Комментарии 34
Мне он нужен, что бы заработать много денег...
А будете ли Вы потом нужны этому ИИ?
за принятие таких решений отвечает то, что называется личностью. Личность это то, что будет иметь собственные желания и цели, независимые от Вами поставленной. Если поставить цель создать личность — описать ее человеческие критерии или компьютерного аналога — то так и получиться. А если так не хотите, то не нужно ставить таких целей.
> 2. Алгоритм всегда при повторении исходных данных дает одинаковый результат.
Участвую в проекте создания псевдо ИИ, не соглашусь с таким, пример:
[Гость] Сколько будет 2 + 2?
[ИИ] 4
[Гость] Сколько будет 2 + 2?
[ИИ] Говорю же, 4
[Гость] А сколько будет, если до 2 добавить 2?
[ИИ] Вы издеваетесь?
Участвую в проекте создания псевдо ИИ, не соглашусь с таким, пример:
[Гость] Сколько будет 2 + 2?
[ИИ] 4
[Гость] Сколько будет 2 + 2?
[ИИ] Говорю же, 4
[Гость] А сколько будет, если до 2 добавить 2?
[ИИ] Вы издеваетесь?
если это перевести в теги, как у меня в статье, то получиться, что сколько бы раз не задавали вопрос — всегда бы выполнялась функция сложения, и выдавался ответ. Свойство раздражения у программ нету. Таковой пример может быть, только если Вы захотите сэмулировать человеческие качества, что имеет смысл, только если Вы хотите с ним разговаривать, как с человеком — человеческие качества — и человеческие недостатки. Диалоги это что то вроде автопрогнозов без прерывания последовательности, и здесь плюс критерии, каков характер ответов.
Опять же не соглашусь. Если получится где-то бесконечный поток одинаковых данных — Ваш ИИ просто зациклится
пусть будет у Вас на компьютере такая программа. Зачем Вы в нее будете пихать одинаковые данные?
Не программа принимает решения, а Вы.
Предварительные обучающие данные — интернет-страницы из поисковой выдачи по желаемой начальной теме.
Дальше манипуляционные данные, в том числе вопрос системе, знает ли она ответ на желаемый вопрос.
Если ответ отрицательный, то можно дальше пофантозировать, как ей сформулировать вопрос, что бы она ответила чего ей не хватает, и может где это можно найти в инете.
В этих рассуждениях сильно повторяющихся данных нету.
Не программа принимает решения, а Вы.
Предварительные обучающие данные — интернет-страницы из поисковой выдачи по желаемой начальной теме.
Дальше манипуляционные данные, в том числе вопрос системе, знает ли она ответ на желаемый вопрос.
Если ответ отрицательный, то можно дальше пофантозировать, как ей сформулировать вопрос, что бы она ответила чего ей не хватает, и может где это можно найти в инете.
В этих рассуждениях сильно повторяющихся данных нету.
зачем создавать что-то сложное, что бы зацикливать компьютер? можно более простыми циклами обойтись.
Строго говоря, ваш пример не противоречит аксиоме автора. Просто в качестве исходных данных нужно рассматривать как текущий запрос, так и весь предыдущий опыт ии (вопросы + ответы). Это, правда, влечет тот факт, что множество исходных данных будет расти комбинаторно и в реальной жизни исходные данные повторяться не будут. В этом и заключается слабое место подхода автора.
совершенно верно про накопление. Диалог — это небольшая накопленная история. А весь этот алгоритм в свою очередь, то же одна накопленная история. Там не комбинаторно, а только лишь то, что важно. В статье есть упоминание, что количество условий выбора в конкретный момент оно логарифмическая функция от количества.
И человек ограничен, и компьютер. Но я склоняюсь, что у человека все гораздо хуже, чем у компьютера.
А невозможность что-то спрогнозировать, из-за отсутствия данных (но не функций) — это одинаково и у компьютера и у человека.
И человек ограничен, и компьютер. Но я склоняюсь, что у человека все гораздо хуже, чем у компьютера.
А невозможность что-то спрогнозировать, из-за отсутствия данных (но не функций) — это одинаково и у компьютера и у человека.
там можно было бы предположить ограничение на память. Но сейчас диски террабайтовые. А одна толстенькая книжка — всего один мегабайт.
У человека, если я верно понимаю, в голове не хранятся терабайты. Последние данные он помнит хорошо, а то что было давно стирается, ну или точнее остаются лишь важные детали.
То есть фактически вся собранная информация помечается её важность, которая зависит от количества использований этой информации. Т.е. к примеру если взять пример выше — если 2 на 2 спрашивают часто, а например 9 на 9 не спросили, то компьютер спустя кучу переработанных данных, если там не будет использоваться 9 на 9 просто удалит за ненадобностью. В итоге он сам соберет базу данных меньшего веса, пусть и потеряет 90% всех данных, но остальные 10% ему хватит чтобы выполнять задачи. А к остальным 90% он к примеру в случае чего может обратиться по сети.
То есть фактически вся собранная информация помечается её важность, которая зависит от количества использований этой информации. Т.е. к примеру если взять пример выше — если 2 на 2 спрашивают часто, а например 9 на 9 не спросили, то компьютер спустя кучу переработанных данных, если там не будет использоваться 9 на 9 просто удалит за ненадобностью. В итоге он сам соберет базу данных меньшего веса, пусть и потеряет 90% всех данных, но остальные 10% ему хватит чтобы выполнять задачи. А к остальным 90% он к примеру в случае чего может обратиться по сети.
Мне кажется вы сильно недооцениваете информационную емкость мозга, например, посмотрите вот тут habrahabr.ru/post/216633/ как считают.
и кстати, эмуляция личности тоже будет автопрогнозом, по аналогии с диалогом. Самое интересное, как ее запускать. ИМХО. Что нужно в виде диалога, начать к этому алгоритму обращаться, типа «кто ты такой?», и возможно в этом диалоге потом дообъяснять недостающие ее знания, в том числе ее цели.
про опасность ИИ: опасен будет не ИИ, а люди, которые будут ставить ему задачи.
Слушайте, лет 10 назад что-то похожее у меня было на компе. Кажется называлась НУС.
А что вы знаете о компьютерах пятого поколения?
Ничего не знаю. Они ИИ не реализуют, значит для меня сейчас бесполезны. Есть много всякой ерунды, не имеющей отношения к ИИ. И признак «интеллектуальный» сейчас ставят даже на стиральные машинки — про них я то же ничего не знаю.
А интересует, меня сейчас некий простейший статистический критерий классификации, универсальный для текста и изображений, и достаточно простой, что бы мог возникнуть в эволюционном развитии мозга.
А интересует, меня сейчас некий простейший статистический критерий классификации, универсальный для текста и изображений, и достаточно простой, что бы мог возникнуть в эволюционном развитии мозга.
А надо бы знать, что компьютеры пятого поколения были переводом огромных денежных средств и человекочасов впустую, в попытке создать формально-логический, компьютер реализующий ИИ, решающий задачи:
Это делали корпорации и даже целый отдельный университет. И не осилили.
- печатная машинка, работающая под диктовку, которая сразу устранила бы проблему ввода иероглифического текста, которая в то время стояла в Японии очень остро
- автоматический портативный переводчик с языка на язык (разумеется, непосредственно с голоса), который сразу бы устранил языковый барьер японских предпринимателей на международной арене
- автоматическое реферирование статей, поиск смысла и категоризация
- другие задачи распознавания образов — поиск характерных признаков, дешифровка, анализ дефектов и т. п.
Это делали корпорации и даже целый отдельный университет. И не осилили.
1. Все в мире можно посчитать по каким-нибудь правилам.
А как же алгоритмически неразрешимые задачи?
НЛО прилетело и опубликовало эту надпись здесь
Ага, а Вы относитесь к тем, кто утверждает, что ИИ невозможен. Наверное потому, что про них не сказали в учебке. А может там заговор, а сами давно им уже пользуются?
Мне эти «библии» за последние десять лет надоели. Вот пример реализаторов, в очередной раз перепиливающих от туда выдержки: geektimes.ru/post/246444/: ИИ от Google самостоятельно освоил 49 старых игр Atari. Про кроссинг нейронных сеток и q-learning я как раз лет десять назад и читал.
Или может мозг функционирует на квантовых механизмах, и что бы их понять, туда нужно попасть. Как в черные дыры в интерстелларе.
Мне эти «библии» за последние десять лет надоели. Вот пример реализаторов, в очередной раз перепиливающих от туда выдержки: geektimes.ru/post/246444/: ИИ от Google самостоятельно освоил 49 старых игр Atari. Про кроссинг нейронных сеток и q-learning я как раз лет десять назад и читал.
Или может мозг функционирует на квантовых механизмах, и что бы их понять, туда нужно попасть. Как в черные дыры в интерстелларе.
Несколько аргументов, почему данный подход не сработает, и рекомендаций автору.
1. Очевидный. Если бы все было так просто, искуственный интеллект у нас давно бы уже был.
2. Исторический. Попытки решить задачу искусственного интеллект с помощью автоматизированного вывода неких правил, определенных в формальной логике, осуществляются давно. Начали древние философы, совершенствовали математики в 18-19 веках, а в 20-м веке это все получило вторую жизнь с появлением компьютеров. Но к созданию искусственного интеллекта это пока не привело. Крайне рекомендую изучить книгу Питера Норвига «Искусственный интеллект. Современный подход». Хотя бы части 1 и 3 — это уже поможет не изобретать велосипед. Хотя бы раздел 1.3 прочитайте, там описана история разработок ИИ.
3. Теоретический. Крайне ограниченные области знаний можно описать формальной логикой (не важно, какое она имеет представление — текстовый, графовый или другой). Попытка формально описать широкие области знаний приводит к комбинаторно увеличивающемуся количеству правил — они становятся бесполезными очень быстро. Человеческий же разум, с чем сейчас вроде все уже согласны, формальным логическим выводом вообще не оперирует (ну или делает это очень редко и на осознанном уровне).
4. Практический. Рекомендую сделать такое практическое упражнение. Выберите тривиальную область знаний и попробуйте просто на бумаге составить набор правил, который бы решал поставленные задачи. Например, область знаний — ремонт квартиры. Напишите алгоритм, основанный на каком-то представлении знаний, который бы по пожеланиям пользователя (хочу подвесной потолок, дубовый паркет и т.п.) составлял бы хотя бы точный список материалов, которые нужно купить. Как закончите, попросите друга составить запрос к этому алгоритму и посмотрите, как все развалится.
1. Очевидный. Если бы все было так просто, искуственный интеллект у нас давно бы уже был.
2. Исторический. Попытки решить задачу искусственного интеллект с помощью автоматизированного вывода неких правил, определенных в формальной логике, осуществляются давно. Начали древние философы, совершенствовали математики в 18-19 веках, а в 20-м веке это все получило вторую жизнь с появлением компьютеров. Но к созданию искусственного интеллекта это пока не привело. Крайне рекомендую изучить книгу Питера Норвига «Искусственный интеллект. Современный подход». Хотя бы части 1 и 3 — это уже поможет не изобретать велосипед. Хотя бы раздел 1.3 прочитайте, там описана история разработок ИИ.
3. Теоретический. Крайне ограниченные области знаний можно описать формальной логикой (не важно, какое она имеет представление — текстовый, графовый или другой). Попытка формально описать широкие области знаний приводит к комбинаторно увеличивающемуся количеству правил — они становятся бесполезными очень быстро. Человеческий же разум, с чем сейчас вроде все уже согласны, формальным логическим выводом вообще не оперирует (ну или делает это очень редко и на осознанном уровне).
4. Практический. Рекомендую сделать такое практическое упражнение. Выберите тривиальную область знаний и попробуйте просто на бумаге составить набор правил, который бы решал поставленные задачи. Например, область знаний — ремонт квартиры. Напишите алгоритм, основанный на каком-то представлении знаний, который бы по пожеланиям пользователя (хочу подвесной потолок, дубовый паркет и т.п.) составлял бы хотя бы точный список материалов, которые нужно купить. Как закончите, попросите друга составить запрос к этому алгоритму и посмотрите, как все развалится.
Ну и кстати опыт человеческой цивилизации показывает, что наличия интеллекта недостаточно, чтобы "Мне он нужен, что бы заработать много денег, затем что бы компьютер выполнял за меня все, что я сам не хочу делать, после построить космический корабль и улететь к звездам.". У нас шесть миллиардов интеллектов на планете в каждый момент времени, но что-то никто к звездам пока не улетел.
НЛО прилетело и опубликовало эту надпись здесь
ни надо перевирать. Я написал, что то, что выдали как новое веянье в ИИ, я про это читал десять лет назад.
И вся Ваша критика основывается на том, что все эти умности, для решения конкретно мной описанной ситуации оказались не нужны.
А все, к чему цепляются из описанного, это к фразе, что все можно посчитать. Которая дальше раскрывается в то, что посчитать можно лишь то, до чего сможешь додуматься.
А все, к чему цепляются из описанного, это к фразе, что все можно посчитать. Которая дальше раскрывается в то, что посчитать можно лишь то, до чего сможешь додуматься.
Первый и второй пункты, это не аргументы.
Третий пункт — очень не связанно, непонятно какое отношение имеет к конкретике.
Четвертый пункт.
Если посчитать вероятности слов, то получиться, что сотня слов используется очень часто, а остальные несколько десятков тысяч (а сочетаний и миллионы), могут до раза в десять лет. И правила оттачиваются на первой сотне, а на остальных используются. Т.е. редкость встречания ситуации проблемой не будет. В особенности, если где-то будут инструкции.
Формирование последовательности действий — выбор стратегии — это хорошо понимается, если понимаешь суть q-learning. В кратце, это выбор действия в текущий момент, на основании суммированных вознаграждений, которые получатся за последующие несколько шагов — суммируем, какое из действий сейчас будет выгодней в перспективе на несколько шагов вперед (если хотите понять как суммируется — читайте q-learning).
И после, что бы соединить прогнозирование и q-learning, нужно понять, что суммирование можно прогнозировать.
И остается вопрос, которым грешат все псевдо ИИ — откуда брать это вознаграждение.
Его взять не откуда. Это вознаграждение, это чисто отображение нашего желания на компьютер. Для каждой ситуации могут быть выгодны абсолютно любое действие — все зависит нашего текущего желания.
В статье по сути я описал способ получения такого критерий — как можно словами объяснить компьютеру, что от него хотим.
Третий пункт — очень не связанно, непонятно какое отношение имеет к конкретике.
Четвертый пункт.
Если посчитать вероятности слов, то получиться, что сотня слов используется очень часто, а остальные несколько десятков тысяч (а сочетаний и миллионы), могут до раза в десять лет. И правила оттачиваются на первой сотне, а на остальных используются. Т.е. редкость встречания ситуации проблемой не будет. В особенности, если где-то будут инструкции.
Формирование последовательности действий — выбор стратегии — это хорошо понимается, если понимаешь суть q-learning. В кратце, это выбор действия в текущий момент, на основании суммированных вознаграждений, которые получатся за последующие несколько шагов — суммируем, какое из действий сейчас будет выгодней в перспективе на несколько шагов вперед (если хотите понять как суммируется — читайте q-learning).
И после, что бы соединить прогнозирование и q-learning, нужно понять, что суммирование можно прогнозировать.
И остается вопрос, которым грешат все псевдо ИИ — откуда брать это вознаграждение.
Его взять не откуда. Это вознаграждение, это чисто отображение нашего желания на компьютер. Для каждой ситуации могут быть выгодны абсолютно любое действие — все зависит нашего текущего желания.
В статье по сути я описал способ получения такого критерий — как можно словами объяснить компьютеру, что от него хотим.
Т.е. первый этап создания простого ИИ — 1. научить программу понимать и разделять части речи (подлежащее, сказуемое, наречие и т.д.), далее 2. сформировать понятийный аппарат (скормить ему Википедию, Викисловарь). 3. научить отвечать на вопросы и «мыслить» лишь в случае постановки вопроса/задачи.
Я в тексте писал про статистические закономерности, а не про подлежащие и сказуемые. Про то, как образуются алгоритмы, и как вытаскивать нужные из общей кучи найденных. Ответы на вопросы — это одна из функций.
Акцентировать алгоритм на каком-то конкретном свойстве человека (на распознавании текста), это как утверждать, что человек не сможет думать, если не будет разговаривать (глухонемые).
Подлежащие и сказуемые — это структурные образования, которые немного по другому считаются. Я сейчас добавил в тексте упоминания про структуры, хотя и не сильно подробно.
Акцентировать алгоритм на каком-то конкретном свойстве человека (на распознавании текста), это как утверждать, что человек не сможет думать, если не будет разговаривать (глухонемые).
Подлежащие и сказуемые — это структурные образования, которые немного по другому считаются. Я сейчас добавил в тексте упоминания про структуры, хотя и не сильно подробно.
Структурирование прогнозов — это конструктивный способ построения ИИ, хочется пожелать Вам удачи и прояснения для себя как собственно задачи, так и подходов к ее решению.
Я бы отметил, что для ИИ не нужно разнообразия алгоритмов, все сводится к одному короткому набору плюс хаки в виде особой периферии (предструктурированной, чтобы не повторять миллионы лет эволюции)
В своей работе я выделяю статистическое ядро управления потоками внимания и периферийные драйвера, работающие с разными конкретными структурами восприятия (будь-то текст, цены или другие числа, аудио-, фото- или видео и т.п.)
Главная задача ядра — управлять путем движения внимания с пространстве уточняющейся многомерной структуры представлений, чтобы избежать неопределенности комбинаторного взрыва (т.е. Это по сути статистическая машина)
Главная задача любого драйвера — поиск устойчивых признаков-символов, с увеличением разрешения для обеспечения необходимой и достаточной степени различения только необходимых признаков, идентифицирующих уже известные представления. Я называю свой алгоритм «обобщение-различение», который работает с потоком внимания в любом пространстве, с любым числом измерений (параметров связанности данных), заранее неизвестных (но определяемых периферийным драйвером)
В итоге, ядро отдает команды драйверам о смещении фокуса внимания и ожидании распознавания там ранее известных признаков, а драйвера возвращают точность, с которой признаки в новой точке фокуса обнаружены и фактически распознанные признаки со следующим уровнем детализации
Это подобно тому, что мы снова и снова сидим одни и те же знакомые буквы, во все новых и новых ситуациях (например шестой раз перечитываем 29 строку 7 страницы 3 тома 11-го издания войны и мира)
Я бы отметил, что для ИИ не нужно разнообразия алгоритмов, все сводится к одному короткому набору плюс хаки в виде особой периферии (предструктурированной, чтобы не повторять миллионы лет эволюции)
В своей работе я выделяю статистическое ядро управления потоками внимания и периферийные драйвера, работающие с разными конкретными структурами восприятия (будь-то текст, цены или другие числа, аудио-, фото- или видео и т.п.)
Главная задача ядра — управлять путем движения внимания с пространстве уточняющейся многомерной структуры представлений, чтобы избежать неопределенности комбинаторного взрыва (т.е. Это по сути статистическая машина)
Главная задача любого драйвера — поиск устойчивых признаков-символов, с увеличением разрешения для обеспечения необходимой и достаточной степени различения только необходимых признаков, идентифицирующих уже известные представления. Я называю свой алгоритм «обобщение-различение», который работает с потоком внимания в любом пространстве, с любым числом измерений (параметров связанности данных), заранее неизвестных (но определяемых периферийным драйвером)
В итоге, ядро отдает команды драйверам о смещении фокуса внимания и ожидании распознавания там ранее известных признаков, а драйвера возвращают точность, с которой признаки в новой точке фокуса обнаружены и фактически распознанные признаки со следующим уровнем детализации
Это подобно тому, что мы снова и снова сидим одни и те же знакомые буквы, во все новых и новых ситуациях (например шестой раз перечитываем 29 строку 7 страницы 3 тома 11-го издания войны и мира)
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Создание искусственного интеллекта