'n Woord oor prosesse, of ons almal 'n bietjie .
Voortsetting van gedagtes oor die onderwerp van intelligensie, beide natuurlik en kunsmatig (KI), Deel Een
Moeilike vraag: Woon die persoon nou in? Nee, wanneer ons in die straat afstap en direk oor die wêreld rondom ons nadink, tree ons min of meer op realtime... Alhoewel in werklikheid - solank dit wat ons sien deur die gewone meganismes van herkenning / klassifikasie gaan - sal dit alles onlangs wees, maar steeds die verlede. Dié. leef 'n mens in die verlede?
Byvoorbeeld: jy loop in die straat af en sien 'n hond. Of 'n kar. In elk geval, as ons oor die oomblik praat, is hierdie inligting reeds verouderd. As ons met data werk wat deur al ons kognitiewe meganismes gegaan het (en die brein is ver van die vinnigste sakrekenaar af!) sal ons eenvoudig nie tred hou met die wêreld nie! Die hond sal aanval of, inteendeel, weghardloop, en jou begeerte om dit agter die oor te klop, sal onvervuld bly, en die motor sal jou tref of verbygaan, hoewel dit hierdie motor was wat jy wou "vang."
Maar Goddank gebeur dit nie so nie, en hier is hoekom: die brein werk anders. Die eenheid van persepsie is nie 'n objek, of selfs 'n stel voorwerpe nie, maar prosesse. Die hond hardloop. Aan jou of van jou. Of hy hardloop nie, maar gaan lê, byvoorbeeld. Die motor staan ook stil (in 'n parkeerterrein), of beweeg in 'n sekere rigting. In alle gevalle sien jy 'n proses wat oor tyd strek en dienooreenkomstig 'n sekere ontwikkeling in die toekoms het. As ek sê dat ons gebeure ervaar as wat in tyd afspeel, is dit nie 'n figuur van spraak nie. Voer 'n eksperiment uit - neem 'n dosyn foto's (d.w.s. foto's van die werklikheid) en beskryf wat jy sien. Hier is verskeie mense in 'n kamer, hulle stry, of hier is 'n persoon wat in die straat loop, of hier sit en TV kyk, en hier is 'n ander persoon wat 'n boek lees. Dit is alles prosesse wat in tyd verleng word! Jy sien die momentopname as iets wat 'n uitbreiding het. Jy weet nie hoe om dit op enige ander manier te doen nie, want dit is hoe die brein werk: dit is opgelei om prosesse te herken, en nie geïsoleerde voorwerpe op die verhoog nie. Net soos nie oë-neus-mond nie, maar die gesig as geheel (hallo, konvolusionele neurale netwerke).
Die wêreld bestaan uit prosesse, nie objekte nie. As ek jou vra wat dit is appel, dan sal die meeste volwassenes sê dat dit is vrugte, en kinders - wat is dit? kos. Maar albei is prosesbeskrywings, want die eerste beteken dat hierdie appel groei aan 'n boom, en dien die boom vir voortplanting, en die tweede is dat dit eetbaar. Nie die een of die ander word geassosieer met die direkte kenmerke van 'n appel - vorm, kleur, grootte... Omdat die kenmerke identifikasie toelaat, maar nie gebruik toelaat nie, of verstaan waar dit in die buitewêreld gebruik word, m.a.w. die prosesse te definieer.
As ons 'n tipiese debat oor die aard van tyd neem, dan gaan die klassieke postulate oor die onveranderlikheid van die verlede (buite die konteks van tydreise), die belangrikheid van die hede (daar is net 'n oomblik ... 😉), en die toekoms, wat nog nie bestaan nie, wat beteken dit kan verander word. Wanneer ons oor objektiewe werklikheid praat, kan dit heel moontlik wees dat dit so is. 'n Mens leef egter in sy eie, subjektiewe model van die wêreld, en daar is alles amper die teenoorgestelde!
Die verlede is nie naastenby so onveranderlik as wat ons sou wou hê nie. Deur voortdurend nuwe inligting te ontvang, herbou 'n persoon die verlede om teenstrydighede uit te skakel (jy het gedink Pyotr Stepanych was by die simposium, en hy kom uit 'n ontkleeklub ... Dit beteken nêrens nie, hy, die entertainer, het nie gegaan nie en glad nie ... ). Terselfdertyd is jou subjektiewe toekoms 'n konstante in baie aspekte (wat dit ook al is, Vrydag het ek bier en sokker!). Verder, met 'n spesifieke doel in die toekoms, bou jy nie net 'n ketting van prosesse in omgekeerde volgorde nie (Om die direkteur van 'n groot maatskappy te word, moet u met 'n diploma aan 'n gesogte universiteit gradueer, hiervoor moet u eers daarin inskryf, hiervoor moet u die Unified State-eksamen goed slaag en u huiswerk bestudeer!), maar dit is ook heel waarskynlik dat jy in hierdie proses in die verlede sal gaan (Het ons nie vriende/kennisse gehad wat nou opgestaan het en verbindings verkry het en 'n kind kon help met universiteit nie?) - hoekom nie teen-emosie nie? 😉
Ek dwaal egter 'n bietjie af. Tog is die belangrikste ding waarop ek wou fokus prosesse. Ek is diep oortuig daarvan dat potensiële KI nie op foto's of selfs video's opgelei moet word nie. 'n Konvolusionele netwerk het twee vlakke (minimum) - en in werklikheid is dit twee verskillende netwerke: een is opgelei om sekere grafiese patrone in 'n rou beeld te vind, die tweede handel oor die uitset van die eerste - m.a.w. met reeds verwerkte en voorbereide inligting. Om suksesvol met die wêreld van KI te kommunikeer, is dieselfde ding nodig: op een of ander vlak (hoewel nie die eerste) vlak moet daar 'n netwerk wees wat 'n kaart van prosesse wat oor tyd ontvou, as insette ontvang. Die konsepte van “begin” en “einde”, “beweging”, “transformasie”, “samesmelting” en “verdeel” is waarmee die netwerk moet leer om te werk.
Ek is redelik seker dat diegene wat aan speletjie-KI werk, soos Alpha Go, dit op een of ander manier verstaan. Miskien is die benaderings daar ietwat anders, maar die essensie is dieselfde: die huidige situasie op die bord (en in die ontwikkeling van die laaste paar skuiwe) word ontleed vir "wat in die algemeen gebeur." En afhangende van hoeveel wat gebeur ooreenstem met wat moet gebeur, kies ons ons eie bewegings.
Dit is baie moeilik om oor strategie/gedrag te praat as die inset 'n prentjie van sensors is. En omgekeerd - 'n voorbereide vektor wat 'n volledige uiteensetting van die huidige stand van die veld in speletjies met volledige inligting bevat (oorweeg 'n volledige prentjie van die wêreld) is 'n heeltemal haalbare taak, soos die praktyk toon. As die konvolusionele netwerk van die eerste vlakke egter objekte geïdentifiseer het, en die volgende vlakke analiseer hierdie objekte in dinamika, en identifiseer prosesse (bekend van byvoorbeeld opleiding) wat die data wat vroeër verkry is, aanvul, dan blyk dit moontlik te wees om hiermee te werk. ..
Vrae vir kenners:
Hoe realisties is dit, gegewe huidige ontwikkelings in neurale netwerke, om ongeveer die volgende te doen:
By die ingang, kom ons sê 'n deurlopende videosein, moontlik stereo. As 'n opsie: met verskeie grade van vryheid (die vermoë om die kamera te draai - arbitrêr, of volgens 'n patroon). Indien nodig, kan die videosein egter aangevul/vervang word deur enige ander metodes van ruimtelike persepsie – van sonar tot lidar.
Streng gesproke…die insette kan enigiets wees realtime vloei - selfs spraak/teks, selfs geldeenheid-aanhalings, maar... In die proses wat oorweeg word, is dit makliker vir my om op die enigste voorbeeld van die verstand wat tot my beskikking is, te staatmaak vir direkte studie - my eie! ) En in hierdie “monster” is die sensoriese kanaal buite kompetisie!
By die uitgang:
- Dieptekaart (as die kamera staties is) of omgewingskaart. ruimte (dinamiese kamera/lidar, ens.);
Vir watDit is nodig as ons 'n werklike ruimtelike rangskikking van voorwerpe wil hê om hul interaksie te assesseer. In hierdie geval is die beeld van die kamera slegs 'n tweedimensionele projeksie van 'n hoër-dimensionele ruimte, en bykomende transformasies is nodig.
- Isolasie van individuele voorwerpe (met inagneming van die diepte/ruimtekaart, en nie net/nie soseer sigbare kontoere nie);
- Identifikasie van bewegende voorwerpe (spoed/versnelling, konstruksie/voorspelling van trajek(?));
- Hiërargiese klassifikasie van voorwerpe volgens enige onttrekte kenmerke (vorm/afmetings/kleur/nuanses van beweging/Komponente(?)). Dié. in wese onttrek statistieke vir .
oor die hiërargieMiskien is die woord "Hierargies" nie heeltemal gepas in hierdie geval nie. Ek wou die vermoë beklemtoon om metrieke te eniger tyd te kies sodat tussen hulle het ons toegelaat om twee verskillende stelle metrieke as een konsep te beskou. Hoe "rooi kar" en "blou bus" byvoorbeeld in die konsep van "voertuig" veralgemeen moet word.
Belangrik: Indien moontlik, is die stelsel nie vooraf opgelei nie. Dié. 'n paar basiese dinge kan neergelê word (byvoorbeeld 'n konvolusionele netwerk van die eerste laag, om kontoere/geometrie uit te lig), maar dit moet leer om voorwerpe te kies en dit later op sy eie te herken.
- En, laastens, die konstruksie van 'n sweep (gebaseer op punte 1,4, d.w.s. 'n ruimtelike kaart wat metrieke in ag neem) in tyd (vir nou, op hierdie stadium van die oënskynlik direk waargenome tydperk), om 'n analise volgens punte 2 uit te voer -4, met om te identifiseer: prosesse/gebeure (wat in wese veranderings in tydstap 3) en hul trosklassifikasie (stap 4).
Weereens: uit die beeld van die sensors onttrek ons eers 'n beskrywing van die wêreld in 'n meer voorbereide vorm, gemerk volgens die onttrekte kenmerke en verdeel nie in pixels nie, maar in voorwerpe. Dan brei ons die wêreld uit wat uit voorwerpe bestaan betyds en ontvang "prentjie van die wêreld" ons voer dit na die insette van die volgende netwerk, wat daarmee werk op dieselfde manier as wat die vorige lae met die sensoriese beeld gewerk het. Waar die kontoere van voorwerpe uitgelig is, sal die "kontoere" van deurlopende prosesse nou uitgelig word. Die relatiewe posisie van voorwerpe in die ruimte is soortgelyk aan die oorsaak-en-gevolg verhouding van prosesse in tyd... So iets.
Waarskynlik, hierna, behoort die stelsel in staat te wees om prosesse deur hul dele te herken (soos dit in staat is om beelde te herken, met slegs hul fragment, of as ), en as gevolg hiervan, voorspel hulle beide vorentoe en agtertoe in tyd, en brei die model van stap 5 onbeperk in beide rigtings uit. Met 'n idee van die samestellende prosesse, kan die stelsel ook, vermoedelik, uit verskeie verwante plaaslike prosesse groter, globale prosesse identifiseer en, as gevolg daarvan, implisiete, verborge prosesse wat 'n integrale deel van die geïdentifiseerde globale prosesse is, maar word nie direk waargeneem nie.
En die laaste ding: met 'n vaste toestand van die stelsel in die toekoms (waar slegs beduidende elemente van Hilbert-metrieke vasgestel is, met 'n vrye interpretasie van die oorblywende, nie-essensiële waardes) - is die netwerk in staat om die "uitdink" rus?
Wel, dit is. As dit 'n beeld was waarin slegs twee onverwante fragmente gegee is, kan 'n netwerk wat op een of ander monster opgelei is, 'n "konsekwente" volledige beeld voltooi? Die monster in hierdie geval is soortgelyke tydintervalle uit ervaring, die fragmente is die huidige en gespesifiseerde toestande. Die resultaat: 'n konsekwente "storie" wat die een en die ander verbind ...
Dit lyk vir my dat dit reeds 'n baie belangrike basis vir verdere eksperimente sal wees:
- insluiting van eie optrede in die "geskiedenis", indien moontlik/nodig
- prioriteit van "natuurlike" oorsaak-en-gevolg patrone bo onbeheerde stogastiese emissies (roulette probleem)
- een of ander weergawe van nuuskierigheid, m.a.w. aktiewe kognisie van patrone deur aksie... ens
NS Ek gee ten volle toe dat ek pas die wiel uitgevind het, en kundige mense pas hierdie beginsels al lank in die praktyk toe. 😉 In hierdie geval vra ek jou om "jou neus in te steek" in die relevante verwikkelinge. En dit sal absoluut wonderlik wees as daar 'n gedetailleerde beskrywing is van die fundamentele probleme van hierdie benadering of 'n regverdiging waarom dit nie in beginsel werk nie.
PPS Ek is bewus daarvan dat die teks kru is, en die idee spring van die een na die ander, maar ek wou regtig vir 'n paar mense hierdie vrae vra (die "vraag aan die kundiges"-afdeling), en dit is moeilik om daarsonder te doen ten minste 'n aanbieding. (en ek het dit nou weer gelees, en besef dat dit baie moeilik is om te verstaan) dit het sy doel gedien: Ek het verskeie besprekings ontvang wat vir my waardevol was... Ek hoop dit werk hierdie keer ook! 😉
Bron: will.com