Так и Америки нет, ее придумали, чтобы РФ была в кольце врагов, а так, земной диск заканчивается границами Краснодарского края... кто там был, тот знает...
Один важный пункт не описан. Постоянный поиск баланса. Когда выбрать brute force, чтобы замастырить дырочку, а когда найти время на создание эффективного и элегантного алгоритма. Когда вывалить спагетти ассоциаций по поводу задачи, а когда структурировать потоки и причесать абстракции. Когда решить расширить функциональность сервиса или выбрать рефакторинг кода. Программирование — это искусство возможного. И хождение по канату.
Полагаете, это университеты учат людей думать? :) Странно, но Гейст, Джобс, Цукенберг считали иначе… ))) И, если честно, я среди людей вообще мыслителей вижу мало. Редкое это качество…
Если бы в обучающей выборке содержались ответы на такие вопросы, у нас бы уже были думающие машины, а не только решатели, формирующие текстовые ассоциации по своему гиганскому корпусу…
Можно придумать закон, что вода должна сама течь вверх по трубам. Проблема в том, что законы природы обязательны к исполнению даже при незнании их. Мы знаем страны, которые пытаются регулировать рынки и устанавливать правила: СССР, Иран, Сев.Корея, Венесуэла. С попыткой навязать ИИ свои правила будет тоже самое.
Да, задач может быть много, они могут быть разными и их можно типизировать так, как делаете Вы. Но проблема вывода в той же самой «формальности», которая мешает обрабатывать здравый смысл и метафоры. И это одна проблема.
Хороший список, спасибо! Единственно, что хотелось бы отметить, это большая похожесть 2, 3 и четвертого пунктов. Что такое здравый смысл как не способность к рассуждениям и возможность обработки метафор и других «неточных» данных? Нужна ли будет inference, если она не будет иметь возможность обрабатывать аналогии? Не является ли полисемия основой семантического значения вообще, то есть фундаментальным свойством, которую не победить формальными онтологиями и хорошими тезаурусами?
Мне кажется, что 2, 3 и 4 — это одна большая проблема, показанная с разных сторон.
Любая модель — это эвристика. При этом, нет правильных моделей, есть более полезные и менее полезные, это зависит от задачи. Почему Вы говорите, что ML — это правильные модели?
Понимание — это не метрика, понимание — это способность строить модель реальности. Разница между аппроксимацией многомерной таблицы и пониманием примерно такая же как разница между таблицей булевых операций и романами GRR Мартина. )))
Задача «понимать» не стоит по одной единственной причине — никто не понимает как ее поставить и что такое «понимать». Это как с калькулятором, ML лучше умеет перемножать числа, но совершенно не умеет «перемножать» здравый смысл. )))
Огромное спасибо! Вы сделали не только мой день, но и открыли крышку ящика пандоры в моей голове. Я не думал, что мы (человечество) так близки к фиаско…
Тест на здравый смысл может выглядеть так:
В: у меня две собаки и одна трехногая кошка. Сколько ног топчут пол в моем доме?
Ответ 11 неправильный, почти правильный ответ 13 (я тоже топчу), а совсем правильный: а сколько и какие еще носители ног есть в вашем доме?
Иными словами в мозге две системы: одна не работает правильно, другая не работает быстро. ))
Так и Америки нет, ее придумали, чтобы РФ была в кольце врагов, а так, земной диск заканчивается границами Краснодарского края... кто там был, тот знает...
Мне кажется, что 2, 3 и 4 — это одна большая проблема, показанная с разных сторон.
В: у меня две собаки и одна трехногая кошка. Сколько ног топчут пол в моем доме?
Ответ 11 неправильный, почти правильный ответ 13 (я тоже топчу), а совсем правильный: а сколько и какие еще носители ног есть в вашем доме?
Не переживайте так, иначе будет невроз