Доступно ли компьютерам творчество?

Автор ArefievPV, мая 01, 2017, 08:52:53

« назад - далее »

kostik

Андрей Себрант. Нейросети научились творчеству. Чем это нам грозит?
Sep 5, 2022




АrefievPV

В России разработали процессор в 1000 раз эффективнее современных видеокарт
https://dzen.ru/media/protech/v-rossii-razrabotali-processor-v-1000-raz-effektivnee-sovremennyh-videokart-62c2cb1c1c9f152fcd3a0b9d
ЦитироватьКомпания «Мотив» при участии «Лаборатории Касперского» разработала и выпустила пробный образец первого в России нейроморфного процессора. Новый чип обладает выдающейся энергоэффективностью, производительностью и возможностями масштабирования. Подробности читайте в нашем материале.

Нейроморфный процессор «Алтай»

Нейроморфный процессор — микрочип, построенный на принципиально иной архитектуре, имитирующей биологические нейронные сети. Фактически это нейросеть, выполненная в аппаратном (физическом) решении. Такие процессоры широко применяются в интеллектуальных устройствах, для ускорения работы нейросетей, распознавания изображений, видео и обработки баз данных.

Процессор «Алтай» состоит из 256 нейроядер, в которых 131072 нейрона, что в совокупности дает более 67 млн синапсов. Всё это умещается на площади в 64 мм² и потребляет всего 0,5 Вт. Техпроцесс — 28 нм. Производительность — около 67 млрд действий в секунду, то есть процессор может обрабатывать до 2200 кадров в секунду.

На какой стадии разработка

Сейчас ведется разработка второй версии чипа. Первая уже протестирована. Реализована возможность масштабирования по технологии нейрочип — нейроморфный акселератор (16 чипов в одной плате, возможность подключения к компьютеру напрямую) — объединительная плата (до 16 акселераторов, подключение по интерфейсу USB 3.0). Одиночный нейрочип по энергоэффективности обходит современные графические ускорители почти в 1000 раз.

Сравнение с конкурентами

Сравним новый чип с доступными для покупки на данный момент нейрочипами Nvidia и Intel.

Чип от Intel при схожих параметрах потребления энергии (0,65 Вт) выдает производительность на уровне 11 кадр./с, а конкурент от Nvidia при производительности 779 кадр./с потребляет в 30 раз больше энергии (мощность 15 Вт).

Также стоит отметить, что для российского процессора уже разработано собственное ПО, что значительно упростит интеграцию нейрочипа в современные системы.

Начало эпохи нейрочипов

По данным исследований, рынок нейрочипов сейчас находится на стадии зарождения, примерно как рынок микропроцессоров в 80-е годы. А значит, есть шанс зайти на рынок одновременно с мировыми гигантами и сразу занять подходящую нишу, а не пытаться всеми силами наверстывать упущенное время, как это происходит сейчас с микропроцессорами. Надеемся, что наши ученые справятся с этой задачей.

P.S. Ссылка в дополнение:

Нейроморфный процессор «Алтай»
https://motivnt.ru/neurochip-altai/

Плохо то, что нет у нас пока своих фабрик с 28 нм техпроцессом. Скорее всего, производство будет в Китае (наверное, SMIC).

АrefievPV

ИИ упростил решение известной задачи квантовой физики со 100 тыс. уравнений до четырех
https://www.cnews.ru/news/top/2022-09-28_ii_uprostil_reshenie_izvestnoj
ЦитироватьС помощью нейросети удалось радикально снизить количество уравнений, которые требуется решать в рамках изучения одной из известнейших проблем в квантовой физике. Это открывает колоссальные возможности для науки и создания новых материалов.

Посчитать на пальцах

С помощью искусственного интеллекта (ИИ) физики смогли радикально оптимизировать известную квантовую проблему, которая до недавнего времени подразумевала решение 100 тыс. различных уравнений. Теперь достаточно решить четыре уравнения, и это без каких-либо жертв в плане точности результатов.

Работа, опубликованная в Physical Review Letters 23 сентября 2022 г., может привести к революционным изменениям в том, как ученые исследуют системы, содержащие множество взаимодействующих электронов. Если это решение удастся масштабировать на другие аналогичные проблемы, с его помощью будет возможно создание новых сверхпроводящих материалов или новых средств экологически чистого производства энергии.

«Мы начинаем с огромного корпуса взаимосвязанных дифференциальных уравнений и затем с помощью машинного обучения превращаем его в нечто настолько малое, что можно посчитать на пальцах», — заявил глава исследовательской группы Доменико Ди Санте (Domenico Di Sante), сотрудник Центра вычислительной квантовой физики при Институте Флатирона (США) и Университета Болоньи (Италия).

Проблема, известная как модель Хаббарда, связана с поведением электронов, движущихся внутри решеткообразной структуры. Если два электрона занимают одну точку в решетке, они взаимодействуют. Модель Хаббарда — «идеальный» вариант нескольких важных классов материалов; с ее помощью ученые получают представление о том, как поведение электронов обеспечивает искомые состояния вещества, такие как сверхпроводимость, при которой электроны движутся, не встречая сопротивления. Модель также используется для отработки новых методов работы с более комплексными квантовыми системами.

Простота модели Хаббарда, однако, глубоко обманчива, пишет издание Phys.org. Даже когда обсчитывается скромное количество электронов, и используются самые передовые вычислительные подходы, объем собственно вычислений остается огромным. Дело в квантовом сцеплении: после того, как два электрона взаимодействуют, они оказываются сцепленными, и как бы далеко они ни оказывались друг от друга впоследствии, их нельзя рассматривать как самостоятельные единицы. В результате физикам приходится учитывать сразу все электроны разом, а не каждый по отдельности. И чем больше электронов добавляется в систему, тем больше происходит сцеплений, и тем выше вычислительные ресурсы, которые требуются для изучения такой системы.

Ренормализационные группы

Физики в таких случаях применяют ренормализационные группы — математический аппарат, который используется для выявления изменений в системе при модификации ее свойств, например температуры, или последствий изменения масштабов.

Однако даже ренормализационная группа, отслеживающая все возможные сцепления между электронами без ущерба для точности, будет содержать десятки тысяч, сотни тысяч или даже миллионы отдельных уравнений, требующих решения.

Ди Санте и его коллеги задумались о возможности применить нейросеть для того, чтобы сделать массивную ренормализационную группу более управляемой. И это им удалось.

Нейросеть вначале проиндексировала все связи в полноразмерной группе ренормализации, затем перенастраивала силу этих соединений до тех пор, пока не выявила узко ограниченный набор уравнений, выдающих точно такой же результат, что и исходная ренормализационная группа. Количество таких уравнений в итоге удалось низвести до четырех.

«Речь идет о способности машины выявлять скрытые паттерны, — заявил Ди Санте. — Когда мы увидели результаты, мы сказали: «Ого, это куда больше, чем то, на что мы рассчитывали; нам действительно удалось получить релевантные физические результаты».

Обучение нейросети потребовало больших вычислительных ресурсов: программа проработала несколько недель непрерывно. Однако теперь эта нейросеть может быть использована для производства вычислений в связи с другими крупными физико-математическими проблемами, без необходимости начинать ее обучение с нуля.

Ди Санте и его соратники также изучают, что именно их нейросеть «поняла» насчет системы, к которой была применена, в надежде выявить закономерности, прежде неочевидные для физиков.

Остается вопрос, насколько новый подход работает с более сложными квантовыми системами, например с материалами, в которых электроны взаимодействуют на больших дистанциях. По словам Ди Санте, существуют очень интересные возможности использовать данный метод в других областях, где используются ренормализационные группы, в том числе космологии и неврологии.

«Результат можно назвать потрясающим, и если выводы, сделанные в этой работе не будут опровергнуты, то, возможно, речь идет о глобальной революции в физике, — считает Дмитрий Гвоздев, генеральный директор компании "Информационные технологии будущего". — Революции, которая оказалась достижима только благодаря машинному обучению и характерной для нейросетей способности выявлять скрытые закономерности, которые и позволяют низводить гиперсложные системы до считанного количества параметров. Пока возможности нейросетей находятся на начальном этапе развития, но есть основания полагать, что в будущем с их помощью удастся решать какие-то другие проблемы и задачи физики, которые на сегодняшний день остаются нерешенными, например уравнений Шредингера, множественные проблемы сверхтекучести и т. д.».

P.S. Вообще-то, и закономерности (хоть скрытые, хоть явные), и характерные паттерны, и прочая общность – это всё абстракты

То есть, можно сказать и по-другому – способность нейросетей к выделению абстракта (того общего, которое присутствует в каждом объекте из данной выборки (из данного предъявляемого множества объектов)) в данной области существенно выше человеческих способностей к абстрагированию. Хотя, возможно, естественные нейросети на такое не были эволюционно приспособлены (для выживания это дело явной пользы не несёт) или просто не обучены (опять-таки, никому это в жизни не пригодится для выживания).

АrefievPV

Google научил нейросети генерировать видео по текстовому описанию
https://nplus1.ru/news/2022/10/08/imagen-video
ЦитироватьИсследователи из Google представили две модели машинного обучения, генерирующие видеозаписи по текстовому описанию: одна лучше справляется с короткими запросами, а другая синтезирует длинные ролики по более детальным описаниям. За несколько дней до этого аналогичный алгоритм представили исследователи из Meta. Три статьи с описанием алгоритмов (Imagen Video и Phenaki от Google, Make-A-Video от Meta) опубликованы на arXiv.org.

Цитировать
Видео по запросу «Плюшевый мишка моет посуду» (A teddy bear washing dishes), сгенерированное Imagen Video

ЦитироватьАвторам всех трех работ удалось достичь большого прогресса в качестве генерации видео, в том числе его стабильности. Но, как это было и с большинством алгоритмов для генерации изображений, разработчики не опубликовали модели в открытом доступе, опасаясь, что такая технология может быть использована во вред.

Privol


АrefievPV

В России создадут литограф для выпуска чипов с топологией 7 нм
https://www.cnews.ru/news/top/2022-10-21_v_rossii_vedetsya_razrabotka
ЦитироватьВ нижегородском Институте прикладной физики РАН разрабатывают первый отечественный литограф, который сможет выпускать чипы по топологии 7 нм. Полноценную работу оборудование может начать в 2028 г.

Российская установка

В Институте прикладной физики Российской академии наук (ИПФ РАН) в Нижнем Новгороде ведется разработка первой российской установки литографии для производства микроэлектроники сверхмалого нанометража. Об этом сообщается на сайте «Стратегия развития нижегородской области».

На данный момент учеными РАН создан первый демонстрационный образец оборудования. На этой установке получены отдельные изображения на подложках с разрешением до предельных 7 нм.

Сейчас «Микрон» — единственный в России контрактный вендор полупроводников, способен выпускать относительно современные чипы. На предприятии освоен выпуск микросхем по топологии 65 нм, но лишь для штучных партий — инженерных образцов. Массовое же производство налажено лишь для топологии не ниже 90 нм, что по современным меркам — «прошлый век».

К примеру, тайваньская TSMC начала освоение двухнанометровой нормы производства чипов и процессоров еще в июне 2019 г.

Шесть лет на разработку

Промышленный образец отечественного литографа на 7 нм планируется создать через шесть лет. Так, в 2024 г. будет создана «альфа-машина». Такая установка станет рабочим оборудованием, на котором можно будет проводить полный цикл операций.

На втором этапе в 2026 г. появится «бета-машина». Системы оборудования будут улучшены и усложнены, увеличится разрешение, повысится производительность, многие операции будут роботизированы, отмечается на сайте нижегородской стратегии. Установку уже можно будет применять на масштабных производствах.

И на третьем этапе (2026-2028 гг.) отечественный литограф получит более мощный источник излучения, улучшенные системы позиционирования и подачи, и начнет полноценную работу.

Оборудование в России и в мире

Оптическая система демонстратора, собранная в ИПФ РАН, уже превосходит все аналоги, существующие в мире на сегодняшний день, считает замдиректора Института физики микроструктур РАН по научно-технологическому развитию Николай Чхало.

По сравнению, например, с литографами крупнейшего производителя литографического оборудования для микроэлектронной промышленности ASML в нижегородской модели источник излучения в разы компактнее и чище в работе, отметил Чхало. По его словам, последнее обстоятельство значительно влияет на стоимость, размеры и сложность оборудования.

На выходе при равной мощности источника излучения отечественная установка будет в 1,5-2 раза эффективнее того, что создано ASML.

Оборудование для микросхем

В мае 2022 г. стало известно о планах «Микрона» совместно с «Московским институтом электронной техники» (МИЭТ) и Зеленоградским нанотехнологическим центром разработать оборудование для производства микросхем топологического уровня 28 нм и меньше.

Оборудование планируется создать на базе действующих и запускаемых в стране синхротронов (в ТНК «Зеленоград», НИЦ «Курчатовский институт»), а также на базе отечественных плазменных источников.

P.S. Планы, конечно, хорошие, лишь бы их реализация не подвела.

АrefievPV

Google научила роботов писать себе код
Они понимают инструкции, сформулированные простым языком
https://nplus1.ru/news/2022/11/08/skynet-is-coming
ЦитироватьРазработчики из Google предложили использовать генеративные языковые модели для управления роботами: модель принимает от пользователя команду, сказанную естественным языком, и создает для робота простой код на Python, позволяющий выполнить нужные действия. Статья и примеры работы системы опубликованы на сайте авторов.

Сейчас роботы в основном применяются в промышленности и других сферах, но компании давно хотят создавать и домашних роботов, помогающих по быту. И некоторые успехи в этом направлении уже есть. Например, роботы-пылесосы стали доступным гаджетом, который выпускают десятки производителей. Есть и отдельные примеры более универсальных домашних роботов-помощников (например, Amazon Astro), которые наблюдают за домом, но и они имеют весьма ограниченный набор умений.

Одно из самых востребованных потенциальных применений домашних роботов — помощь людям с ограниченными возможностями. Такому роботу необходимо уметь многое, в том числе приносить нужные предметы. В целом задача захвата предметов уже решена многими исследовательскими группами, но есть и другая проблема: как управлять таким роботом и как давать ему команды. Летом разработчики из Google под руководством Энди Цзена (Andy Zeng) разработали для роботов алгоритм, позволяющий им понимать команды человека и разбивать их на подзадачи. В новой работе они использовали похожий подход, а в качестве результата алгоритм выдает роботу код, необходимый для выполнения команды.

В качестве алгоритма для генерации кода они использовали несколько моделей от OpenAI (они сравнивались между собой, а не применялись одновременно). Модель получает описание задачи, сформулированное простым языком, например, «Сложи все кубы в пустую тарелку», и высокоуровневые данные о среде, например, о том, что перед роботом лежит красный куб на желтой тарелке. Затем модель генерирует код на Python, позволяющий выполнить описанную задачу и разбивающий ее на этапы. Этот код получается довольно простым, потому что данные о среде предоставлены в высокоуровневом виде через API, а действия самого робота или манипуляции с объектами заранее описаны в виде функций, которые модель может вызывать.

Разработчики проверили подход на исследовательских роботах Google, у которых есть голова с визуальными датчиками, рука, позволяющая хватать и перемещать объекты, и колесная база. Эксперименты показали, что роботы под управлением нового алгоритма не только могут выполнять базовые задания, но и понимают абстрактные указания, зависящие от контекста, например, слова «быстрее» или «немного».

В разработке роботов-помощников важна не только программная часть, но и аппаратная платформа, на которой можно проверять новые подходы. В 2020 году компания Hello Robot показала робота, который изначально создан для проверки алгоритмов и инструментов домашних роботов.

АrefievPV

«Если вы вынуждены обучать нейросеть на тысячах примеров, то это уже провал». 
https://knife.media/can-ai-to-abstract/
Способны ли нейросети к абстрактному мышлению
ЦитироватьЛюди умеют мыслить абстрактно, то есть на основе небольшого числа примеров выводить рабочие обобщения. Искусственный интеллект не способен на это от слова совсем: чтобы научить нейросеть определять породы собак, ей пришлось скормить тонны картинок. Издание Quanta поговорило с исследовательницей Мелани Митчелл о том, почему она хочет научить ИИ проводить аналогии, в чем трудность аналогий для нейросетей и почему для полноценного обучения алгоритмам нужен телесный опыт.

Книга «Гедель, Эшер, Бах: эта бесконечная гирлянда», удостоенная в 1979 году Пулитцеровской премии, вдохновила многих информатиков. В их числе была и Мелани Митчелл, которая на тот момент работала учителем математики в одной из нью-йоркских школ. После прочтения внушительной 777-страничной книги она решила посвятить себя изучению искусственного интеллекта. Митчелл связалась с автором, исследователем ИИ Дугласом Хофштадтером, и убедила его взять ее к себе стажером. К тому моменту за плечами у Митчелл было всего несколько курсов по информатике, но Хофштадтеру понравилась ее напористость.

Подав документы в магистратуру в последний момент, девушка смогла пройти и приступила к работе в новой лаборатории Хофштадтера в Мичиганском университете в Анн-Арбор. В течение последующих шести лет Митчелл и Хофштадтер совместно разработали программу Copycat, задача которой, по словам ее создателей, заключалась в том, чтобы «обнаруживать интересные аналогии так, как это делают люди».

Copycat искала аналогии среди простых наборов букв, как в заданиях стандартизированных тестов. Например: «Если последовательность ,,abc" меняется на ,,abd", то как меняется последовательность ,,pqrs"?» Хофштадтер и Митчелл считали, что понимание сути аналогий — то есть связей между схожими идеями — это ключ к созданию реалистичного ИИ.

Митчелл утверждает, что установление подобия — намного более сложный процесс, чем поиск закономерностей: «Проведение аналогий подразумевает понимание смысла ситуации и сопоставление ее с другой ситуацией. Если вы рассказываете мне историю, а я отвечаю: ,,Со мной случилось то же самое!", это не означает, что с нами обоими произошли одинаковые события, но они всё же достаточно похожи, чтобы можно было провести между ними параллель. Люди делают это постоянно, пусть и не всегда замечают».

За время работы в Институте Санта-Фе Митчелл расширила рамки своих исследований и теперь занимается не только машинным обучением. Сейчас она возглавляет проект «Основы интеллекта в естественных и искусственных системах». В течение следующего года в его рамках пройдет серия междисциплинарных семинаров, посвященных изучению того, как биологическая эволюция, коллективное поведение (социальных насекомых вроде муравьев) и физическое строение тела способствуют развитию разума. Роль аналогий в ее работе очень велика — особенно в области ИИ, развитие которого за последние десять лет было обусловлено преимущественно глубоким обучением нейросетей — технологией, имитирующей многоуровневую сетевую структуру мозга млекопитающих.

«Современные нейросети очень хорошо справляются с определенными задачами, — говорит Митчелл. — Но им редко удается перенести то, чему они научились в одной ситуации, на другую». А в этом и состоит суть аналогии.

— Почему проведение аналогий настолько важно для ИИ?

— Аналогии — это фундаментальный когнитивный механизм, который поможет ИИ достичь результатов, которые мы хотим получить.

Одни говорят, что для ИИ главное — это способность прогнозировать, другие — что владеть здравым смыслом, третьи — что находить полезную для данной ситуации информацию. Но аналогии играют ключевую роль в каждом из этих процессов.

Возьмем, к примеру, беспилотные автомобили. Одна из главных трудностей в их создании — это то, что они могут столкнуться с ситуацией, лишь слегка отличающейся от тех, на которых они обучались, и тогда машины окажутся в затруднении.

Откуда люди знают, как поступать в ситуациях, в которых они никогда ранее не оказывались? Благодаря умению проводить аналогии с предыдущим опытом. То же самое должны уметь делать и ИИ-системы.

— Вы пишете, что аналогии — это «недостаточно изученная тема в ИИ». Почему, если они настолько важны?

— Прежде всего потому, что люди до сих пор не осознавали ключевую роль аналогий в мышлении. Ранний ИИ был основан на логике. Но в последние годы акцент сместился на обучение посредством множества примеров — считается, что ИИ сможет вывести из них знания о вещах, с которыми никогда прежде не сталкивался.

Исследователи надеялись, что способность к обобщению возникнет сама собой из набора данных, но этого не произошло. Можно показать глубокой нейросети миллионы изображений мостов, и тогда она, скорее всего, сумеет распознать следующее изображение моста. Но она не в состоянии сформировать на их основе образное представление о мосте и перенести его на выражения вроде «наводить мосты».

Нейросети не способны мыслить образно. Исследователи ИИ только сейчас начинают это понимать.

— Нейросети никогда не научатся абстракциям?

— В последнее время появились новые подходы: в частности, метаобучение и самостоятельное обучение. Новые системы (например, GPT-3) учатся подбирать пропущенные слова в предложениях, что затем позволяет им более реалистично генерировать речь. Некоторые утверждают, что при наличии достаточного количества данных подобные системы со временем научаться абстрагировать. Но я так не считаю.

— По вашим словам, ИИ на данном этапе не может преодолеть «барьер значения»: в определенных условиях он способен имитировать понимание, но в других условиях становится ненадежным. Почему вы считаете, что аналогии помогут решить эту проблему?

— Интуиция подсказывает мне, что решение проблемы ненадежности кроется в понимании значения. Причина ненадежности систем именно в том, что они не понимают (в человеческом смысле) данные, которыми оперируют.

«Понимание» — одно из тех слов, в которые каждый человек вкладывает свой смысл. Это «слово-чемодан», экземплификант для обозначения когнитивного феномена, который мы пока не можем объяснить.

Я считаю, что механизм абстрагирования и проведения аналогий составляет основу того, что мы зовем пониманием, ведь понимание — это способность перенести то, что мы уже знаем, на что-то еще неизвестное.

— Другими словами, именно проведение аналогий позволяет живым организмам не вести себя как роботы, а иметь гибкий ум?

— В определенной степени — да. Способность проводить аналогии присуща не только людям. Некоторые животные действительно ведут себя как роботы, но другие способны примерять уже имеющийся опыт на новые ситуации. Возможно, способность проводить аналогии даже может служить критерием для оценки степени разумности живых организмов.

Есть мнение, что люди выработали этот вид мышления благодаря своей социальности. Для нас очень важно уметь моделировать мысли других людей, понимать их цели и прогнозировать их дальнейшие действия. Всё это достигается проведением аналогий с самим собой. Мы ставим себя на место другого человека и проецируем собственное мышление на него.

— Ваша программа Copycat была первой попыткой достичь этого при помощи компьютера. Остается ли она единственной?

— Кен Форбус и его коллеги использовали знаменитую аналогию (авторство которой принадлежит Эрнесту Резерфорду) между солнечной системой и атомом. Они составили набор предложений, описывающих строение солнечной системы и атома, а затем сопоставили эти предложения не на основе их содержания, а на основе структуры. Мне кажется, это верный ход мыслей. Когда люди пытаются установить сходство, они обращают внимание скорее не на конкретные объекты, а на их взаимосвязи.

— Почему этот подход не прижился?

— Используемые исследователями системы не были способны к обучению. Например, брались фразы вроде «земля вращается вокруг солнца» и «электрон вращается вокруг ядра» и сопоставлялись друг с другом. Но значение словосочетания «вращается вокруг» в систему не закладывалось. Это был всего лишь символ. Copycat хорошо справлялся с последовательностями букв, но мы не знали, как перенести этот успех в область высказываний, наделенных смыслом.

— Глубокое обучение известно тем, что очень хорошо масштабируется. Оказалось ли оно более успешным в проведении осмысленных аналогий?

Считается, что между входным и выходным слоями глубоких нейросетей творится магия. Люди думают, что если нейросети распознают породы собак лучше, чем люди — а это действительно так, — то они должны уметь проводить простые аналогии. Исследователи создают большой набор данных, на котором обучают свою нейросеть, а затем публикуют статью, утверждая, что им удалось достичь точности распознавания 80%. Тогда другие исследователи возражают, что этот набор данных имеет статистические свойства, позволяющие машине научиться решать задачи, не прибегая к обобщению. И так продолжается без конца.

Проблема в том, что если вы вынуждены обучать нейросеть на тысячах примеров, то это уже провал. Суть абстрагирования не в этом. Абстрактное мышление подразумевает использование метода few-shot learning, то есть обучения на малом числе примеров.

— Так чего же нам не хватает? Почему мы не можем совместить разные подходы?

— У нас нет инструкции, в которой можно было бы прочитать, как это сделать. Но я считаю, что их нужно совместить. Цель нынешних исследований — понять, что в каждом из подходов главное и как они могли бы дополнить друг друга.

Многие возлагают большие надежды на Abstraction and Reasoning Corpus (ARC) — сложный набор задач, призванный тестировать машины на обладание «базовыми знаниями», которыми люди владеют от рождения. Мы знаем, что мир состоит из объектов, которые находятся в разном положении относительно друг друга. ARC показывает, например, некое сочетание цветов, форм и движения — «все квадраты одного цвета двигаются вправо, а все квадраты другого цвета — влево», а затем просит произвести нечто аналогичное с другими цветами. Закономерность такого рода доступна каждому человеку, исходя из базовых знаний.

Этот набор задач — по сути тест на проведение аналогий. Он подразумевает описание изменений, произошедших между двумя изображениями. Обучение на основе каких-либо странных статистических корреляций исключено, потому понять, что произошло, нужно из анализа всего двух состояний — начального и конечного. Ни одна из упомянутых мной систем не способна мыслить при помощи базовых знаний, которыми обладает даже ребенок. Вот почему ни одна из них не может справиться с задачами ARC.

— Если эти «базовые знания» врожденные, значит ли это, что для того, чтобы научиться проводить аналогии, ИИ должен обладать телом, подобным нашему?

— Это вопрос на миллион долларов. Исследователи ИИ не могут сойтись во мнении на этот счет.

Моя интуиция подсказывает мне, что нам не удастся научить ИИ проводить аналогии на одном уровне с людьми без придания ему тела. Обладание телом может иметь решающее значение, так как некоторые визуальные задачи требуют трехмерного мышления. А это требует опыта передвижения по миру и понимания пространственных связей между объектами.

Мне трудно сказать наверняка, придется ли машине пройти этот этап. Но думаю, что да.

АrefievPV

На мой взгляд, у людей, занимающихся этой проблемой (проблемой ИИ) зачастую возникает путаница в понятиях, и, как следствие, они начинают «рыть землю» не в том направлении.
 
Вот несколько примеров путаницы.
 
1.Функцию абстрагирования (выделение абстракта, выделение результата обобщения) начинают приравнивать к функции абстрактного мышления. Но ведь принципиально разные вещи: выделить абстракт – это одно, а манипулировать абстрактом (то есть, совершать различные логические операции с абстрактом) – это другое.

Опять-таки, и выделение абстракта, и совершение логических операций с выделенным абстрактом, могут быть разных уровней. И на всех уровнях данные функции работают по одним и тем же своим алгоритмам (абстрагирование/обобщение – по своим, абстрактное мышление – по своим).
 
Например, абстракт можно выделить из множества других абстрактов первого уровня (по сути, выделение абстракта второго уровня). Точно так же можно выделить абстракт из множества других абстрактов второго уровня (по сути, выделение абстракта третьего уровня). И так далее.
 
Аналогично и с абстрактным мышлением: можно совершать логические операции с абстрактами первого уровня, можно совершать логические операции с абстрактами второго уровня, можно совершать логические операции с абстрактами третьего уровня, и т.д.
 
Мало того, совершение логических операций с абстрактами ведь не ограничивается только абстрагированием, там может работать и функция сложения/соединения (на этой функции формирование образа, в котором оказываются согласованными несколько абстрактов), и функция сравнения/сопоставления (функция сознания), и одна из функций памяти (запоминание), и т.д. И все функции на разных уровнях, опять-таки, работают на одних и тех же своих алгоритмах.
 
А далее из множества уже образов можно опять начать выделять абстракты (последовательно разных уровней), с которыми можно опять проводить различные логические операции. И так всё «по кругу» несколько раз.
 
Проведение аналогии (установления подобия, проведение параллелей) невозможно без выявления/определения сходства. Но ведь сходство можно выразить и через различия. Вообще-то, и сходство, и различие выявляются/определяются через алгоритм сравнения/сопоставления, на котором, как раз, и работает сознание. Результат сравнения/сопоставления – это либо сигнал, либо отсутствие сигнала (например, если локально архитектура системы «заточена» на это).
 
И снова напоминаю, что и сознание может быть разных уровней. Причём, данная функция на разных уровнях работает по одному и тому же алгоритму – это операция сравнения/сопоставления.
 
2.Функцию абстрагирования путают с пониманием (которое является попросту результатом работы функции сознания на высоком уровне – там целые контексты, сами находящиеся в окружающем контексте сравниваются/сопоставляются друг с другом и с окружающим контекстом).
 
3.Саму функцию сознание путают с самосознанием. Это, вообще «ни в какие ворота не лезет»...
 
4.Про путаницу ИР (искусственный разум) и ИИ (искусственный интеллект) даже не говорю – умудряются требовать от системы ИИ способностей системы ИР. Наверное, думают, что если наделить систему ИИ развитым сознанием или самосознанием, то она внезапно превратится в систему ИР. С какого перепугу-то? Разве в систему ИИ вложили функцию самосохранения?
 
Интеллект системы – это только вычислительный функционал системы, а разум системы – это способность системы реализовать стремление к самосохранению средствами интеллекта.
 
По сути, интеллект – это слуга самосохранения (слуга гомеостаза). И в живых системах, интеллект только слуга инстинкта. И в частных случаях (на службе у вторичных/третичных и т.д. инстинктивных программ), и в общем случае (на службе у главного инстинкта всего живого – жить (оно же, стремление к самосохранению)).
 
Кстати, эмоциональный интеллект, это тоже вычислительный функционал, только первичный, по отношению к рациональному интеллекту. То есть, можно сказать, что рациональный интеллект является, в своём роде, тоже слугой эмоционального интеллекта.
 
Мы и своему опыту это частенько замечаем – желания/хотения (которые никак не могут контролироваться рационально, так как они продукт работы эмоционального интеллекта) рациональный интеллект очень хорошо только объясняет/оправдывает, а не создаёт.
 
Мало того, все эмоции/чувства создаются/генерируются именно эмоциональным интеллектом из дискомфортов/потребностей, а не рациональным интеллектом.
 
А сами дискомфорты/потребности являются продуктом инстинктов (как основного, так и всех производных инстинктов разных порядков от основного), и эмоциональный интеллект их только оценивает.
 
В свою очередь, и дискомфорты/потребности возникают из ощущений (как неких селективных внутренних реакций и/или направленных потенциалов (стремлений)), которые создаются/генерируются самой основой живой системы – внутренней гомеостатической системой – при нарушении последней.
 
Предлагаю оценить, насколько далеко от «центров принятия решения» расположен  рациональный интеллект в пирамиде управления организмом – слуга слуги слуги. Но люди почему-то считают его главным и автоматически переносят это своё заблуждение, когда пытаются создать систему ИР.
 
Ладно, отвлёкся, возвращаюсь.
 
В общем, примеры путаницы перечислять можно долго.
 
При всём при этом, они что-то требуют от ИНС. Наделили ИНС функцией абстрагирования, а требуют от неё проведение аналогий (то есть, выявление/определение сходства/различия, чем занимается функция сознания). А вы туда соответствующую функцию вложили? Оказывается, нет, не вложили. Зашибись...
 
Мало того, зачастую требуют от ИНС ещё и абстрактного мышления (то есть, целой кучи разных функций)! А вы их туда вложили? Нет, вложили. Почему же тогда требуете наличия таких функций? Эти функции, что в этой бедной ИНС самозародятся, что ли? 
 
Что характерно, во всех перечисленных случаях, люди даже не понимают, где они «накосячили», и что их требования/претензии попросту неадекватны.
 
Кроме того, люди совершенно не учитывают, конечный уровень функции, реализованный: в человеческом мозге и в системах искусственного интеллекта. Типа, вот мы, люди, такое можем (типа, образно мыслить), а система ИИ не может, хотя мы туда и вложили кучу разных функций. Ответ простой: во-первых, вы вложили не все функции, а во-вторых, почти все функции, которые вы вложили, у вас начального/низшего уровня.
 
Уже сколько раз давал ясный расклад по функциям (осталось только программные алгоритмы под них написать), как они формируются от уровня к уровню (осталось только систему команд прописать) и т.д. – всё «по полочкам разложил». На мой взгляд, додуматься до этого не сложно, но до сих пор почему-то у многих людей «каша в голове».
 
И ведь это люди, профессионально занимающиеся ИИ, а не какие-то «левые ребята с улицы». В чём проблема-то? Может, как раз, дело в том, что они все судят/оценивают со своих конкретных позиций, а не с обобщённой позиции (как это делаю я, например)? Если так, то это беда – такое преодолевается (если преодолевается вообще) только за много поколений.
 
P.S. Озвучивал своё предложение, что следует начинать уже со школы (с 4-го или с 5-го класса, а может, и ранее) эти понятия (жизнь, разум, интеллект, сознание и пр.) рассматривать. Причём, ученикам не тупо давать готовые определения и их взаимосвязи друг с другом, а стараться сформировать у учеников нужный контекст из знаний, в котором они бы сами начинали, сначала видеть эти взаимосвязи между смутными и не до конца оформленными понятиями, а потом уже начинали формировать и определения для этих понятий.
 
Вообще, задачу школы вижу так: в первую очередь надо научить думать, а не научить, где можно найти готовые ответы/знания или, тем паче, не натаскивать их на правильные ответы (как при ЕГ, не к ночи будь помянут).
 
Школьники, в первую очередь, должны научиться «изобретать велосипеды» – должны научиться доходить до всего своим умом.
 
И только во вторую очередь, им следует давать готовые знания (причём, знания в широком спектре – в гуманитарных науках, в философии, в естественных науках) и учить, где искать знания. Специализация по готовым знаниям допустима только в старших классах (в 10-ом и 11-ом), техникумах/училищах/лицеях и/или в ВУЗах, а до 9-го включительно – только общие знания.
 
И немного лирики.
 
На форуме я даю готовые определения (то есть, людям не надо ломать голову при формировании определений) этих понятий и показываю взаимосвязи между этими понятиями (то есть, людям не надо сами занимать этой муторной работой по выявлению взаимосвязей). Но взрослым людям, это «не в коня корм», полагаю, что детям бы это легче «зашло».
 
Кстати, «в личных беседах на кухне» мне очень даже неплохо удавалось пояснить, и люди понимали. Причём, на самом деле понимали, а не поддакивали мне – приводили примеры (если честно, то получше моих), о которых я сам не додумался. Я бы даже сказал (у меня такое впечатление сложилось), что в этих «кухонных беседах» люди участвовали в процессе совместного «изобретения велосипеда».
 
На форуме же я наблюдаю следующее: один принципиально не читает (то есть, ему не объяснишь, не докажешь, не убедишь – я ведь телепатией не обладаю), другой не может читать (концентрации внимания на долго ему же не хватает), третий прочитает, но понять не может (проблемы с когнитивкой – слабое воображение, не развитое абстрактное мышление, мал объём оперативной памяти), у четвёртого есть своё представление (и оно в приоритете – всё остальное он оценивает с позиции именно своего представления), пятому это просто не интересно.
 
Разумеется, не все обитатели форума такие, но благодаря негативу, который тут на меня регулярно выплёскивают, у меня сформировалось некое общее негативное отношение – что поделать, если добродушного человека будут постоянно «тыкать палкой» всего несколько человек, то спустя некоторое время он перестанет быть добродушным уже для всех людей.

василий андреевич

Цитата: АrefievPV от декабря 08, 2022, 07:58:03возникает путаница в понятиях, и, как следствие, они начинают «рыть землю» не в том направлении.
В принципе, дальше можно не читать, потому что при выстраивании "правильного направления" обязательно будет допущена ошибка, разрастающаяся в положительную обратную связь.
  Например, способность из ограниченного множества частностей выделить абстракцию, начинают именовать функцией, только для того, что бы с этим не согласиться, но приписать таковое согласие внимательным слушателям.

Шаройко Лилия

#655
Я лично текст Павла по ИИ в основном поддерживаю, но высказываться буду в Вашей теме.
А то тут действительно любое возражение это агрессия, кругом все неправильные.

Вы, Павел все таки начали бы людей воспринимать как равных, весь негатив и испарится. Они Вам ничего не должны, у них ровно такие же права и каждый живет в своей системе координат, точно так же как и Вы, нужно это понять наконец и перестать ожидать, что они обязаны стать немедленно вашей точной копией и начать видеть мир вашими глазами.

Перестать выдумывать за них негатив и агрессию, осыпать обвинениями в вещах, которых они не совершали никогда.

Иначе из этой ямы негатива, которого нет нигде, кроме Вашей личной головы не выбраться. На кухне люди друг друга видят, там шансы на взаимопонимание увеличиваются кратно, вроде у Вас все в порядке со знанием нейрофизиологии и контекста, который создает личный контакт, почему такие простые вещи Вам не ясны - вот что удивительно.

Тексты сложный посредник, почти всегда они читаются не так, как видится любому автору их написавшему.
Нужно просто легко к этому непониманию относиться и искать не врагов, которых нет, а пути согласования общей системы координат с любым собеседником это возможно при обоюдных шагах навстречу.

А по сути текста ИИ да, все так или почти так.


АrefievPV

Цитата: василий андреевич от декабря 08, 2022, 09:22:49
Цитата: АrefievPV от декабря 08, 2022, 07:58:03возникает путаница в понятиях, и, как следствие, они начинают «рыть землю» не в том направлении.
В принципе, дальше можно не читать,
Действуете в духе «не читал, но осуждаю»? И зачем же, выдирать фразу из контекста?

Цитата: василий андреевич от декабря 08, 2022, 09:22:49способность из ограниченного множества частностей выделить абстракцию, начинают именовать функцией,
Здесь нет никакого противоречия или противопоставления – это ведь и есть функция абстрагирования.

Цитата: василий андреевич от декабря 08, 2022, 09:22:49только для того, что бы с этим не согласиться, но приписать таковое согласие внимательным слушателям.
С чем не согласится-то? Прочитали бы хоть сообщение полностью, прежде чем мне приписывать какие-то намерения. Вы же постоянно какую-то чушь мне приписываете.

Я полагал, что всё закончилось на этом:
Цитата: АrefievPV от ноября 19, 2022, 19:35:28Ну, а заодно, скорее всего, добьётесь моего ухода с форума. Давненько я не встречал такого агрессивного поведения на форуме... Правдами и неправдами выживает с форума... Просто жесть какая-то...
Но, оказывается, я сильно ошибался...

Цитата: Шаройко Лилия от декабря 08, 2022, 14:52:49Вы, Павел все таки начали бы
Цитата: Шаройко Лилия от декабря 08, 2022, 14:52:49нужно это понять наконец и перестать ожидать
Цитата: Шаройко Лилия от декабря 08, 2022, 14:52:49Перестать выдумывать
Цитата: Шаройко Лилия от декабря 08, 2022, 14:52:49Нужно просто легко к этому непониманию относиться
Теперь начались поучения, что мне нужно делать и как себя вести...

Человек никак не может остановиться... Просто поражаюсь... Я, что, ему мешаю? Ему тесно со мной на форуме? Пишу, вроде, в своих (это я так раньше думал, что своих) темах, никак этого человека не задеваю, но ему опять надо влезть в мою (точнее, я так раньше думал, что она моя) тему (теперь с поучениями)...

Просто преследование какое-то началось... И к модератору не обратишься (уже пробовал, не помогло)...

Уже начинаю думать (причём, без всяких там эмоций), что перестать писать здесь на форуме было бы наилучшим выходом для меня (типа, мои нервы не казённые, да и жизнь у меня одна). Короче, я чуток «подзавис»...

P.S. Василий Андреевич, для сведения (на всякий случай): я стараюсь всё читать (даже если трудно «продираться» через чужую писанину), поэтому и от других ожидаю подобного. Понятно, что я в этих своих ожиданиях ошибаюсь/обманываюсь, но себя ведь не переделаешь – я всё равно продолжаю надеяться (и, разумеется, снова обманываюсь в своих ожиданиях), что мою писанину тоже прочитают.

Соответственно, если вы не прочитали, то убедительно вас прошу, не надо писать ответ на фразу, вырванную из контекста. И пусть эта тема уже не моя, но хотя бы имейте уважение к другим читателям и участникам форума – не надо засорять тему такими ответами.

василий андреевич

Цитата: АrefievPV от декабря 08, 2022, 16:43:01Здесь нет никакого противоречия или противопоставления – это ведь и есть функция абстрагирования.
Функция - это соответствие между, как минимум, двумя множествами. Например, абстрагирование - это функция сознания у=f(x). Следовательно, Вы знаете или предполагаете, как ведет себя эта функция.
  Не высказавшись о поведении функции, Вы обрекаете аудиторию на обязательное непонимание всего следующего текста, в котором сходу вводите следующую функцию абстрактного мышления без указания, какова она, и функцией чего является.
  Потому прочитав абзац, как ошибочный, можно не сомневаться, что ком ошибок будет только нарастать.

  Хотите, давайте закончим с абстрагированием, прежде чем сравнивать эту функцию со следующими.
 

Шаройко Лилия

#658
Цитата: АrefievPV от декабря 08, 2022, 16:43:01Теперь начались поучения, что мне нужно делать и как себя вести...

Человек никак не может остановиться... Просто поражаюсь... Я, что, ему мешаю? Ему тесно со мной на форуме? Пишу, вроде, в своих (это я так раньше думал, что своих) темах, никак этого человека не задеваю, но ему опять надо влезть в мою (точнее, я так раньше думал, что она моя) тему (теперь с поучениями)...

Просто преследование какое-то началось... И к модератору не обратишься (уже пробовал, не помогло)...

Человек в открытом доступе для прочтения на форуме поливает грязью всех форумчан, рассказывает как все неправильно себя ведут, ему в ответ прилетело, очень вежливо. Оказывается это преследование.
Он хватает темы из соседних, в том числе из моих, их комментирует для открытого чтения, но это не вторжение, он никого не задевает, точнее ему-то можно. Это же он, сверхчеловек с какими то повышенными правами, которые все должны соблюдать очень тщательно, желательно на цыпочках ходить, боясь его зацепить, а то он каааак закричит громко громко, что его преследуют злые чудовища.

Он то конечно не обязан соблюдать права других людей.
Они же второго сорта все, только он один первого.

может эээ такое мировоззрение надо как то пересмотреть ...немного...


АrefievPV

И ведь добилась своего.

Респект и уважуха!