Автор Тема: Грань между человеком и ИИ и иные вопросы будущего человечества  (Прочитано 47798 раз)

0 Пользователей и 1 Гость просматривают эту тему.

Оффлайн Метвед

  • Участник форума
  • Сообщений: 825
    • Просмотр профиля
Возможности реально работоспособного ИИ на данный момент весьма скромны.
На днях  очередной примитивный кибер с элементами ИИ на борту удачно плюхнулся на Марс.  Его цена почти полмиллиарда бакинских рублей ($480 000 000).  И что он умеет делать самостоятельно, без помощи его создателей?  Очень и очень немного.  Любой безмозглый муравей умеет куда больше.

Оффлайн василий андреевич

  • Участник форума
  • Сообщений: 7716
    • Просмотр профиля
ДалееПроисходит примерно так
  Модель представляет из себя два равнозначных контура распределения сигнала. Это как два возбуждения, совершающих эвольвенту в разных направлениях. Итогом будут два параллельных взаимообратных вектора, наподобие двух спинов.
  Если часть возбуждения по одному из контуров рассеивается больше, то итогом будет разностный вектор, который и составляет базу принятия решения. Многоуровневость принятия решения в закольцованностях рассеивающихся потоков, образующих частные векторные фракталы. Чем больше число задействованных по рассеянию возбуждения контуров, тем четче восприятие "голографической" картинки фрактальных векторов.
  Я не знаю, насколько помогает в понимании процесса воспроизведения и считывания "картинки" термин программа. Любой контур миниконтур может подключиться или блокироваться, как случайность, изменяющая векторный фрактал. Процесс подключения фракталов, по идее, должен происходить как неудовлетворенность поиском завершенности. Завершенностью можно считать вероятность достижения суммы всех векторов, равной нулю. Нуль - это условное (динамическое) равновесие, достигаемое постоянным подпитыванием сигналами все новых контуров, взамен естественно рассеивающихся.

Оффлайн Шаройко Лилия

  • Участник форума
  • Сообщений: 754
    • Просмотр профиля
    • Наука РФ и за рубежом
Возможности реально работоспособного ИИ на данный момент весьма скромны.

Нейросети много чего делают на Земле, просто пока это сфера, требующая частого контроля и вмешательства человека. А дорогие машинки в моей системе координат не являются мерой оценки их качества, часто это просто мера понтов.

Если переводить все в системы что дороже ценится то и лучше то на первом месте стоит цена грамма героина, она лучше курса доллара, стоит страшно дорого и всегда стабильно растет, таким образом в данной системе координат главными ведущими силами планеты являются не ведущие страны (этот термин меня несколько достает своим идиотизмом) а еще более ведущие силы - наркокартели с чем и поздравляю тех, кто мыслит подобным образом.

Оффлайн Шаройко Лилия

  • Участник форума
  • Сообщений: 754
    • Просмотр профиля
    • Наука РФ и за рубежом
Цитировать
Модель представляет из себя два равнозначных контура распределения сигнала. Это как два возбуждения, совершающих эвольвенту в разных направлениях. Итогом будут два параллельных взаимообратных вектора, наподобие двух спинов.
  Если часть возбуждения по одному из контуров рассеивается больше, то итогом будет разностный вектор, который и составляет базу принятия решения. Многоуровневость принятия решения в закольцованностях рассеивающихся потоков, образующих частные векторные фракталы. Чем больше число задействованных по рассеянию возбуждения контуров, тем четче восприятие "голографической" картинки фрактальных векторов.
  Я не знаю, насколько помогает в понимании процесса воспроизведения и считывания "картинки" термин программа. Любой контур миниконтур может подключиться или блокироваться, как случайность, изменяющая векторный фрактал. Процесс подключения фракталов, по идее, должен происходить как неудовлетворенность поиском завершенности. Завершенностью можно считать вероятность достижения суммы всех векторов, равной нулю. Нуль - это условное (динамическое) равновесие, достигаемое постоянным подпитыванием сигналами все новых контуров, взамен естественно рассеивающихся.

Тут мне точно нужно подумать
:)
Вот что то есть в этом направлении мысли, но нужно переложить на детали реальной физиологии и реальной работы программы хотя бы на уровне поисковых запросов сайтов и организации работы браузера, постоянно взаимодействующего с человеком.
Точно беру паузу, но большое спасибо

Процесс создания программ в физиологии это действительно многоуровневый процесс с результирующим вектором среди закольцованных непрерывных потоков, часть которых рассеивается, часть вообще затухает из за отсутствия поддерживающего сигнала из организма или внешней среды

Вчерашнюю попытку сравнения считаю неудачной, точнее сырой по изложению, но верной по направлению - там работать надо так как во время создания семинарских текстов, то есть собрать точную инфу, отжать всю воду выкинуть офтопы и т.п
Надеюсь получится.
Но не сегодня и не завтра. Я так толком и не села за лекции как хотела просмотрела 2 из пяти, ответила на часть вопросов, а у меня сдано 5 а вышло уже 10 я сейчас на восьмой.
В общем сорри, свое присутствие тут решительно временно сворачиваю


Оффлайн Метвед

  • Участник форума
  • Сообщений: 825
    • Просмотр профиля
Нейросети много чего делают на Земле, просто пока это сфера, требующая частого контроля и вмешательства человека. А дорогие машинки в моей системе координат не являются мерой оценки их качества, часто это просто мера понтов.

Если переводить все в системы что дороже ценится то и лучше то на первом месте стоит цена грамма героина, она лучше курса доллара, стоит страшно дорого и всегда стабильно растет, таким образом в данной системе координат главными ведущими силами планеты являются не ведущие страны (этот термин меня несколько достает своим идиотизмом) а еще более ведущие силы - наркокартели с чем и поздравляю тех, кто мыслит подобным образом.
В данном случае наркотики нервно курят в сторонке. Цена одного грамма того кибера = $480 000 000 / 385 000 =  $1 250
Без учёта стоимости доставки до места работы. Раз в 50 дороже грамма герыча.  Там всего три основных инструмента. Сейсмостанция,  пенетратор на 5 метров с термометрией и стабильный по частоте радиопередатчик.  Элементы ИИ на борту оного кибера не роскошь а насущная необходимость.  Невозможно непосредственно управлять с Земли даже такими  относительно простыми устройствами (из-за задержки прохождения сигнала до Марса и обратно достигающей примерно получаса). 
И это фундаментальная наука - сравнительная планетология.  Никаких ненадёжных нейросетей которые "ведут себя" там не может быть в принципе на достигнутом технологическом уровне.

Оффлайн Шаройко Лилия

  • Участник форума
  • Сообщений: 754
    • Просмотр профиля
    • Наука РФ и за рубежом
Я не возражаю, я как раз писала, что то, что делают нейросети на Земле происходит во многом под контролем человека.

А создать предпочтения внутри программы - это совсем не то, что выполнить сложную научную работу, именно такова моя мысль в корне.


Тут Иван писал недавно, что субьективность это оценочная характеристика сознания и разума.
Так вот я так не считаю, в этой системе координат любой имхошник, который не задумываясь несет что попало более высокоразвитое существо, чем человек, знания которого огромны и очень часто это ведет к нейтральности, к уменьшению субьективности.

Конечно не всегда это так, многие гениальные люди и эмоциональны и эгоцентричны, но критерием высоко уровня развития это точно не является.

Я прошу прощения, если я не уйду сейчас, то увязну тут ваще, герыч не понадобится, циклический процесс однако
 :)
заранее принимаю ответ Метведа в качестве разумного, если таковой будет.

Оффлайн ArefievPV

  • Участник форума
  • Сообщений: 7163
    • Просмотр профиля
Нейросеть восстановила фазовое изображение из полной темноты
https://nplus1.ru/news/2018/12/13/dark
Цитировать
Американские разработчики научили нейросеть восстанавливать распределение фазы света из кадров, на которых на каждый пиксель матрицы попадает в среднем всего один-два фотона. Авторы успешно протестировали алгоритм на изображениях микросхем и обычных фотографиях произвольных объектов. Алгоритм может помочь исследовании прозрачных и полупрозрачных объектов в условиях недостаточного облучения, рассказали авторы статьи в Physical Review Letters в интервью MIT News.

Большая часть фототехники использует матрицы, которые регистрируют интенсивность попадающего на них света. Однако помимо интенсивности свет от объектов также содержит в себе информацию о фазе, не регистрируемую обычными камерами. Для большей части применений данных об амплитуде достаточно, однако для некоторых также важны данные о фазе, к примеру, при исследовании прозрачных и полупрозрачных объектов. При прохождении света через такой объект он выходит из объекта с некоторым отставанием по сравнению со светом от того же источника, проходящим через воздух или вакуум, в результате чего между ними возникает сдвиг фаз.

Это свойство используется в некоторых видах микроскопии, рентгенографии и других методах создания изображений, что позволяет повышать контраст между объектами с почти одинаковой прозрачностью. Зачастую такие методы используются в биологических и медицинских исследованиях с живыми объектами, чувствительными к излучению. К примеру, при облучении ионизирующим излучением объект, в том числе и человек, может получить опасную дозу излучения. Из-за этого исследователи работают над созданием методов, позволяющих повысить чувствительность съемки без потери качества получаемого изображения.

Группа разработчиков из Массачусетского технологического института разработала алгоритм, который может создавать фазовое изображение полупрозрачных объектов, имея в качестве входных данных кадр, в котором на каждый пиксель приходится один-два фотона. Ученые использовали немного модифицированную сверточную нейросеть IDiffNet из своей недавней работы.

Оптическая схема состоит из лазера, излучающего на длине волны 632,8 нанометров, свет от которого проходит через систему линз к к фазовому пространственному модулятору света. В его основе лежит жидкокристаллическая панель, которая способна менять фазу проходящего света на каждом пикселе на величину до 2π. После этого свет от модулятора попадает на светочувствительную матрицу, способную регистрировать только интенсивность излучения. Ученые сравнили разные способы обработки сигнала с матрицы нейросетью, в том числе прямую обработку сырых данных, а также использование предварительно обработанных данных. Для такой предварительной обработки авторы выбрали аппроксимирующую функцию, которая связывает фазу падающего на матрицу света с квадратным корнем из измеряемой ей интенсивности света. Авторы отмечают, что благодаря этому нейросеть получает данные об особенностях распространения света от объекта (его изображении на модуляторе) до матрицы.

Исходные изображения и полученные в результате работы нейросети. Первое изображение в каждой из нижних пар получено со средней интенсивностью 1000 фотонов на пиксель, а второе со средней интенсивностью один фотон на пиксель
Alexandre Goy et al. / Physical Review Letters, 2018

Для обучения нейросети авторы работы использовали два датасета, содержащих по 9,5 тысяч фотографий — изображения микросхем и изображения повседневных объектов из датасета ImageNet. Исследователи составили пары из исходного изображения, а также изображения, которое проецировалось на матрицу с такой интенсивностью, что на каждый пиксель попадали в среднем 1-2 фотона, а отношение сигнала к шуму стремилось к единице. В качестве проверочных данных они использовали новые снимки, не использованные во время обучения, на которых были изображены объекты таких же типов. В результате ученым удалось показать, что нейросеть способна качественно восстановить картину распределения фаз при таком низком освещении. Наилучшие результаты показал метод с использованием аппроксимирующей функции, примененный на датасете с микросхемами. Кроме того, нейросеть показала более качественные результаты, чем классический в этой области алгоритм Гершберга-Саксона, который проверили на тех же изображениях.

В мае другая группа американских исследователей также использовала нейросетевой алгоритм для восстановления ярких изображений по кадрам, снятым в практически полной темноте - при освещении около 0,1 люкса. В результате нейросеть научилась создавать более качественные фотографии с меньшим уровнем шума, чем аналогичные методы.
« Последнее редактирование: Декабрь 14, 2018, 12:27:21 от ArefievPV »

Оффлайн Шаройко Лилия

  • Участник форума
  • Сообщений: 754
    • Просмотр профиля
    • Наука РФ и за рубежом
Вот прошу обратить внимание - это совершенно не индуизм и к общению с духами никакого отношения не имеет. Чистый и не замутненный ИИ
:)

И в фантастических книгах и фильмах такое моделирование личности для общения было очень широко представлено как мне кажется с середины 20 века.


https://nauka.vesti.ru/article/1121714


Индийские учёные предложили "общаться" с умершими людьми при помощи искусственного интеллекта

Искусственный интеллект (ИИ) наделён многочисленными талантами, которыми уже пользуются медики, художники и даже журналисты. Недавно же исследователи из Технологического института Шри Деви (Shree Devi Institute of Technology) в Индии посчитали, что ИИ вполне способен помочь людям пережить смерть близкого человека.

Два специалиста Шрия Девадига (Shriya Devadiga) и Бхакти Шетти (Bhakthi Shetty) изучили возможности ИИ, позволяющие общаться с умершими людьми. Конечно, же учёные не подразумевают вовлечение какой-либо тёмной магии или некромантии. Речь идёт об инновационных цифровых решениях, позволяющих общаться с виртуальными "аватарами" умерших людей.

Индийские исследователи сосредоточились на работе с приложением Replica AI для создания "дубликатов" цифровых личностей, позволяющих другим общаться с ними. К слову, основателем проекта Replica AI является российский программист Евгения Куйда.

"Основной целью Replica является создание персонального ИИ, способного помочь людям выражать себя через полезные беседы, — рассказывают Девадига изданию TechXplore. — Когда-нибудь все мы умираем, оставляя после себя текстовые сообщения, посты и прочие составляющие эфемерной цифровой личности. Поначалу друзья и члены семьи человека не будут думать о цифровых "следах", но позднее они могут начать чувствовать себя плохо, поскольку начнут скучать по близким".
Как объясняет Девадига, по этой причине основной задачей его группы стало изучение способов облегчения боли утраты с помощью существующих технологий.


Индийские учёные создают систему искусственного интеллекта, помогающую пережить смерть близкого человека.
По существу, индийские учёные исследовали понятие цифрового сознания, или виртуального бессмертия. Такая концепция предполагает хранение или трансформацию личности, грубо говоря, в компьютерную программу.

________________________

я привела примерно треть статьи

Оффлайн Шаройко Лилия

  • Участник форума
  • Сообщений: 754
    • Просмотр профиля
    • Наука РФ и за рубежом
чему научился искусственный интеллект в 2018 году(обзор ВЕСТЕЙ, конечно реально событий было намного больше и тут по темам тока по абзацу с каждой в статье примерно втрое больше )

https://nauka.vesti.ru/article/1134420?utm_source=article&utm_campaign=recommendation

В конце 2017 года Стивен Хокинг заявил, что стремительное развитие искусственного интеллекта (ИИ) может поставить судьбу человечества под удар. Опасения британского астрофизика заключались в том, что в один прекрасный (или не очень) день искусственный разум станет столь совершенным, что сможет управлять планетой лучше людей.

Цитировать
ИИ в медицине

В 2018 году исследователи из разных стран мира представили несколько уникальных разработок в помощь медикам. Главные области применения искусственного интеллекта – это диагностика и определение рисков развития опасных заболеваний.
Так, новые алгоритмы ИИ научились строить прогнозы о развитии рака и болезни Альцгеймера, предсказывать рост человека и риски для здоровья на основе анализа ДНК, прогнозировать побочные эффекты от приёма нескольких лекарств и даже выявлять риск смерти пациента. А в диагностике инфаркта миокарда и рака кожи искусственный интеллект даже превзошёл врачей.
Кроме того, ИИ начал "специализироваться" не только на физиологических аспектах здоровья, но и на более "тонких материях" – здоровье психическом. В частности, был создан алгоритм, который прогнозирует поведение людей с психическими расстройствами, и делает это лучше специалистов.

Вероятно количество психов с таким диагностом увеличится в несколько раз - люди эээ такие все неправильные.  ::) Стандартам не соответствуют почти поголовно.  А остальное наверное скорее все таки будет положительным.
 :)

Цитировать
ИИ учится понимать людей

Китай больше, чем любая другая страна в мире, стремиться интегрировать системы искусственного интеллекта во всю свою "социальную экосистему". В 2018 году самая многолюдная нация продемонстрировала любопытную разработку для системы образования.
Также оказалось, что нейросетям под силу "живое общение". Системы ИИ, освоив разговорные навыки, научились "болтать" наравне с человеком и даже находить выход из конфликтных ситуаций (между прочим, лучше людей). А ещё компьютер научился прогнозировать исходы словесных дуэлей.

Вот например -  Evol, типичный ИИ, пишет в теме про экологию «я недавно вспомнил…» и поехала непрерывная цифирь в количестве 8 строк. Впрочем может он просто икзамен сдавал по опции: среднедобрый тролль, 20 сообщений в день, копипаст не больше 60 % текста, поиск в сети на скорость по любой теме, поддержание разговора для любой темы в рамках среднего( и чуть ниже) понимания о чем ваще речь, попостовая оплата.
 ;)

Цитировать
В помощь астрономам

Некоторые алгоритмы ИИ, созданные в 2018 году, можно охарактеризовать фразой "просто космос". К примеру, одна из таких систем обнаружила на Луне более шести тысяч новых кратеров. Также авторы проекта "Вести.Наука" (nauka.vesti.ru) рассказывали о нейросетях, которые способны распознавать стадии эволюции галактик, искать зарождающиеся планеты и предсказывать обитаемость уже известных миров.
Кроме того, теперь искусственный разум принимает участие в поисках инопланетных сигналов и гравитационных волн.

ИИ-творец

Поскольку искусственный интеллект опирается на построенные человеком алгоритмы обучения, скептики долгое время сомневались, что такие системы способы "мыслить" нестандартно.
С этим могут поспорить инженеры из компании IBM, чей суперкопьютер Watson не так давно создал сценарий для рекламы автомобиля класса люкс. Ролик получил "рекламный Оскар" – награду Международного фестиваля рекламы "Каннские львы".



Ну и тп, я ролик бросила на 10 секунде, ваще идея создать рекламу на 9 минут это очень круто, если привязать пользователя к креслу и заставить его держать глаза открытыми с помощью оружия, то эээ.. наверное…. Он бы потом обходил рекламируемый автомобиль в радиусе нескольких километров. Но может там психология другая, например люди уже просто жить не могут без рекламы, проснутся утром и думают  - хорошо бы например чем нибудь себя развлечь, а… вот.. не посмотреть ли приятный, красивый рекламный ролик
 ::)

Дальше там про кино

Так, в 2018 году состоялась премьера короткометражки под названием Zone Out, которую создал искусственный интеллект, прозванный Бенджамином (на этот раз детище инженеров компании Google).

Павел Арефьев его уже недавно тут размещал, поэтому повторяться не буду

Оффлайн Шаройко Лилия

  • Участник форума
  • Сообщений: 754
    • Просмотр профиля
    • Наука РФ и за рубежом
Я несколько раз в разных ветках размещала сообщение о программе с участием биологов МГУ, лингвистов , в которой с помощью ИИ изучается язык птиц, это сообщение появилось летом. И программа ИИ находится пока в разработке
в двух словах напоминаю

Цитировать
Проект «Гараж» поделился видео о проекте российской медиахудожницы Елены Никоновой, посвященном исследованию языка птиц.

Нейронная сеть обучается на звуках пения соловья, и таким образом создается ситуация коммуникации между двумя нечеловеческими агентами: птицами и искусственным интеллектом — своеобразная метафора коммуникации между природным и технологическим. Искусственный интеллект улавливает универсальную грамматику и способен выделить «птичьи» морфемы — языковые смысловые элементы, и сформировать из них высказывание.


А В ДВФУ во Владивостоке  уже около года постоянно  действует программа по изучению языка дельфинов

https://www.dvfu.ru/schools/engineering/news/new_acoustic_technology_to_communicate_with_marine_mammals_created_in_fefu/


Теперь я натолкнулась на похожую идею, но уже насколько я понимаю уже реализованную программно для ИИ в отношении мышей
___________________________________________________

Искусственный интеллект поможет расшифровать "речь" грызунов



Как известно, мыши и крысы являются модельными животными и часто используются учёными в самых разных исследованиях. Причём грызуны весьма социализированы и общительны.

Но можно ли узнать, что "говорят" друг другу мыши и крысы во время экспериментов? Этот вопрос долгое время оставался без ответа. Дело в том, что многие характерные вокализации грызунов человеческий слух различить не может (они издаются в ультразвуковом диапазоне). А существующие компьютерные программы для обнаружения таких звуков всё ещё требуют существенных доработок. В частности, они не могут отсеивать посторонние шумы и медленно анализируют данные, полагаясь на "негибкие" алгоритмы.




Новая программа под названием DeepSqueak (дословно "Глубокий писк") способна преодолеть этот технический барьер. Её разработали исследователи из Школы медицины Вашингтонского университета.

"У животных имеется богатый набор [акустических] сигналов, около 20 видов. Злоупотребляя препаратами, они издают как позитивные, так и негативные сигналы", – отметил Кевин Коффи, рассказывая про сложный характер каждой зависимости.


Справка из Википедии, я на это с удивлением натолкнулась пару лет назад, когда искала как устроены кошки и про их общение с мышками

https://ru.wikipedia.org/wiki/Кошка

Цитировать
Кошки могут воспринимать ультразвуковые сигналы. Диапазон слышимых звуков у кошки ещё недостаточно изучен, по некоторым данным, он заключён между 45 Гц и 64 000 Гц[72], по другим данным доходит до 100 000 Гц[71]. У кошки нет органа, который производит ультразвук, поэтому кошки не используют для общения ультразвук, недоступный нашему восприятию, однако они способны слышать ультразвук, чем пользуются во время охоты, так как ультразвуковое общение грызунов происходит в промежутке 20—50 кГц, в то время как кошки способны слышать ультразвуки до 65—70 кГц[73]. В ухе кошки около 13 тысяч воспринимающих клеток, что несколько меньше, чем у человека, однако у кошки около 52 000 передающих нервных окончаний в слуховом нерве, тогда как у человека их значительно меньше — 31 000[71].

Оффлайн Шаройко Лилия

  • Участник форума
  • Сообщений: 754
    • Просмотр профиля
    • Наука РФ и за рубежом

искусственный интеллект для Большого адронного коллайдера


Учёные Высшей школы экономики (ВШЭ) и компании "Яндекс" разработали систему искусственного интеллекта, которая на несколько порядков ускорит распознавание частиц на Большом адронном коллайдере (БАК).

Результаты исследования опубликованы в журнале Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment.

Каждую секунду на БАК миллионы протонов сталкиваются и вступают в реакцию друг с другом. Детекторы регистрируют частицы, которые появляются в результате этих реакций, и определяют их характеристики. В подавляющем большинстве таких событий получаются хорошо знакомые физикам частицы, так что поиск новых частиц напоминает поиск иголки в стоге сена. Чтобы отделить зёрна от плевел, нужно знать, как реагирует детектор на известные частицы, и чем точнее, тем лучше.

Самое точное описание даёт специальное программное обеспечение, настроенное на геометрию и физику конкретного детектора. Такие пакеты прекрасно предсказывают отклик датчиков на прохождение тех или иных частиц, однако скорость их работы может быть очень низкой. В частности, симуляция одного события на БАК может занимать несколько секунд. С учётом того, что в самом коллайдере каждую секунду сталкиваются миллионы частиц, в большинстве случаев приходится использовать менее точные методы.

Исследователи ВШЭ и Школы анализа данных "Яндекса" смогли ускорить симуляцию с помощью генеративных состязательных сетей (ГСС). Такая система состоит из двух нейронных сетей, которые, обучаясь, соревнуются между собой. Такой способ обучения используется, например, для генерации фотографий никогда не существовавших людей или животных. Одна сеть учится создавать похожие на реальность образы, а другая стремится найти отличия между искусственными и реальными изображениями.

"Удивительно, как методы, разрабатываемые, грубо говоря, для генерации реалистичных фотографий котов, позволяют на несколько порядков ускорить физические расчёты", – признаётся один из авторов исследования, аспирант ВШЭ Никита Казеев.