창세기?). 마음의 본질에 대한 성찰. XNUMX부

프로세스 또는 우리 모두에 대한 한마디 역풍.

자연과 인공 지능(AI)을 주제로 한 생각의 연속, XNUMX부 여기에


백필링에 관한 질문: 그 사람이 지금 살고 있나요? 아니요, 거리를 걸으며 주변 세계를 직접적으로 생각할 때 우리는 어느 정도 행동합니다. 실시간... 실제로 우리가 보는 것이 일반적인 인식/분류 메커니즘을 통과하는 한 이 모든 것은 최근의 것이지만 여전히 과거입니다. 저것들. 사람이 과거에 살고 있습니까?

예를 들어, 당신이 길을 걷다가 개를 보았습니다. 아니면 자동차. 어쨌든 현재 상황에 대해 이야기하고 있다면 이 정보는 이미 오래된 것입니다. 우리의 모든 인지 메커니즘을 거친 데이터로 작업한다면(그리고 뇌는 가장 빠른 계산기와는 거리가 멀습니다!) 우리는 세상을 따라잡지 못할 것입니다! 개는 공격하거나 반대로 도망갈 것이고, 귀 뒤를 두드리려는 당신의 욕구는 충족되지 않을 것이며, 비록 당신이 "잡기" 원했던 것이 이 차였음에도 불구하고 차가 당신을 때리거나 지나갈 것입니다.

하지만 다행스럽게도 그런 일은 일어나지 않습니다. 그 이유는 다음과 같습니다. 뇌는 다르게 작동합니다. 지각의 단위는 객체나 객체의 집합이 아니라 프로세스입니다. 개가 달리고있다. 당신에게 또는 당신에게서. 아니면 달리지 않고 누워 있습니다. 자동차는 또한 정지해 있거나(주차장에서) 특정 방향으로 움직이고 있습니다. 모든 경우에 당신은 시간이 지남에 따라 확장되고 그에 따라 미래에 특정 발전이 있는 프로세스를 인식합니다. 우리가 사건을 시간에 따라 전개되는 것으로 인식한다고 말할 때 이것은 비유적인 표현이 아닙니다. 실험을 수행하세요. XNUMX장의 사진(예: 현실 스냅샷)을 찍고 보이는 것을 설명하세요. 여기 한 방에 여러 사람이 있고, 다투고 있거나, 여기 거리를 걷고 있는 사람이 있거나, 여기에 TV를 보고 앉아 있고, 여기 또 다른 사람이 책을 읽고 있습니다. 이것들은 모두 시간이 연장된 과정입니다! 스냅샷을 확장 기능이 있는 것으로 인식합니다. 다른 방법으로는 어떻게 해야 할지 모릅니다. 왜냐하면 그것이 뇌가 작동하는 방식이기 때문입니다. 뇌는 무대 위의 고립된 물체가 아니라 프로세스를 인식하도록 훈련되었습니다. 눈-코-입이 아닌 얼굴 전체와 같습니다(안녕하세요, 컨볼루셔널 신경망).

세상은 객체가 아닌 프로세스로 구성됩니다. 그게 뭐냐고 물어보면 사과, 그러면 대부분의 어른들은 이렇게 말할 것입니다. 과일, 그리고 아이들-이게 뭐죠? 음식. 하지만 둘 다 프로세스 설명입니다. 첫 번째는 이 사과가 나무에서 자라다, 재생산을 위해 나무를 제공하며 두 번째는 먹을 수 있는. 둘 중 어느 것도 사과의 직접적인 특성(모양, 색상, 크기)과 관련이 없습니다. 특성은 식별을 허용하지만 사용을 허용하지 않거나 외부 세계에서 사용되는 위치를 이해하는 것을 허용하지 않기 때문입니다. 프로세스를 정의합니다.

시간의 본질에 대한 전형적인 논쟁을 취한다면, 고전적인 가정은 과거의 불변성(시간 여행의 맥락 밖에서), 현재의 중요성(한 순간만 있습니다... 😉)에 관한 것입니다. 아직 존재하지 않는 미래는 바뀔 수 있다는 뜻이다. 우리가 객관적 현실에 관해 이야기할 때, 이것이 사실일 수도 있습니다. 그러나 사람은 자신의 주관적인 세계 모델에 살고 있으며 모든 것이 거의 반대입니다!

과거는 우리가 원하는 만큼 거의 불변하지 않습니다. 끊임없이 새로운 정보를 받아 사람은 모순을 제거하기 위해 과거를 재구성합니다.당신은 표트르 스테파니치가 심포지엄에 왔다고 생각했는데, 그가 스트립 클럽에서 나온다고... 이것은 연예인인 그가 전혀 가지 않았다는 것을 의미합니다... ). 동시에, 귀하의 주관적인 미래는 여러 측면에서 일정합니다(어쨌든 금요일에는 맥주와 축구를 해요!). 더욱이, 미래에 특정한 목표를 가지고 있다면 프로세스 체인을 역순으로 구축할 뿐만 아니라(대기업의 이사가 되려면 명문 대학을 졸업하고 졸업해야합니다. 이를 위해서는 먼저 대학에 등록해야합니다. 이를 위해서는 통합 국가 시험에 합격하고 숙제를 공부해야합니다!), 하지만 이 과정에서 과거로 갈 가능성도 꽤 높습니다(이제 일어나 인맥을 쌓고 아이의 대학 진학을 도울 수 있는 친구/지인이 있지 않았나요?) - 반감정은 왜 안되나요? 😉

그러나 나는 조금 빗나갔다. 그래도 제가 집중하고 싶었던 점은 프로세스들. 나는 잠재적인 AI가 사진이나 심지어 비디오로 훈련되어서는 안 된다는 것을 깊이 확신합니다. 컨벌루션 네트워크에는 두 가지 수준(최소)이 있습니다. 실제로 이 네트워크는 서로 다른 두 가지 네트워크입니다. 하나는 원시 이미지에서 특정 그래픽 패턴을 찾도록 훈련되고, 두 번째는 첫 번째 출력을 처리합니다. 이미 가공되어 준비된 정보로 AI 세계와 성공적으로 상호 작용하려면 동일한 것이 필요합니다. 일부(첫 번째 수준은 아님) 수준에서는 시간이 지남에 따라 전개되는 프로세스 맵을 입력으로 받는 네트워크가 있어야 합니다. "시작"과 "끝", "이동", "변환", "병합" 및 "분할"의 개념은 네트워크가 작동하기 위해 배워야 하는 것입니다.

알파고 같은 게임 AI 분야에 종사하는 분들은 이 부분을 어느 정도 이해하고 계실 거라 확신합니다. 아마도 접근 방식은 다소 다를 수 있지만 본질은 동일합니다. 보드의 현재 상황(그리고 마지막 몇 가지 동작의 개발)은 "일반적으로 무슨 일이 일어나고 있는지" 분석됩니다. 그리고 일어나는 일이 일어나야 하는 일과 얼마나 일치하는지에 따라 우리는 우리 자신의 움직임을 선택합니다.

입력이 센서의 사진인 경우 전략/행동에 대해 이야기하는 것은 매우 어렵습니다. 그리고 그 반대의 경우도 마찬가지입니다. 완전한 정보(세계의 전체 그림을 고려)가 포함된 게임에서 필드의 현재 상태에 대한 완전한 분석을 포함하는 준비된 벡터는 실습에서 알 수 있듯이 완전히 실행 가능한 작업입니다. 그러나 첫 번째 레벨의 컨벌루션 네트워크가 개체를 식별하고 다음 레벨에서 이러한 개체를 역학적으로 분석하여 이전에 얻은 데이터를 보완하는 프로세스(예: 훈련에서 익숙한)를 식별하는 경우 이를 사용하는 것이 가능할 것 같습니다. ..

전문가를 위한 질문:

신경망의 현재 개발 상황을 고려할 때 대략적으로 다음을 수행하는 것이 얼마나 현실적입니까?

입구에서, 연속적인 비디오 신호(아마도 스테레오)를 가정해 보겠습니다. 옵션: 여러 자유도(임의로 또는 패턴에 따라 카메라를 회전하는 기능). 그러나 필요한 경우 비디오 신호는 소나부터 라이더까지 다른 공간 인식 방법으로 보완/대체될 수 있습니다.

엄밀히 말하자면…입력은 무엇이든 될 수 있습니다 실시간 흐름 - 심지어 음성/텍스트, 심지어 통화 시세까지, 하지만... 고려 중인 과정에서 직접 연구를 위해 사용할 수 있는 유일한 마음 샘플, 즉 내 자신의 마음 샘플에 의존하는 것이 더 쉽습니다! ) 그리고 이 "샘플"에서 감각 채널은 경쟁을 초월합니다!
출구에서:

1. 깊이 맵(카메라가 고정된 경우) 또는 환경 맵. 공간(다이내믹 카메라/라이다 등);

   무엇 때문에상호 작용을 평가하기 위해 객체의 실제 공간 배열을 원할 경우 필요합니다. 이 경우 카메라의 이미지는 더 높은 차원 공간의 XNUMX차원 투영일 뿐이므로 추가적인 변환이 필요합니다.

2. 개별 개체의 격리(깊이/공간 맵을 고려하고 눈에 보이는 윤곽뿐만 아니라 그렇게 많지도 않음)
3. 움직이는 물체의 식별(속도/가속도, 궤도 구성/예측(?));
4. 추출된 특성(모양/치수/색상/움직임의 뉘앙스/구성요소 부분(?))에 따라 개체를 계층적으로 분류합니다. 저것들. 본질적으로 다음에 대한 측정항목을 추출합니다. 힐베르트 공간.

   계층 구조에 대해아마도 이 경우에는 "계층적"이라는 단어가 적절하지 않을 수도 있습니다. 저는 언제든지 측정항목을 선택할 수 있는 기능을 강조하고 싶었습니다. 헤밍가 거리 둘 사이에서 우리는 서로 다른 두 가지 측정항목 집합을 하나의 개념으로 간주할 수 있었습니다. 예를 들어, "빨간색 자동차"와 "파란 버스"가 "차량"이라는 개념으로 어떻게 일반화되어야 하는지 살펴보겠습니다.

중요 : 가능하다면 시스템은 사전 훈련되지 않습니다. 저것들. 몇 가지 기본적인 것들은 배치할 수 있지만(예: 윤곽선/기하학을 강조하기 위한 첫 번째 레이어의 컨볼루션 네트워크) 객체를 선택하고 나중에 스스로 인식하는 방법을 배워야 합니다.

• 그리고 마지막으로 포인트 1,4에 따른 분석을 수행하기 위해 시간에 따른 스윕(포인트 2 기반, 즉 메트릭을 고려한 공간 맵 기반)을 구성합니다(지금은 명백히 직접적으로 관찰된 기간의 이 단계에서). -4, 식별하기 위해: 프로세스/이벤트(본질적으로 변화 시간 단계 3) 및 클러스터 분류(4단계).

다시 한 번, 센서의 이미지에서 먼저 추출된 특징에 따라 표시되고 픽셀이 아닌 객체로 구분된 보다 준비된 형태로 세계에 대한 설명을 추출합니다. 그런 다음 객체로 구성된 세계를 확장합니다. 제 시간에 그리고 받았다 "세계의 사진" 우리는 이를 다음 네트워크의 입력에 공급합니다. 이는 이전 레이어가 감각 이미지를 처리했던 것과 동일한 방식으로 작동합니다. 객체의 윤곽이 강조 표시된 곳에서 진행 중인 프로세스의 "윤곽"이 이제 강조 표시됩니다. 공간에서 물체의 상대적 위치는 시간 과정의 인과 관계와 유사합니다... 그런 것입니다.

아마도 그 이후에는 시스템이 프로세스를 부분별로 인식할 수 있어야 합니다(예: 이미지를 인식할 수 있거나 부분만 가지고 있거나 모델에 따라 텍스트의 연속 쓰기), 결과적으로 시간의 앞과 뒤를 모두 예측하여 5단계의 모델을 양방향으로 무제한 확장합니다. 또한 아마도 구성 프로세스에 대한 아이디어가 있으면 시스템은 여러 관련 로컬 프로세스에서 더 큰 글로벌 프로세스를 식별할 수 있으며 결과적으로 식별된 글로벌 프로세스의 필수적인 부분인 암시적이고 숨겨진 프로세스를 식별할 수 있습니다. 그러나 직접적으로 인식되지는 않습니다.

그리고 마지막으로, 미래에 시스템의 고정된 상태(힐베르트 메트릭의 중요한 요소만 고정되고 나머지 비필수 값은 자유롭게 해석됨)를 갖는 것은 네트워크가 다음을 "생각"할 수 있다는 것입니다. 나머지?

글쎄요. 관련되지 않은 조각 두 개만 제공된 이미지라면 일부 샘플에 대해 훈련된 네트워크가 "일관된" 완전한 이미지를 완성할 수 있을까요? 이 경우 샘플은 경험과 유사한 시간 간격이며 조각은 현재 및 지정된 상태입니다. 그 결과, 하나와 다른 하나를 연결하는 일관된 "스토리"가 탄생했습니다.

내 생각에는 이것이 이미 추가 실험을 위한 매우 중요한 기초가 될 것 같습니다.

• 가능/필요하다면 자신의 행동을 "역사"에 포함
• 통제되지 않은 확률론적 방출보다 "자연적인" 원인 및 결과 패턴의 우선순위(룰렛 문제)
• 호기심의 일부 버전, 즉 행동을 통한 패턴의 능동적 인지... 등

PS 나는 방금 바퀴를 발명했으며 지식이 풍부한 사람들이 이러한 원칙을 실제로 오랫동안 적용해 왔다는 것을 충분히 인정합니다. 😉 이 경우에는 관련 진행 상황에 대해 "코를 찌르십시오"라고 요청합니다. 그리고 이 접근법의 근본적인 문제에 대한 자세한 설명이나 이 접근법이 원칙적으로 작동하지 않는 이유에 대한 정당성이 있다면 정말 좋을 것입니다.

PPS 저는 텍스트가 조잡하고 아이디어가 서로 엇갈린다는 것을 알고 있습니다. 하지만 저는 정말 두 사람에게 이러한 질문("전문가에게 질문" 섹션)을 묻고 싶었고, 이 질문 없이는 하기가 어렵습니다. 최소한 프레젠테이션. 과거 텍스트 (그리고 지금 다시 읽고 있는데 이해하기가 매우 어렵다는 것을 깨달았습니다.) 목적에 부합했습니다. 나에게 귀중한 여러 토론을 받았습니다... 이번에도 효과가 있었으면 좋겠습니다! 😉

출처 : habr.com