Как сделать так, чтобы ИИ сам себя самосовершенствовал?
Таких систем не существует в природе. Есть только обучающиеся системы - это такие, которые становятся более совершенными в результате получения и обработки внешних данных. Слог "само" в "самосовершенствовании" - лишний.
Но вопрос остается - как научить робота ориентироваться в произвольной ситуации.
В какой такой "произвольной" ситуации?
1. В универсуме задач имеется очень маленький класс специальных задач, в решению которых предъявлены, как правило, невысокие требования, и данные для обучения которым доступны в избытке. Эти задачи успешно решаются людьми.
2. Для роботов некоторые данные недоступны, зато доступны другие данные, поэтому их аналогичный класс успешно решаемых задач немного отличается. Но смысл тот же.
3. И у тех, и у других есть обширные области нерешаемых задач.
Чтобы описать эти задачи математически необходимо оценить требования к их решению и наличие данных. Это труднорешаемая проблема. А вы опять со своим универсумом... Ни в пень, ни в колоду.
-- 09.04.2024, 18:03 --Но! Хотите математику?
Есть функция
![$y = f(x_1, x_2, ..., x_n, w_1, w_2, ..., w_m)$ $y = f(x_1, x_2, ..., x_n, w_1, w_2, ..., w_m)$](https://dxdy-02.korotkov.co.uk/f/5/1/e/51e50239234e24e4bdbd54f0e99f0bfd82.png)
.
Предъявляются
правильные примеры (обучающие данные) в виде таблицы:
![$x_{1,1}, x_{2,1}, ..., x_{n,1}, y_1$ $x_{1,1}, x_{2,1}, ..., x_{n,1}, y_1$](https://dxdy-03.korotkov.co.uk/f/e/0/a/e0aec7594d295a29ebe45d905a01277d82.png)
![$x_{1,2}, x_{2,2}, ..., x_{n,2}, y_2$ $x_{1,2}, x_{2,2}, ..., x_{n,2}, y_2$](https://dxdy-02.korotkov.co.uk/f/5/1/d/51dda95b3caaeb1f835a04b2666255b782.png)
...
![$x_{1,k}, x_{2,k}, ..., x_{n,k}, y_k$ $x_{1,k}, x_{2,k}, ..., x_{n,k}, y_k$](https://dxdy-01.korotkov.co.uk/f/8/d/3/8d3e9c50952e6ce76a5574ab72afd83782.png)
Функция
![$f()$ $f()$](https://dxdy-02.korotkov.co.uk/f/5/f/9/5f954f0890e759b145da7cc998a0b4a082.png)
аппроксимируется к значениям в таблице путем корректировки коэффициентов (весов)
![$w_1, w_2, ..., w_m$ $w_1, w_2, ..., w_m$](https://dxdy-03.korotkov.co.uk/f/e/6/9/e69ad4a6b2b27725ce8772feaf150b2282.png)
.
Этот процесс называется
обучением или в более широком смысле
адаптацией.
Существует множество видов функций
![$f()$ $f()$](https://dxdy-02.korotkov.co.uk/f/5/f/9/5f954f0890e759b145da7cc998a0b4a082.png)
, размеры
![$n$ $n$](https://dxdy-02.korotkov.co.uk/f/5/5/a/55a049b8f161ae7cfeb0197d75aff96782.png)
,
![$m$ $m$](https://dxdy-01.korotkov.co.uk/f/0/e/5/0e51a2dede42189d77627c4d742822c382.png)
и
![$k$ $k$](https://dxdy-03.korotkov.co.uk/f/6/3/b/63bb9849783d01d91403bc9a5fea12a282.png)
, критерии оптимизации (аппроксимации), алгоритмы оптимизации (аппроксимации) и разные постановки задач, т.е. значения
![$x_i$ $x_i$](https://dxdy-02.korotkov.co.uk/f/9/f/c/9fc20fb1d3825674c6a279cb0d5ca63682.png)
и
![$y$ $y$](https://dxdy-02.korotkov.co.uk/f/d/e/c/deceeaf6940a8c7a5a02373728002b0f82.png)
... Но смысл общий - аппроксимация.