Комментарии 25
Может тут стоит попробовать автоматически генерировать 3d модель окружающей среды по данным датчиков (камеры, лидеры) и прогонять модель в каком-нибудь физическом движке…
маленькие дети прекрасно понимают что если перевернуть стакан с соком будет ата-та,
иерархию подчинения понимают намного раньше(методом приучения), чем получат ответы.
потом из них вырастают взрослые дядьки, только в моем окружении, только за прошлую неделю- один из которых варил лестницу в погребе, обложенном торфом-погреба больше нет, другой решил спилить торчащие в гаражной яме остатки арматур, какая нафиг разница что яма промаслена в сало и что в ней стоит тазик с какой то горючкой-теперь лежит не шевелясь(и это еще легко отделался, так сказать обманул эволюцию)… для того чтобы двигать дело вперед-люди идут на вероятностные решения зачастую с позиции авось(конечно не без глупостей, видимо в силу своей ограниченности)… машинам будет нелегко, нужно больше датчиков(не только визуальных), чтобы понимать например разделение сред в стакане, формы, устойчивости систем и факторы способные эти системы вывести из равновесия, дальше все несколько проще-предсказать как отдельные элементы поведут себя при данных условиях(которые тоже нужно не просто запомнить, а время от времени сверять, не изменилось ли что)… будут ли машины работать с вероятностными событиями? будет забавно на это посмотреть
иерархию подчинения понимают намного раньше(методом приучения), чем получат ответы.
потом из них вырастают взрослые дядьки, только в моем окружении, только за прошлую неделю- один из которых варил лестницу в погребе, обложенном торфом-погреба больше нет, другой решил спилить торчащие в гаражной яме остатки арматур, какая нафиг разница что яма промаслена в сало и что в ней стоит тазик с какой то горючкой-теперь лежит не шевелясь(и это еще легко отделался, так сказать обманул эволюцию)… для того чтобы двигать дело вперед-люди идут на вероятностные решения зачастую с позиции авось(конечно не без глупостей, видимо в силу своей ограниченности)… машинам будет нелегко, нужно больше датчиков(не только визуальных), чтобы понимать например разделение сред в стакане, формы, устойчивости систем и факторы способные эти системы вывести из равновесия, дальше все несколько проще-предсказать как отдельные элементы поведут себя при данных условиях(которые тоже нужно не просто запомнить, а время от времени сверять, не изменилось ли что)… будут ли машины работать с вероятностными событиями? будет забавно на это посмотреть
А что произойдёт, если спилить арматуру в промасленной яме? Её же не газовой горелкой спиливают. Искры? Нагрев от трения? Откуда возьмётся огонь? Правда интересно.
Я думаю, что от искр сначала воспламенились пары горючего в тазике, а промасленная яма являлась лишь вишенкой на торте — для полного и окончательного уничтожения объекта. Хозяин, к счастью, успел выбраться, а вот гараж теперь наверное придётся строить заново.
Болгаркой ее спиливают, и искры от нее вполне могут поджечь плотную сухую ткань, а уж пары от какого-то тазика — плевое дело.
Видимо вы никогда болгаркой приличную сталь не резали — там такой фонтан искр с диска летит, примерно как от бенгальских огней. Разница только что огни во все стороны, а тут относительно направленный сноп искр получается но зато «бъющий» дальше чем от бенгальских.
Вот так примерно это обычно выглядит если сталь более-менее твердая(с начала 2й минуты если метка времени не сработает): https://youtu.be/jeIdF1xlLb8?t=2m
Вот так примерно это обычно выглядит если сталь более-менее твердая(с начала 2й минуты если метка времени не сработает): https://youtu.be/jeIdF1xlLb8?t=2m
Исследователи придумали прототип зеркальных нейронов.
Исследователи придумали костыль. Вот ежели бы оный робот сам бы мог строить модели, исходя из собственного опыта, причём не только модели комнаты с мебелью — вот тогда бы было другое дело.
Что значит «сам бы мог» по отношению к наличию/отсутствию зеркальных нейронов? Они (нейроны) должны самозародиться или как? Если уж так подходить, то у нас тоже такой «костыль» имеется, и мы вполне примеряем на себя чужой опыт.
Начнём с того, что нас интересуют не сами зеркальные нейроны, а механизм обучения путём созерцания чужого (да и не только чужого) опыта. В котором у нас с вами _гипотетически_ принимают участие зеркальные нейроны. Как справедливо заметили в каментах к соседнему посту, упоминание зеркальных нейронов всуе ничего не объясняет. Ибо как они работают и как работает упомянутый механизм — это на сегодняшний день тайна за семью печатями.
Что хорошего в этом смысле можем мы и не может машина? Мы можем сами выстраивать в мозгу различного рода модели, а затем их использовать. А что мы видим здесь? Модель уже задана добрыми программистами, а нейросеть только учится сопоставлять фотографии предварительно размеченным состояниям модели. Ежели вдруг надо будет не тумбочки двигать, а, скажем, в преферанс играть — то модель отправится в унитаз, и надо будет ручками задавать ещё одну модель (и не факт, что она хорошо себя покажет). Тогда как мы с вами можем даже по словесному описанию составить модель. А затем уточнять её сообразно полученному опыту. Что в обсуждаемом случае, насколько я понял, напрочь отсутствует. Другими словами, я здесь не увидел ничего сколько-либо революционного, чего раньше не умели нейронные сети.
Что хорошего в этом смысле можем мы и не может машина? Мы можем сами выстраивать в мозгу различного рода модели, а затем их использовать. А что мы видим здесь? Модель уже задана добрыми программистами, а нейросеть только учится сопоставлять фотографии предварительно размеченным состояниям модели. Ежели вдруг надо будет не тумбочки двигать, а, скажем, в преферанс играть — то модель отправится в унитаз, и надо будет ручками задавать ещё одну модель (и не факт, что она хорошо себя покажет). Тогда как мы с вами можем даже по словесному описанию составить модель. А затем уточнять её сообразно полученному опыту. Что в обсуждаемом случае, насколько я понял, напрочь отсутствует. Другими словами, я здесь не увидел ничего сколько-либо революционного, чего раньше не умели нейронные сети.
Вы здесь говорите об оптимизационных задачах ИИ, но почему-то подразумеваете создание искусственного разума. Как только ИР появится, конечно, он должен будет без всякой подгонки модели решать любую задачу, которую способен решать разум естественный. А пока серебряной пули нет, так что давайте без фантастики.
Вот уж извините. Статья называется «Машины как дети..» и размещена в хабе «Искусственный интеллект». Что как бы подразумевает, что нам сейчас будут толкать нечто, претендующее ежели не на разгадку тайны интеллекта, то по крайней мере на сколько-либо заметное продвижение на оном поприще. На что, собственно, и повёлся предыдущий оратор, упомянув всуе зеркальные нейроны. А я ему собственно и ответствовал, что ничего хоть сколько-либо прорывного и приближающего машины к человеческой способности учиться я в статье не увидел.
> А пока серебряной пули нет, так что давайте без фантастики.
Ну это, серебряную-то пулю тоже должен кто-то делать. А ежели сделать не получается, то по крайней мере можно пообсуждать. Для чего, на мой взгляд, и служат подобные статьи и каменты под ними.
> А пока серебряной пули нет, так что давайте без фантастики.
Ну это, серебряную-то пулю тоже должен кто-то делать. А ежели сделать не получается, то по крайней мере можно пообсуждать. Для чего, на мой взгляд, и служат подобные статьи и каменты под ними.
Да это все путь «делать по подобию», копирование у старших ))) — чтобы вырасти самим
Исследователи такие исследователи! Еще с 90х готов в области игровых ИИ (например гонки) только так и живут. Рассчитывают физику в будущее и выбирают лучшую траекторию. То же самое в шахматах — дерево решений.
«Маленькие дети прекрасно понимают, что будет, если перевернуть стакан с соком. А вот машины нет.»
Маленькие дети понимают это только после обучения. В чём здесь принципиальная разница с машиной?
Маленькие дети понимают это только после обучения. В чём здесь принципиальная разница с машиной?
Маленькая поправочка — после самообучения. Маленькие дети (до 3-х лет) совершают, на первый взгляд, совершенно глупые и бессмысленные вещи (бросят там что-нибудь, кота за ухо подергают и т.д.). Так вот, они делают действие и смотрят, что будет. Получают первичные навыки работы с окружающей средой. Подобные механизмы в принципе, возможно реализовать у ИИ.
Абсолютно верно, чтобы начать понимать, что будет, если перевернуть стакан с соком — его нужно несколько раз опрокинуть.
хо-хо, ждал подобной новости давно. ии делает симуляцию развития ситуации. осталось только заставить его включать самого себя как объект симуляции — и феномен сознания будет на монитор (лицо), йу-ххууу
Несмотря на все многообразие современных алгоритмов компьютер не в состоянии предсказать последствия того либо иного своего действия. Конечно, если этот компьютер специально не обучить.Ну есть же в шахматах какой-то самообучающийся алгоритм. Там просто необходимо предсказывать последствия не только своих действий, но и противника.
Задача интеллекта — предсказание в условиях неполных и противоречивых данных. Это не значит, что нет неинтеллектуальных алгоритмов, способных к предсказанию конкретной задачи в условиях неполных данных. При игре против идеального переборного алгоритма, способного оценить все возможные ходы в шахматах, оппонент-человек в общем случае не сможет определить, играет он против интеллектуальной системы или переборной.
Это действительно шаг в сторону сильного ИИ. Нужно еще включить в модель Я, причем определенным(непонятно каким) образом. Еще нужна подсистема для общения на каком-то языке. А также подсистемы постановки целей, переключения контекста по ассоциациям и многое другое. В наших мозгах все это, судя по разным поломкам(синдромы Котара, Капгра, дислексия, аутизм...) сделано на уровне архитектуры. Найдем правильный способ способ сложить кирпичики — получим сильный ИИ. А подлежащий слой может быть каким угодно, и вовсе не обязательно это должны быть модные нынче нейронные сети.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Машины как дети: может ли ИИ научиться предсказывать последствия своих действий?