что у Вас есть некие неизвестности и потому Вы решились на обнародования Вашего пути в надежде найти искомое или подсказку в дискуссиях и обсуждениях.
Как я понял, Ваш путь это стохастические технологии. Я знаю, что применительно к ИИ и к интеллектуальному смысловому запросу в Инете в России этим занимается Насыпный В.В. и его группа. Вы не из его группы? Могу ли я Вам чем-нибудь помочь?
Интересные мысли излагаете! Однако, публикация на Хабре до создания коммерческой версии Вашей проги говорит о том, что у Вас есть некие неизвестности и потому Вы решились на обнародования Вашего пути в надежде найти искомое или подсказку в дискуссиях и обсуждениях.
Как я понял, Ваш путь это стохастические технологии. Я знаю, что применительно к ИИ и к интеллектуальному смысловому запросу в Инете в России этим занимается Насыпный В.В. и его группа. Вы не из его группы? Могу ли я Вам чем-нибудь помочь?
Эдуард, Здравствуйте!
Вы отчасти правы.
У нас есть видение, практические наработки, исследования достаточные для того, чтобы воплотить наши идеи в виде коммерческого продукта.
Мы хотим развить данное направление в ИИ, поэтому пишем теоретические статьи, показываем практические наработки.
Ищем заинтересованных людей, и тех кто занимается подобной проблематикой с практической точки зрения.
Нет.
Мы написали вам в личку о нас.
Почитали ваши статьи и комментарии. Наши мысли схожи.
Написали вам в личку.
публикация на Хабре до создания коммерческой версии Вашей проги говорит о том, что у Вас есть некие неизвестности и потому Вы решились на обнародования Вашего пути в надежде найти искомое или подсказку в дискуссиях и обсуждениях.
Вы отчасти правы.
У нас есть видение, практические наработки, исследования достаточные для того, чтобы воплотить наши идеи в виде коммерческого продукта.
Мы хотим развить данное направление в ИИ, поэтому пишем теоретические статьи, показываем практические наработки.
Ищем заинтересованных людей, и тех кто занимается подобной проблематикой с практической точки зрения.
Я знаю, что применительно к ИИ и к интеллектуальному смысловому запросу в Инете в России этим занимается Насыпный В.В. и его группа. Вы не из его группы?
Нет.
Мы написали вам в личку о нас.
Могу ли я Вам чем-нибудь помочь?
Почитали ваши статьи и комментарии. Наши мысли схожи.
Написали вам в личку.
Понимание смысла поискового запроса невозможно без понимания смысла отдельных слов, т.е. поисковик обязан иметь в памяти не только Большую советскую энциклопедию, но и в сотни раз большую систему, устанавливающую семантические связи между словами. Как вы вносите эту информацию в вашу систему? Или откуда ваша система берет эту информацию?
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Как создать искусственный интеллект? История вторая. Алгоритмы интеллектуального поиска и хранения информации