Метка «искусственный интеллект» - 15

Вместо введения

Памятуя итоги предыдущей, довольно сумбурной статьи, родилась мысль «съесть слона по кусочкам» и опубликовать цикл статей, вводящих в модель искусственного интеллекта DIGITID, над которой я работаю вот уже 11 лет.

Первая тема, которую крайне важно рассмотреть, это проблема понимания в искусственном интеллекте

Есть ли проблема понимания, что такое «понимание» и как оно работает?

При общении с людьми, которые интересуются искусственным интеллектом (и не только, так же и с теми, кто интересуется вопросами устройства психики, ума, личности безотносительно их симуляции и моделирования), обнаружилось, что проблема понимания требует широкого освещения и прояснения.

Так что же такое «понимание»? Когда человек говорит «я понял» что произошло? Что происходит когда человек еще не понимает? Каков процесс «понимания»? Является ли это мгновенным переходом или постепенным накоплением?

В большинстве случаев вопрос «что значит понимание» ставит собеседника в тупик. Понимание кажется чем-то очень естественным и вполне очевидным, если только не рассматривать, что же это значит пристально и пристрастно.

Чаще всего, понимание рассматривается как некое проникновение в смысл, сопоставление разрозненных фактов в единую канву, ситуацию.
Понимание тесно связано с некоторой уверенностью, ясностью, предсказаниями чего-то, что еще не обнаружено, но в связи с пониманием будет обнаружено, если этому уделить внимание.

Предлагаю хабравчанам поучаствовать в опросе ниже и предложить свои комментарии по вопросу того, что же такое понимание.
Читать полностью »

На самом деле реверс-ижиниринг интеллекта, выполняемый самим интеллектом это психология — желание понять что такое сознание, разум, психика, интеллект, всё это синонимы мыслящей системы.
Терминология психологии неточная и спорная, поэтому надо уточнять или переопределять термины. Также в область исследования входят лингвистика и программирование. Знания из лингвистики могут помочь создать универсальный логический язык для представления и обработки любой информации. Этот же логический язык программирования обеспечивает работоспособность всей системы, и эффективное распознавание образов без задержки. Работу всего логического механизма выполняет одна половина мощностей (аналог левого полушария), а вторая половина занимается параллельными вычислениями распознавания образов (правое полушарие). В современных ЭВМ также используются два разных процессора — CPU и GPU. Поэтому неплохой фундамент накопленный десятилетиями исследований определенно есть. Особенно следует отметить замечательную технологию CUDA — можно сказать что только сейчас наступило подходящее время для создания ИИ, даже в домашних условиях.
Читать полностью »

На сегодняшний день мне неизвестны доступные и легко понятные для непосвященного читателя книги по машинному обучению на русском языке. По теме написано много хороших трудов на английском, но по каким-то причинам они не переведены. Данной серией статей я преследую цель сдвинуть вектор ситуации в лучшую сторону. Если читатели положительно воспримет статью, я, по мере сил, постараюсь сделать замкнутый цикл статей по машинному обучению. Целевая аудитория — люди, желающие ознакомиться с основными задачами и методами машинного обучения, и в дальнейшем, возможно, углубить свои знания самостоятельно. Идеальный читатель знаком с основами языка программирования Python и библиотеки NumPy или желает в них разобраться. Я постараюсь свести количество математики и простыней из формул к минимуму без ущерба для качества преподносимого материала. Заинтересованный читатель всегда может узнать математическую поднаготную каждого метода в википедии, на machinelearning.ru или в соответствующей литературе.
Читать полностью »

Этот пост №2, является логическим продолжение предыдущего поста Предыдущий пост №1

Еще в 2006 году был предложен метод постепенного (возрастающего) обучения, названый самоорганизующейся возрастающей нейронной сетью (SOINN), для того, чтобы попытаться осуществить неконтролируемое обучение (самообучение без учителя). SOINN хорошо справляется с обработкой нестационарных данных в режиме онлайн, сообщает о числе определенных кластеров и представляет топологическую структуру входных данных с учетом вероятности плотности вероятности распределения. Hasagawa, предложивший вариант сети SOINN, сравнивал результаты работы своей сети с GNG сетью (расширяющегося нейронного газа) и результат сети SOINN получался лучше чем у GNG.

С сетью SOINN была такие проблемы:
1. В связи с тем что она состояла из двух обрабатывающих слоев, что пользователь должен был принимать участие в работе сети. Пользователь должен был решить, когда остановить обучение первого слоя и когда начать приобретение знаний во втором слое.
2. Если группы имеют высокую плотность, то сеть хорошо справлялась с их распознаванием, но если сеть группы частично перекрывались, то сеть думала что это одна группа и объединяла их вместе.

Для решения этих проблем и упрощения архитектуры сети была предложена сеть на основе SOINN с увеличенной самоорганизацией и получила название ESOINN.
Читать полностью »

Предыдущий пост

Еще в 2006 году был предложен метод постепенного (возрастающего) обучения, названый самоорганизующейся возрастающей нейронной сетью (SOINN), для того, чтобы попытаться осуществить неконтролируемое обучение (самообучение без учителя). SOINN хорошо справляется с обработкой нестационарных данных в режиме онлайн, сообщает о числе определенных кластеров и представляет топологическую структуру входных данных с учетом вероятности плотности вероятности распределения. Hasagawa, предложивший вариант сети SOINN, сравнивал результаты работы своей сети с GNG сетью (расширяющегося нейронного газа) и результат сети SOINN получался лучше чем у GNG.

С сетью SOINN была такие проблемы:
1. В связи с тем что она состояла из двух обрабатывающих слоев, что пользователь должен был принимать участие в работе сети. Пользователь должен был решить, когда остановить обучение первого слоя и когда начать приобретение знаний во втором слое.
2. Если группы имеют высокую плотность, то сеть хорошо справлялась с их распознаванием, но если сеть группы частично перекрывались, то сеть думала что это одна группа и объединяла их вместе.

Для решения этих проблем и упрощения архитектуры сети была предложена сеть на основе SOINN с увеличенной самоорганизацией и получила название ESOINN.
Читать полностью »

робот SOINN
SOINN – это самоорганизующаяся инкрементная нейронная сеть. Структура и алгоритм такой нейронной сети повидимому хорошо себя зарекомендовал в японской лаборатории Hasegawa (сайт — haselab.info), потому что он в итоге был взят за основу и дальнейшее развитие алгоритмов искусственного интеллекта шло путем небольших модификаций и надстроек к сети SOINN.

Базовая сеть SOINN состоит из двух слоев. Сеть получает входной вектор и на первом слое после обучения создает узел (нейрон) – определяющий класс для входных данных. Если входной вектор похож на существующий класс, мера похожести определяется настройками алгоритма обучения, то два самых похожих нейроны первого слоя объединяются связью, либо если входной вектор не похож не на один существующей класс, то в первом слое создается новый нейрон, определяющий текущий класс. Очень похожие нейроны первого слоя, объединенные связью, определяются как один класс. Первых слой является входным слоем для второго слоя, и по аналогичному алгоритму, с небольшим исключением, создаются классы во втором слое.

На основе SOINN созданы такие сети, как (далее представлены название сети и описание сети от ее создателей):
Читать полностью »

Знаете ли Вы, как именно Вы что-то знаете? Никто не знает!

Хочу раскрыть Вам несколько секретов естественного интеллекта, а заодно рассказать о том, как проектирую интеллект искусственный.

Небольшой дисклеймер. В статье будут описаны весьма амбициозные идеи. Большинство из представленных идей можно развернуть в самостоятельные циклы статей. Поэтому здесь представлены идеи лишь для первичного ознакомления. Я не питаю иллюзий, что будет много тех, кто схватит идею слету. Поэтому вопросы приветствуются, буду стараться разъяснять. И да, я знаю, что это все очень похоже на миллион других идей, алгоритмов и т. п. Разница лишь в том, что эта конструкция идей претендует на совершенно полную симуляцию работы естественного интеллекта во всех аспектах, которые Вы можете или не можете вообразить. Без черных дыр, неосмысленных проблем или неизвестных технических решений.

Да, это все о наиболее полном и сильном искусственном интеллекте. Предчувствую жадность некоторых исследователей и пренебрежение некоторых коллекционеров идей. Но все же, теперь, после предупреждения, приступим. Информации будет много и плотность ее очень высока, так что — держитесь за что-нибудь покрепче. Может быть придется перечитывать десятки раз и задавать тысячи вопросов. Я готов на них отвечать, поскольку одиночные исследования пора выводить на более практический уровень, требующий привлечения нескольких сотен специалистов.

Для начала, давайте посмотрим, как работает ум, когда что-то узнает. Казалось бы, мы так быстро ориентируемся в обстановке, достаточно несколько мгновений, чтобы узнать, какие предметы нам видны, как они расположены, какое у них поведение. Из-за этой иллюзии складывается впечатление, что мозг работает очень-очень быстро.

Почему же это иллюзия? Попробую объяснить.

Представьте, что Вы неожиданно попали в очень малознакомую ситуацию. Туда, где никогда не были. Например, в джунгли, или наоборот, в пустыню. А может быть это будет просто густой клочковатый туман? Или Вы видите чужое звездное небо.

Что происходит? Что различает ум? Ему не на что опереться. Приходится классифицировать обстановочку медленно и тягостно. Выискивать опорные кластеры признаков, чтобы ориентироваться относительно их.

Знаете ли Вы, что видит новорожденный? Хаотическое движение цветных пятен без содержания и смысла. Но кое-что он слышит, что позволяет ему начать ориентироваться. Он слышит ставший привычным голос матери. Он уже привык осязать ее тело, теплое, ароматное, дающее вкусное молоко.

Процесс осмысления закладывается начиная с формирования органов чувств.

Когда ум оказывается в незнакомой ситуации, он не понимает ее. Ему не на что опереться. Нет чего-то, что он уже может предсказать.
И он начинает последовательную и глубокую классификацию ситуации
Читать полностью »

ConceptNet

ConceptNet — семантическая нейро-сеть, содержащая много вещей, которые компьютеры должны знать о мире, особенно при понимании текста написанного людьми.
Сеть построена из узлов, представляющих определенные слои и концепции, в виде слов или коротких фраз естественного языка и знаков отношений между ними. Это могут быть любые вещи, которые компьютерам нужно знать, чтобы искать информацию лучше, отвечать на вопросы и понимать цели людей. Если вы хотите построить свой собственный Watson вместе с ConceptNet, то это должно быть отличной целью для начала!
Читать полностью »

Привет, читатели!

У меня вот уже больше 10 лет горит идея сделать такой проект Умного Дома, чтобы любой желающий мог при желании собрать полный прототип из подручных материалов.
Совсем недавно, при общении с некоторыми представителями хабрасообщества, идея была скорректирована под то, что не плохо бы сделать некий массовый блог, где каждый смог бы оставлять свои идеи по поводу реализаций (под это дело я сегодня даже поднял лайвстрит на субдомене своего личного домена, ибо пока не придумал названия для проекта с учётом его новой специфики) + к этому некое хранилище проверенных проектов (на гитхабе. Уже даже есть Gentoo'шный layman'овский репозиторий под это дело) + к этому некую «биржу», где люди далёкие от паяльных дел, но желающие умный дом, могли бы найти желающих чуток подзаработать мастеров паяльного дела в своём городе :).
Дополнительным бонусом являлось бы объединение (по возможности всех) людей, занимающихся этой тематикой «под одной крышей» для обмена идеями и опытом.
Читать полностью »

Мигель Николелис: мозг не вычисляем

В последнее время много говорится о технологической сингулярности. Идея, которую продвигает Рэй Курцвейл и компания Google, заключается в существовании некоей точки, после которой технологический прогресс ускорится до такой степени, что станет недоступен пониманию. Это будет сопровождаться киборгизацией, загрузкой сознания, достижением физического бессмертия и прочими побочными эффектами.

Ключевым условием для технологической сингулярности является создание искусственного интеллекта общего назначения, который превосходит по своему уровню человеческий интеллект. Однако, некоторые учёные оспаривают идею технологической сингулярности, в том числе возможность создания столь мощного ИИ.
Читать полностью »


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js