Prozesuei buruzko hitz bat, edo gu guztiok pixka bat .
Adimenaren gaiari buruzko gogoeten jarraipena, bai naturala bai artifiziala (AI), Lehen zatia
Babes-kopia galdera: Pertsona orain bizi al da? Ez, kaletik ibiltzen garenean eta zuzenean inguratzen gaituen mundua kontenplatzen dugunean, gehiago edo gutxiago jokatzen dugu denbora errealean... Izan ere -ikusten duguna aintzatespen/sailkapen ohiko mekanismoetatik igarotzen den bitartean-, hau guztia berria izango den, baina iraganekoa. Horiek. pertsona bat iraganean bizi da?
Adibidez: kaletik zoaz eta txakur bat ikusten ari zara. Edo auto bat. Nolanahi ere, momentuaz ari bagara, informazio hori jada zaharkituta dago. Gure mekanismo kognitibo guztietatik igaro diren datuekin funtzionatzen badugu (eta burmuina kalkulagailu azkarrenetik urrun dago!), besterik gabe, ez dugu munduarekin jarraituko! Txakurrak eraso egingo du edo, aitzitik, ihes egingo du, eta belarri atzean kolpatzeko gogoa bete gabe geratuko da, eta autoak kolpatuko zaitu edo pasako zaizu, nahiz eta auto hori izan "harrapatu" nahi zenuena.
Baina Jainkoari eskerrak ez da horrela gertatzen, eta hona zergatik: garunak beste era batera funtzionatzen du. Pertzepzioaren unitatea ez da objektu bat, ezta objektu multzo bat ere, prozesuak baizik. Txakurra korrika doa. Zuri edo zuregandik. Edo ez du korrika egiten, etzanda baizik, adibidez. Autoa ere geldirik dago (aparkaleku batean), edo norabide jakin batean mugitzen da. Kasu guztietan, denboran luzatzen den eta, horren arabera, etorkizunean nolabaiteko garapena duen prozesu bat hautematen duzu. Gertaerak denboran garatzen direla hautematen ditugula diodanean, hau ez da hitzezko figura bat. Egin esperimentu bat: atera dozena bat argazki (hau da, errealitatearen argazkiak) eta deskribatu ikusten duzuna. Hona hemen gela batean hainbat pertsona, liskarrean ari dira, edo hemen pertsona bat kalean dabilen, edo hemen eserita telebista ikusten, eta hemen beste pertsona bat liburu bat irakurtzen. Hauek guztiak denboran luzatutako prozesuak dira! Argazkia luzapena duen zerbait bezala hautematen duzu. Ez dakizu nola egin beste modu batera, garunak horrela funtzionatzen duelako: prozesuak ezagutzeko trebatua dago, eta ez eszenatokian dauden objektu isolatuak. Begi-sudurra-ahoa ez, aurpegia osotasunean bezala (kaixo, neurona-sare konboluzionalak).
Mundua prozesuz osatuta dago, ez objektuz. Zer den galdetzen badizut sagar, orduan heldu gehienek hori dela esango dute fruta, eta haurrak - zer da? food. Baina biak prozesu deskribapenak dira, lehenengoak esan nahi duelako sagar hau zuhaitz batean hazten da, eta zuhaitza ugaltzeko balio du, eta bigarrena hori da jangarriak. Ez bata ez bestea ez dago sagar baten ezaugarri zuzenekin lotzen -forma, kolorea, tamaina... Ezaugarriek identifikazioa ahalbidetzen dutelako, baina ez dutelako erabilerarik uzten, ezta kanpoko munduan non erabiltzen den ulertzea, alegia. prozesuak definitu.
Denboraren izaerari buruzko eztabaida tipiko bat hartzen badugu, postulatu klasikoak iraganaren aldaezintasunari buruzkoak izango dira (denbora bidaiaren testuingurutik kanpo), orainaren garrantzia (momentu bat besterik ez dago... 😉), eta etorkizuna, oraindik existitzen ez dena, hau da, alda daitekeela esan nahi du. Errealitate objektiboaz hitz egiten dugunean, baliteke hori horrela izatea. Hala ere, pertsona bat bere munduaren eredu subjektiboan bizi da, eta hor dena da ia kontrakoa!
Iragana ez da nahiko genukeen bezain aldaezina. Informazio berria etengabe jasoz, pertsona batek iragana berreraikitzen du kontraesanak ezabatzeko (uste zenuen Pyotr Stepanych sinposioan zegoela, eta strip club batetik ateratzen ari dela... Horrek esan nahi du inora ez, bera, animatzailea, ez zela joan eta batere... ). Aldi berean, zure etorkizun subjektiboa etengabea da alderdi askotan (dena dela, ostiralean garagardoa eta futbola!). Gainera, etorkizunean helburu zehatz bat izanda, ez duzu soilik prozesu-kate bat eraikitzen alderantzizko ordenan (Enpresa handi bateko zuzendari izateko, prestigio handiko unibertsitate batean lizentziatu behar da diploma batekin, horretarako lehenik bertan matrikulatu behar duzu, horretarako Estatu Batuko Azterketa ondo gainditu behar duzu eta etxeko lanak ikasi!), baina litekeena da prozesu honetan iraganera joatea (Ez al geneuzkan lagun/ezagunak orain hazi eta harremanak lortu eta unibertsitatean haur bati lagundu diezaioketenak?) - zergatik ez kontra-emozioa? 😉
Hala ere, pixka bat aldentzen naiz. Hala ere, zentratu nahi nuen gauza nagusia da prozesuak. Oso sinetsita nago balizko IA ez dela landu behar argazkietan ezta bideoetan ere. Sare konboluzional batek bi maila ditu (gutxienekoa) - eta, hain zuzen ere, hauek bi sare ezberdin dira: bata irudi gordina batean eredu grafiko jakin batzuk aurkitzeko entrenatzen da, bigarrena lehenengoaren irteeraz arduratzen da - hau da. dagoeneko prozesatu eta prestatutako informazioarekin. AIaren munduarekin arrakastaz elkarreragiteko, gauza bera behar da: maila batean (ez inolaz ere lehen) maila batean egon behar da sarrera gisa denboran zehar zabaldutako prozesuen mapa jasotzen duen sare bat. “Hasiera” eta “amaiera”, “mugimendua”, “eraldaketa”, “batzea” eta “banatzea” kontzeptuak dira sareak lantzen ikasi behar duena.
Ziur nago jokoen IA-n lan egiten dutenek, Alpha Go bezalakoak, hau nola edo hala ulertzen dutela. Agian hango planteamenduak zertxobait desberdinak dira, baina funtsa berdina da: taulako egungo egoera (eta azken mugimenduen garapenean) aztertzen da "orokorrean gertatzen ari dena". Eta gertatzen dena gertatu behar denarekin zenbateraino bat datorren arabera, gure mugimenduak hautatzen ditugu.
Oso zaila da estrategia/jokaeraz hitz egitea, sarrera sentsoreen irudi bat denean. Eta alderantziz: informazio osoa duen jokoetan eremuaren egungo egoeraren banaketa osoa duen prestatutako bektore bat (hartu munduaren irudi osoa) zeregin guztiz bideragarria da, praktikak erakusten duen moduan. Dena den, lehen mailetako sare konboluzionalak objektuak identifikatu baditu, eta hurrengo mailetan objektu horiek dinamikan aztertzen baditu, lehenago lortutako datuak osa daitezkeen prozesuak (prestakuntzatik ezagunak, adibidez) identifikatuz, badirudi posible dela honekin lan egitea. ..
Adituentzako galderak:
Zein errealista den, sare neuronalen egungo garapenak kontuan hartuta, gutxi gorabehera honako hau egitea:
Sarreran, demagun bideo-seinale jarraitua, agian estereoa. Aukera gisa: hainbat askatasun gradurekin (kamera biratzeko gaitasuna - arbitrarioki edo eredu baten arabera). Hala ere, beharrezkoa bada, bideo-seinalea pertzepzio espazialaren beste edozein metodorekin osatu/ordez daiteke - sonarretik lidarra.
Zorrotz esanda…sarrera edozer izan daiteke denbora errealean fluxua - baita hizkera/testua ere, baita moneta komatxoak ere, baina... Kontuan hartzen ari den prozesuan, errazagoa da niretzat zuzeneko azterketarako eskura dudan adimenaren lagin bakarrean fidatzea - nirea! ) Eta "lagin" honetan zentzumen-kanala lehiatik kanpo dago!
Irteeran:
- Sakonera-mapa (kamera estatikoa bada) edo ingurune-mapa. espazioa (kamera/lidar dinamikoa, etab.);
ZertarakoBeharrezkoa da objektuen benetako antolamendu espaziala izan nahi badugu haien elkarrekintza ebaluatzeko. Kasu honetan, kameraren irudia dimentsio handiko espazio baten bi dimentsioko proiekzioa baino ez da, eta eraldaketa osagarriak behar dira.
- Objektu indibidualen isolamendua (sakonera/espazio-mapa kontuan hartuta, eta ez bakarrik/ez horrenbeste ikusten diren sestrak);
- Mugitzen diren objektuen identifikazioa (abiadura/azelerazioa, ibilbidearen eraikuntza/iragarpena(?));
- Objektuen sailkapen hierarkikoa ateratako edozein ezaugarriren arabera (forma/dimentsioak/kolorea/mugimenduaren ñabardura/Osagai-zatiak(?)). Horiek. funtsean, metrikak ateratzea .
hierarkiari buruzBeharbada, "hierarkikoa" hitza ez da guztiz egokia kasu honetan. Edozein momentutan metrikak hautatzeko gaitasuna azpimarratu nahi nuen, horrela bien artean, bi metrika-multzo ezberdin kontzeptu bakartzat hartzeko aukera eman zigun. "Auto gorria" eta "autobus urdina" nola orokortu behar diren "ibilgailu" kontzeptuan, adibidez.
Garrantzitsua: Ahal izanez gero, sistema ez dago aurrez prestatuta. Horiek. oinarrizko gauza batzuk finka daitezke (adibidez, lehen geruzaren sare konboluzionala, ingerada/geometria nabarmentzeko), baina objektuak hautatzen ikasi behar du eta gero bere kabuz ezagutzen.
- Eta, azkenik, miaketa bat (1,4 puntuetan oinarrituta, hau da, metrikak kontuan hartuta mapa espazial bat) denboran eraikitzea (oraingoz, itxuraz zuzenean behatutako aldiaren fase honetan), 2. puntuen araberako analisia egiteko. -4, hauekin identifikatzeko: prozesuak/gertaerak (funtsean aldaketak denbora-urratsean 3) eta haien multzoen sailkapena (4. urratsa).
Berriro ere: sentsoreetatik ateratako iruditik, lehenik eta behin munduaren deskribapen bat ateratzen dugu forma prestatuago batean, ateratako ezaugarrien arabera markatuta eta ez pixeletan, objektuetan baizik. Ondoren, objektuz osatutako mundua zabaltzen dugu denboran eta jaso "munduko irudia" hurrengo sarearen sarrerara elikatzen dugu, aurreko geruzek zentzumen-irudiarekin lan egiten zuten modu berean funtzionatzen duena. Objektuen ingerada nabarmentzen ziren tokian, abian dauden prozesuen "ingerada" nabarmenduko dira orain. Objektuek espazioan duten posizio erlatiboa denboran prozesuen kausa-ondorio erlazioaren antzekoa da... Horrelako zerbait.
Ustez, honen ondoren, sistemak prozesuak beren atalen arabera antzemateko gai izan beharko luke (irudiak antzemateko gai baita, haien zatia besterik ez duelako edo ), eta, ondorioz, denboran aurrera zein atzera iragar itzazu, 5. urratseko eredua mugarik gabe bi noranzkoetan zabalduz. Era berean, ustez, eratzen duten prozesuen ideia bat izanik, sistemak erlazionatutako hainbat prozesu lokaletatik identifikatu ditzake prozesu global handiagoak eta, ondorioz, identifikatutako globalen parte diren prozesu inplizitu eta ezkutuak. baina ez dira zuzenean hautematen.
Eta azken gauza: etorkizunean sistemaren egoera finkoa izatea (non Hilbert-en metrikaren elementu esanguratsuak bakarrik finkatzen diren, gainerako balio ez-funtsezkoen interpretazio libre batekin) - gai da sarea "pentsatzeko" atsedena?
Tira, hori da. zerikusirik ez duten bi zati bakarrik ematen ziren irudia balitz, laginren batean trebatutako sare batek osa al dezake irudi oso “koherentea”? Kasu honetan lagina esperientziatik denbora tarte antzekoa da, zatiak uneko eta zehaztutako egoerak dira. Emaitza: bata eta bestea lotzen dituen “istorio” koherentea...
Iruditzen zait hori dagoeneko oinarri nahiko esanguratsua izango dela esperimentu gehiago egiteko:
- norberaren ekintzak “historian” sartzea, posible/beharrezkoa bada
- kausa eta efektu eredu "naturalen" lehentasuna kontrolatu gabeko isuri estokastikoen aurrean (erruleta arazoa)
- jakin-minaren bertsioren bat, alegia. ereduen ezagutza aktiboa ekintzaren bidez... etab
PS Guztiz aitortzen dut gurpila asmatu berri dudala, eta pertsona jakitunak printzipio horiek praktikan aplikatzen ari dira aspalditik. 😉 Kasu honetan, dagozkion garapenetan "sudurra sartzea" eskatzen dizut. Eta guztiz zoragarria izango litzateke ikuspegi honen oinarrizko arazoen deskribapen zehatza edo printzipioz funtzionatzen ez duen arrazoia.
PPS Jakitun naiz testua gordina dela, eta ideia batetik bestera jauzi egiten duela, baina benetan nahi nituen pare bat pertsonari galdera hauek egitea («adituei galdera» atala), eta hori gabe egitea zaila da. aurkezpen batzuk behintzat. (eta orain berriz irakurtzen ari nintzen, eta ulertzea oso zaila zela konturatu nintzen) bere helburua bete zuen: niretzat baliogarriak ziren hainbat eztabaida jaso nituen... Oraingoan ere funtzionatzea espero dut! 😉
Iturria: www.habr.com