Форум: Проблемы искусственного интеллекта

Регистрация | Вход

Все темы | Новая тема  Стр.9 (17) << < Пред. | След. > >>    Поиск:
Автор	Тема: На: Сущность интеллектуальных алгоритмов
mserg Сообщений: 258	На: Сущность интеллектуальных алгоритмов Добавлено: 06 ноя 14 16:35 Практика Data Mining говорит о том, что фокус ИИ со вторичной ролью цели не прокатит. Хотя бы потому, что точных закономерностей реально мало. А для регрессионных (реальность есть «среднее с шумами») «совпадение» зависит от выбранной функции близости. Поэтому «истинных» моделей, «правильно» описывающих будущее, все равно бесконечно, и они между собой различны. Вот такая хрень… [Ответ][Цитата]
rrr3 Сообщений: 11857	На: Сущность интеллектуальных алгоритмов +1 Добавлено: 06 ноя 14 22:18 Изменено: 06 ноя 14 22:28 Мм... да ужжж.... Пофантазирую ка и я малость, пока чай горячий.... 1. (Чисто для топикстартера). Мне показалось, что идет поиск некой самой высокой абстракции из которой можно выудить "сущность инт. алг-в". Может ошибся, но вывести сущность, например, машины из абстракции типа "удовольствие", не получится просто так, но и вывести машину из абстракции типа "элементарная частица" или "квант", тоже... Подход по типу поиска "соли земли", из которой выводится весь мир, конечно заманчив..., и часто, не осознанно мы к нему стремимся, но увы, он утопичен.... 2. А может ли быть супер универсальный СИИ. Мы невольно, как и в п.1. моих фантазий под СИИ, часто, не осознанно подразумеваем "достижитель", "решатель" всего и вся. Например, хотим создать такой СИИ, который бы с бухты барахты, только за счет своих каких-то внутренних СИИ возможностей научился, на пустом месте, почти, играть в покер. Боюсь, что и это утопичный подход. Например, возьмите младенца, который несомненно обладает (содержит) нечто типа СИИ (ЕИ), хотя и не умеет еще даже ходить и говорить, и посмотрите как много времени пройдет прежде он сделает то, что Вы ожидаете от машины запрограммированной как СИИ, да еще если его этому специально не учить.... Все же СИИ - это, видимо, не абсолютная универсальность, а некие принципы функционирования системы, даже если она далека в своих внешних проявлениях от уровня образованного человека, который, кстати не в состоянии решить любые задачи. Другим словами тест Тьюринга - не достаточен, сам по себе он фуфло. Да простят меня школяры отличники, заглядывающие в рот учителям, авторитетам. Но увы он (ТТ) влияет и через это определяет направление усилий исследователей заводя их уже не первое десятилетие в тупик. Длину, например, береговой линии можно мерить сантиметрами или километрами получая разные (справедливые !!!) результаты. И нужно, видимо не забывать, что СИИ так или иначе ограничен разнообразием и количеством входящих в него элементов, а результаты его функционирования, часто зависят не только от "внешней среды", как например, в случае с береговой линией. И вероятно при исследовании (!) что такое СИИ, следует обращать внимание на содержание СИИ, его сущности, а не на степень "решательной" способности конкретных задач. 3. А может сущность интеллектуальных алгоритмов (СИА) заключается в том, что это и не алгоритмы вовсе, если считать, что алгоритм подразумевает детерминированность процедур (включая переборные), в частности, если поставить вопрос о принципиальной возможности "философского камня" на все случаи жизни?! А может СИА в том, что она должна быть полностью (!) не зависима от описаний внешней среды..., от описаний конкретных задач/целей и критериев их решенности/нерешенности/эффективности и т.п....?! А может СИА еще и в том, что она не должна изначально представлять из себя систему..., а система может возникать/преобразовываться в совокупности (!) взаимодействующих элементов только (!), как результат функционирования/взаимодействия этой совокупности с внешней средой имеющей некие "закономерности" (включая "иерархичные") на фоне хаоса/случайности...?, а вся "системность" (например, соблюдение неких закономерностей внешней среды для обеспечения компа бесперебойным электричеством) необходимая для функционирования этой совокупности обеспечивается биологическим человеком? А как мне показалось (увы я не крещусь, даже если кажется...), мы все выясняем, что такое мир и исходя из этого хотим построить СИИ, в то время как надо выяснить, исследовать что такое СИИ и исходя из этого понять каким разные СИИ увидят этот мир/миры... и каков их потенциал "видения".... 4. Как знать..., как знать... p.s. Истин никогда (!), никогда (!) не глаголю, всегда (!) только свое мнение... [Ответ][Цитата]
Валентин Сообщений: 4536	На: Сущность интеллектуальных алгоритмов +1 Добавлено: 07 ноя 14 0:17 Я думаю, вообще, бесполезно фантазировать на тему СИИ, пока мы не разберёмся с ЕИ! [Ответ][Цитата]
гость 78.25.121.*	На: Сущность интеллектуальных алгоритмов Добавлено: 07 ноя 14 0:43 постановка гостя. на 'общую интеллектуальность' это парафраз идей т.н. общего ИИ (AGI), некоей паллиативной версии т.н. СИИ. Тут гиганская непроясненность между этими сильными, общими, смышленными (cмарт) 'интеллектами', просто НЕТ окончательного решения.. волшебная палочка корневого g-фактора интеллекта.. тут не замечают, в частности, что допущение того что ителлект есть некая высокоинтегрированная единая (!) сущность (допускающая ПРОСТУЮ формулировку g-фактора) не является хорошо обоснованным. очень плохо, что об интеллекте часто рассуждают НЕСИСТЕМНО и часто упускают ту теоретическую возможность, что системный базис интеллектуальной системы 'общего вида' (не g-, а т.ск. s-фактор (структурные гарантии)) мог не быть ни с какого боку интеллектом (в том смсле как о нем принято говорить). конкретно - нет достаточных соображений что из 'общего интеллекта' вырастает частный ('эмпирически доступный') интеллект. система моделирующая данные (выявляющая закономерности, сжимающая описания etc) может оказаться интеллектуальной а 'общем' смысле, но 'сущеглупой' в частном.. очень правильно указывали на неоднозначность/относительность положения 'оптимумов' и 'правильных' моделей. В теории говорят о зависимости от кодировки и от представления. Потапов ввел понятие репрезентирующего МДО (РМДО), но этого явно не достаточно для системности рассмотрения. [Ответ][Цитата]
Luarvik. Сообщений: 17287	На: Сущность интеллектуальных алгоритмов Добавлено: 07 ноя 14 2:56 Цитата: Автор: Валентин ... Интеллект - свойство, а на средство! Разумеется, Интеллект - свойство, как и другие прочие св-ва. ЕИ выращивается на материи субъекта и становится ее (и его) неотъемлемой частью, являясь т.о. и свойством и [операциональным] средством субъекта. Вопрос - может ли интеллектуальность быть св-вом объекта - остается открытым... [Ответ][Цитата]
Yandersen Сообщений: 351	На: Сущность интеллектуальных алгоритмов +1 Добавлено: 07 ноя 14 4:37 Изменено: 07 ноя 14 4:38 Шлёпну-ка я вводную часть своего сырого труда целиком. Хотел ещё блок-схемы сочинить, расписать устройство интеллектуальной системы и отдельный тред начать, но пока до этого дойдёт, много воды утечёт. Так что пусть пока v0.1 тут будет, может сегодняшней дискуссии поможет. Применение искусственного интеллекта В основу принципа функционирования программного обеспечения (ПО) сегодня положено преобразование информации по алгоритмам, описанным разработчиками. Это ограничивает область применения ПО изначально определёнными условиями, при которых результат исполнения алгоритмов имеет целесообразность. Поэтому создание автономных систем, способных выполнять требуемые задачи в условиях, не предусмотренных изначально, на сегодняшний день невозможно – для этого система должна быть способна к обучению без участия разработчика и целесообразному использованию получаемой информации, что является одной из особенностей интеллектуальных систем. Искусственные интеллектуальные системы управления имеют практическую ценность для выполнения задач в условиях, точное определение которых не известно на момент создания системы или в условиях, где контроль человека над действиями системы невозможен (исследование космоса, морских глубин, работы в экстремальных условиях) или неэффективен (обработка массивов данных). Что такое интеллект? Определение понятия интеллекта дано путём обобщения изученных проявлений мозговой активности, а мозг – это продукт эволюции, а не инженерной мысли. Инженерные разработки создаются целенаправленно, т.е. все детали реализации отвечают положенной в основу идее, в то время как эволюция – это процесс случайных структурных изменений и факторного отбора вариаций. Поэтому точного определения естественного интеллекта, отражающего его реальную суть дать нельзя, как нельзя и сказать, на каком этапе эволюционного развития поведение организма стоит считать интеллектуальным – эта граница будет зависеть от выбранного определения интеллекта, спектр свойств которого расширялся и изменялся по мере усложнения мозга. Если попытаться обобщить все известные проявления мозговой активности человека для определения понятия интеллекта, то получится некоторая сборная абстракция, полноценная искусственная реализация которой была бы не только невероятно сложна, но также имела бы сомнительный практический интерес. Поэтому в рамках этой статьи определение искуственного интеллекта будет выбрано следующим: Искусственный интеллект – совокупность алгоритмов накопления и целенаправленного использования опыта. Фундаментальное отличие интеллектуального ПО от обычного в том, что изначально описываются цели, а не способ их достижения. Для достижения целей интеллектуальной системе необходимо сперва изучить информационную среду, закономерности её изменения и доступные способы воздействия (что есть опыт). После этого станет возможным определение такого способа функционального воздействия на информационную среду, при котором результат воздействия с высокой долей вероятности приведёт целевые элементы информационной среды в требуемое состояние. Под информационной средой понимается совокупность данных о внешнем мире, воспринимаемых интеллектуальной системой (т.е. входящая информация, сенсорные данные). Опыт Всё материальное подчиняется законам, определяющим взаимодействия его элементов. Благодаря этому мир меняется закономерно, т.е. его изменение во времени предсказуемо. Однако на практике невозможно владеть информацией обо всём мире – лишь о его ничтожно малой части. Из-за этого влияние неконтролируемой части мира на подконтрольную вызывает в последней изменения, называемые случайными, т.е. непредсказуемыми. Предсказуемы (закономерны) лишь взаимодействия элементов, относительно изолированно происходящие внутри контролируемой системы, т.е. той части мира, информация о которой известна. Выделение этих закономерностей являет собой процесс накопления опыта – знания о законах взаимодействия элементов мира, позволяющего с большой долей вероятности предсказать дальнейшее изменение информационной ситуации; или же, что эквивалентно, эти знания позволяют определить такое состояние подконтрольной части мира (всей или его части), которое с большой долей вероятности перейдёт в требуемое (целевое). Вероятности в 100% быть не может, т.к. полностью исключить влияние внешних неконтролируемых элементов мира на подконтрольные невозможно. Сама интеллектуальная система также является одним из элементов подконтрольной части мира. Воздействие моторики на внешнюю среду и соответствующее изменение состояния отдельных элементов среды также являет собой опыт. Он может быть определён изначально, либо получен в результате рефлексивного исполнения моторных функций при определённых условиях (жёстко определённые алгоритмы исполнения базовых функций). Интеллектуальная система в режиме пассивного наблюдения может также получать начальный опыт во время прямого управления человеком, после чего, будучи переведённой в активную фазу, использовать элементы полученных знаний целенаправленно и в иных условиях, если это целесообразно. Целедостижение Поскольку автономно работающая система способна определять состояние среды лишь по показаниям собственных сенсоров, значит задание цели эквивалентно описанию требуемого состояния сенсоров, которого требуется достичь (не обязательно мгновенной конфигурации, цель может быть описана как некоторое изменение показаний определённых сенсоров во времени). Активных целей в любой момент времени может быть неопределённое количество. Цели могут также задаваться динамически (вмешательство оператора, собственные мотивационные алгоритмы, переопределение целей – об этом ниже). Синтез алгоритма достижения целей основан на переопределении целей: если требуемое состояние целевого сенсора не является прямым следствием исполнения моторной функции системы, тогда новыми целями назначаются условия, при которых данный сенсор имеет изученную тенденцию принимать требуемое состояние. Подобная рекурсия продолжается до тех пор, пока целевыми не будут выделены те сенсоры, требуемое состояние которых может быть достигнуто исполнением соответствующей моторной функции. Успешность целедостижения зависит от многих факторов (совершенность моторики, вычислительные ресурсы платформы, совершенность алгоритмов интеллекта, физическая возможность целедостижения при текущих обстоятельствах), но в основном лимитируется опытом, который может быть недостаточно полным для нахождения решения задачи (обрыв рекурсивной цепи на элементах, закономерности изменения состояний которых не изучены), либо содержать неразрешимые противоречия (от одного и того же сенсора в одинаковый временной промежуток требуются разные состояния) или не соответствующую реальности информацию (случайные совпадения могут быть приняты за закономерность). [Ответ][Цитата]
Victor G. Tsaregorodtsev Сообщений: 3187	На: Сущность интеллектуальных алгоритмов Добавлено: 07 ноя 14 5:20 Цитата: Автор: mserg И в чем смысл вопроса, в котором есть «асимптота»? «Асимптота» - многовато для ограниченных ресурсов. Ну, при обучении нейросетки - выход на асимптоту есть обоснование остановки обучения, дабы до второго пришествия не "выжимать" доли копеек в последних значащих цифрах точности. Если float-точность (одинарная) - там 6-7 значащих цифр, и изменения в последних не будут видны ни в обычном, ни в логарифмическом масштабах. Т.е. просто возможный индикатор для метода определения времени останова обучения (если останавливаем не по прошествии некоторого наперёд заданного времени). А заодно - и гарантия выхода на достижимую моделью точность (выше возможной для этой модели и/или задачи асимптоты - не прыгнешь). Ну и снова - не туда я хотел тем постом разговор увести. Мне было интересно именно знание результатов из когнитивной науки касательно "кривой обучения", наблюдаемой у человека при обучении того решению сложной задачи, если человек в ходе обучения строит-перестраивает несколько вариантов решения друг за другом. Ограниченные ресурсы компутера - это таки горааааздо больше числа выполняемых человеком шагов или проб. [Ответ][Цитата]
Victor G. Tsaregorodtsev Сообщений: 3187	На: Сущность интеллектуальных алгоритмов Добавлено: 07 ноя 14 5:21 Цитата: Автор: Калитеран На практике ансамбли и смеси конечно рулят, но это брутфорс на мой взгляд мешанина, концептуально ничего нового вряд ли дать могущая. Не, дропаут/дропконнект/максаут (нейросетевые фишки двух последних лет для многослойноперсептроноподобных структур) - это таки не брутфорс. Хотя, бывает, и требуют гораздо бОльшего числа эпох обучения, чем обычное обучение той же самой нейросетки. [Ответ][Цитата]
гость 78.25.121.*	На: Сущность интеллектуальных алгоритмов Добавлено: 07 ноя 14 6:33 Изменено: 19 ноя 14 18:37, автор изменений: гоcть хочется лишний раз отметить постановку Капетериана-ТП - о способности обучиться любой игре (может кто чего еще скажет). Именно что-то подобное имел в виду и НеоНейро. Это общая постановка в круге идей общего сильного ИИ. cобственно, хочется заметить сейчас одну вещь. Что такая архитектура ОСИИ не может не быть комплексной, вырастающей из многих конструктивных принципов. Cистема должна уметь репрезентировать, интерпретировать репрезентации разными способами, формировать правила, контекстуальные системы памяти, прогнозировать, планировать etc etc.. - это все еще ДО способности обучаться любым играм как таковым. Более того. Архитектура должна быть комплексной и в смысле когнитивной-метакогнитивной. Cистема не просто должна воспринимать свое окружение структурировано, структурировано описывать его динамику - но система должна формировать пространства виртуальных миров - сепарировать общую среду и среду игры, не смешивать правила мира и мира игры, а это УЖЕ достаточно нетривиальный уровень интеллекта - или прединтеллекта, если интеллектом считать игровые способности. [Ответ][Цитата]
гость 78.25.121.*	На: Сущность интеллектуальных алгоритмов Добавлено: 07 ноя 14 6:41 метакогниция это всего лишь когниция о когниции, бишь рефлексия, - слаборефлексивные агенты всегда совершают забавные рефлексные движения на стандартные раздражители. [Ответ][Цитата]
Валентин Сообщений: 4536	На: Сущность интеллектуальных алгоритмов Добавлено: 07 ноя 14 7:47 Цитата: Автор: гость метакогниция это всего лишь когниция о когниции, бишь рефлексия, - слаборефлексивные агенты всегда совершают забавные рефлексные движения на стандартные раздражители. - "Слаборефлексивных агентов" - вот кого мне напоминают многие здесь! ) [Ответ][Цитата]
гость 78.25.121.*	На: Сущность интеллектуальных алгоритмов Добавлено: 08 ноя 14 0:34 г..> появляется желание к обобщениям объединяющих моментов можно упомянуть и монографию дорогова Теория и проектирование быстрых перестраиваемых преобразований и слабосвязанных нейронных сетей. там о построении обобщенных спектральных псевдонейропреобразователей (фильтры в переменных базисах). [Ответ][Цитата]
Victor G. Tsaregorodtsev Сообщений: 3187	На: Сущность интеллектуальных алгоритмов Добавлено: 08 ноя 14 6:05 Изменено: 19 ноя 14 18:50, автор изменений: гоcть Цитата: Автор: mserg Как Вы себе представляете поиск в пространстве функций? Честно говоря - не понял вопроса. Обучение многослойного персептрона - это уже поиск. Класс функций задан структурой сети и ограничениями на возможные значения весов, далее случайным или неслучайным образом ищем квазиоптимальное для некоторой выборки данных решение среди функций этого класса. Упомянутый мной день назад эксперимент ЛеКуна - это тестирование уже разных классов функций (сеток разной структуры). Но одновременно (если случайно сгенерированные веса не выбрасывать, а запоминать: чтобы затем лучшей сетке-кандидату не пришлось стартовать с заново сгенерированных весов) - и выбор лучшего начального приближения вектора весов. Т.е. везде - в алгоритмах перебора/обучения нет никакой интеллектуальности. Нет места сомнению, нет места субъективностям, эврикам, новым (не заложенным в алгоритм изначально) эвристикам,... Моя позиция - что алгоритм поиска (в т.ч. в пространстве функций) не является волшебной палочкой. Для любого алгоритма будут задачи, где его эффективность будет сравнима с эффективностью простого перебора (т.е. будет такой же плохой). Хмур любит поминать мета-... - но там будут те же самые заморочки, даже усугублённые (кроме поиска - будут ещё переходы между "уровнями" смысла, например, к инвариантам и обратно, а ведь любой "перевод с языка на язык" искажает информацию). Я, когда влез 2 дня назад в диалог, просто хотел намекнуть на две (присущие человеку) вещи. Первая - вид "кривой обучения" не для одной, а для нескольких моделей. Ступенчатый вид, вернее, восходящая синусоида (т.е. ступенька не плоская - а после каждого непоследнего локального максимума следует локальный минимум). И вопрос я задавал именно сюда - но сразу же разговор ушёл на кривые обучения и правила останова для одной модели. А хотелось - про более интересные вещи, например, про принятие решения о деконструкции-неиспользовании текущей модели ДО построения и получения новой модели (т.е. до получения цифр точности новой модели), про трансфер знания между моделями,.. Вторая вещь (и я о ней ещё не говорил) - в какой-то момент навык может перейти на подсознанку, преобразовавшись в какой-то совершенно другой вид (неформализуемый-невербализуемый, даже инженер по знаниям (привет теории-практике создания классических ЭС) может не помочь вытащить этот навык обратно в вид, пригодный для тиражирования на другие "мозги" (хоть человеческие, хоть компутерные)). И вот тут - встаёт новый интересный вопрос: данный переход от алгоритма, которому учились, к, фактически, условному рефлексу вроде как не искажает полученного знания (см выше мои слова про то, что любой перевод искажает информацию: таки, получается, не любой - а почему, и как это можно технологизировать?). [Ответ][Цитата]
mserg Сообщений: 258	На: Сущность интеллектуальных алгоритмов Добавлено: 08 ноя 14 9:33 Изменено: 19 ноя 14 18:53, автор изменений: гоcть Чтобы произошло обучение, нужно ограничить размер искомых функций (пусть это будет как бы размер записи функций в битах). При одновременном решении множества задач, высоковероятно появление и использование общих «подфункций» из-за ограничения на размер. В принципе, даже в рамках одной задачи использование общих «подфункции» может дать эффект, но более вероятно появление задаче-независимых подфункций (пользуемых в 2-х или более задачах). Далее, в случае появления новой задачи, у нас уже будет список подфункций, использование которых как бы статистически эффективно. Т.е. опыт решения одних задач можно попытаться использовать при решении других. [Ответ][Цитата]
mserg Сообщений: 258	На: Сущность интеллектуальных алгоритмов Добавлено: 09 ноя 14 3:15 Изменено: 09 ноя 14 3:16 Наверное, нужен пример. Допустим, есть база задач, которые, гипотетически, решаемы перебором. Записаны они в алгебраической форме (множество переменных с конечными доменами значений, ограничения, и, возможно, критерий). Вопрос в том, чтобы «исправить» начальный алгоритм полного перебора так, чтобы сократить сумму логарифмов шагов решения «обучающих» задач. При этом размер «вставки» в алгоритм ограничен. Гипотетически, это могут быть две «вставки» * Если в цикле перебора переменных в каком-либо ограничении зафиксированы все переменные, то ограничение следует проверить. Если оно противоречиво, то переход к следующему значению текущей перебираемой переменной (перебор оставшихся незафиксированных переменных не нужен). * В процессе решения перебор нужно начинать/продолжать с переменной, входящей в максимальное число ограничений (что приводит более раннему появлению ограничений, у которых все переменные зафиксированы – см. предыдущий пункт). Вот, пожалуйста, такие короткие вставки приводят к среднестатистическому уменьшению времени решения обучающих задач. Если требуется решить новую задачу, «статистически» такую же, что и множество обучающих задач, то в среднем время решения сократится. Можно пойти стандартным путем – разделить базу задач на обучающие и тестовые. Если бы в задаче поиска вставок были разрешены большие размеры, искомый алгоритм смог бы решать обучающие задачи за меньшее число шагов. Но тут тоже может случиться «переобучение». Видимо, можно придумать «антистатистические» наборы задач, но в реальной жизни это явление мне неизвестно. Как осуществить автоматическое обучение для нейросетей – я не знаю. «Размер» функции неизменяем … Конечно, можно налагать хитрые ограничения на коэффициенты, чтобы получить некоторый эквивалент размера… не знаю. [Ответ][Цитата]
Стр.9 (17): 1  ...  5  6  7  8  [9]  10  11  12  13  ...  17 << < Пред. | След. > >>