На главную
ПРАВИЛА FAQ Помощь Участники Календарь Избранное RSS
msm.ru
! Правила раздела
1. Название темы должно отражать ее содержимое (не создавайте темы с заголовком ПОМОГИТЕ, HELP и т.д.). Злоупотребление заглавными буквами в заголовках тем ЗАПРЕЩЕНО.
2. При создании темы постарайтесь, как можно более точно описать проблему, а не ограничиваться общими понятиями и определениями.
3. Приводимые фрагменты исходного кода старайтесь выделять тегами code.../code
4. Помните, чем подробнее Вы опишите свою проблему, тем быстрее получите вразумительный совет

Модераторы: esperanto
Страницы: (3) [1] 2 3  все  ( Перейти к последнему сообщению )  
> План создания сильного ИИ, теория познания
    Слабых ИИ много. Сильный искусственный интеллект и не предвидится. Даже если все слабые ИИ запихнуть в одного робота. Проблема в том, что сильный ИИ способен к познанию. Слабый ИИ познавать мир не умеет. Слабому ИИ надо много раз показывать что правильно, а что нет. Своей головы у него нет. Для создания сильного ИИ сначала надо развить теорию познания до формализованного состояния. Формализованную теорию познания и надо залить в робота в виде программы. Среди философов мало программистов, а среди программистов мало философов. Это большая проблема на пути к ИИ.
    Сообщение отредактировано: scrambrella -
      Соответственно, специалисты по ИИ должны сосредоточиться на изучении всего спектра философской литературы. Необходимо в совершенстве освоить ту теорию познания (гносеологию), которая у нас есть. Только тогда появятся возможности для алгоритмизации процесса познания. Эта теория познания есть продукт труда философов на протяжении более, чем 2500 лет. Всё это время шёл весьма успешный процесс познания и о познании стало известно весьма много.
      Познание на основе логического вывода - тупиковый путь, так как алгоритмы логического вывода экспоненциальные и могут рассматриваться лишь как вспомогательные для малых подзадач.
      Ещё более тупиковый путь - попытка создать ИИ на базе нейронных сетей. Это принципиально слабый ИИ, нуждающийся в огромных размеченных выборках, без гарантии сходимости процесса обучения.
      Сообщение отредактировано: scrambrella -
        Извините, у вас какая-то каша в голове:
        1. Философия ничего не даст. Гносеологии - индукция и дедукция. Дедукция - от общего к частному (от алгоритма к данным). Программирование - дедукция. Индукция - от частного к общему. Машинное обучение - индукция.

        Добавлено
        2. Кто вам сказал, что NN только обучение с учителем? Есть ещё обучение с подкреплением. Читайте про АльфаГО компании deepmind. Как дипмайнд обучил нейронку играть в игру атари. Там нет размещённых наборов данных. Просто на входе экран игры и кол-во набранных очков на выходе. Перед машиной стоит задача максимизировать очки.

        Добавлено
        Сейчас специально посмотрели табличку за 2014 год по разным играм. Самый лучший результат в игре Video Pinball в 25 раз лучшего игрока-Человека. В игре pong и теннис - 143%. В 1.4 раза лучше человека. А вот с игрой Монтесума ревенж машина не справилась (0 очков)

        Добавлено
        В го миллион копий нейронки рубились по принципу должен остаться только 1 самый сильный.
          Имхо alphaGO - вершина индуктивного подхода. Если бы жизнь была игрой с чётко заданными правилами и целевой функцией в виде кол- ва очков, то это и был бы сильный ИИ.

          Добавлено
          По мнению шолле, дальнейшее направление развития - синтез индуктивного и дедуктивного подходов. Как в диалектике Гегеля тезис+ антитезис=синтез.

          Добавлено
          Ведь наука и есть синтез 2 подходов. Был учёный муравей Аристотель, который тупо собирал факты. Его книга "физика" - клад различных фактов и наблюдений. И был учёный паук платон. Платон тянул науку из себя. Считал, что не надо изучать природу, а надо изучать идеальный математические объекты. Грубая природа для плебеев. На академии Платона была надпись: не знающим геометрии вход запрещён. Эвклид - ученик академии Платона.

          Добавлено
          И дальше Галилей придумал как синтезировать оба подхода. Так родился современный научный метод познания. И сейчас нужен некий подобный синтез.
            Кстати по поводу сложностей с разметкой наборов данных: в генеративных NLP-моделях с этим проблем нет. Скачивание из интернета набор текстов и убираете случайное слово в каждом предложении и дальше учите модель предсказывать слово. Хотя имхо GPT-3 - тупиковый путь. Да эта генервтивная модель чат- бот может писать связные сочинения. Написала прекрасное эссе на тему почему не стоит бояться ИИ. Имхо просто ловкий фокус - имитация сильного ИИ.

            Добавлено
            Тоесть модель научилась предсказывать слова в корпусе текстов и затем пишет сочинение слово за словом по заданному началу (затравке)
              Слишком это похоже на игру где каждый пишет фразу и передаёт бумажка следующему игроку и так по кругу) тоже может получиться прикрльно!:)
                Цитата доктор Рагин @
                Извините, у вас какая-то каша в голове:
                1. Философия ничего не даст. Гносеологии - индукция и дедукция. Дедукция - от общего к частному (от алгоритма к данным). Программирование - дедукция. Индукция - от частного к общему. Машинное обучение - индукция.

                То-то по гносеологии пишут многотомные издания. Вот например. И всё, чтоб объяснить, что индукция это от частного к общему, а дедукция - от общего к частному? Важно как осуществлять эти процессы. Помимо индукции и дедукции есть и другие методы познания.

                Добавлено
                Цитата доктор Рагин @
                2. Кто вам сказал, что NN только обучение с учителем? Есть ещё обучение с подкреплением. Читайте про АльфаГО компании deepmind.

                С подкреплением это с тем же учителем. Когда есть чёткие правила разметка данных делается сама собой - проиграл-выиграл. И рубись сам с собой пока не научишься.
                Кроме того, надо было подобрать архитектуру нейронки чтоб она более не менее училась этому ГО. И так под каждую задачу.
                ИИ должен быть универсальным. Работать вообще без вмешательства человека или с минимальным вмешательством. Человек показал задачу, ИИ подумал, дал ответ. Всё равно какую задачу - выиграть в шахматы или доказать теорему Ферма.

                Добавлено
                Цитата доктор Рагин @
                [/size][/color]
                По мнению шолле, дальнейшее направление развития - синтез индуктивного и дедуктивного подходов. Как в диалектике Гегеля тезис+ антитезис=синтез.

                Синтез подходов муравья и паука - это путь пчелы у Бэкона.

                Добавлено
                Цитата доктор Рагин @
                Ведь наука и есть синтез 2 подходов. Был учёный муравей Аристотель, который тупо собирал факты. И был учёный паук платон.

                Аристотель и Платон - философы, а не учёные. Философия не наука.

                Добавлено
                Познание наукой не ограничено. Теория познания разделяется на гносеологию - теорию познания вообще и эпистемологию - теорию научного познания. Наука не единственный метод познания. Про это часто забывают.

                Добавлено
                Цитата доктор Рагин @
                Сейчас специально посмотрели табличку за 2014 год по разным играм. Самый лучший результат в игре Video Pinball в 25 раз лучшего игрока-Человека. В игре pong и теннис - 143%. В 1.4 раза лучше человека. А вот с игрой Монтесума ревенж машина не справилась (0 очков)

                Автомобиль бегает быстрее человека. ЭВМ быстрее считает. Ну и чо?

                Добавлено
                Узкоспециализированный инструмент (слабый ИИ) всегда лучше выполняет свою задачу, чем универсальный (сильный ИИ).

                Добавлено
                Алгоритмизация именно научного познания (в строгом смысле, который даёт философия науки) выполняется относительно легко, и есть тому примеры. Роботы-учёные. Задача учёного - проводить эксперименты и систематизировать их результаты по некоторой целевой функции.
                Сообщение отредактировано: scrambrella -
                  Цитата scrambrella @
                  адача учёного - проводить эксперименты и систематизировать их результаты по некоторой целевой функции.

                  По какой целевой функции? :wacko: :blink: Как раз проблема, что там нет целевой функции, которую надо максимизировать или минимизировать как в игре!

                  А Вы все-таки подумайте над идеей Франсуа Шолле о синтезе символьного ИИ с нейронкой. На конфренции Сбера по ИИ эту же идею высказала индуска (лаборатория ИИ компании Интел, если не путаю)

                  Добавлено
                  ИМХО в этом и заключается Проблема. Мы умеем строить НС, которые оптимизируют веса в соответствии с заданной целевой ф-цией. И дальше развитие останавливается. Как живой организм, который идеально приспособился к окружающей среде и на этом закончил развиваться. Творческий потенциал нулевой, полная неспособность генерировать новые идеи. ;)
                    Цитата доктор Рагин @
                    По какой целевой функции? :wacko: :blink: Как раз проблема, что там нет целевой функции, которую надо максимизировать или минимизировать как в игре!

                    В случае роботов-биохимиков Адама и Евы целевая функция была. Один робот искал лекарство от малярии, другой повышал урожайность какой-то травы. Роботы круглые сутки смешивают реактивы во всех комбинациях и проверяют эффект от смеси. Учёный-человек такое число опытов провести неспособен.

                    Если нет целевой функции - то к чёрту таких учёных. Учёный должен знать чего он хочет получить своим исследованием.

                    Бывает практическая цель - как у упомянутых роботов (прикладная наука).
                    Бывает цель объяснить некоторое явление (фундаментальная наука). В этом случае наука - это построение формул интерполяции экспериментальных табличных данных. Короткая формула считается лучше, чем длинная.
                    Других целей у естественных и технических наук нет.

                    И то и то прекрасно может делать робот даже без ИИ. Элементы ИИ приводят к сокращению числа экспериментов в первом случае (но с риском упустить лучший результат) и к более коротким формулам интерполяции во втором случае.

                    С гуманитариями всё сложнее. На нынешнем этапе развития ИИ здесь не у дел. Это область сильного ИИ.
                    Сообщение отредактировано: scrambrella -
                      Ну это как алхимики работали. Тупо смешивали разные вещества. Обычно ученый сначала много думает, а не наугад смешивает растворы или перебирает все возможные математические формулы. :D
                        Цитата доктор Рагин @
                        А вот с игрой Монтесума ревенж машина не справилась (0 очков)

                        Говорят что написали для Монтесумы бота. Алгоритмы для ГО не проканали в этой игре. Что-то подкрутили в алгоритме обучения и бот заиграл.
                        Всё равно это не более, чем очередной хороший бот для конкретной игры. Ведущую роль опять играл человек.
                          Цитата scrambrella @
                          Всё равно это не более, чем очередной хороший бот для конкретной игры. Ведущую роль опять играл человек.

                          Вы ошибаетесь! В 2016 DeepMind выпустила AlphaZero и там все честно без читинга. AlphaGo тренировалась на партиях людей, в качестве обучающего набора брались лучшие партии в Го. Потом система ДООБУЧАЛАСЬ на чемпионате со своими копиями. А альфазерро действительно училась с НУЛЯ! Потом взяли систему и из коробки без всякой подкрутки научили играть в шахматы. За 24 часа AlphZero научилась играть лучше лучшей шахматной программы. Сыграла миллиарды партий сама с собой (каждая партия - 0.4 секунды).

                          ИИ демонстрирует уже уровень собаки! ;) :good:
                            Цитата доктор Рагин @
                            ИИ демонстрирует уже уровень собаки! ;) :good:

                            Собаки играют лучше гроссмейстеров?

                            Кто нейронку то собирал под игру в шахматы? Люди или другой ИИ?

                            Да и вообще, не верю я этому гуглю. Пусть устроят матч хотя бы против Карпова.

                            Если всё правда, то да, хорошая демонстрация возможностей машин лёрнинг. Но шахматы это всего 64 клетки и 32 фигуры. Далеко до ИИ, далеко, блин.
                            Сообщение отредактировано: scrambrella -
                              Цитата scrambrella @
                              Пусть устроят матч хотя бы против Карпова.

                              О чём ты? Людишек в шахматы даже смартфон обыграет сейчас. Да и в го какая-нибудь leela (считай, open source версия Alpha Go Zero), запущенная на смарте, сможет обыграть абсолютное большинство гошников. Сам видел, как она 6 дана обыгрывает :yes:
                                Цитата OpenGL @
                                Цитата scrambrella @
                                Пусть устроят матч хотя бы против Карпова.

                                О чём ты? Людишек в шахматы даже смартфон обыграет сейчас. Да и в го какая-нибудь leela (считай, open source версия Alpha Go Zero), запущенная на смарте, сможет обыграть абсолютное большинство гошников. Сам видел, как она 6 дана обыгрывает :yes:

                                Гугль сделал заявление, что его прога круче всех и на следующий день сказал, что больше с этой прогой не работает. Прогу никто не видел. За большие деньги гугль сделал публикацию в Nature, хотя к естественным наукам их поделка не имеет никакого отношения.

                                Пусть смартфон обыграют. Только их прога тоже должна работать на смартфоне без выхода в интернет. Иначе не честно.
                                Сообщение отредактировано: scrambrella -
                                0 пользователей читают эту тему (0 гостей и 0 скрытых пользователей)
                                0 пользователей:
                                Страницы: (3) [1] 2 3  все


                                Рейтинг@Mail.ru
                                [ Script execution time: 0,0515 ]   [ 16 queries used ]   [ Generated: 30.07.21, 11:45 GMT ]