Rationality: From AI to Zombies
Книги довольно сложно оценивать и сравнивать между собой. Какие-то книги мы ценим за их литературные качества, какие-то - за их увлекательность, какие-то - за идеи, которые они содержат. Для меня есть одна категория книг, стоящая особняком. Это книги, которые каждому стоит прочитатьЭта оценка не совсем совпадает с "лучшими книгами всех времён". К
( Read more... )
Есть разные типы ИИ. Как минимум, есть optimizer, есть satisfier. В задачах, где нужно не просто выдать результат, а что-то делать (AlphaGo, self-driving car), приходится использовать комбинацию ML с какими-то стратегиями немного другого уровня.
И да, я читал Бострома на счёт того, что граница между разными видами ИИ не настолько определённая как кажется на первый взгляд.
> аксиомах поля R2
[nitpicking mode on] R2 -- это не поле, а линейное пространство, и аксиом у него нету, так как это производная конструкция.
> алгоритм решения системы линейных уравнений в общем виде
У нас в принципе нет сейчас решения для этой задачи, кроме полного перебора алгоритмов. Я мог бы поспекулировать как это будет когда-нибудь работать, но во-первых, это будет наполовину гадание на кофейной гуще, а во-вторых, это слишком большая тема для комментария.
> Олег, как в Google Assistant результат распознавания речи зависит от длины фразы?
Я не знаю точного ответа, но по идее для более длинных фраз распознавание должно работать лучше.
Reply
"...Я не знаю точного ответа, но по идее для более длинных фраз распознавание должно работать лучше..." - Вы контекст используете?
"...Я мог бы поспекулировать как это будет когда-нибудь работать, но во-первых, это будет наполовину гадание на кофейной гуще, а во-вторых, это слишком большая тема для комментария..." - это очень интересно, почему бы написать об этом не в комментариях, а допустим в отдельном посте?
Reply
Я имею в виду, что R2, как и большинство прочих математических конструкций строится в обычной аксиоматике теории множеств, либо аксиоматике натуральных чисел. Для них не нужно отдельной теории.
> "...Я не знаю точного ответа, но по идее для более длинных фраз распознавание должно работать лучше..." - Вы контекст используете?
Да, конечно.
> "...Я мог бы поспекулировать как это будет когда-нибудь работать, но во-первых, это будет наполовину гадание на кофейной гуще, а во-вторых, это слишком большая тема для комментария..." - это очень интересно, почему бы написать об этом не в комментариях, а допустим в отдельном посте?
Для отдельного поста у меня нет достаточно хорошего понимания предмета, чтобы об этом писать.
Интуитивно, мне кажется, главная проблема в создании автоматического доказывателя теорем в определении "важности". В ходе любого математического рассуждения мы вводим новые определения и доказываем промежуточные утверждения. Ключевое искусство, которое для этого необходимо, и которое сложно описать в программе -- это отделение полезных/важных определений и утверждений от бесполезных.
К примеру, я могу взять все числа, которые делятся на 17 и дают остаток 127 от деления на 239 и назвать их множество XYZ. Это формально корректное определение, описывающее некоторое множество чисел. Но будет ли такое определение полезно? Стоит ли доказывать про это множество какие-то утверждения? Скорее всего нет, так как это множество принципиально не отличается от любого другого множества чисел S, дающих остаток a от деления на одно простое число p, и остаток b от деления на другое число q. Про множество XYZ очень сложно придумать содержательное утверждение, которое бы не было частным случаем утверждения про множество S.
Вторая задача -- это отделение содержательных утверждений от бессодержательных.
Возьмём, к примеру, опять множество чисел S, сравнимых с a (mod p) и b (mod q). Я могу сформулировать про эти числа два разных утверждения:
1. Если p ≠ q, то таких чисел бесконечно много.
2. Если в этом множестве есть хотя бы одно чётное число, то это множество непусто.
Оба этих утверждений верны, но первое гораздо содержательнее и полезнее второго.
Возвращаясь к изначальному вопросу, если у нас будут хорошие алгоритмы для того, чтобы отличать содержательные определения и утверждения от менее содержательных, задача автоматического поиска доказательств почти наверняка решена. Достаточно просто начать генерировать доказательства содержательных утверждений про объекты из условия, и подождать, пока мы не сгенерируем наше утверждения.
Какой из известных нам методов ML и AI может в этом помочь? Я, честно говоря, не знаю. Возможно, мы ещё не изобрели подходящего метода для этой задачи.
Reply
И здесь мне хочется вернуться к этому месту "...Вы контекст используете?
Да, конечно..." - а как Вы его используете?
Олег, у Вас есть публикации, я бы с удовольствием почитал Ваши идеи, про отделение "важного" от "не важного"
Reply
Увы, нет. :) Я же обещал гадание на кофейной гуще, а не работающий алгоритм.
> И здесь мне хочется вернуться к этому месту "...Вы контекст используете?
> Да, конечно..." - а как Вы его используете?
Увы, не могу рассказать. Во-первых, потому что сам в подробностях не знаю, а во-вторых, потому я уверен, что это не открытая информация.
> Олег, у Вас есть публикации, я бы с удовольствием почитал Ваши идеи, про отделение "важного" от "не важного"
К сожалению нет. И в любом случае, это так, рассуждения в комментариях к посту в ЖЖ, а не серьёзное исследование.
Reply
:)
Reply
Leave a comment