Size: a a a

AI / Искусственный Интеллект

2019 September 01

Y

Yurii in AI / Искусственный Интеллект
Defragmented Panda
это первый раз когда ты хоть что-то выразил хоть немного близко к логике.

(скорее просто согласившись с моим вариантом)

обвиняя меня в проблемах с логикой
Люди разные,  понятие логики видимо у каждого свое. Тоесть все же к правилам мы все таки пришли?)
источник

DP

Defragmented Panda in AI / Искусственный Интеллект
Yurii
Люди разные,  понятие логики видимо у каждого свое. Тоесть все же к правилам мы все таки пришли?)
нет. мы лишь пришли к тому что вы выразили свою позицию
источник

Y

Yurii in AI / Искусственный Интеллект
😀
источник

DP

Defragmented Panda in AI / Искусственный Интеллект
Defragmented Panda
т.е. ваш аргумент таков

"в школе учат правилам. следовательно люди думают правилами"

?
доказательство обратного

1) человек думает нейронами. никаких бд в мозгу нет. все пишется в нейроны и человек все же запоминает правило (логика, как вы любите)

2) можно провести анализ активности нейронов во время обучения и решения задачи с гравитацией. "правило" будет выглядеть так: при запросе на правило будут активироваться нейроны отвечающие за произношение слова гравитация, его написание, визуальное отображение символов формулы и графика. это совершенно непохоже на мышление на основе правил (экспериментальная проверка. научный метод)
источник

DP

Defragmented Panda in AI / Искусственный Интеллект
вот таких ответов я от вас ждал.

а вместо этого вы давали все новые бездоказательные тезисы

меньше тезисов, больше (попыток) доказательства существующих тезисов.

просто высказать тезис (из а следует б) - совершенно недостаточно.

вы должны показать что действительно следует.

если на запрос подтверждения вы просто генерируете новый тезис (из г следует д) - стоит задуматься зачем вы давали прошлый тезис если не готовы его защищать.

чем больше тезисов - тем сложнее вести беседу.

каждый новый тезис должен быть признанием поражения прошлого тезиса.
источник

VD

Valery Datsyuk in AI / Искусственный Интеллект
Defragmented Panda
нейронки на основе кремния считают со скоростью кремния.

это ложный аргумент.
во много раз медленнее, поскольку ширпотреб процы выполняют команду за много тактов, чтобы эмулировать нейрон требуется много логических элементов, которые требуют много вычислительных ресурсов.
если мы говорим  не о CUDA (там тоже есть бутылочное горлышко в виде загрузки/выгрузки данных и ограниченной памяти) или о нейропроцессорах, где жёсткая архитектура.

1.5 млрд. признаков впечатлили, но
единственное умение GPT-2, обученного на восьми миллионах текстовых веб-страниц, — предсказывать последующее слово.  

для agi маловато умений.
источник

VD

Valery Datsyuk in AI / Искусственный Интеллект
nplus1.ru
Составлена подробная карта семантического словаря мозга
«Семантический словарь», связывающий слова с их значениями, распределен по всей коре головного мозга. Американские ученые составили его подробный атлас, показав, что слова в нем группируются по смыслам, и тематика каждого семантического поля ассоциирована с функцией соседних областей мозга. Отчет о работе публикует журнал Nature.Речь и язык – одна из самых сложных функций мозга. В отличие от многих других, она не имеет более или менее определенной локализации. Широко известны расположенные в височной доле левого полушария области Вернике и Брока, однако они отвечают лишь за сенсорное восприятие слов и моторику их воспроизведения. При этом «словарь», хранящий значения отдельных слов, буквально размазан по коре тонким слоем. Исследователи из лаборатории профессора Калифорнийского университета в Беркли Джека Гэлланта (Jack Gallant) составили подробный атлас расположения этих семантических полей в мозге. Его интерактивная модель представлена на сайте лаборатории.К изучению семантической системы мозга ученые приступали…
источник

DP

Defragmented Panda in AI / Искусственный Интеллект
Valery Datsyuk
во много раз медленнее, поскольку ширпотреб процы выполняют команду за много тактов, чтобы эмулировать нейрон требуется много логических элементов, которые требуют много вычислительных ресурсов.
если мы говорим  не о CUDA (там тоже есть бутылочное горлышко в виде загрузки/выгрузки данных и ограниченной памяти) или о нейропроцессорах, где жёсткая архитектура.

1.5 млрд. признаков впечатлили, но
единственное умение GPT-2, обученного на восьми миллионах текстовых веб-страниц, — предсказывать последующее слово.  

для agi маловато умений.
вы тоже лишь придумываете следущее слово, печатая его за предыдущим.
источник

VD

Valery Datsyuk in AI / Искусственный Интеллект
Defragmented Panda
покажи лучше
показал же калькулятор считает быстрее,
источник

DP

Defragmented Panda in AI / Искусственный Интеллект
Valery Datsyuk
показал же калькулятор считает быстрее,
видеокарта (без выгрузки данных в цпу. или асик) уже быстрее калькулятора на шаг просчета нейронки.
источник

Y

Yurii in AI / Искусственный Интеллект
Defragmented Panda
доказательство обратного

1) человек думает нейронами. никаких бд в мозгу нет. все пишется в нейроны и человек все же запоминает правило (логика, как вы любите)

2) можно провести анализ активности нейронов во время обучения и решения задачи с гравитацией. "правило" будет выглядеть так: при запросе на правило будут активироваться нейроны отвечающие за произношение слова гравитация, его написание, визуальное отображение символов формулы и графика. это совершенно непохоже на мышление на основе правил (экспериментальная проверка. научный метод)
Никто и не говорил про какие-то бд. Информацию вы все же запоминаете, а как это происходит дело десятое.
Все же на слово гравитация будет какой-то запрос?) Как оформлено правило(это условное название) в виде формул или чего либо еще не важно. Факт в том что эти формулы получились не в результате обучения нейронок и получены извне.
источник

DP

Defragmented Panda in AI / Искусственный Интеллект
Yurii
Никто и не говорил про какие-то бд. Информацию вы все же запоминаете, а как это происходит дело десятое.
Все же на слово гравитация будет какой-то запрос?) Как оформлено правило(это условное название) в виде формул или чего либо еще не важно. Факт в том что эти формулы получились не в результате обучения нейронок и получены извне.
эти формулы придумали другие нейронки.

и они лишь удобный способ коммуникации между нейронками.

тот самый мост о котором я говорил раньше
источник

VD

Valery Datsyuk in AI / Искусственный Интеллект
Defragmented Panda
вы тоже лишь придумываете следущее слово, печатая его за предыдущим.
И Пушкин, ага, старался, тольлко почему не вылетает слово сразу, а тщательно обдумывается, какое лучше передаст смысл, ту самую семантику.
источник

DP

Defragmented Panda in AI / Искусственный Интеллект
Valery Datsyuk
И Пушкин, ага, старался, тольлко почему не вылетает слово сразу, а тщательно обдумывается, какое лучше передаст смысл, ту самую семантику.
слабый аргумент.

результат похож, остальное не важно.
источник

VD

Valery Datsyuk in AI / Искусственный Интеллект
Defragmented Panda
доказательство обратного

1) человек думает нейронами. никаких бд в мозгу нет. все пишется в нейроны и человек все же запоминает правило (логика, как вы любите)

2) можно провести анализ активности нейронов во время обучения и решения задачи с гравитацией. "правило" будет выглядеть так: при запросе на правило будут активироваться нейроны отвечающие за произношение слова гравитация, его написание, визуальное отображение символов формулы и графика. это совершенно непохоже на мышление на основе правил (экспериментальная проверка. научный метод)
поскольку инфа хранится в нейронке человек плохой свидетель, он начинает придумывать то чего не было, при этом совершенно уверн, что именно так и было.  и это ещё один минус нейронок.
в бд данные всё же поточнее будут.
источник

DP

Defragmented Panda in AI / Искусственный Интеллект
Valery Datsyuk
nplus1.ru
Составлена подробная карта семантического словаря мозга
«Семантический словарь», связывающий слова с их значениями, распределен по всей коре головного мозга. Американские ученые составили его подробный атлас, показав, что слова в нем группируются по смыслам, и тематика каждого семантического поля ассоциирована с функцией соседних областей мозга. Отчет о работе публикует журнал Nature.Речь и язык – одна из самых сложных функций мозга. В отличие от многих других, она не имеет более или менее определенной локализации. Широко известны расположенные в височной доле левого полушария области Вернике и Брока, однако они отвечают лишь за сенсорное восприятие слов и моторику их воспроизведения. При этом «словарь», хранящий значения отдельных слов, буквально размазан по коре тонким слоем. Исследователи из лаборатории профессора Калифорнийского университета в Беркли Джека Гэлланта (Jack Gallant) составили подробный атлас расположения этих семантических полей в мозге. Его интерактивная модель представлена на сайте лаборатории.К изучению семантической системы мозга ученые приступали…
вот это уже интересно
источник

Y

Yurii in AI / Искусственный Интеллект
Defragmented Panda
эти формулы придумали другие нейронки.

и они лишь удобный способ коммуникации между нейронками.

тот самый мост о котором я говорил раньше
Мы рассматриваем сейчас человека. В любом случае эта инфа приходит уже в виде правил(условно)
источник

DP

Defragmented Panda in AI / Искусственный Интеллект
Valery Datsyuk
поскольку инфа хранится в нейронке человек плохой свидетель, он начинает придумывать то чего не было, при этом совершенно уверн, что именно так и было.  и это ещё один минус нейронок.
в бд данные всё же поточнее будут.
точность нейронок выше систем на основе правил для почти всех задач реального мира. типа анализ рака по фоткам или риска в банке.

поэтому мое мнение - правила должны быть исключительно мостом между двумя нейронками (или памятью той же нейронуи что запросила)

и никогда главным способом получения инфы извне нейронки.
источник

DP

Defragmented Panda in AI / Искусственный Интеллект
Yurii
Мы рассматриваем сейчас человека. В любом случае эта инфа приходит уже в виде правил(условно)
но обрабатывается нейронкой человека и всегда ломается при записи.

люди ломают правило и записывают его в память по разному (согласно тому какие нейроны активировались раньше)

они могут согласится с мат формулой, но не в последствиях например (применение формулы в не-тривиальных случаях)
источник

Y

Yurii in AI / Искусственный Интеллект
Defragmented Panda
но обрабатывается нейронкой человека и всегда ломается при записи.

люди ломают правило и записывают его в память по разному (согласно тому какие нейроны активировались раньше)

они могут согласится с мат формулой, но не в последствиях например (применение формулы в не-тривиальных случаях)
Речь была за правила впринципе. Ломают там или нет не столь важно.
Тоесть что имеем в итоге. Другие нейронки вывели какие-то закономерности и сформировали например формулу и передали это другой нейронке. Нейронка приняла формулу(правило) и может уже действовать согласно ей, а не обучаться.
источник