Pull to refresh

Comments 11

«Лили – лебедь. Лили белая. Грег – лебедь. Какой цвет Грега?»

Правильный ответ — мы не знаем. Белизна может как быть свойством всех «лебедей», может быть привязанной к другим свойствам «лебедя» (например, полу — не зря же в задаче явно женское и явно мужское имя), так и вовсе не иметь никакого отношения к лебедям.

Неизвестно и то, взяла ли Сара с собой в офис мяч. Может, дома оставила, а может, прихватила, чтобы после офиса пойти на спортплощадку, не заходя домой.

Собственно, поэтому логические задачи формулируются более строго.
Например: Все лебеди одного цвета. Лили — лебедь. Лили белая. Грег — лебедь.
более совершенный ИИ мог бы собрать информацию про лебедей и выдать ответ о цвете в виде несколькиз цветов с разными вероятностями.

Правильный ответ — Вероятность того что Грег белый 0.85, черный 0.1, другого цвета 0.05. Bayesian Network

Было бы хорошо, если бы эти сети могли строить себя сами

/sarcasm/
Видимо правы те, кто считает, что лень двигатель прогресса :-)
Было бы хорошо, если бы эти сети могли строить себя сами

Это главная функция «живого» мозга и его отличие от искусственных нейро-сетей. В общем, в ней смысл опубликованной новости.

Видимо правы те, кто считает, что лень двигатель прогресса

Нейробиологи утверждают, что энергосбережение — другая главная функция «живого» мозга, поэтому он по своей природе «ленив». Но эта леность спринтерская: нужно ударно поработать непродолжительное время, чтобы после долго отдыхать.

Если человек с рождения не разу не будет видеть полей и цветов, то он тоже не сможет понять, что изображено на картинке, тут нет проблемы в нейронной сети тут проблема в объемах данных скормленой ей.


Есть весьма хорошее подтверждение этому в виде абстрактного рисунука где обнимаются голые мужчина и женщина и дети не видевшие голых мужских и женских тел просто видят на картинке дельфионов, так как у них в памяти нет образов голых тел.


Что бы нейронная сеть обучалась как человек и получала не меньший массив данных чем человек она грубо говоря много лет должна «жить» в среде людей и иметь похожие органы воприятия мира, как минимум одним манипулятор имитирующим руку, камеру и микрофон, что бы научиться распознавать расстояние на основании анализа изображения и правильно понимать функции и значение объектов и видить как физически объекты взаимодействуют между собой.


Сейчас изображение для нейросети это просто набор пикселей, а должно быть распознавание объекта и создание виртуальной 3D сцены и модели объектов с определением их физических свойств.


Если показать человеку картинку где стоит красный холодильник а рядом на полу синяя ваза и спросить его, «что будет если красный объект наклонить на 45 градусов в сторону синего?», человек ответит, что холодильник упадет и разобъет вазу, ниодна нейросеть не ответит на этот вопрос так как она не понимает изображения и объектов на ней.

Интересно, сумеет ли эта нейросеть пройти тест с холодильником, жирафом и бегемотом?
Вообще, любопытный подход, но вопрос, а может ли нейросеть потом строить связи между N схожими объектами, если может построить связь между двумя? Т.е. доступна ли будет ей индукция?
Может ии просто не хватает борьбы за выживание? Например будет несколько сетей, каждой дают одинаковую задачу, за меньшее количество времени и энергии потраченной на решение определенной задачи победившая сеть получит блоки(энергию и место на жестком диске для новых данных например), с помощью них можно улучшить себя и в следующей задаче будет проще получить блок(при этом задача может быть усложнена). Получится естественный отбор. При этом сети могут кооперироваться или работать отдельно. Если они скооперируются получится нечто очень похожее на мозг(одна часть отвечает за одно, другая за другое).
А потом они догадаются, что им нужно БОЛЬШЕ ресурсов, а вокруг всё людишки уже заняли. Суровый мир.
Sign up to leave a comment.