|
|
Регистрация Восстановить пароль |
Регистрация | Задать вопрос |
Заплачу за решение |
Новые сообщения |
Сообщения за день |
Расширенный поиск |
Правила |
Всё прочитано |
|
|
Опции темы | Поиск в этой теме |
10.10.2011, 15:18 | #81 |
Пользователь
Регистрация: 06.10.2011
Сообщений: 40
|
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". Последний раз редактировалось Undertaken; 10.10.2011 в 16:29. |
10.10.2011, 15:46 | #82 |
Старожил
Регистрация: 28.01.2009
Сообщений: 21,000
|
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.
Хорошо поставленный вопрос это уже половина ответа. | Каков вопрос, таков ответ.
Программа делает то что написал программист, а не то что он хотел. Функции/утилиты ждут в параметрах то что им надо, а не то что вы хотите. |
10.10.2011, 16:34 | #83 |
Пользователь
Регистрация: 06.10.2011
Сообщений: 40
|
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
|
10.10.2011, 16:50 | #84 |
Старожил
Регистрация: 04.02.2009
Сообщений: 17,351
|
А в линуксе уже написали программу Avida (описание есть в Инете)
Маньяк-самоучка
Utkin появился в результате деления на нуль. Осторожно! Альтернативная логика |
10.10.2011, 16:53 | #85 | |
Старожил
Регистрация: 28.01.2009
Сообщений: 21,000
|
Цитата:
Хорошо поставленный вопрос это уже половина ответа. | Каков вопрос, таков ответ.
Программа делает то что написал программист, а не то что он хотел. Функции/утилиты ждут в параметрах то что им надо, а не то что вы хотите. |
|
10.10.2011, 21:33 | #86 |
Участник клуба
Регистрация: 21.11.2007
Сообщений: 1,692
|
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. Последний раз редактировалось Kostia; 10.10.2011 в 21:42. |
10.10.2011, 22:21 | #87 |
Участник клуба
Регистрация: 21.11.2007
Сообщений: 1,692
|
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 |
11.10.2011, 16:29 | #88 |
Пользователь
Регистрация: 06.10.2011
Сообщений: 40
|
Так возможно сделать программу, которая наблюдая за поведением шаров в вакууме выведет закон притяжения?
может быть путем перебора и проверки "гипотиз"? Последний раз редактировалось Undertaken; 11.10.2011 в 16:35. |
11.10.2011, 17:42 | #89 | |
я получил эту роль
Старожил
Регистрация: 25.05.2007
Сообщений: 3,694
|
Цитата:
пыщь
|
|
11.10.2011, 19:55 | #90 |
Участник клуба
Регистрация: 21.11.2007
Сообщений: 1,692
|
Объяснять умозаключение это дело экспертных системе. В НС несколько сложнее, они считывают информацию из параллельных миров во время озарения =)
|
|
Похожие темы | ||||
Тема | Автор | Раздел | Ответов | Последнее сообщение |
Искусственный интеллект | Sweta | Помощь студентам | 4 | 25.11.2011 02:06 |
Искусственный интеллект | Revival001 | Общие вопросы по программированию, компьютерный форум | 143 | 15.03.2011 16:19 |
Что для вас Искусственный интеллект? | saggy | Свободное общение | 56 | 20.07.2010 17:37 |
Искусственный интеллект | starindustry | Помощь студентам | 2 | 07.11.2008 10:50 |