Genesis?). Mõtisklused mõistuse olemusest. II osa

Mõni sõna protsesside kohta või natuke meist kõigist vastutuuled.

Mõtete jätk nii loomuliku kui tehisliku intelligentsuse (AI) teemal, esimene osa siin


Küsimus täitmiseks: Kas inimene elab praegu? Ei, kui me kõnnime mööda tänavat ja mõtiskleme otse ümbritseva maailma üle, siis me tegutseme enam-vähem reaalajas... Kuigi tegelikult - seni kuni see, mida me näeme, läbib tavalisi äratundmis-/klassifitseerimismehhanisme - on see kõik hiljutine, kuid siiski minevik. Need. kas inimene elab minevikus?

Näiteks: kõnnite tänaval ja näete koera. Või auto. Igal juhul, kui me räägime hetkest, on see teave juba aegunud. Kui opereerime andmetega, mis on läbinud kõik meie kognitiivsed mehhanismid (ja aju pole kaugeltki kiireim kalkulaator!), siis me lihtsalt ei saa maailmaga sammu pidada! Koer ründab või, vastupidi, jookseb minema ja teie soov talle kõrva taha patsutada jääb täitumata ning auto sõidab teile otsa või sõidab mööda, kuigi just seda autot tahtsite kinni püüda.

Kuid jumal tänatud, et see nii ei juhtu, ja siin on põhjus: aju töötab teisiti. Tajuühik ei ole objekt ega isegi objektide kogum, vaid protsessid. Koer jookseb. Sulle või sinult. Või ta ei jookse, vaid lamab näiteks. Auto seisab ka paigal (parklas), või liigub kindlas suunas. Kõigil juhtudel tajute protsessi, mis aja jooksul ulatub ja vastavalt sellele on teatud areng tulevikus. Kui ma ütlen, et me tajume sündmusi ajas arenevana, siis see ei ole kõnekujund. Tehke eksperiment – ​​tehke kümmekond fotot (st reaalsuse hetktõmmiseid) ja kirjeldage, mida näete. Siin on mitu inimest ühes toas, nad tülitsevad või siin kõnnib inimene tänaval või istub ja vaatab telekat ja siin on teine ​​inimene, kes loeb raamatut. Need kõik on ajaliselt pikendatud protsessid! Te tajute hetketõmmist kui midagi, millel on laiend. Sa ei tea, kuidas seda teisiti teha, sest aju töötab nii: see on treenitud ära tundma protsesse, mitte laval olevaid isoleeritud objekte. Täpselt nagu mitte silmad-nina-suu, vaid nägu tervikuna (tere, konvolutsioonilised närvivõrgud).

Maailm koosneb protsessidest, mitte objektidest. Kui ma küsin, mis see on õun, siis enamik täiskasvanuid ütleb, et see on nii puuvilju, ja lapsed - mis see on? toit. Kuid mõlemad on protsessi kirjeldused, sest esimene tähendab, et see õun kasvab puu otsas, ja teenib puud paljunemiseks, ja teine ​​on see, et see söödav. Ei üht ega teist ei seostata õuna otseste omadustega - kuju, värvus, suurus... Sest omadused võimaldavad tuvastada, kuid ei võimalda kasutada, ega mõista, kus seda välismaailmas kasutatakse, s.t. määratleda protsessid.

Kui võtta tüüpiline debatt aja olemuse üle, siis klassikalised postulaadid räägivad mineviku muutumatusest (väljaspool ajas rändamise konteksti), oleviku tähtsusest (on vaid hetk... 😉), ja tulevik, mida veel ei ole, mis tähendab, et seda saab muuta. Kui me räägime objektiivsest reaalsusest, siis võib vägagi hästi juhtuda, et see nii on. Inimene elab aga oma, subjektiivses maailmamudelis ja seal on kõik peaaegu vastupidine!

Minevik pole sugugi nii muutumatu, kui me tahaksime. Pidevalt uut teavet saades ehitab inimene minevikku uuesti üles, et kõrvaldada vastuolusid (sa arvasid, et Pjotr ​​Stepanštš oli sümpoosionil ja ta tuleb striptiisiklubist... See tähendab, et mitte kuhugi, tema, meelelahutaja, ei käinud ja üldse... ). Samal ajal on teie subjektiivne tulevik mitmes aspektis konstantne (mis iganes see on, reedel on mul õlu ja jalgpall!). Pealegi, kui teil on tulevikus konkreetne eesmärk, ei ehita te ainult protsesside ahelat vastupidises järjekorras (Suure ettevõtte direktoriks saamiseks peate lõpetama maineka ülikooli diplomiga, selleks peate kõigepealt sinna registreeruma, selleks peate hästi sooritama ühtse riigieksami ja õppima oma kodutööd!), kuid on ka üsna tõenäoline, et selle protsessi käigus lähete minevikku (Kas meil ei olnud sõpru/tuttavaid, kes on nüüd üles tõusnud ja sidemeid omandanud ning võiksid last ülikoolis aidata?) – miks mitte vastuemotsioon? 😉

Siiski kaldun veidi kõrvale. Siiski on peamine asi, millele tahtsin keskenduda protsessid. Olen sügavalt veendunud, et potentsiaalset tehisintellekti ei tohiks fotode ega isegi videote osas koolitada. Konvolutsioonivõrgul on kaks taset (minimaalne) – ja tegelikult on need kaks erinevat võrku: üks on treenitud leidma toorpildil teatud graafilisi mustreid, teine ​​tegeleb esimese väljundiga – s.t. juba töödeldud ja ettevalmistatud teabega. AI maailmaga edukaks suhtlemiseks on vaja sama asja: mingil (mitte mingil juhul mitte esimesel) tasemel peab olema võrk, mis saab sisendiks aja jooksul lahtivolditud protsesside kaardi. Mõisted "algus" ja "lõpp", "liikumine", "muutmine", "liitmine" ja "jagamine" on need, millega võrgustik peab õppima töötama.

Olen üsna kindel, et need, kes töötavad mängu AI kallal, nagu Alpha Go, saavad sellest ühel või teisel viisil aru. Võib-olla on sealsed lähenemised mõnevõrra erinevad, kuid olemus on sama: hetkeolukorda laual (ja viimaste käikude arengus) analüüsitakse „mis üldiselt toimub”. Ja sõltuvalt sellest, kui palju see, mis juhtub, vastab sellele, mis peaks juhtuma, valime oma käigud ise.

Väga raske on rääkida strateegiast/käitumisest, kui sisendiks on pilt sensoritelt. Ja vastupidi - ettevalmistatud vektor, mis sisaldab valdkonna hetkeseisu täielikku jaotust täieliku teabega mängudes (pidage silmas täielikku maailmapilti), on täiesti teostatav ülesanne, nagu praktika näitab. Kui aga esimeste tasandite konvolutsioonivõrk on tuvastanud objektid ja järgmised tasemed analüüsivad neid objekte dünaamikas, identifitseerivad protsessid (näiteks koolitusest tuttavad) täiendavad varem saadud andmeid, siis tundub sellega töötamine võimalik. .

Küsimused asjatundjatele:

Kui realistlik on praegust närvivõrkude arengut arvesse võttes teha ligikaudu järgmist:

Sissepääsu juures, oletame, et pidev videosignaal, võib-olla stereo. Võimalusena: mitme vabadusastmega (võimalus kaamerat pöörata - suvaliselt või mustri järgi). Vajadusel saab aga videosignaali täiendada/asendada mis tahes muude ruumilise tajumise meetoditega – sonarist lidarini.

Rangelt võttes…sisend võib olla igaüks reaalajas voog - isegi kõne/tekst, isegi valuutatsitaadid, aga... Vaadeldavas protsessis on mul lihtsam toetuda ainsale mulle otseseks uurimiseks kättesaadavale meeleproovile - enda omale! ) Ja selles “proovis” on sensoorne kanal väljaspool konkurentsi!
Väljapääsu juures:

1. Sügavuskaart (kui kaamera on staatiline) või keskkonnakaart. ruum (dünaamiline kaamera/lidar jne);

   MiksSee on vajalik, kui tahame objektide tegelikku ruumilist paigutust, et hinnata nende vastasmõju. Sel juhul on kaamera pilt vaid kõrgema mõõtmega ruumi kahemõõtmeline projektsioon ja vaja on täiendavaid teisendusi.

2. Üksikute objektide isoleerimine (arvestades sügavuse/ruumi kaarti, mitte ainult/mitte niivõrd nähtavaid kontuure);
3. Liikuvate objektide tuvastamine (kiirus/kiirendus, konstruktsioon/trajektoori ennustamine(?));
4. Objektide hierarhiline klassifitseerimine mis tahes eraldatud tunnuste järgi (kuju/mõõtmed/värv/liikumise nüansid/Komponentide osad(?)). Need. sisuliselt väljavõte mõõdikud Hilberti ruumid.

   hierarhia kohtaVõib-olla pole sõna "hierarhiline" antud juhul täiesti sobiv. Tahtsin rõhutada võimalust valida mõõdikuid igal ajal nii, et Heminga kaugus nende vahel võimaldas meil käsitleda kahte erinevat mõõdikute kogumit ühe mõistena. Kuidas "punane auto" ja "sinine buss" tuleks üldistada näiteks "sõiduki" mõisteks.

NB! Võimaluse korral ei ole süsteem eelnevalt välja õpetatud. Need. mõned põhilised asjad saab paika panna (näiteks esimese kihi konvolutsioonivõrk, kontuuride/geomeetria esiletõstmiseks), kuid see peab õppima objekte valima ja hiljem neid ise ära tundma.

• Ja lõpuks skaneeringu koostamine (punktide 1,4, s.o mõõdikuid arvestava ruumikaardi alusel) ajas (praegu ilmselt otseselt vaadeldava perioodi selles etapis), et viia läbi analüüs vastavalt punktidele 2 -4, et tuvastada: protsessid/sündmused (mis on sisuliselt muudatusi ajasamm 3) ja nende klastri klassifikatsioon (samm 4).

Veel kord: anduritelt saadud pildilt võtame esmalt välja maailma kirjelduse paremini ettevalmistatud kujul, mis on märgistatud väljavõetud tunnuste järgi ja jaotatud mitte piksliteks, vaid objektideks. Seejärel avardame objektidest koosnevat maailma õigel ajal ja saanud "pilt maailmast" söödame selle järgmise võrgu sisendisse, mis töötab sellega samamoodi nagu eelmised kihid sensoorse pildiga. Seal, kus objektide kontuurid olid esile tõstetud, tõstetakse nüüd esile ka käimasolevate protsesside kontuurid. Objektide suhteline asend ruumis on sarnane protsesside põhjus-tagajärg seosele ajas... Midagi taolist.

Arvatavasti peaks süsteem pärast seda suutma ära tunda protsesse nende osade järgi (nagu ta suudab ära tunda pilte, millel on ainult nende fragment või mudeli järgi teksti jätku kirjutamine) ja selle tulemusena ennustada neid ajas nii edasi kui ka tagasi, laiendades 5. sammu mudelit piiramatult mõlemas suunas. Arvatavasti suudab süsteem koosnevatest protsessidest aimu omades mitmete seotud lokaalsete protsesside hulgast tuvastada suuremaid globaalseid protsesse ja sellest tulenevalt ka kaudseid, varjatud protsesse, mis on tuvastatud globaalsete protsesside lahutamatu osa, kuid neid ei tajuta otseselt.

Ja viimane asi: süsteemi fikseeritud olek tulevikus (kus on fikseeritud ainult Hilberti mõõdikute olulised elemendid, ülejäänud mitteoluliste väärtuste vaba tõlgendusega) - kas võrk on võimeline "välja mõtlema" puhata?

Noh, see on. kui see oleks pilt, millel on antud ainult kaks omavahel mitteseotud fragmenti, kas mõne näidise järgi treenitud võrgustik saaks luua "järjekindla" tervikliku pildi? Näidis on antud juhul sarnased ajaintervallid kogemusest, fragmendid on hetke- ja täpsustatud olekud. Tulemus: ühtne "lugu", mis ühendab üht ja teist...

Mulle tundub, et see on juba üsna oluline alus edasisteks katseteks:

• võimalusel/vajadusel enda tegude kaasamine “ajalukku”.
• "looduslike" põhjus-tagajärg mustrite prioriteet kontrollimatute stohhastiliste emissioonide ees (ruleti probleem)
• mingi uudishimu versioon, st. mustrite aktiivne tunnetamine tegevuse kaudu... jne

PS Tunnistan täielikult, et leiutasin ratta just äsja ja asjatundlikud inimesed on neid põhimõtteid praktikas rakendanud juba pikka aega. 😉 Sel juhul palun vastavatesse arendustesse “nina pista”. Ja oleks täiesti imeline, kui selle lähenemise põhiprobleemidest oleks üksikasjalik kirjeldus või põhjendus, miks see põhimõtteliselt ei tööta.

PPS Ma olen teadlik, et tekst on toores ja idee hüppab ühelt teisele, kuid ma tõesti tahtsin neid küsimusi paarilt inimeselt küsida (jaotis "küsimus ekspertidele") ja ilma selleta on raske teha. vähemalt mõni esitlus. Varem tekst (ja ma lugesin seda nüüd uuesti ja sain aru, et sellest on väga raske aru saada) see täitis oma eesmärgi: sain mitu minu jaoks väärtuslikku arutelu... Loodan, et see töötab ka seekord! 😉

Allikas: www.habr.com