Что такое интеллект? Мы знаем это как IQ. Но не многие знают, что такое «Q». Q обозначает частное. IQ является коэффициентом интеллекта. IQ считался мерой интеллекта человека. До тех пор, пока не начнутся другие вопросы. Их много: MQ PQ AQ BQ EQ DQ HQ FQ WQ SQ… Интеллект тела, интеллект здоровья, практический интеллект, моральный интеллект и так далее, и так далее, и так далее. Я уверен, что они исчерпают буквы английского алфавита, маркируя вновь обнаруженных / изолированных интеллектов.
Можно определить, отсутствуют ли некоторые из этих вопросов [из-за повреждения или заболевания]. Увеличивая умственно отсталых людей с ограниченными возможностями, мы могли бы компенсировать дефицит Qs. Одни и те же и аналогичные технологии и инструменты (особенно интеллектуальные) могут быть доведены до предела и использованы всеми людьми – чтобы помочь всем нам – процветать во втором веке машин. Мне кажется, что воссоздание узкого интеллекта – это не что иное, как создание новых инструментов, а не создание реального [человеческого или более сильного] интеллекта. Он расширяет себя, а не копирует себя.
Мне нравится это определение [от Мичио Каку?] Разума. Интеллект – наша способность твердо предсказывать будущее. Я бы перефразировал это в наших способностях твердо предсказывать будущее и прошлое. Потому что история, как правило, пишется теми, кто находится у власти, облажается и искажается ради их выгоды. Следовательно, способность видеть / знать прошлое и будущее – в высоком разрешении – это интеллект. Мы могли бы вычислить это. Метод не имеет значения. Чем дальше и чем крепче мы видим будущее, тем мы умнее. Наивысший интеллект (на сегодняшний день) будет в полном разрешении видеть весь Световой Конус нашего мира в высоком разрешении.
Люди и интеллект Кажется, что люди – самые разумные виды на нашей планете Земля. Может быть, мы похожи на маленьких муравьев возле ноги огромного слона, не видя слона … Но нормально смотреть на то, что мы видим, на менее разумных видов. Уместно подумать об этом подробнее. Что такое человек? Что такое минимальный пригодный для жизни человек? Что делает человека умным?
Это строгое. Есть люди без конечностей, из-за травм, болезней (в том числе и рожденных). Есть люди без органического сердца, с электромеханическим насосом. Есть люди без почек на диализе. Есть люди, которые не могли видеть или слышать. И это приводит нас к человеческому мозгу. Пока мозг работает и работает, он делает человека человеком.
Я не знаю, один ли это мозг или мозг плюс спинной мозг. Но это достаточно ясно, пока мозг работает как положено, мы принимаем человека за равного. И наоборот, люди с поврежденным мозгом, но с человеческим телом – мы принимаем их как людей. Но здесь речь идет об умном человеке, человеческом интеллекте. Так что дело с мозгом – это то, что нас интересует.
Мозг человека
Человеческий мозг справа. Больше на Википедии. Это все еще сложно. С одной стороны, мы прекрасно знаем, что такое наш мозг. С другой стороны, мы недостаточно глубоко / хорошо знаем, каков наш мозг. Это даже трудно объяснить размер против интеллекта. Как маленький мозг серого попугая мог обеспечить интеллект наравне с гораздо большим мозгом некоторых шимпанзе? Или как меньший человеческий мозг производит больший интеллект, чем в 3 раза больший мозг слона. Это привело нас к размышлению о форме / структуре и функции. Вероятно, структура больше отвечает за интеллект, чем размер?
Очень интересная гипо о схеме проводки называется клик и полостей. Функция может быть закодирована в ориентированные графы нейронов. Соединения могут быть однонаправленными, двунаправленными. И они могли бы вычислять [локально] что-то релевантное и взаимодействовать с другими кликами на более высоком уровне. Клики могут кодировать / обрабатывать что-то вроде 11-мерных «вещей». Кто хочет проверить, похожи ли последние капсулы Хинтона на эти клики?
Проблема № 1 – это отсутствие сканеров мозга, которые могли бы сканировать мозг достаточно глубоко и плотно, не повреждая мозг. Если бы мы могли сканировать мозг [электричество, химия] на всех уровнях глубины, вплоть до миллисекунды, это бы очень помогло. Разрешение до наносекунды было бы еще лучше … Но у нас пока нет таких сканеров. Некоторые технологии сканирования повреждают мозг. Другие не нанимают достаточно. Может быть, Институт мозга Пола Аллена может что-нибудь изобрести в ближайшее время.
Просвещение
20 лет назад что-то яркое было обнаружено в мозге крыс. Свет был создан мозгом крыс. С тех пор до сих пор нет подтверждения того, что свет излучается и человеческим мозгом. Но есть подтверждение, что наши аксоны могли передавать свет. Таким образом, у нас есть возможности волоконной оптики в нашем мозгу. Было измерено, что человеческое тело испускает биофотоны. Основываясь на обнаружении света в мозге млекопитающих и волоконной оптике в нашем мозге, мы можем выдвинуть гипотезу, что [с большой вероятностью] наш мозг также использует биофотоны. Это еще предстоит измерить – биофотоническая активность в мозге человека.
Даже если свет слабый и срабатывает один раз в минуту, общее одновременное просветление мозга является богатым для обмена информацией. Это будет огромный скачок пропускной способности данных по сравнению с электрическими сигналами. Любопытно, что специфика светопропускания – это то, что существенно отличает мозг человека от мозга других млекопитающих. Особенно красное смещение.
Человек без мозга задал много вопросов. Каков минимальный жизнеспособный мозг? Наши мозги передают только электричество, или большое значение в обмене данными несет свет?
Когда мы сможем подтвердить свет в мозге? Не достаточно скоро Мы запретили эксперименты на кошках, чтобы изучить зрение и восприятие млекопитающих. Эксперименты на человеческом мозге этически еще более хрупкие. Не ожидая какого-либо прорыва в ближайшее время … Сегодня у нас есть моделирование слоев коры, как нейронов, так и электрических сигналов между ними, больших или меньших, в зависимости от силы связей. Функционально это моделирование восприятия. Это может выглядеть так, как будто моделируется мышление, особенно в играх. Но ждать. В игре Go вся доска видна. В Starcraft доска не видна полностью, и люди недавно выиграли у машин. Более сложным, чем Го, является покер, а победителем покера является Libratus. Libratus не основан на нейронных сетях, он работает на минимизации нереального сожаления (CFR). Нам не хватает экспериментов, нам не хватает технологий сканирования. Мы продвинулись в моделировании восприятия только с глубокими нейронными сетями. Типологии незрелые, возможность повторного использования низкая. И эти нейронные сети передают только абстракцию электричества, а не свет.
Изучение данных
Машинное обучение – это алгоритмический подход, когда программа способна учиться на данных. Машинное обучение позволило лучше решить старые проблемы. Самым популярным сегодня является Deep Learning, подмножество машинного обучения. Точнее, глубокое обучение позволило пробиться в компьютерном зрении и обработке речи. Сегодня такие рутинные задачи, как классификация / транскрипция изображений и речи, дешевле и надежнее на машинах, чем на людях.
Самые популярные ребята с глубоким обучением – это так называемые «Коннекционисты» Давайте будем честными – вокруг глубокого обучения много шумихи. Многие люди даже не знают, что есть несколько других подходов к машинному обучению, кроме глубоких нейронных сетей. Проверьте хорошее введение и сравнение машинного обучения Педро Домингосом (автор Алгоритма Мастера). Послушайте свежие материалы от символистов Гэри Маркуса (бывший Uber) и Франчески Росси (IBM). Слушайте свежие материалы эволюционистов от Ильи Суцкевер (OpenAI, скоро Тесла?) Слушайте от аналогов, Майя Гупта (Google). Проверьте на свежие вещи от байесов. Бен Вигода (Гамалон) об обучении идеям вместо глубокого обучения, Руслан Салахутдинов (Apple), Эрик Хорвиц (Microsoft). Запишите дату, чтобы послушать Зубина Гахрамани (Убер).
Каждый подход к машинному обучению дает нам лучший инструмент. Это рассвет второй эпохи машин с ментальными инструментами. В наши дни очень популярная и коммерциализированная ниша. По иронии судьбы, все данные дерьма, создаваемые людьми, превращаются из бесполезных в полезные. Все эти фотографии кошек, еды и селфи стали учебными данными. Даже плохие корпоративные точки зрения становятся данными обучения для визуальных рассуждений. И этот аспект метаморфозы данных радостен. Очевидно, что этот тип интеллекта питается данными, и люди производят данные для его подачи. Это человеческое поведение – ничто иное, как работа на машинах, это весело. В следующий раз, когда вы заберете еду или представите жуткую круговую диаграмму – подумайте, что, скорее всего, вы сделали это для машин.
Может быть, комбинация этих подходов может дать прорыв … Это известно как поиск алгоритма мастера Святого Грааля – для машинного обучения. Объединять или не объединять – это серая область, тогда как необходимость в дополнительных данных очевидна. Интернет вещей мог бы помочь, клонируя старый добрый мир в его цифровое представление. Мы можем надеяться, что, передавая такое количество данных [и высокое разрешение] на машины, они извлекут уроки из этого. Но IoT пока нет, есть Интернет и нет вещей. IPv6 был придуман специально для вещей и до сих пор не внедрен здесь или там. Кроме того, обучение на данных будет ограничено относительной нехваткой доступа к данным. Скорость роста пропускной способности сети медленнее, чем скорость роста данных – следовательно, все меньше и меньше данных могут пройти через канал… Появится гравитация данных. Чтобы получить доступ к данным, вам придется обращаться к данным физически, с помощью ваших инструментов и самих себя. Доступ к данным будет все более и более серьезным вопросом в ближайшие годы. Есть ли лучший путь к созданию интеллекта?
Сложность здания
Как появился интеллект на этой планете? Он был построен постепенно, в течение очень долгой эволюции. Разнообразие и сложность увеличились со временем. Мы могли наблюдать / анализировать сложные системы, появляющиеся в масштабе и самоорганизующиеся со временем. Интеллект – сложная система [я так думаю]. И сложная система могла сделать больше, чем только воспринимать. Как? Создавая / развивая эти возможности. Это очень похоже на создание новой технологии. Все возможно в этом мире, просто создайте технологию для этого. Технология может быть биологической, может быть цифровой, что угодно. Это дает возможность делать то, что хочет делать интеллект. Следовательно, интеллект развивается в направлении создания таких возможностей. И это повторяется и повторяется. В результате интеллект становится все больше и больше.
Стоит посмотреть на место того, что мы называем искусственным интеллектом, среди других сложных систем. То, что я называю интеллектом в этом посте, – это то, что делают Комплексные Адаптивные Системы – появление в масштабе и самоорганизация во времени. Интеллект можно наблюдать на разных уровнях абстракции. Как возникло и организовано 10 триллионов молекул для перемещения всего на 1 метр над землей? Как человеческий мозг или нейроны понимают и запоминают? Как человечество запустило зонд из Бледно-Голубой Точки за пределами Солнечной системы?
Сложность не так страшна, как кажется. Генерального плана вообще не может быть, хотя может быть мастер-конфигурация с простыми правилами. Как и скорость света, гравитационная постоянная такова, минимальная энергия такова, минимальная температура такова и так далее. Этого достаточно, чтобы построить огромную и красивую сложность. Давайте посмотрим на одномерные примитивные правила и «вселенные», которые они создают.
Вольфрам Правило 30 будет первым. Во всех элементарных клеточных автоматах Вольфрама рассматривается бесконечный одномерный массив ячеек клеточных автоматов только с двумя состояниями, причем каждая ячейка находится в некотором начальном состоянии. В дискретные интервалы времени каждая ячейка самопроизвольно меняет состояние в зависимости от ее текущего состояния и состояния двух ее соседей. Для правила 30 набор правил, который управляет следующим состоянием автомата: текущий шаблон 111 110 101 100 011 010 001 000, новое состояние для центральной ячейки 0 0 0 1 1 1 1 0. В природе можно наблюдать очень похожие доказательства на раковине моллюска.
Правило Вольфрама 110. Это элементарный клеточный автомат с интересным поведением на границе устойчивости и хаоса. Текущий шаблон 111 110 101 100 011 010 001 000, новое состояние для центральной ячейки 0 1 1 0 1 1 1 0. Известно, что правило 110 выполнено по Тьюрингу. Это означает, что в принципе любые вычисления или компьютерные программы могут быть смоделированы с использованием этого автомата. Это лямбда-исчисление. Эй, Python-кодеры, когда-нибудь закодированные лямбда-функции? Вы можете вычислить на графиках циклических тегов.
Правило Вольфрама 110 похоже на игру жизни Конвея. Также известный как Life, это клеточный автомат, игра для нулевого игрока, что означает, что его эволюция определяется его начальным состоянием, не требующим дальнейшего ввода. Каждый взаимодействует с Игрой Жизни, создавая первоначальную конфигурацию и наблюдая за ее развитием, или, для продвинутых «игроков», создавая шаблоны с определенными свойствами.
Сложность может быть построена с простыми правилами из простых частей. Скрытый порядок проявит себя в какой-то момент. На самом деле, Скрытый Орден – это работа Джона Холланда, эволюциониста (?). Нам нужны более разнообразные абстракции, которые имеют / имеют агрегацию, тегирование, нелинейность, потоки ресурсов, разнообразие, внутренние модели, строительные блоки – которые могли бы стать этим истинным интеллектом. Может быть, мы уже построили несколько блоков, например нейронные сети для восприятия. Может быть, нам нужно объединить растущий материал с квантовым подходом – вероятности, согласованность и запутанность? Может быть, энергия стоит больше внимания? Узнайте, как вырастить сложность. Сложность сборки. По масштабам и времени может появиться Intelligence.PS. Это была моя гостевая лекция для студентов 1 курса Львовского политехнического национального университета, Института компьютерных наук, …
Уличные дети используют различные стратегии преодоления трудностей, с которыми они сталкиваются на улице. Они полагаются на усилия комбинации действий для выживания. Они используют свои различные
Мы спешили. У меня было меньше часа до гонки, и мы все еще застряли в Мельбурне, движение КБР. Вдох. Вздох. Мой папа пытался провести нас
Со второй половины 20-го века и, особенно, с наступлением 21-го века, модернизация, глобализация и сопутствующее законодательство в области прав человека и равенства открыли женщинам больше