Изобретательство и прогресс.

[Alexander B.]

Сообщение от Alex

Сегодня КПД пусть будет 5%, через год 10% - все реально. Дальше 15%, 25% - нет проблем. Ну, значит, через 20 лет КПД будет 105%.

Я сомневался, говоря, что невозможно изобрести 10% вечного двигателя. Так как была вероятность, что вы называете вечным двигателем -двигатель со 100% кпд. Теперь точно могу ответить - нельзя.

Сообщение от Alex

А я вот точно знаю, что искусственный разум, действующий по тем же принципам, что и человеческий, изобретен не будет. Создание искусственного разума вполне возможно, но принципы будут другие.

Почему точно? Считаете что 100% сразу перепрыгнут в более совершенные модели? А принципы человеческого разума станут не интересны?
Я думаю, что даже если удасться создать более совершенные модели раньше, все-равно будут возвращаться к полной имитации принципов классического, человеческого разума - ради идеи трансплантации.

[Alex]

Сообщение от Alexander B.

Я сомневался, говоря, что невозможно изобрести 10% вечного двигателя. Так как была вероятность, что вы называете вечным двигателем -двигатель со 100% кпд. Теперь точно могу ответить - нельзя.

Это если априори есть теория, запрещающая КПД > 100%.

Сообщение от Alexander B.

Почему точно? Считаете что 100% сразу перепрыгнут в более совершенные модели?

Потому что то, что сделано в этой области за последние 60 лет, никак не похоже на модель человеческого мозга. И действует по совершенно другим принципам. Можно все это выбросить и начать с начала, но вряд ли кто решится это сделать.

[Alexander B.]

Сообщение от Alex

Потому что то, что сделано в этой области за последние 60 лет, никак не похоже на модель человеческого мозга. И действует по совершенно другим принципам. Можно все это выбросить и начать с начала, но вряд ли кто решится это сделать.

Мне кажется, за 20 век в этом деле было сделано приблизительно столько же, как и за 19 век в деле изобретения транзистора.
Тут как раз всплывает проблема — рекламы.
Я сколько раз изучал новости, которые рассказывают о достижениях в области ИИ, в 9 из 10 случаев это были рекламные компании новых поисковиков, переводчиков, робототехнических изделий и т.д. Очень уж слоган к сожалению красивый - "интеллектуальный". Кругом сплошные интеллектуальные смартфоны, телевизоры, микроволновки, поисковики, офисные программы и т.д.

Построение современных процессоров — часть. Структуру процессора думаю придется менять, но хорошо что уже есть соответствующие технологии.
Разработка принципов ассоциативных баз данных — часть.
Вот, посмотрите для примера, забавная игрушка на базе подобной технологии http://ru.akinator.com/

[Alexander B.]

Малейшее имеет.
А вы знаете принципы работы мозга?

[Alex]

Сообщение от Alexander B.

Малейшее имеет.
А вы знаете принципы работы мозга?

Нет, конечно. Но это в данном случае не нужно. Можно использовать аналог "критерия Тьюринга". Попробуйте поиграть в эту игру с человеком. На каком животном он начнет ошибаться и забывать ? Примерно на пятом-шестом. Такой подход к решению задач неудобен для человека и не характерен. Следовательно, мозг работает по другим принципам.

[Alexander B.]

Сообщение от Alex

Можно использовать аналог "критерия Тьюринга". Попробуйте поиграть в эту игру с человеком. На каком животном он начнет ошибаться и забывать ? Примерно на пятом-шестом. Такой подход к решению задач неудобен для человека и не характерен. Следовательно, мозг работает по другим принципам.

Тест Тьюринга для текстового чата проходится в течении целого часа такими примитивными ботами, которые вообще текст не анализируют.
Если на обратном конце провода "реально блондинка".

[Alexander B.]

У вас в незнайке некий двоичный алгоритм, а там должен быть некий матричный.
Там допускаются неверные ответы, иногда он одинаоковые вопросы два раза подряд задает, как бы переспрашивает, когда в тупик заходит.
И вариантов ответов там 5: да, нет, не знаю, скорее да, скорее нет.


Как бы я делал алгоритм акинатора.
пусть 100.000 персонажей.
и 1.000 вопросов.
На каждый вопрос и каждый персонаж матрица содержит всего один байт, со знаком. Получается 100.000 *1.000 — всего 100Мб которые можно без проблем засунуть в оперативную память.
Байт матрицы — отвечает за степень привязки конкретного вопроса к конкретному персонажу.


Если на вопрос отвечают четко, и стабильно, то значение по модулю больше.
Для большей эффективности алгоритма, вероятно, суммы всех отрицательных и всех положительных значений по вопросу в итоге должны быть равны некоторым константам. Для чего требуется периодическая индексация.

для примера: 3 вопроса, 4 персонажа, сумма 100.
персонаж мужчина?
Джон Сильвер +90
Алла пугачева -100
Я 0
Конек-Горбунок +10

ваш персонаж одноногий и с попугаем?
Джон Сильвер +100
Алла пугачева -34
Я -32
Конек-Горбунок-34

ваш персонаж человек?
Джон Сильвер +33
Алла пугачева +33
Я +33
Конек-Горбунок -100


На первых этапах можно задавать вопросы случайно, но нужно считать ответы по всем персонажам.
Лучше особенно выделить стартовые вопросы: те, что имеют плавное распределение ответов, и близкое к равному количество положительных и отрицательных.
Ближе к концу можно отсеивать из алгоритма персонажей с низкой набранной суммой. Но нужно выбирать вопросы так, что-бы выявить из нескольких лидеров явного лидера. Для этого нужно задавать вопрос с наибольшей суммой абсолютных значений в линии матрицы, из оставшихся в лидерах персонажей. Он будет наиболее информативен.

[Alex]

Сообщение от Alexander B.

Тест Тьюринга для текстового чата проходится в течении целого часа такими примитивными ботами, которые вообще текст не анализируют.
Если на обратном конце провода "реально блондинка".

Это было что? Возражение, подтверждение или просто так поболтать?

[Alexander B.]

Акинатор близок к интеллекту например потому, что у него реализован в некотором виде алгоритм интереса. Ему к концу игры интересны конерктные, уточняющие вопросы, а не случайные.

[VPolevoj]

Alexander, в программе акинатор, да и в моей программе Незнайка, интересен не процесс отгадывания путем последовательных вопросов, а процесс обучения программы - ситуация, когда загаданного слова программа не знает, и ей нужно это новое для неё слово запомнить и привязать к этому новому слову все имеющиеся у неё в базе вопросы.

Как мы при этом ведем отбор: дихотомически - делением на два, или используя нечеткие ответы (пять или больше вариантов) - это не важно, хотя, разумеется, пять вариантов ответов круче, чем два! Но принципиально это ситуацию не меняет.

Есть массив слов - понятий, и есть свойства этих предметов - слов и понятий, которые программа узнает от нас путем ответов на вопросы.

Фактически у нас получаются два вектора: с одной стороны слова, с другой - вопросы и ответы на них. И каждое слово - понятие - по-разному вписывается в матрицу вопросов-ответов. И, понятное дело, что вроде бы программе нужно при внесении в свою память нового слова-понятия попросить человека соотнести это новое слово СО ВСЕМИ УЖЕ ИМЕЮЩИМИСЯ в её базе вопросами, что, сам понимаешь, довольно затруднительно (вряд ли кто на такое согласится добровольно, разве что программе пойти на хитрость, и время от времени задавать людям вопросы, на которые у неё самой нет четких ответов - и таким образом насобирать необходимую для себя статистику).

Далее, как ты совершенно правильно пишешь, встает вопрос с упорядочиванием вопросов по их значимости с точки зрения эффективности отбора. Есть вопросы, которые будучи заданы, резко и четко разделяют весь массив понятий примерно на две равные части (пример: Это живое?) - а это и есть самый эффективный алгоритм поиска нужного значения: 17 последовательно заданных вопросов разделяют 131000 значений, 18 вопросов - 262000, 19 - 524000, а 20 вопросов охватывают более миллиона самостоятельных понятий (столько у нас - у человечества - просто нет).

Но для этого нужно чтобы каждый следующий вопрос разделял бы оставшееся подмножество терминов на примерно равные части - что не всегда возможно. По ходу мы вынуждены задавать уточняющие вопросы, или даже возможны зацикливания и прочие алгоритмические глупости (которые пока не разрешены, насколько мне известно, в подобных - самообучающихся системах).

И зря Alex говорит, что подобные алгоритмы не имеют отношения к работе нашего мозга - имеют, и самое непосредственное. Например, наше зрение занято примерно тем же, чем занимаются наши программы - акинатор и Незнайка - задают последовательные вопросы и получают последовательные ответы для того чтобы распознать все попадающие в поле зрения объекты и описать всю сцену целиком - на это у нашего мозга затрачивается примерно 1/30 секунды.

Я в своей программе помимо окончательного ответа, сделал еще и вывод промежуточных ответов - поскольку она делалась как игрушка для детей, а дети не любят когда их долго-долго о чем-то спрашивают, а потом выдают правильный ответ - и выигрывают у них, а они любят когда они сами чаще выигрывают - когда противник чаще ошибается и выставляет себя дураком по отношению к ним самим. То есть, моя задача была сложнее - мне нужно помимо матрицы вопросов-ответов выдавать еще и промежуточные (часто заведомо неправильные) ответы, как некоторую стадию приближения к правильному, поскольку от вопроса к вопросу круг возможных вариантов ответов постоянно сужается. Чтобы игрок - ребенок - находился бы постоянно в состоянии радостного ожидания, а не сухой констатации факта, что программа умнее его (это как бы и без того подразумевается и ожидается).

Мой Незнайка на каждом этапе игры как бы дает свой окончательный вариант ответа - он оказывается неправильным, тогда он задает следующий - уточняющий вопрос - и на основе ответа на него делает новое предположение, и так далее.

Но правильная система, способная к настоящему самообучению, на мой взгляд, должна вести себя по-другому. Она должна понимать, что при внесении в её память нового слова-понятия, на самом деле в её матрице формируется целый блок "белых пятен", и её обучение не должно заканчиваться определением вопросов и ответов лишь для этого нового слова - а требуется протестировать все появившиеся "белые пятна" на предмет их реальности - существуют ли для них слова-понятия или нет, а если существуют, то какие вопросы-ответы им соответствуют (не подойдут ли для их выявления уже имеющиеся у неё в памяти вопросы-ответы, или нужны новые вопросы), и так далее. Но в таком случае для машины нужен будет специальный человек, который бы постоянно отвечал на её бесконечные вопросы.

Поиграть с самообучающейся программой интересно, на мой взгляд, именно с самого начала, когда видно как постепенно наполняется её база знаний, как у неё складывается структура понятий, как быстро истощается фантазия загадывателей и т.д. Но заниматься рутинной работой по обучению этой программы не интересно (на мой взгляд) - вот почему я попытался перевести этот процесс в рамки игры, причем, для детей, для которых это и без того интересно.