Вы все равно не найдёте доказательств того, что существует некий усилитель интеллекта, который позволит избежать длительного, тонкого и целенаправленного обучения.
Мне не нравится ваш термин "усилитель интеллекта", термин я бы сказал прикольный и даже некоторую суть передает, после расшифровки, а именно " который позволит избежать длительного, тонкого и целенаправленного обучения". Я бы назвал этот блок "блоком мышления" (или чуть скромнее - блок обучения, который подсистемы блока мышления), чтобы не было отрицательной коннотации и суть точнее. Это не усилитель интеллекта, это сам интеллект и есть - блок мышления.
Пример. Есть какой-либо алгоритм сортировки/поиска/получения псевдослучайных чисел (берем классические задачки из Кнута). Можно создать более тонкие алгоритмы сортировки, поиска, генерации псевдослучайных чисел (ПСЧ). Для этого надо изучить предметную область, развить какие-то теории, доказать теоремы и т.п., это все позволит создать оптимальные алгоритмы. А можно пытаться обучить нейросетку сортировать, искать, генерировать ПСЧ. Эти разные пути могут привести к похожим результатам. Но путь через нейросетки не является оптимальным в области создания алгоритмов сортировки/поиска/получения ПСЧ.
Нейронные сети могут научиться любым вещам, их обучение достаточно эффективное, надо только это самое обучение обеспечить.
Коль скоро можно моделировать машину Тьюринга на нейросетях, то можно научить нейросети и любым вещам. Мы с вами это уже понимали в какой-то из двух недавних дискуссий.
Создать программу, умеющую те же вещи, что и обученная нейросетка, можно еще более простым способом: генерировать в лексикографическом порядке все возможные цепочки двоичных символов, среди них время от времени будут появляться и нужные программы, которые будут решать нужные задачи. Но мы так не делаем? Почему? По причине практической неоптимальности.
Аналогично и с нейросетками, они полезны и нужны, и востребованы, и практически полезны на текущий момент, они оказались в некоторых областях и задачах эффективнее, чем иные алгоритмы. Но в плане общего решателя задач они неэффективны и неоптимальны. О чем я и талдычу тут уже давно и неоднократно.
Поэтому и говорю, что нужен иной подход, более общий. Для этого требуется понять многие вопросы наподобие, что такое мышление и т.п.
Но! Генерализация может дать подобный эффект. Нейронные сети могут использовать эффект генерализации.
Вот и надо создать специализированный генерализатор/генератор эвристик/генератор мышления аналогичный тому, какой имеет человек или хотя бы мышка. Такой генерализатор он, естественно, не обязан использовать человекоподобные механизмы мышления, но скорее всего будет в некоторой части похож, поскольку у нас просто иного примера нет, поэтому и будем нащупывать эти алгоритмы по образу и подобию (подобие здесь может быть весьма абстрактным).
-- 05.11.2018, 11:29 --Вы опять упускаете генетически обусловленную правильную первоначальную архитектуру нейросети и закодированную в культуре процедуру обучения посредством родителей и учителей, обучающих новые нейросети на примере старых. Естественный отбор, отбирающий правильные, хорошо обученные нейросети, способные к генерализации, тоже важен.
Поддерживаю примерно такую позицию.
-- 05.11.2018, 11:50 --И еще к вопросу о соотношении "усилителя интеллекта" и нейросетях.
Усилители есть везде и часто, сервоприводы, гидроусилитель руля автомобиля, усилители низкой/высокой частоты и т.п. Усилители это нормально.
При обучении нейросетей таким "усилителем интеллекта" и является человек, ставит цели, планирует эксперимент, готовит данные, планирует тип сети, планирует обучение, вводит критерии обучения и т.п. Задача как раз и стоит сделать "универсальный калькулятор" (универсальный решатель задач), который бы все вышеуказанные задачи брал бы на себя, создавал конкретные алгоритмы нейросетей, готовил датасеты и далее по списку.