Сильный искусственный интеллект не является архиватором.
Сильный искусственный интеллект не является архиватором.
Это не про сжатие данных, "центральный вопрос для AGI - универсальное сжатие данных" - нет.
---
1. Колмогоровская мера сложности как длина описания.
https://ru.wikipedia.org/wiki/Колмогоровская_сложность
https://ru.wikipedia.org/wiki/Принцип_минимальной_длины_описания
Принцип минимальной длины описания (англ. minimum description length, MDL) - это формализация бритвы Оккама, в которой лучшая гипотеза (модель и её параметры) для данного набора данных это та, которая ведёт к лучшему сжиманию данных. Принцип MDL предложил Йорма Риссанен в 1978 году.
--
2. AIXI - математическая модель искусственного интеллекта, придуманная Маркусом Хаттером.
https://en.wikipedia.org/wiki/AIXI
2.1. AIXI - это математический аппарат для гипотетического (супер) интеллектуального человека , разработанный Маркусом Хаттером (2005, 2007). AIXI не является вычислимым и поэтому не служит дизайном для реального ИИ, но считается ценной теоретической иллюстрацией как с положительными, так и с отрицательными аспектами (то, что AIXI может делать, и то, что, возможно, не может). .
https://www.lesswrong.com/tag/aixi
2.2. "центральный вопрос для AGI - универсальное сжатие данных"
Arthur Franz(B) Independent Researcher, Odessa, Ukraine, Артур Франц
https://occam.com.ua/ru/how-we-plan-to-do-it/
2.3.
===моё===
Это серьезное заблуждение! Я их (Артура Франца и "Алексей Потапов - доктор технических наук, профессор университета ИТМО и СПбГУ" занимается AGI/ИИ) пару раз прижимал.
Контрпример очевиден: многокритериальная оптимизация не эквивалентна однокритериальной оптимизации!
Критериев обязано быть много, иначе моделирование ущербное, найденные оптимальные решения будут отвратительными.
И я их ловил на этом с примером сжатия и числом пи.
Они напрочь этого не понимают.
Хороший практический пример - трейдинг. Длина описания не важна. Что важно? Прибыль! Да важна, но не только. Важно соотношение типа профит-фактор (profit factor). Но и опять таки этого мало. ))
Им надо на бирже поработать и тогда поймут, что сжатие знаний не главное, не центральный вопрос AGI. )
===
--
3. Индукция Соломонова.
Р. Соломонов, “Машина для выводов по индукции”,
Математика, 2:1 (1958), 139-150;
http://mi.mathnet.ru/mat40
Бритва Оккама, индукция Соломонова.
https://deep-econom.livejournal.com/370787.html
--
4. Принцип минимальной сложности моделей
модели, алгоритмы, математика, сложность, эквивалентность описаний
https://deep-econom.livejournal.com/537100.html
ПРИНЦИП МИНИМАЛЬНОЙ СЛОЖНОСТИ МОДЕЛЕЙ И ЕГО ОСНОВАНИЯ
https://deep-econom.livejournal.com/105277.html
4.1. Кроме минимальности длины описания следует учитывать иные характеристики:
4.1.1. Время выработки описания/решения.
4.1.2. Сложность модели.
4.1.3. Определения сложности может быть очень разными.
4.1.3.1. Например, число узлов, количество связей, количество кластеров, спутанность, вычислительная сложность и т.п.
4.2. В простейших случаях напрашивается как минимум тройка: (длина описания, время, сложность).
---
Это не про сжатие данных, "центральный вопрос для AGI - универсальное сжатие данных" - нет.
---
1. Колмогоровская мера сложности как длина описания.
https://ru.wikipedia.org/wiki/Колмогоровская_сложность
https://ru.wikipedia.org/wiki/Принцип_минимальной_длины_описания
Принцип минимальной длины описания (англ. minimum description length, MDL) - это формализация бритвы Оккама, в которой лучшая гипотеза (модель и её параметры) для данного набора данных это та, которая ведёт к лучшему сжиманию данных. Принцип MDL предложил Йорма Риссанен в 1978 году.
--
2. AIXI - математическая модель искусственного интеллекта, придуманная Маркусом Хаттером.
https://en.wikipedia.org/wiki/AIXI
2.1. AIXI - это математический аппарат для гипотетического (супер) интеллектуального человека , разработанный Маркусом Хаттером (2005, 2007). AIXI не является вычислимым и поэтому не служит дизайном для реального ИИ, но считается ценной теоретической иллюстрацией как с положительными, так и с отрицательными аспектами (то, что AIXI может делать, и то, что, возможно, не может). .
https://www.lesswrong.com/tag/aixi
2.2. "центральный вопрос для AGI - универсальное сжатие данных"
Arthur Franz(B) Independent Researcher, Odessa, Ukraine, Артур Франц
https://occam.com.ua/ru/how-we-plan-to-do-it/
2.3.
===моё===
Это серьезное заблуждение! Я их (Артура Франца и "Алексей Потапов - доктор технических наук, профессор университета ИТМО и СПбГУ" занимается AGI/ИИ) пару раз прижимал.
Контрпример очевиден: многокритериальная оптимизация не эквивалентна однокритериальной оптимизации!
Критериев обязано быть много, иначе моделирование ущербное, найденные оптимальные решения будут отвратительными.
И я их ловил на этом с примером сжатия и числом пи.
Они напрочь этого не понимают.
Хороший практический пример - трейдинг. Длина описания не важна. Что важно? Прибыль! Да важна, но не только. Важно соотношение типа профит-фактор (profit factor). Но и опять таки этого мало. ))
Им надо на бирже поработать и тогда поймут, что сжатие знаний не главное, не центральный вопрос AGI. )
===
--
3. Индукция Соломонова.
Р. Соломонов, “Машина для выводов по индукции”,
Математика, 2:1 (1958), 139-150;
http://mi.mathnet.ru/mat40
Бритва Оккама, индукция Соломонова.
https://deep-econom.livejournal.com/370787.html
--
4. Принцип минимальной сложности моделей
модели, алгоритмы, математика, сложность, эквивалентность описаний
https://deep-econom.livejournal.com/537100.html
ПРИНЦИП МИНИМАЛЬНОЙ СЛОЖНОСТИ МОДЕЛЕЙ И ЕГО ОСНОВАНИЯ
https://deep-econom.livejournal.com/105277.html
4.1. Кроме минимальности длины описания следует учитывать иные характеристики:
4.1.1. Время выработки описания/решения.
4.1.2. Сложность модели.
4.1.3. Определения сложности может быть очень разными.
4.1.3.1. Например, число узлов, количество связей, количество кластеров, спутанность, вычислительная сложность и т.п.
4.2. В простейших случаях напрашивается как минимум тройка: (длина описания, время, сложность).
---