Здесь же нет определения понимания. Что это? Битовый флаг? Качество уверенности?
Я понимание определяю как наиболее компактный контекст представлений о ситуации. Например «это кухня моей квартиры». То есть множество представлений, каждое из которых может быть детализировано и проверено.
Каждый символ это ключ. От каждого символа есть верлятность обнаружить на некотором расстоянии доугой символ. Не важно, вперед или назад. Самые устойчивые переходы объединяются. И так все выше и выше, представление 5 порядка проверяется 32 исходными признаками перехода от символа к символу.
По 5-7 признакам это представление подтверждается, по 2-3 опровергается. Пять подтверждений определяют одно. Представление пятого порядка из 32.
При этом представления могут быть как локальными, так и сильно разреженными.
Я не смогу объяснить Вам, если Вы не будете читать.
Еще раз. Человек определяет сходство, различие и тождественность по объему подтвержденных признаков.
Например, лицо конкретного человека это менее 70 признаков для самых разных ситуаций. Зрительная область нервной системы весьма специфична, но управление зрительным вниманием универсально.
Вся хитрость в вероятностном обобщении. Сначала градаций очень мало, но чем больше различаемых представлений, тем больше различий, но нужно понимать, что различия только детализируют контекст. Когда человек видит лицо, нму не обязательно его идентифицировать. Вы не различаете всех незнакомых людей между собой индивидуально, а используете несколько различающих категорий, и те, по необходимости.
Описанный алгоритм решает задачу именно так, контекст содержит представления наибольшего порядка, для определения ситуации минимумом признаков. Наиболее значимое в контексте определено наиболее детально.
Я уже выяснил как все устроено в точности и в деталях ;)
Не прибегая к первопричинам, выходящим за пределы взаимозависимого возникновения. То есть, нет нужды ни в чем самосущем.
Критика предполагает конкретные вопросы или замечания. Дай мне код это не критика. Если сейчас кода нет, это не значит, что нет модели и полезных идей. Поэтому я и написал, что к данной ситуации цитата неприменима. И всего-то
Не спешите выводами. Понять предлагаемую идею действительно непросто, пока мне удается доносить ее только дискуссионно, чаще всего тет-а-тет. Учусь делать это на широкую аудиторию.
Я уже написал выше, разовью мысль подробнее.
Запрос к драйверу индекса определяет внешнее поведение системы. Не нужно отдельно определять моторную систему. Поведение системы определено направлением внимания. Внимание направлено на некоторое представление и выяснение актуальности этого представления для текущей ситуации есть последовательность запросов к драйверам для восприятия символов измеряемых сфер восприятия.
Например, для того, чтобы посмотреть в область на пару градусов правее, достаточно считать соседние пиксели в картинке с камеры. А для того, чтобы посмотреть на 90 градусов правее и на 1750 процентов вдаль, необходимо повернуть корпус и сфокусировать оптическую систему, либо приблизиться на расстояние, достаточное для фокусировки.
Нумента — молодцы, но они все равно не понимают механизма понимания. Я хочу донести до людей адекватный механизм работы понимания. Пока не встречал, чтобы кто-то делал это на технически внятном уровне.
Я за годы исследований не встретил никого, кто может адекватно сказать, как работает понимание, за счет чего оно возникает, из чего состоит.
Могу держать пари, на 1000 долларов, что Вы не найдете никого, кто сможет внятно объяснить эти вопросы, кроме меня. Я понимаю, что это серьезные амбиции, но я потратил достаточно времени на обсуждения и исследования, чтобы убедиться в своей правоте.
Человек же это делает. Вы понимаете одновременно, что два предмета — это столы, но это разные столы.
Сначала нужно понять, как это происходит в уме и тогда не нужно ничего изобретать.
Есть набор относительных признаков, инвариантных к направлению, расстоянию и положению предметов в пространстве. Это работа драйвера на 90% и работа классификатора на определение нескольких вариантов, определяющих разные проекции предмета на плоскость зрения.
Если правильно выделить фазовое пространство, классификатор его правильно классифицирует.
Вы не решили философский вопрос подобия и тождественности, поэтому не воспринимаете соответствующую математику.
Подобие связано с тем, что есть множественные индивидуальные экземляры чего-то, распознаваемого как сходные объекты
Тождественность связана с тем, что распознается один индивидуальный экземпляр в разных ситуациях
Здесь не нужна математическая точность. Люди тоже ошибаются, путая близнецов и не узнавая одного и того же человека.
Если перед Вами положить десять песчинок, потом заменить из них пять — Вы вполне можете допустить ошибку.
Задача искусственного интеллекта точно такова же — предположить, что изменилось, по ограниченному набору выявленных признаков сходства/различия.
Именно эту задачу и должен решать проектируемый классификатор
Смотрите, во первых, не дерево, а сеть.
Во-вторых близость не определяется, а используется разделение на
— обозначаемое, где однозначное определение исходного алфавита и точное соответствие
— и обозначения, где используется множественное вероятностное определение по множеству переходов от признака к признаку
На уровне обозначаемого у нас конкретные символы. Проще говоря для драйвера зрения — это конкретное изменение параметров перехода из одной области конкретного размера в другую область относительного размера в отношении первой, с изменением тона цвета, яркости, контраста и изменения фрактальной плотности.
Это легко измеряется на подтверждение ли опровержение. Можно использовать конкретные градации, когда подтверждено, когда опровергнуто и когда неопределено.
Это все настройки драйверов, реализация которых не существенна для классификатора.
Классификатор оперирует конкретными представлениями о наиболее вероятных переходах от символа к символу.
На примере текста «МАМА МЫЛА РАМУ» мы имеем следующие переходы в драйвере
Р[0] = М->А из 4х М 2 подтверждения, два опровержения
Р[1] = М-->М из 4х М одно подтверждение, два опровержения, одно неопределено (нет символа следующего за У)
Р[2] = М--->А из 4х М два подтверждения, одно опровержение, одно не определено
…
Р[14] = А->М из 4х А два подтверждения, два опровержения
Р[15] = А-->А из 4х А два подтверждения, два опровержения
Одновременно строится сеть классификации
Н[0][0] = Р[0] -> Р[14] из 2х МА одно подтверждение и одно опровержение
H[0]01] = Р[1] -> Р[0] из 2х М.А одно подтверждение и одно опровержение
Одновременно строятся представления порядка H[1][i] и далее, объединяющие переходы более низких уровней.
Задача классификатора построить минимизированные определения наиболее высокого порядка H[max][i] рекурсивно опускающихся до минимального набора переходов Р[i0]->P[j0],… Р[in]->P[jn]
Все полученные контексты (наборы представлений наиболее компактно определяющих ситуацию) также определяются как представления уровня H[max+1][k] и дальше используются в определении новых представлений более высоких уровней.
Стек контекстов должен бы избавиться от метрики и быть неупорядоченным множеством признаков, но, пока непонятно, как это сделать алгоритмически, не создав проблемы комбинаторного взрыва при обратном вычислении контекста. Поэтому пока контексты однозначно определяются на исходные наборы признаков и на драйверы возлагается нагрузка по отображению многомерного динамического пространства измерений в статическое фазовое пространство символов.
Я хочу универсальный классификатор, который в равной степени понимает как ситуацию, разворачивающуюся в текстовой беседе, так и в пространстве объектов
Значение имеет именно выстраивание контекста внутренних представлений, как доказательный эксперимент по тому, что такое понимание ситуации.
Как минимум, после вопросов и уточнений приходит и ясность, как лучше объяснять. С входом пока только сложность, нужно проработать презентацию. Вот и займусь ей пока
Да, с ясностью выражения — проблемы. Но над этим плотно работаю. Будут и иллюстрации и схемы и более последовательные презентации идей. Просто я знаю, сто есть люди уже из этого сумбура многое схватывающие, их и ищу в первую очередь.
Да, в 1987 учился в 7 классе и у нас были БК0010 с фокалом, ДВК-2М и одна БК-0010 с бейсиком и цветным монитором. Четыре года программирования. Плюс практика на КВЦ, Ес-1020, 1022 и 1045. Потом еще появились три Атари 65, а из Венгрии возвращались семьи военных и везли видеотоны. На первом курсе конечно же синклер, кафедра с искрами и мажовиями, ДВК-3 и УКНЦ. Ну а дальше поехали, turbo pascal, 1840, 1842, 1845, turbo c, robotron, abasic, dbase, foxbase, clipper 86, foxpro, 86 хт, 286ат, win 3.0, covox, scream tracker, 386 sx16, win 3.1, sx25, dx40, sound blaster, dos4gw, watcom c, win3.11, 486sx, 486dx, delphi, 3dstudio, corel draw, win95, первый пентиум, .… Ностальгия!
Я понимание определяю как наиболее компактный контекст представлений о ситуации. Например «это кухня моей квартиры». То есть множество представлений, каждое из которых может быть детализировано и проверено.
По 5-7 признакам это представление подтверждается, по 2-3 опровергается. Пять подтверждений определяют одно. Представление пятого порядка из 32.
При этом представления могут быть как локальными, так и сильно разреженными.
Еще раз. Человек определяет сходство, различие и тождественность по объему подтвержденных признаков.
Например, лицо конкретного человека это менее 70 признаков для самых разных ситуаций. Зрительная область нервной системы весьма специфична, но управление зрительным вниманием универсально.
Вся хитрость в вероятностном обобщении. Сначала градаций очень мало, но чем больше различаемых представлений, тем больше различий, но нужно понимать, что различия только детализируют контекст. Когда человек видит лицо, нму не обязательно его идентифицировать. Вы не различаете всех незнакомых людей между собой индивидуально, а используете несколько различающих категорий, и те, по необходимости.
Описанный алгоритм решает задачу именно так, контекст содержит представления наибольшего порядка, для определения ситуации минимумом признаков. Наиболее значимое в контексте определено наиболее детально.
Не прибегая к первопричинам, выходящим за пределы взаимозависимого возникновения. То есть, нет нужды ни в чем самосущем.
Жизнь это ценность.
Я уже написал выше, разовью мысль подробнее.
Запрос к драйверу индекса определяет внешнее поведение системы. Не нужно отдельно определять моторную систему. Поведение системы определено направлением внимания. Внимание направлено на некоторое представление и выяснение актуальности этого представления для текущей ситуации есть последовательность запросов к драйверам для восприятия символов измеряемых сфер восприятия.
Например, для того, чтобы посмотреть в область на пару градусов правее, достаточно считать соседние пиксели в картинке с камеры. А для того, чтобы посмотреть на 90 градусов правее и на 1750 процентов вдаль, необходимо повернуть корпус и сфокусировать оптическую систему, либо приблизиться на расстояние, достаточное для фокусировки.
Нумента — молодцы, но они все равно не понимают механизма понимания. Я хочу донести до людей адекватный механизм работы понимания. Пока не встречал, чтобы кто-то делал это на технически внятном уровне.
Я за годы исследований не встретил никого, кто может адекватно сказать, как работает понимание, за счет чего оно возникает, из чего состоит.
Могу держать пари, на 1000 долларов, что Вы не найдете никого, кто сможет внятно объяснить эти вопросы, кроме меня. Я понимаю, что это серьезные амбиции, но я потратил достаточно времени на обсуждения и исследования, чтобы убедиться в своей правоте.
Как бы это ни звучало.
Сначала нужно понять, как это происходит в уме и тогда не нужно ничего изобретать.
Есть набор относительных признаков, инвариантных к направлению, расстоянию и положению предметов в пространстве. Это работа драйвера на 90% и работа классификатора на определение нескольких вариантов, определяющих разные проекции предмета на плоскость зрения.
Если правильно выделить фазовое пространство, классификатор его правильно классифицирует.
Вы не решили философский вопрос подобия и тождественности, поэтому не воспринимаете соответствующую математику.
Подобие связано с тем, что есть множественные индивидуальные экземляры чего-то, распознаваемого как сходные объекты
Тождественность связана с тем, что распознается один индивидуальный экземпляр в разных ситуациях
Здесь не нужна математическая точность. Люди тоже ошибаются, путая близнецов и не узнавая одного и того же человека.
Если перед Вами положить десять песчинок, потом заменить из них пять — Вы вполне можете допустить ошибку.
Задача искусственного интеллекта точно такова же — предположить, что изменилось, по ограниченному набору выявленных признаков сходства/различия.
Именно эту задачу и должен решать проектируемый классификатор
Во-вторых близость не определяется, а используется разделение на
— обозначаемое, где однозначное определение исходного алфавита и точное соответствие
— и обозначения, где используется множественное вероятностное определение по множеству переходов от признака к признаку
На уровне обозначаемого у нас конкретные символы. Проще говоря для драйвера зрения — это конкретное изменение параметров перехода из одной области конкретного размера в другую область относительного размера в отношении первой, с изменением тона цвета, яркости, контраста и изменения фрактальной плотности.
Это легко измеряется на подтверждение ли опровержение. Можно использовать конкретные градации, когда подтверждено, когда опровергнуто и когда неопределено.
Это все настройки драйверов, реализация которых не существенна для классификатора.
Классификатор оперирует конкретными представлениями о наиболее вероятных переходах от символа к символу.
На примере текста «МАМА МЫЛА РАМУ» мы имеем следующие переходы в драйвере
Р[0] = М->А из 4х М 2 подтверждения, два опровержения
Р[1] = М-->М из 4х М одно подтверждение, два опровержения, одно неопределено (нет символа следующего за У)
Р[2] = М--->А из 4х М два подтверждения, одно опровержение, одно не определено
…
Р[14] = А->М из 4х А два подтверждения, два опровержения
Р[15] = А-->А из 4х А два подтверждения, два опровержения
Одновременно строится сеть классификации
Н[0][0] = Р[0] -> Р[14] из 2х МА одно подтверждение и одно опровержение
H[0]01] = Р[1] -> Р[0] из 2х М.А одно подтверждение и одно опровержение
Одновременно строятся представления порядка H[1][i] и далее, объединяющие переходы более низких уровней.
Задача классификатора построить минимизированные определения наиболее высокого порядка H[max][i] рекурсивно опускающихся до минимального набора переходов Р[i0]->P[j0],… Р[in]->P[jn]
Все полученные контексты (наборы представлений наиболее компактно определяющих ситуацию) также определяются как представления уровня H[max+1][k] и дальше используются в определении новых представлений более высоких уровней.
Стек контекстов должен бы избавиться от метрики и быть неупорядоченным множеством признаков, но, пока непонятно, как это сделать алгоритмически, не создав проблемы комбинаторного взрыва при обратном вычислении контекста. Поэтому пока контексты однозначно определяются на исходные наборы признаков и на драйверы возлагается нагрузка по отображению многомерного динамического пространства измерений в статическое фазовое пространство символов.
Я придерживаюсь диалектической модели мировоззрения.
За статьи спасибо — почитаю обязательно.
Значение имеет именно выстраивание контекста внутренних представлений, как доказательный эксперимент по тому, что такое понимание ситуации.
Ох, а исправить-то не могу, кармы уже не хватает.