Искусственный интеллект через вирусы и примитивную мутацию?

[Undertaken]

Возможно, что программе изначально нужно будет заложить всего несколько инструментов её мышления. Под мышлением я понимаю процесс интерпретации и обработки данных. Мне кажется, что это должно выглядеть примерно так:

1) программа все организует в пространственные объекты, наделенные различными свойствами. Например металлический шарик. Имеет цвет, вес, объем. Причем объекты это не обязательно материальные вещи. Объект - это нечто, обладающее какими-либо свойствами. Например геометрическая фигура не обладает массой или цветом, она обладает другими свойствами - формой например.
2) программа должна иметь универсальный логический аппарат, позволяющий выводить новые законы, наблюдая взаимодействие объектов - физические, психологические, экономические законы и т.д. Т.е. допустим мы программе показываем различные твердые объекты в вакууме, одинаковой формы и размеров, но с разными массами. Все свойства объектов она знает. Наблюдая как они притягиваются друг к другу она должна придти к закону гравитационного притяжения.

Поправьте, если не прав. нейронные сети как я понимаю делают выводы путем обобщения, т.е. видят 1000 случаев, и понимают, что на 1001 должно произойти аналогичное. Только их аналогичность может быть гораздо более точна, чем человеческая.

Давайте пока абстрагируемся от разных уровней восприятия (имею ввиду физическое/этическое...) и остановимся пока на самой простой в данном случае гипотетической задаче. Шары в вакууме. Я так понимаю сделать программу, воспринимающую объекты не сложно, а можно ли заложить вот этот "логический аппарат"? Т.е. добиться того, чтобы она предсказывала поведение 1001-ых шаров точно, руководствуясь выведенным правилом, а не "по аналогии".

[Пепел Феникса]

чисто теоретически возможно создать ИИ, аналогичный нашему, но это в теории, на практике все сложнее, хотя бы тем что мы свой интеллект то особо не знаем.

[Undertaken]

Сообщение от Пепел Феникса

чисто теоретически возможно создать ИИ, аналогичный нашему, но это в теории, на практике все сложнее, хотя бы тем что мы свой интеллект то особо не знаем.

Не обязательно копировать, можно создать другой это даже более полезно в некоторой степени. Что изменится от создания еще одного человека? Нас и так уже миллиарды... А вот новый вид интеллекта с другим восприятием нашей же реальности безусловно даст че-нить новенькое

[Utkin]

А в линуксе уже написали программу Avida (описание есть в Инете)

[Пепел Феникса]

А вот новый вид интеллекта с другим восприятием нашей же реальности безусловно даст че-нить новенькое

этот самый новый вид, и придется придумать, и причем для программирования ИИ, его нужно строго алгоритмизировать.

[Kostia]

Хех, я себе самообучающийся вирь представляю сл. образом:
1. Имеется программа(вирус) с нейронной сетью и алгоритмом самообучения
2. Чтобы антивирусы ничего не заподозрили изначально, при обучении в системе ничего недель.(почти)
3. Имеется у виря цель, например грабить пароли, или килить файлы или еще какую пакость делать
4. Имеется 100 различных алгоритмов реализации размножения(копирование на флешки, создание exe с картинкой папки, запись в exe'шники) и пакостей.
5. Имеются данные о системе(запущенные процессы, сервисы, ...)
6. Имеется сеть(например сеть Кохонена или гибридная) на вход которой подаются сведения о системе(самое интересное в НС, это помехоустойчивость, например {kaspersky 10.8} и {kaspersky 11.6} не такие уж и далекие друг от друга точки) и производит действие(я).
7. Когда вирус проникает в систему, он создает несколько экземпляров самого себя(несколько файлов и процессов с опр. параметрами) или можно хитрее(можно создать всего одного капитана, который будет создавать других, чтобы главный не помер), капитана в свою очередь создает несколько разведчиков с разными параметрами и тех которых антивирус сечет(процесс завершен и т.п.) капитана определяет и отправляет сведения главному процессу, который в свою очередь обучается.
8. Обученный главный процесс плодится на флешки, диски и т.п. уже по отработанным разведчиками приемами.
9. Обученный вирь, попадая на др комп., будет проводить разведку более эффективно(быстрее, с меньшим риском попасться антивирусу, при многих схожих параметрах(например антивирь один и тот же, что и раньше)).

Хотя тут еще долго ковыряться, а вдруг антивирь сможет отследить весь путь от разведчика до главного, тогда хана вирю, и т.д
Тоже что я описал выше, можно переделать под генетические алгоритмы.
Проблему создания ИИ этот подход никаким боком не решает.

[Kostia]

По НС. Тут все сложно.
Нейронная сеть способна(да, да именно так для непосвященных))) ) обобщать данные и делать выводы на предоставляемых примерах.
Например если мы обучем ее складывать 2 числа на 100 примерах(естественно подавая их в двоичной системе счисления или как-то нормализуя в единичный гиперкуб) то на 101 раз предоставляя на сложение 2 числа не участвовавших в обучении, сеть их должна сложить.(Но тут еще мноооого камней, хотя самое главное это архитектура сети и правильное обучающее множество)

Нейронная сеть способна выявлять признаки у объектов и по этим признакам восстанавливать исходный объект. К примеру если у нас имеется сеть в которой колво нейронов в скрытом слое(по середине) меньше кол-ва нейронов в выходном и входном слоях, то такая сеть после обучения способна выявлять признаки объектов, т.е. сжимать и восстанавливать, кодировать и декодировать исходно множество. Обучение можно обозвать без учителя, хотя это не так, сеть обучается только на входных данных.(подробнее в книгах или вики)

НС - это универсальный аппроксиматор. Сети с двумя слоями достаточно чтобы аппроксимировать любую гладкую функцию в единичном гиперкубе, а сети с тремя слоями достаточно чтобы аппроксимировать любую кусочно гладкую функцию, но не факт что оптимально. Еще в дополнение, производные результирующей функции НС, аппроксимируют производную исходной функции.

Повышение абстракции восприятия данных скрытым слоем с увеличением кол-ва слоев. Например первый слой на изображении распознает простейшие фигуры, углы, линии, следующий слой распознает более сложные фигуры, треугольники, окружности и .т.д., при этом повышается инвариантность, т.е. чем глубже в сеть тем меньше влияет размер, угол поворота, шумы на распознавание образа.(Когнитрон, неокогнитрон, сети свертки...)

Хех, введение общих весовых коэффициентов благоприятно сказывается на сети, повышается обобщающая способность, а риск переобучения резко снижается.

Жаль, что я еще сам только на 3м курсе, многого из тер. вероятностей и мат. статистики не хватает для полного анализа сетей. Хотя сегодня прошли что такое мат. ожидание и т.п. много в книгах по НС связанное с док-вом тех или иных фактов и выводов стало более прозрачным и понятным)))

Вот и потренировался немного в лекторстве, жаль что без выводов формул, но их можно и на вики посмотреть(наверное) или в книженции у Саймона Хайкина.
Еще хочу добавить, при помощи НС можно моделировать творческую деятельность математика для решения краевых задач(уравнения мат физики) аналитическим способом, а не ЧМ. Можно сочинять музыку или писать стихи. Самоорганизующиеся сети, при добротной реализации способны самоорганизовываться(изменять собственную архитектуру) до тех пор, пока не будут способны решать поставленные задачи. В общем много чего, остается только делать

[Undertaken]

Так возможно сделать программу, которая наблюдая за поведением шаров в вакууме выведет закон притяжения?

может быть путем перебора и проверки "гипотиз"?

[JTG]

выведет закон

Нет. НС может решить задачу, но не может объяснить как.

[Kostia]

Объяснять умозаключение это дело экспертных системе. В НС несколько сложнее, они считывают информацию из параллельных миров во время озарения =)