ジェネシス？）。 心の性質についての考察。 パート II

プロセスについて、または私たち全員について少し 逆風.

自然知能と人工知能 (AI) の両方の知能に関する考察の続き、パート XNUMX ここで


バックフィルに関する質問：その人は今住んでいますか？ いいえ、私たちが通りを歩きながら周囲の世界を直接考えるとき、私たちは多かれ少なかれ行動します。 リアルタイム...実際のところ、私たちが見ているものが通常の認識/分類メカニズムを経ている限り、これはすべて最近のことですが、それでも過去のことです。 それらの。 人は過去に生きているのか？

たとえば、あなたは通りを歩いていると犬を見かけます。 または車。 いずれにせよ、現時点での話であれば、この情報はすでに古いものです。 私たちのすべての認知メカニズムを通過したデータを使用して操作する場合 (そして脳は最速の計算機からは程遠いのです!)、私たちは世界に追いつくことはできません。 犬は攻撃したり、逆に逃げたりします。そして、耳の後ろを軽くたたきたいというあなたの欲求は満たされず、あなたが「捕まえたい」と思っていたのはこの車であったにもかかわらず、車があなたにぶつかったり、通り過ぎたりするでしょう。

しかし、ありがたいことにそのようなことは起こらず、その理由は次のとおりです。脳の働きが異なるのです。 知覚の単位は、オブジェクトやオブジェクトのセットではなく、プロセスです。 犬が走っている。 あなたへ、またはあなたから。 あるいは、走らずに横になっているなどです。 車も（駐車場で）静止しているか、特定の方向に移動しています。 すべての場合において、あなたは時間の経過とともに拡張するプロセスを認識し、それに応じて将来的には特定の発展を遂げます。 私たちが出来事を時間の経過とともに展開するものとして認識すると言うとき、これは比喩的な表現ではありません。 実験を行います - 十数枚の写真 (つまり、現実のスナップショット) を撮り、見たものを説明します。 ここに数人が部屋にいて、口論している、あるいはここに道を歩いている人、あるいはここに座ってテレビを見ている人、そしてここに本を読んでいる人がいます。 これらはすべて時間の延長されたプロセスです。 スナップショットは拡張子を持つものとして認識されます。 それ以外の方法でそれを行う方法がわかりません。それが脳の仕組みだからです。脳は、ステージ上の孤立したオブジェクトではなく、プロセスを認識するように訓練されています。 目、鼻、口ではなく、顔全体のようなものです (こんにちは、畳み込みニューラル ネットワーク)。

世界はオブジェクトではなくプロセスで構成されています。 それは何ですかと尋ねると яблоко, そうすれば、ほとんどの大人はこう言うでしょう。 フルーツ、そして子供たち - それは何ですか？ 食べ物。 しかし、どちらもプロセスの記述です。最初の記述は、このリンゴが 木に生えている、そして再生のために木に役立ちます、そしてXNUMX番目はそれが 食用。 どちらも、形、色、大きさなど、リンゴの直接的な特徴とは関連していません。なぜなら、その特徴によって識別は可能になりますが、使用や外界のどこで使用されているかを理解することはできないからです。 プロセスを定義します。

時間の性質についての典型的な議論を取り上げると、古典的な公準は、過去の不変性 (タイムトラベルの文脈の外で)、現在の重要性 (一瞬しか存在しない... 😉) についてのものになります。そして未来はまだ存在せず、それは変えることができることを意味します。 客観的現実について話すとき、おそらくそのとおりかもしれません。 しかし、人は自分自身の主観的な世界モデルの中で生きており、そこではすべてがほぼ逆です。

過去は私たちが望むほど不変ではありません。 人は常に新しい情報を受け取り、矛盾を解消するために過去を再構築します（ピョートル・ステパニッチがシンポジウムに来ているのかと思ったら、彼はストリップクラブから出てきた…ということは、エンターテイナーである彼はどこにも行っていない、そしてまったく行っていないことを意味します… ）。 同時に、あなたの主観的な未来は多くの面で一定です（何はともあれ、金曜日はビールとサッカーを飲みます！）。 さらに、将来の具体的な目標を持って、逆の順序で一連のプロセスを構築するだけではありません（大企業の取締役になるには、有名な大学を卒業し、学位を取得する必要があります。そのためには、まず大学に入学し、そのためには統一国家試験に合格し、宿題を勉強する必要があります。) しかし、この過程で過去に行く可能性も非常に高いです (今では立ち上がってコネを獲得し、子供を大学に進学させることができる友人や知人はいなかったでしょうか？) - なぜ対抗感情を持たないのでしょうか? 😉

ただし、少し脱線します。 それでも、私が最も焦点を当てたかったのは、 プロセス。 私は潜在的な AI を写真やビデオでさえも訓練すべきではないと深く確信しています。 畳み込みネットワークには XNUMX つのレベル (最小) があります。実際、これらは XNUMX つの異なるネットワークです。XNUMX つは生の画像内の特定のグラフィック パターンを見つけるように訓練され、XNUMX つ目は最初の出力を処理します。 すでに処理され準備された情報を使用します。 AI の世界とうまく対話するには、同じことが必要です。あるレベル (決して最初ではありません) で、時間の経過とともに展開されるプロセスのマップを入力として受け取るネットワークが必要です。 「始まり」と「終わり」、「移動」、「変換」、「結合」、「分割」の概念は、ネットワークが動作するために学ばなければならないものです。

Alpha Go のようなゲーム AI に取り組んでいる人は、このことを何らかの形で理解していると確信しています。 おそらくアプローチは多少異なるかもしれませんが、本質は同じです。盤上の現在の状況 (および最後の数手の展開) が「一般的に何が起こっているか」について分析されます。 そして、起こっていることが起こるべきことにどの程度対応しているかに応じて、私たちは自分自身の手を選択します。

入力がセンサーからの画像である場合、戦略/行動について話すのは非常に困難です。 そしてその逆も同様です - 練習が示すように、完全な情報 (世界の全体像を考慮) を備えたゲームのフィールドの現在の状態の完全な内訳を含む準備されたベクトルは、完全に実行可能なタスクです。 ただし、最初のレベルの畳み込みネットワークがオブジェクトを識別し、次のレベルがこれらのオブジェクトをダイナミクスで分析し、以前に取得したデータを補完するプロセス (たとえば、トレーニングでおなじみ) を識別する場合、これを使用することが可能であると思われます。 ..

専門家への質問:

ニューラル ネットワークの現在の発展を考慮すると、ほぼ次のことを行うのはどの程度現実的ですか。

入り口で、おそらくステレオの連続ビデオ信号としましょう。 オプション: いくつかの自由度 (カメラを任意に、またはパターンに従って回転する機能)。 ただし、必要に応じて、ソナーからライダーまで、他の空間認識方法によってビデオ信号を補完/置き換えることができます。

厳密に言えば…入力は何でも構いません リアルタイム フロー - 音声/テキスト、通貨相場さえも、しかし...検討中のプロセスでは、直接研究するために利用できる唯一の心のサンプル、つまり私自身のものに依存する方が簡単です。 ) そして、この「サンプル」では、感覚チャネルは競合を超えています。
出口で:

1. 深度マップ (カメラが静的な場合) または環境マップ。 スペース（ダイナミックカメラ/ライダーなど）。

   何のためにオブジェクトの相互作用を評価するためにオブジェクトを実際に空間的に配置したい場合に必要です。 この場合、カメラからの画像は高次元空間の XNUMX 次元投影にすぎず、追加の変換が必要になります。

2. 個々のオブジェクトの分離（深度/空間マップ、および目に見える輪郭だけでなく/あまり考慮しない）。
3. 移動物体の識別 (速度/加速度、軌道の構築/予測(?));
4. 抽出された特徴（形状・寸法・色・動きのニュアンス・構成部品（？））に応じてオブジェクトを階層的に分類します。 それらの。 基本的にメトリクスを抽出する ヒルベルト空間.

   階層についておそらく、この場合、「階層的」という言葉は完全に適切ではありません。 いつでもメトリクスを選択できることを強調したかったのです。 ヘミンガ距離 それらの間で、XNUMX つの異なるメトリクスのセットを XNUMX つの概念として考えることができました。 たとえば、「赤い車」と「青いバス」を「乗り物」という概念にどう一般化するか。

重要： 可能であれば、システムは事前トレーニングされていません。 それらの。 いくつかの基本的なものは構築できますが (たとえば、輪郭/ジオメトリを強調表示するための最初の層の畳み込みネットワーク)、オブジェクトを選択し、後でそれ自体でオブジェクトを認識することを学習する必要があります。

• そして最後に、ポイント 1,4 に従って分析を実行するために、時間内 (今のところ、明らかに直接観測された期間のこの段階で) スイープ (ポイント 2、つまりメトリクスを考慮した空間マップに基づく) を構築します。 -4、識別するために次のものを使用します: プロセス/イベント (本質的には 変更 時間ステップ 3) とそのクラスター分類 (ステップ 4)。

もう一度言いますが、センサーからの画像から、まず世界の記述をより準備された形式で抽出し、抽出された特徴に従ってマークされ、ピクセルではなくオブジェクトに分割されます。 そして物からなる世界を広げていきます 時間内に そして受け取った 「世界の絵」 それを次のネットワークの入力に送ります。このネットワークは、前の層が感覚画像を処理したのと同じ方法でネットワークを処理します。 オブジェクトの輪郭が強調表示されていた場所で、進行中のプロセスの「輪郭」が強調表示されるようになります。 空間内の物体の相対的な位置は、時間内のプロセスの因果関係に似ています...そのようなものです。

おそらく、この後、システムはプロセスをその部分ごとに認識できるようになるはずです (画像をその断片のみで認識できるため、または画像として認識できるため) モデルに従ってテキストの続きを書く)、その結果、それらを時間的に前方と後方の両方で予測し、ステップ 5 のモデルを両方向に無制限に拡張します。 また、おそらく、構成プロセスのアイデアを持っているため、システムは、関連するいくつかのローカル プロセスから、より大きなグローバル プロセスを識別し、その結果、識別されたグローバル プロセスの不可欠な部分である暗黙の隠れたプロセスを識別できます。しかし、直接的には認識されません。

そして最後のこと: 将来、システムの状態が固定される (ヒルベルト メトリクスの重要な要素のみが固定され、残りの非本質的な値は自由に解釈される) 場合、ネットワークは、休む？

そうです。 それが、無関係な XNUMX つの断片だけが与えられた画像だった場合、何らかのサンプルでトレーニングされたネットワークは、「一貫した」完全な画像を完成させることができるでしょうか? この場合のサンプルは経験からの同様の時間間隔であり、フラグメントは現在の状態と指定された状態です。 その結果、一方と他方を結び付ける一貫した「ストーリー」が生まれます...

私には、これはすでにさらなる実験のための非常に重要な基礎になっているように思えます。

• 可能または必要であれば、自分自身の行動を「履歴」に含める
• 制御されていない確率的放出よりも「自然な」因果パターンの優先順位 (ルーレット問題)
• 好奇心のあるバージョン、つまり行動を通じてパターンを能動的に認識する...など

PS 私は車輪を発明したばかりであることを完全に認めますが、知識のある人々はこれらの原則を実際に長い間適用してきました。 😉 この場合、関連する展開に「首を突っ込んで」ください。 そして、このアプローチの根本的な問題についての詳細な説明、または原理的に機能しない理由の正当化があれば、それは非常に素晴らしいことです。

PPS 文章が粗雑で、アイデアが次から次へと飛び交っていることは承知していますが、これらの質問 (「専門家への質問」セクション) を何人かの人に尋ねたかったのです。少なくとも何らかのプレゼンテーション。 過去のテキスト (そして、今読み返していて、理解するのが非常に難しいことに気づきました) その目的は果たしました。私にとって貴重なディスカッションをいくつか受け取りました...今回もうまくいくことを願っています! 😉

出所： habr.com