Комментарии 18
Ссылка на следующую статью будет тут: <url>
Товарищи-друзья, скажите пожалуйста, получилось ли у вас с коллабом разобраться и позапускать что-то. Хотелось бы понять, стоит ли этому внимание уделять далее, или все "пучком" :)
Можно поиграться тут - https://colab.research.google.com/drive/1_hr2-CQIb5gpBlMnQYI-U_QIDB9L9-tT#scrollTo=6KtWO4tvQD33 меняем random state, запускаем и радуемся.
Ну и пожелания-хотелки, тоже неплохо было бы услышать.
ЗЫ - https://habr.com/ru/post/704608/ неплохой разбор инструментария начинающего датасаентолога, налетай. Если что-то непонятно, спрашивайте в тележке или в ВК, отвечу по возможности. Да и вообще, любые вопросы можете писать, пообщаемся :)
Стоило бы классифицировать алгоритмы и определить, что рассматривается только supervised learning .
Исходя из этого, можно с уверенностью сказать, что:
Машина не может Убить всех людей
Может. Первый шаг уже был сделан (шаг вперед и шаг назад :)
В Сан-Франциско, где роботам дали право на убийство (правда, потом притормозили, на время)
Ну и далее: прогресс ИИ и, опа — «Военные игры» (WarGames, 1983) в натуре.
(прости-прощай три закона роботехники, вы были славным заблуждением всего прогрессивного человечества...)
Ну, если уж быть точным, не право на убийство, а возможность его совершить, когда находится под полным управлением оператора. Это как право на убийство у пистолета.
Во вторых, закон не принят, а на сколько отложили, неизвестно.
Ну и в третьих, речь идет о целых трех роботах, которые могли так работать (не забываем, что об автономной работе речь изначально не шла)
а возможность его совершить, когда находится под полным управлением оператора. Это как право на убийство у пистолета.
«Лиха беда начало» (с)
Автопилот Теслы тоже под полным управлением человека.
Пока.
закон не принят, а на сколько отложили, неизвестно.
Процесс, как говорится, пошел (с)
Первый шаг уже сделан, следующие на очереди.
Тут главное — сам принцип, подход к решению вопроса со стороны заинтересованной структуры.
идет о целых трех роботах
Любая новая технология начинается с малого.
Мне кажется, что вы преувеличиваете. Машине пока не дают решений серьезных принимать никаких, ни в медицине, ни в праве. Машинное обучение, это пока лишь маленький инструмент, как калькулятор, а то, о чем вы говорите - "Сильный" искусственный интеллект, и это больше пока научпоп, чем что-то серьезное.Даже в научной среде. Объяснимость ИИ это шажочек в сторону нашей счастливой совместной жизни, но сколько лет пройдет перед тем, как машинное обучение войдет в критические области нашей жизни, пока сказать очень сложно. Единственное, что можно сказать - это произойдет не скоро.
Критерии так себе. Создать новое? Да не вопрос, функция RND. Резко поумнеть - альфазеро достаточно резко умнела? Часто ли люди "резкоумнеют", кстати говоря? Выйти за рамки задачи, да не вопрос, вот "Жигули" к примеру, при задаче перевезти нас из точки А в точку Б, норовят развить нам навыки автослесаря.
Человек, в общем, та же машина. Только антропоцентричное мышление человека выделяет человека особым обьектом. Очень сложно нам будет принять машинный разум, будем докапываться... Мол не может полюбить, нет интуиции, души и божественной искры.
А вы готовы принять машинный разум, без докапываний? У меня стиральная машина интуиции не имеет, но вполне разумно стирает, и разные программы можно включать. Это уже разум, принимаете? Или все-таки она полюбить должна?
Критерии так себе. Создать новое? Да не вопрос, функция RND.
Тоже немного смутила категоричность заявления. У нас вон эволюция кучу чего нового "насоздавала", в том числе и человека. Непонятно почему ИИ не сможет это сделать если поставить ему такую задачу и создать условия.
Машина сможет и любить, и интуиция у нее будет, как только мы поймем, что это такое и как физически это протекает в теле. Поймем так хорошо, что сможем повторить, ну а пока, машина может только имитировать, и имитирует она, к слову, очень неплохо.
Что касается AlphaZero, то она не "умная", в прямом понимании этого слова. У нее память очень хорошая скорее. Как и было сказано, она не может придумать новые партии и новые ходы со стратегиями, она лишь повторяет те ходы, которые уже делали человеки, выбирая оптимальный в каждой ситуации. Если не ошибаюсь, она после каждого хода строит дерево возможнных вариантов развития событий, и сводит все к ветке, которая имеет наименьшую вероятность привести к негативному исходу. К слову сказать, ее недавно переиграли с помощью стратегии "противоположность логике", когда ходили таким образом, что машина подумала что она побеждает, а на самом деле, ее паттерны просто не покрывали такой случай. Это называется "состязательная атака" и я про это тоже скажу пару слов ;)
Ну и RND, не даром называется "псевдорандом", там все тоже не так просто, и настоящей случайности там нет) Если интересно, вот хорошая статейка по теме - https://habr.com/ru/post/137864/
Было б неплохо, замутить СантуБарбару, например, введение из частей так надувать.
Интересно же пишете
Упс, ... из частей так -надцать)
Рад, что нравится. Приятно когда люди хотят что-то узнать, и еще приятнее это что-то им дать. Частей планируется пока 7, как оно пойдет, пока сказать сложно) Может быстрее управимся, может растянется это все на долго. Может так хорошо пойдет, что еще и устойчивость затронем, пока не хочу загадывать)
Очень поверхностно. Как минимум стоит разделить классический статистический ML(все эти линейные регрессии, SVM, случайные деревья, бустинги). И более "современные"(более 8 лет как им уже) подходы основанные на глубоких нейронных сетях. С классическим статистическим ML все уже понятно, как с точки зрения теории и практики, на данный момент это commodity tech. То вот с глубоким обучением все ни так ясно, и область активно развивается...
Да, поверхностно, я с вами согласен, но тут нет цели рассказать именно про мл, это необходимый базис того, что надо понимать "перед", на мой взгляд. Касаемо классификации алгоритмов и разбора "современных подходов", типа трансформеров, то тут не про это я хочу писать. Мы будем смотреть на машобуч как на черную коробку, которая нам что то дает, и пытаться в эту коробку влезть различными способами. Где-то, как с нейронками, влезть не выйдет и мы будет иметь дело с Post-hoc объяснимостью. Где-то, как с деревьями решений и прочим, мы будем залезать внутрь, потому что их можно объяснять алгоритмически, помимо post-hoc. Планируется рассматривать "Модель + подход объяснимости" в каждой части, чтоб и на мл посмотреть, и подходов разных узнать, и кейсы разные разобрать.
Ссылка на следующую статью будет тут: <url>
Товарищи-друзья, скажите пожалуйста, получилось ли у вас с коллабом разобраться и позапускать что-то. Хотелось бы понять, стоит ли этому внимание уделять далее, или все "пучком" :)
Можно поиграться тут - https://colab.research.google.com/drive/1_hr2-CQIb5gpBlMnQYI-U_QIDB9L9-tT#scrollTo=6KtWO4tvQD33 меняем random state, запускаем и радуемся.
Ну и пожелания-хотелки, тоже неплохо было бы услышать.
ЗЫ - https://habr.com/ru/post/704608/ неплохой разбор инструментария начинающего датасаентолога, налетай. Если что-то непонятно, спрашивайте в тележке или в ВК, отвечу по возможности. Да и вообще, любые вопросы можете писать, пообщаемся :)
Вот же сказочка какая опять. Ну где же ссылки хоть на какую нибудь, ну хоть малюсенькую теоретическую основу, с математически доказанной погрешностью/непогрешимостью этих ваших искусственных интеллектов.
Все ведь уже давно придумано, обосновано - и передаточные функции, и наборы фильтров, и критерии устойчивости.
Объяснимый искусственный интеллект для самых маленьких. Часть 1 — Введение