Про Нейросети, Искусственный Интеллект, Языки Программирования, и всё-всё-всё. "Нахождение нового".

[monster]

Продолжение начатого в прошлом посте описание "алгоритма" Искусственного Интеллекта.

Лимит поста как обычно подкрался неожиданно. Надо было прерваться пораньше, но этот пост будет готов не ранее следующего дня, так что думаю лучше было написать побольше, пусть здесь многое и придётся повторить.

Comments

[monster]

Теперь думаю стоит затронуть ещё один нетривиальный момент:

- как заставить машину понимать образы?

(*) Что представляют из себя эти "машинные образы", я вроде бы описал.
(*) Как они читаются, тоже описал, пусть и не глубоко, но вещь вроде тривиальная и должна быть понятной.
(*) Связь образов с "машинными эмоциями" и процесс принятия решений тоже чуток затронул.
(?) А вот момент взаимодействия "образов" и "машины", пока практически не затрагивал.

Машинные образы внутренее неоднородны.

Во-первых, нужно чётко выделять высокоуровневые абстрактные образы, которые являются конструкцией из более примитивных элементов, и которые могут быть лишь только "мыслью", вообще не имея никакой материализации, НО, они конечно же могут быть как-то связаны с "действительно существующими" объектами, т.е. "которые машина может потрогать". Это что-то вроде "мыслей-формул", то есть эти сущности могут появляться лишь в результате "размышлений", то есть какой-то последовательности логических операций. То есть "связь" образов и машины для данной группы производится через "машинную логику".

Во-вторых, существуют "действительно существующие" объекты, т.е. "которые машина может потрогать". Это нечто, что доступно по каналам информации, и что машина может научиться "опознавать". В случае "текстового" канала, это будут "слова", в случае "графического" канала, это будут фигуры, цвета, и прочие "шаблоны".

В-третьих, существуют "характеристики", "свойства", которые сразу же ранжируют все объекты. "Поштучное" ранжирование заведомо невозможно из-за колоссального количества объектов, и поэтому объекты будут группироваться, и ранжирование чаще всего будет проводиться сразу целыми группами, возможно с добавлением каких-то особенностей, которые будут разделять группу сразу на несколько групп.

В-четвёртых, это "группы", "обобщения", "абстракции", то есть особые образы, включающие в себя другие образы, и имеющие обобщённые характеристики. У образов должны быть некоторые уровни абстракции, одновременно фиксирующие точку зрения, и более-менее определяющие рамки использования этих обобщений.

В-пятых, должны существовать некоторые "специальные образы", которые должны быть жёстко связаны с некоторыми операциями, например, упомянутые выше "уровни абстракции", которые должны быть жёстко связаны с процессом абстрагирования. Этот процесс должен присутствовать с самого начала, потому что "породить его" в неявном виде где-то в глубине нейросети, практически невозможно. Я не думаю, что когда-либо программы начнут писаться "генератором случайных чисел" с последующим отсевом неработоспособного, как это происходит в процессе Эволюции: если заработало, то оставляет потомство, а если нет то нет. Ну и возможности "кремния" существенно ограничены, сложности мозга он сможет достичь очень и очень нескоро. Так что везде где можно придётся делать "ускорители", которые будут явно вводить то, что нужно и полезно. Соответственно, будут нужны и спец-образы.

В-шестых, будут нужны "образы-команды" и "образы-идентификаторы", то есть особые спец-образы, использование которых будет работать как "исполняемый код". Машина изначально будет иметь предельно ограниченный набор механизмов, который даст столь же ограниченный набор идентификаторов и команд. Это "основной" инструмент взаимодействия "образов" и "машины", а остальной набор "образов" будет являться уже скорее "данными", НО, точно также, как и у машинного кода современных процессоров, ячейка памяти может заниматься не только данными, и не только конечными командами, но и набором команд по обработке данных, в том числе всякая математика, и логика.

В-седьмых, будут нужны "образы-команды обработки данных", то есть всякая математика и машинная логика. Причём этот набор должен быть много полнее используемого ныне, потому что появление визуального канала автоматически потребует обучение машины "топологии" в смысле соответствующего подраздела математики.

[monster]

Итого, "машинная мысль" представляет собой классический "код", собственно компьютеры изначально называли "мыслящими машинами", но конечно же логическим автоматам очень далеко до полноценного мышления. Слабость компьютеров в ограниченности команд, роботы скорее представляют собой железных продвинутых "дрессированных собак", а до полноценного мышления им ещё очень далеко. Требуется хотя бы научить их пополнять свою "базу знаний", то есть всё то, о чём я писал в этой серии постов.

Описанные "группы образов" тоже очень похожи на команды машинных кодов:
"7" и
"6" - чистые машинные команды, арифметика, логика, и идентификаторы;
"2" - живые данные с портов, "потоки", и т.д.;
"1" - классические "процедуры" и "функции".

Далее добавляются особые штуки для работы с образами, "ассоциативная память":
"4" - контейнеры для данных, описатели, и т.д.;
"3" - "правило", по которому работает "ассоциативная память".

И потом:
"5" - особые специфические нововведения, которые я могу описать только частично.

Таким образом, "правильный компьютер" должен иметь улучшенные механизмы работы с виртуальными структурами данных, то есть позволять выделение структур изменяемого объёма, и желательно иметь дополнительные процессоры для обработки данных в памяти. Сейчас каким-то подобием "ассоциативной памяти" являются _видеокарты,_ которые имеют достаточно продвинутые процессоры, типично уступающие "центральному процессору" только отсутствием особых спецфункций. В х86 и особенно в Windows всё конечно же делается строго "через жопу", за что эта платформа и горячо любима разработчиками, потому что загружает их работой на долгие годы вперёд, но оно вобщем "работает", и худо-бедно позволяет достаточно многое уже сейчас.