Битие?). Размисли върху природата на ума. Част II

Няколко думи за процесите или за всички нас по малко противоположни ветрове.

Продължение на мислите по темата за интелекта, естествен и изкуствен (AI), част първа тук


Въпрос за запълване: Човекът живее ли в момента? Не, когато вървим по улицата и директно съзерцаваме света около нас, повече или по-малко действаме в реално време... Въпреки че всъщност - докато това, което виждаме, минава през обичайните механизми на разпознаване / класификация - всичко това ще бъде скорошно, но все пак минало. Тези. живее ли човек в миналото?

Например: вървите по улицата и виждате куче. Или кола. Във всеки случай, ако говорим за момента, тази информация вече е остаряла. Ако оперираме с данни, които са преминали през всичките ни когнитивни механизми (а мозъкът далеч не е най-бързият калкулатор!), ние просто няма да сме в крак със света! Кучето ще нападне или, напротив, ще избяга и желанието ви да го потупате зад ухото ще остане неизпълнено и колата ще ви удари или ще мине, въпреки че именно тази кола сте искали да „хванете“.

Но слава Богу, това не се случва по този начин и ето защо: мозъкът работи по различен начин. Единицата на възприятие не е обект или дори набор от обекти, а процеси. Кучето бяга. Към вас или от вас. Или не бяга, а лежи, например. Колата също е неподвижна (на паркинг) или се движи в определена посока. Във всички случаи възприемате процес, който се простира във времето и съответно има определено развитие в бъдещето. Когато казвам, че възприемаме събитията като протичащи във времето, това не е фигура на речта. Направете експеримент - направете дузина снимки (т.е. моментни снимки на реалността) и опишете какво виждате. Ето няколко човека в една стая, те се карат, или ето един човек върви по улицата, или ето седи и гледа телевизия, а ето друг човек чете книга. Това са все процеси, удължени във времето! Вие възприемате моментната снимка като нещо, което има разширение. Не знаете как да го направите по друг начин, защото така работи мозъкът: той е обучен да разпознава процеси, а не изолирани обекти на сцената. Точно като не очи-нос-уста, а лицето като цяло (здравей, конволюционни невронни мрежи).

Светът се състои от процеси, а не от обекти. Ако те попитам какво е ябълка, тогава повечето възрастни ще кажат, че това е плодове, а децата - какво е това? храна. Но и двете са описания на процеса, защото първото означава, че тази ябълка расте на дърво, и служи на дървото за размножаване, а второто е, че то годни за консумация. Нито едното, нито другото се свързва с преките характеристики на една ябълка - форма, цвят, размер... Защото характеристиките позволяват идентификация, но не позволяват използване, или разбиране къде се използва във външния свят, т.е. дефинирайте процесите.

Ако вземем типичен дебат за природата на времето, тогава класическите постулати ще бъдат за неизменността на миналото (извън контекста на пътуването във времето), важността на настоящето (има само миг... 😉), и бъдещето, което все още не съществува, което означава, че може да бъде променено. Когато говорим за обективна реалност, много е възможно това да е така. Човек обаче живее в свой собствен, субективен модел на света, а там всичко е почти обратното!

Миналото не е толкова неизменно, колкото ни се иска. Постоянно получавайки нова информация, човек възстановява миналото, за да премахне противоречията (мислехте, че Пьотър Степанич е на симпозиума и той излиза от стриптийз клуб... Това означава никъде, той, артистът, не е ходил и изобщо... ). В същото време вашето субективно бъдеще е константа в много аспекти (каквото и да е, в петък имам бира и футбол!). Освен това, имайки конкретна цел в бъдеще, вие не само изграждате верига от процеси в обратен ред (За да станете директор на голяма компания, трябва да завършите престижен университет с диплома, за това първо трябва да се запишете в него, за това трябва да издържите добре Единния държавен изпит и да изучавате домашните си!), но също така е много вероятно в този процес да отидете в миналото (Нямахме ли приятели/познати, които сега са се издигнали и са придобили връзки и биха могли да помогнат на дете с университет?) - защо не контраемоция? 😉

Аз обаче се отклоних малко. И все пак основното, върху което исках да се съсредоточа е процеси. Дълбоко съм убеден, че потенциалният AI не трябва да се обучава върху снимки или дори видеоклипове. Конволюционната мрежа има две нива (минимум) - и всъщност това са две различни мрежи: едната е обучена да намира определени графични модели в необработено изображение, втората се занимава с изхода на първата - т.е. с вече обработена и подготвена информация. За да се взаимодейства успешно със света на AI, е необходимо същото: на някакво (в никакъв случай не първото) ниво трябва да има мрежа, която получава като вход карта на процесите, разгръщащи се във времето. Понятията „начало“ и „край“, „движение“, „трансформация“, „сливане“ и „разделяне“ са това, с което мрежата трябва да се научи да работи.

Почти съм сигурен, че тези, които работят върху AI игри, като Alpha Go, разбират това по един или друг начин. Може би подходите там са малко по-различни, но същността е същата: текущата ситуация на дъската (и в развитието на последните няколко хода) се анализира за „какво се случва като цяло“. И в зависимост от това доколко това, което се случва, съответства на това, което трябва да се случи, ние избираме собствените си ходове.

Много е трудно да се говори за стратегия/поведение, когато входът е картина от сензори. И обратното - подготвен вектор, съдържащ пълна разбивка на текущото състояние на полето в игри с пълна информация (разгледайте пълна картина на света) е напълно изпълнима задача, както показва практиката. Въпреки това, ако конволюционната мрежа на първите нива е идентифицирала обекти, а следващите нива анализират тези обекти в динамика, идентифицирайки процеси (познати от обучение, например), които допълват данните, получени по-рано, тогава изглежда възможно да се работи с това. ..

Въпроси към експертите:

Доколко реалистично е, като се има предвид настоящото развитие на невронните мрежи, да се направи приблизително следното:

На входа, да кажем непрекъснат видео сигнал, евентуално стерео. Като опция: с няколко степени на свобода (възможност за завъртане на камерата - произволно или по шаблон). Въпреки това, ако е необходимо, видеосигналът може да бъде допълнен/заменен с всякакви други методи за пространствено възприятие - от сонар до лидар.

Строго погледнато…входът може да бъде всеки в реално време поток - дори реч/текст, дори валутни котировки, но... В разглеждания процес ми е по-лесно да разчитам на единствената извадка от ума, която ми е достъпна за директно изучаване - моя собствен! ) И в тази "проба" сензорният канал е извън конкуренцията!
На изхода:

1. Карта на дълбочината (ако камерата е статична) или карта на околната среда. пространство (динамична камера/лидар и др.);

   За какво?Необходимо е, ако искаме да имаме реално пространствено разположение на обектите, за да оценим тяхното взаимодействие. В този случай изображението от камерата е само двуизмерна проекция на по-високоизмерно пространство и са необходими допълнителни трансформации.

2. Изолиране на отделни обекти (като се вземе предвид картата на дълбочината/пространството, а не само/не толкова видимите контури);
3. Идентифициране на движещи се обекти (скорост/ускорение, конструиране/предсказване на траектория(?));
4. Йерархична класификация на обекти според всякакви извлечени характеристики (форма/размери/цвят/нюанси на движение/Компонентни части (?)). Тези. по същество извличане на показатели за Хилбертови пространства.

   относно йерархиятаМоже би думата „йерархичен“ не е напълно подходяща в този случай. Исках да подчертая възможността за избор на показатели по всяко време, така че Разстояние Хеминга между тях ни позволи да разгледаме два различни набора от показатели като една концепция. Как "червена кола" и "син автобус" трябва да се обобщят в понятието "превозно средство" например.

Важно: Ако е възможно, системата не е предварително обучена. Тези. някои основни неща могат да бъдат заложени (например конволюционна мрежа на първия слой, за подчертаване на контури/геометрия), но трябва да се научи да избира обекти и по-късно да ги разпознава сам.

• И накрая, конструиране на преглед (на базата на точки 1,4, т.е. пространствена карта, като се вземат предвид показателите) във времето (засега, на този етап от очевидно пряко наблюдавания период), за да се извърши анализ съгласно точки 2 -4, с цел идентифициране на: процеси/събития (които по същество са промени във времева стъпка 3) и тяхната клъстерна класификация (стъпка 4).

Още веднъж: от изображението от сензорите първо извличаме описание на света в по-подготвен вид, маркирано според извлечените характеристики и разделено не на пиксели, а на обекти. След това разширяваме света, състоящ се от обекти на време и получени "картина на света" ние го подаваме към входа на следващата мрежа, която работи с него по същия начин, по който предишните слоеве работеха със сетивното изображение. Там, където бяха подчертани контурите на обектите, сега ще бъдат подчертани „контурите“ на протичащите процеси. Относителното разположение на обектите в пространството е подобно на причинно-следствената връзка на процесите във времето... Нещо такова.

Предполага се, че след това системата трябва да може да разпознава процесите по техните части (както може да разпознава изображения, имащи само техния фрагмент, или като писане на продължение на текста по образец), и като следствие, да ги предвидите както напред, така и назад във времето, разширявайки модела на стъпка 5 неограничено в двете посоки. Също така, вероятно, имайки представа за съставните процеси, системата може да идентифицира от няколко свързани локални процеси по-големи, глобални процеси и, като следствие, имплицитни, скрити процеси, които са неразделна част от идентифицираните глобални процеси, но не се възприемат директно.

И последното нещо: наличието на фиксирано състояние на системата в бъдеще (където са фиксирани само значими елементи от метриките на Хилберт, със свободна интерпретация на останалите, несъществени стойности) - способна ли е мрежата да „обмисли“ Почивка?

Е, това е. ако беше изображение, в което бяха дадени само два несвързани фрагмента, може ли мрежа, обучена върху някаква проба, да завърши „последователно“ пълно изображение? Извадката в този случай е подобни интервали от време от опит, фрагментите са текущите и посочените състояния. Резултатът: последователна „история“, свързваща едното и другото...

Струва ми се, че това вече ще бъде доста важна основа за по-нататъшни експерименти:

• включване на собствените действия в „историята“, ако е възможно/необходимо
• приоритет на „естествените“ причинно-следствени модели пред неконтролирани стохастични емисии (проблем с рулетка)
• някаква версия на любопитството, т.е. активно познание на модели чрез действие... и т.н

PS Напълно признавам, че току-що изобретих колелото и знаещите хора отдавна прилагат тези принципи на практика. 😉 В този случай ви моля да си „навирате носа“ в съответните разработки. И би било абсолютно чудесно, ако има подробно описание на основните проблеми на този подход или обосновка защо не работи по принцип.

PPS Наясно съм, че текстът е груб и идеята скача от една на друга, но наистина исках да задам тези въпроси на няколко души (раздела „въпрос към експертите“), а това е трудно да се направи без поне малко представяне. Минал текст (и сега го препрочитах и ​​разбрах, че е много трудно за разбиране) изпълни целта си: получих няколко ценни за мен дискусии... Надявам се да проработи и този път! 😉

Източник: www.habr.com