Сильный искусственный интеллект (AGI, HLAI, SAI...)

[realeugene]

Pavia в сообщении #1352537 писал(а):

Распознавание слов строится не по буквам, а по слогам.

Тут оно происходит, скорее, не по слогам, а по словарю. Причём, узкому словарю, с учётом определённого по соседним словам контекста, что речь идёт про музыкальное произведение ("for clarnets and strings").

Интересны оптические иллюзии, в которых первоначально человек видит неправильно некоторую картинку, после чего замечает некоторую деталь, и видение картинки вдруг становится правильным. И после этого вернуться к неправильному видению картинки уже не получается.

[Mihaylo]

Yodine в сообщении #1352535 писал(а):

Вот и смотрим, хоть и не инженерно, но кибернетически!
У вас же подход, как в анекдоте "че думать, прыгать надо", коль скоро есть нейросетки и на них что-то можно получать, то кидаемся обучать и незачем думать об иных постановках задачи. Весьма узкий подход, хоть и локально практичен.

У вас очень высокое самомнение. На самом деле, от вашего "кибернетического представления" толку минус единица. Нету никакого кибернетической точки зрения, он у вас обывательский, основанный на голливудских фильмах. А вот инженерная мысля - она да, использует все реальные знания, факты, технологии.

Pavia в сообщении #1352537 писал(а):

В данной теме предлагалось обсуждать сильный ИИ, а не существующий.

Существующий интеллект - это реальное явление. Зачем обсуждать несуществующий? Никакой связи между "существующий" и "сильный" нету. Есть только две категории:
- нейронные сети, человеческий интеллект, существующий
- сильный интеллект (в негативном смысле), несуществующий интеллект, сказка, выдумка, фантазия

Pavia в сообщении #1352537 писал(а):

Распознавание слов строится не по буквам, а по слогам.

Лучше не делайте предположения. То, как мозг распознаёт текст, не сможет уложиться в имеющиеся понятия "буквы", "слоги", "слова", "предложения". Нужно придумать новый термин "букво-слого-слово-словосочетание", чтобы объяснить принципы распознавания. Вы рассуждаете чрезмерно банально, миллионы весов нейронной сети устроены намного сложнее.

Pavia в сообщении #1352537 писал(а):

Но вопрос в том что НС заточены под решения фиксированных задач. Они не способны хорошо работать в изменяющихся ситуациях. А сильный ИИ должен это делать.

Непонятно, откуда вы взяли, что кто-то кому-то должен. Очень сильно зависит от исходных данных, если данных и времени на обучение достаточно, то задачу можно решить. Если данных недостаточно, то задача не решается, либо решается плохо. Третьего не дано.

-- 08.11.2018, 09:57 --

Pavia в сообщении #1352537 писал(а):

Но вопрос в том что НС заточены под решения фиксированных задач. Они не способны хорошо работать в изменяющихся ситуациях. А сильный ИИ должен это делать.

Вы опять ударились в ошибочные рассуждения об аппроксимации, интерполяции, экстраполяции. Нейронные сети и любые научные методологии могут генерировать новую информацию только основываясь на фактах и минимальном уровне гипотез. Чем больше доля гипотезы, тем выше вероятность ошибки. Это закон природы, который вам никогда не удастся обойти. Научный прогресс идёт маленькими шажками: 1. выдвигается простая гипотеза, 2. проводится эксперимент, доказывающий или опровергающий гипотезу.

Если гипотезу строить сразу сложную и комплексную, то научный прогресс затормозится вследствие постоянных бесполезных петляний.

В общем наука и нейросети работают на основе аппроксимаций, интерполяций и экстраполяций. Это всё одно и тоже. Других вариантов нет.

[Pavia]

realeugene
Я имел ввиду не человека, а существующие подходы в OCR. Словарь он предназначен для распознавания известных слов.
Что делать когда слова неизвестные? Известных слов 0.1 от миллиона неизвестных 10 миллионов.
Выход был найден применяют словарь суффиксов, в широком смысле . Не знаю кто это заметил недопустимых сочетаний, но такие сочетания давно применяется в криптоанализе. Ну к примеру не встречаются жЫ, шЫ, цЫ, ьъ.

О применении суффиксов в OCR можете поискать в интернете ABBYY уже давно их применяет.
Тренируясь распознавать сразу суффиксы можно отгадывать не достающие символы.
Наличие 2-х методов распознавания. По буквам и по суффиксам позволяет ввести автодообучение.

realeugene в сообщении #1352539 писал(а):

Интересны оптические иллюзии, в которых первоначально человек видит неправильно некоторую картинку, после чего замечает некоторую деталь, и видение картинки вдруг становится правильным. И после этого вернуться к неправильному видению картинки уже не получается.

Тот триггер о котором вы пишете как раз и приводит к запуску механизма дообучения. Тут над бы проанализировать подробнее. После дообучения понятно, что не получится вернуться.
Откуда берётся у естественного интеллекта 2 и более способов само проверки? Что не даёт им слиться в один?


Mihaylo

Mihaylo в сообщении #1352541 писал(а):

Очень сильно зависит от исходных данных, если данных и времени на обучение достаточно, то задачу можно решить. Если данных недостаточно, то задача не решается, либо решается плохо. Третьего не дано.

А как определить достаточность данных? Кто определяет количество отпущенного времени?

Mihaylo в сообщении #1352541 писал(а):

Вы опять ударились в ошибочные рассуждения об аппроксимации, интерполяции, экстраполяции.

Это не рассуждения это факты. Вот почему ваш НС не справилась с простыми изображениями? Там полно цифр которых человек в лёт распознаёт. Разве ей не хватило данных или не хватило времени?
Я уже говорил что нужно добавить данные. Но вопрос в том что такие данные можно было бы получить для любой задачи используя достаточно универсальные эвристики. Вы же сами говорите так работает наука, но при этом не хотите её продвигать. Вот почему вы запрещаете мне выдвигать гипотезы? На самом деле я их ещё тут даже не начинал выдвигать.

Mihaylo в сообщении #1352541 писал(а):

В общем наука и нейросети работают на основе аппроксимаций, интерполяций и экстраполяций. Это всё одно и тоже. Других вариантов нет.

Наука давно ушла вперёд. А вы никак не хотите этого заметить. Зайдите на Kaggle посмотрите какие алгоритмы побеждают в топе и какие алгоритмы держатся в середине рейтингов.

[realeugene]

Pavia в сообщении #1352551 писал(а):

Словарь он предназначен для распознавания известных слов.

Присутствие слова в словаре известных слов - это очень сильный признак. Если непонятно какая хрень похожа на словарное слово, оно будет распознано по словарю. И человеком, и нормальным OCR.

Pavia в сообщении #1352551 писал(а):

О применении суффиксов в OCR можете поискать в интернете ABBYY уже давно их применяет.

Спасибо, обязательно ознакомлюсь.

[Yodine]

Сайт попался на "народе", ник alephegg кажется знакомым.
Сайт заброшеный, видимо были отражены взгляды примерно 20 летней давности http://alephegg.narod.ru/Method.htm .

[Pphantom]

Очевидный оффтопик отделен в тему «Об амперсанде». SergeCpp - замечание за оффтопик.

[Yodine]

Mihaylo в сообщении #1352541 писал(а):

В общем наука и нейросети работают на основе аппроксимаций, интерполяций и экстраполяций. Это всё одно и тоже. Других вариантов нет.

Вот стало крайне любопытно, в каких учебных заведениях учат такому радикальному подходу. Вопрос ближе к риторическому.
Куда же девать всю сонму монографий, книг, статей, диссертаций относящихся к ИИ, но не относящихся к нейросетям. Методов и моделей искусственного интеллекта весьма много.
Берем, например, "Дисциплина: «Методы искусственного интеллекта » ... Г.С.Осипов, ФИЦ ИУ РАН, зам. директора по научной работе, д.ф.-м.н." и смотрим в программу, там много не относящегося к нейросетям.

-- 08.11.2018, 13:19 --

Mihaylo в сообщении #1352541 писал(а):

У вас очень высокое самомнение. На самом деле, от вашего "кибернетического представления" толку минус единица. Нету никакого кибернетической точки зрения, он у вас обывательский, основанный на голливудских фильмах. А вот инженерная мысля - она да, использует все реальные знания, факты, технологии.

Нейросети это один из методов в рамках кибернетического подхода. Есть ииные подходы, например, экспертные системы, системы логического вывода, символьного вывода и т.п.

[Alephegg]

Yodine в сообщении #1352669 писал(а):

в каких учебных заведениях учат такому радикальному подходу.

Формула простая, на мой вкус: чем категоричнее человек, тем менее он умен и образован. Исключение может составлять полемические приемы (тот же троллинг), когда гиперболизация - это попытка "расскрыть" собеседника, а не обсудить предмет и тонкости его устройства.

[Mihaylo]

Yodine в сообщении #1352669 писал(а):

Вот стало крайне любопытно, в каких учебных заведениях учат такому радикальному подходу.

Ни в каком учебном заведении не учат такому: типа нейросети - это отстой, им уже 60 лет и току ноль, надо что-то мощнее... Сами не знаем, чего хотим, но не хватает чего-то такого, во что можно по-настоящему поверить.
Извините, в науке не фантазируют.

Нормальное обучение и плюсом небольшая практика развеет в вас представление о могуществе человеческого мышления. Вот вы сами ровным счётом ни чему не обучились, ничего не вывели уже на протяжении 12 страниц обсуждения, хотя вроде как сильненькие интеллехты... Что же происходит? Почему так?

Да вы даже не пытаетесь на вопросы эти ответить, вы только цепенеете от "радикальных подходов". Мозг непластичный.

Yodine в сообщении #1352669 писал(а):

Нейросети это один из методов в рамках кибернетического подхода. Есть ииные подходы, например, экспертные системы, системы логического вывода, символьного вывода и т.п.

Это всё понятно. Нейросети можете обобщить до методов машинного обучения - это более широкий класс алгоритмов. И это здоровенный класс отличается тем, что они работают на большом количестве обучающих данных, при этом от разработчика требуют лишь несколько гиперпараметров. Методы эти почти самостоятельны. Вот этим они отличаются.

[Yodine]

Mihaylo в сообщении #1048607 писал(а):

Хочу изучить основы алгебры.
У меня нематематическое образование - "Электропривод и автоматика промышленных установок". В институте математика была где-то года полтора всего, этот курс и школьный курс знаю хорошо. Интегралы, дифференциалы, ряды, пределы, линейная алгебра, матрицы - все эти основы известны.
Всю жизнь занимался самообразованием, умею это делать: дополнительно изучил немного теорию вероятностей, комбинаторику, математическую статистику, теорию графов, производящие функции. Сейчас вообще здорово - купил планшет, на ютубе можно найти неплохие видеолекции.

Посмотрел открытые вами темы, первая же тема мне дала ответ на мой вопрос.

-- 08.11.2018, 13:58 --

Mihaylo в сообщении #1258791 писал(а):

Изучаю осенний курс по машинному обучению на coursera от Воронцова К.В. Начал немного разбираться в Питоне.

Mihaylo в сообщении #1206634 писал(а):

Я тут в свободное время изучал машинное обучение (теорию). Как говорится, теория без практики суховата... Вроде все понятно, но запоминается не так хорошо. Надо бы немного позаниматься практикой.

дата 25.10.2017.

[Mihaylo]

Ооо, да, алгебру пытался начать изучать. Мне сказали, линейную алгебру с нуля надо изучать, иначе дальше не попрёт, я почитал пару параграфов и поник.

Настоящая алгебра - это для сильных. И желателен волшебный пендаль в виде экзаменов в течение трёх лет.

[Alephegg]

Mihaylo в сообщении #1352687 писал(а):

я почитал пару параграфов и поник.

Не расстраивайтесь, линейная алгебра - это, фактически, основа машинного обучения и нейронных сетей. Вы просто не будете знать как они работают, а всё остальное останется тем же...

[Mihaylo]

Базовый воронцовский курс на cursera.org достаточно простой. Теорию там плохо дают, гораздо лучше смотреть доступные лекции на ютубе от него же. А вот практическое программирование мощное: ты сразу получаешь готовые или плохо подготовленные обучающие данные и начинаешь их готовыми нейро-фреймворками утюжить. Начальный уровень дают подходящий, чтоб дальше идти в самостоятельное плавание. После этого можно хоть Scikit, хоть Keras, хоть Tensorflow юзать. Можно в Kaggle заходить после этого.

MNIST с трёхслойным перцептроном - это я уже на Qt/C++ сам сбацал с нуля. Везде в интернете на базе сигмоиды примеры даны, а я хотел как в Scikit на базе ReLU. Разобрался, переделал ReLU. Даже удалось реализовать mini-batch-технику.

-- 08.11.2018, 19:16 --

Alephegg в сообщении #1352692 писал(а):

линейная алгебра

Вы не очень внимательно читаете, так как зависть застилает глаза. Обратите внимание: настоящая алгебра. Это вам не умение находить обратные матрицы, ранги считать, детерминанты - то, что вы проходили в универе на непрофильном факультете под двухдневным курсом с названием "алгебра матриц".

Если бы вы знали алгебру по-настоящему, то немного по-другому держались бы. В настоящей алгебре доказательства имеют особый вес. И это самый сложный раздел математики. В нейронных сетях достаточно базовых знаний.

[Alephegg]

Mihaylo в сообщении #1352693 писал(а):

настоящая алгебра

Я должен разочаровать Вас, мой друг, нет такой дисциплины в математике как "настоящая алгебра" , все алгебры настоящие...

[Yodine]

Mihaylo в сообщении #1352687 писал(а):

И желателен волшебный пендаль в виде экзаменов в течение трёх лет.

Вот именно желательно чуть больше почитать, поизучать. На память, у Воронцова тоже есть много про что, кроме нейросетей. А потом уже степень категоричности высказываний можно будет повышать. )