ИИ, A.I. ? Опции

[klem4]

собственно subj...)

[hiv]

klem4 прав!
Пока человечество может только иммитировать разумные действия и то, только в какойто одной узкой сфере применения и с огромными ограничениями.
Японцы первыми создали нейрокомьютер из 200 нейронов, но математики пока не придумали теории описания работы нейронов. Они пытаются отталкиваться в этой области исходя из детерминированных предпосылок, а ведь работа мозга отчасти детерминированный процесс и то, навязанный внешней окружающей средой. Вот вопрос глобальный: Превратиться ли ИИ выброшенный где-нибудь в джунглях в Маугли? Пока ответ - нет. И думаю ближайшие сотня лет - нам это не грозит.
Да современные реализации ИИ шагают вперед семимильными шагами, но это только результат геометрического роста производительности обычных компьютеров, основанных на Неймановской детерминированной архитектуре! Качественный переход виден только на нейрокомпьютерах, но математики отстают... Пока они разбираются в деталях работы одного нейрона, а если их 200 или 200 000? Капля воды имеет свои свойства, но цунами из нее не сделаешь как в океане!

[Аделина]

klem4 прав!
Да современные реализации ИИ шагают вперед семимильными шагами, но это только результат геометрического роста производительности обычных компьютеров, основанных на Неймановской детерминированной архитектуре! Качественный переход виден только на нейрокомпьютерах, но математики отстают...

:yes: :yes: :yes: :yes: :yes: :yes:

Обучение
Искусственные нейронные сети могут менять свое поведение в зависимости от внешней среды. Этот фактор в большей степени, чем любой другой, ответствен за тот интерес, который они вызывают. После предъявления входных сигналов (возможно, вместе с требуемыми выходами) они самонастраиваются, чтобы обеспечивать требуемую реакцию. Было разработано множество обучающих алгоритмов, каждый со своими сильными и слабыми сторонами. Как будет указано в этой книге позднее, все еще существуют проблемы относительно того, чему сеть может обучиться и как обучение должно проводиться.
Обобщение
Отклик сети после обучения может быть до некоторой степени нечувствителен к небольшим изменениям входных сигналов. Эта внутренне присущая способность видеть образ сквозь шум и искажения жизненно важна для распознавания образов в реальном мире. Она позволяет преодолеть требование строгой точности, предъявляемое обычным компьютером, и открывает путь к системе, которая может иметь дело с тем несовершенным миром, в котором мы живем. Важно отметить, что искусственная нейронная сеть делает обобщения автоматически благодаря своей структуре, а не с помощью использования «человеческого интеллекта» в форме специально написанных компьютерных программ.
Абстрагирование
Некоторые из искусственных нейронных сетей обладают способностью извлекать сущность из входных сигналов. Например, сеть может быть обучена на последовательность искаженных версий буквы «А». После соответствующего обучения предъявление такого искаженного примера приведет к тому, что сеть породит букву совершенной формы. В некотором смысле она научится порождать то, что никогда не видела.
Эта способность извлекать идеальное из несовершенных входов ставит интересные философские вопросы. Она напоминает концепцию идеалов, выдвинутую Платоном в его «Республике». Во всяком случае способность извлекать идеальные прототипы является у людей весьма ценным качеством.
Применимость
Искусственные нейронные сети не являются панацеей. Они, очевидно, не годятся для выполнения таких задач, как начисление заработной платы. Похоже, однако, что им будет отдаваться предпочтение в большом классе задач распознавания образов, с которыми плохо или вообще не справляются обычные компьютеры.

Сообщение отредактировано: Аделина - 1.03.2005 16:08