Страницы: Пред. 1 ... 497 498 499 500 501 ... 519 След.
RSS
Мозг - это просто, френология или методология?
Учёным впервые удалось прочитать мысли из мозга и озвучить их.
https://ria.ru/20190424/1553018725.html
Цитата
Калифорнийские исследователи создали нейрочип и алгоритм, позволяющие напрямую считывать мысли из центра речи человека и озвучивать их, используя виртуальный аналог голосовых связок.

в марте 2013 года бразильские и американские ученые смогли объединить мозг двух крыс, живущих в тысячах километров друг от друга, в своеобразную "локальную сеть", или, как назвали эту конструкцию сами ученые, "органический компьютер", и научить их обмениваться информацией.
Позже они создали аналогичный "коллективный разум", объединив мозг трех обезьян

Чартье и его коллеги смогли решить ее благодаря тому, что они подошли к этой проблеме с совершенно другой стороны. Они не пытались расшифровать сигналы мозга и напрямую "считать" слова и буквы, а предположили, что наши центры речи кодируют не конкретные звуки, а наборы инструкций для мускулов рта, гортани языка и голосовых связок.
Внимание! Данное сообщение содержит исключительно личное мнение автора. Есть основания полагать, что оно может не отвечать критериям научности.
Цитата
vasgo пишет:
Простите, что возвращаю вас к исходной теме про мозг.
Меня интересует под тема "механизмы управление вниманием внутри мозга".
Приходилось ли вам сталкиваться с информацией на эту тему?
Что является «субъектом, воспринимающим» разум как атрибут самого себя?
"Подобно завороженному ребенку, опуститесь на колени перед фактом – в готовности, отвергнув любые предвзятые мнения, смиренно следовать за природой, в какие бездны ни вел бы указуемый ею путь; иначе вы ничему не научитесь".
Т. Гексли
Изменено: Дмитрий 777 - 08.05.2019 14:11:29
Внимание! Данное сообщение содержит исключительно личное мнение автора. Есть основания полагать, что оно может не отвечать критериям научности.
Вот в тему недавнего обсуждения: Горький урок отрасли ИИ
Ричард Саттон :

По итогу 70-ти лет исследований в области ИИ главный урок заключается в том, что общие вычислительные методы в конечном счёте наиболее эффективны. И с большим отрывом. Конечно, причина в законе Мура, точнее, в экспоненциальном падении стоимости вычислений.

Большинство исследований ИИ предполагали, что агенту доступны постоянные вычислительные ресурсы. В этом случае практически единственный способ повышения производительности — использование человеческих знаний. Но типичный исследовательский проект слишком краткосрочен, а через несколько лет производительность компьютеров неизбежно возрастает.

Стремясь к улучшению в краткосрочной перспективе, исследователи пытаются применить человеческие знания в предметной области, но в долгосрочной перспективе имеет значение только мощность вычислений. Эти две тенденции не должны противоречить друг другу, но на практике противоречат. Время, потраченное на одно направление, — это время, потерянное для другого. Есть психологические обязательства инвестировать в тот или иной подход. И внедрение знаний в предметной области имеет тенденцию усложнять систему таким образом, что она хуже подходит для использования общих вычислительных методов. Было много примеров, когда исследователи слишком поздно усваивали этот горький урок, и полезно рассмотреть некоторые из самых известных.

В компьютерных шахматах система, которая победила чемпиона мира Каспарова в 1997 году, была основана на глубоком поиске вариантов. Тогда большинство исследователей компьютерных шахмат с тревогой смотрели на эти методы, потому что они применяли человеческое понимание предметной области — особой структуры шахматной игры. Когда более простой, основанный на поиске, подход со специальным оборудованием и программным обеспечением оказался значительно более эффективным, эти исследователи отказались признавать поражение. Они сказали, что метод «грубой силы», возможно, сработал один раз, но не является общей стратегией. В любом случае, люди не так играют в шахматы. Эти исследователи хотели победы методов, основанных на человеческом понимании игры, но их ждало разочарование.

Аналогичная ситуация сложилась в исследованиях игры го, только с задержкой на 20 лет. Огромные первоначальные усилия были направлены на то, чтобы избежать поиска, а использовать человеческие предметные знания или особенности игры, но все эти усилия оказались бесполезными, когда был эффективно применён глубокий поиск вариантов с массивными параллельными вычислениями. Важным оказалось и самообучение для усвоения функции ценности, как и во многих других играх и даже в шахматах, хотя эта функция не играла большой роли в программе 1997 года, которая впервые победила чемпиона мира. Обучение в игре с самим собой и обучение в целом подобны поиску в том смысле, что позволяют использовать массивные параллельные вычисления. Поиск и обучение — наиболее важные применения вычислительной мощи в исследованиях ИИ. Как и в компьютерных шахматах, в разработке программы для игры го исследователи сначала сконцентрировались на применении человеческого понимания предметной области (что требовало меньше поиска), и гораздо позже пришёл большой успех, когда они применили поиск и обучение.

В 1970-е годы DARPA провела конкурс систем распознавания речи. Конкурсанты предложили множество специальных методов, которые использовали знание предметной области — знание слов, фонем, человеческого голосового тракта и т. д. С другой стороны, были представлены новые методы, более статистические по своему характеру. Они делали гораздо больше вычислений, основанных на скрытых марковских моделях (HMM). И опять статистические методы одержали победу над методами, основанными на знаниях предметной области. Это привело к значительным изменениям во всей обработке естественного языка. Постепенно с годами статистика и вычисления стали доминировать в этой области. Недавний рост глубокого обучения в распознавании речи — последний шаг в этом направлении. Методы глубокого обучения ещё меньше полагаются на человеческие знания и используют ещё больше вычислений вместе с обучением на огромных наборах данных. Это позволило значительно улучшить системы распознавания речи. Как и в играх, исследователи всегда пытались создавать системы, которые работают по образцу их собственных умов: они пытались перенести своё знание предметной области в свои системы. Но в конечном счёте это оказалось контрпродуктивным и стало колоссальной тратой времени, когда закон Мура сделал доступными массивные вычисления и были разработаны инструменты для их эффективного использования.

В компьютерном зрении аналогичная картина. Ранние методы рассматривали зрение как поиск границ объектов, обобщённых цилиндров или в терминах SIFT-признаков. Но сегодня всё это отброшено. Современные нейронные сети глубокого обучения используют только понятия свёртки и некоторых инвариантов, при этом работают намного лучше.

Это большой урок. В целом по отрасли мы ещё не до конца усвоили его, поскольку продолжаем совершать те же ошибки. Чтобы эффективно противостоять этому, следует понять, в чём привлекательность этих ошибок. Мы должны усвоить горький урок: построение модели человеческого разума не работает в долгосрочной перспективе. Горький урок основан на нескольких исторических наблюдениях:

1. Исследователи часто пытались встроить свои знания в агентов ИИ
2. Это всегда помогает в краткосрочной перспективе и лично удовлетворяет исследователя, но
3. В долгосрочной перспективе такой подход упирается в потолок и даже тормозит дальнейший прогресс.
4. Прорывной прогресс в конечном итоге приходит благодаря противоположному подходу, основанному на массивных вычислениях путём поиска и обучения.

Конечный успех окрашен горечью и часто не до конца принимается, потому что это победа над привлекательным, ориентированным на человека подходом.

Из этого горького опыта нужно извлечь один урок: нужно признать огромную силу общих методов, которые продолжают масштабироваться с увеличением вычислительной мощности, даже когда требуются огромные объёмы вычислений. Кажется, поиск и обучение способны неограниченно масштабироваться.

Второй общий момент, который следует извлечь из горького урока, заключается в том, что реальное человеческое мышление чрезвычайно, безвозвратно сложно. Нам следует прекратить попытки найти простой способ представить содержимое ума как простые модели пространства, объектов или множественных агентов. Всё это часть внутренне сложного внешнего мира. Это невозможно смоделировать, поскольку сложность бесконечна. Вместо этого следует развивать мета-методы, способные найти и захватить эту произвольную сложность. Для этих методов важно то, что они могут найти хорошие приближения, но этот поиск осуществляется самими методами, а не нами. Нам нужны ИИ-агенты, которые могут сами вести исследования, а не использовать обнаруженные нами знания. Построение системы ИИ на человеческих знаниях только затрудняет её обучение.
***
Изменено: Техник - 03.06.2019 11:13:47
Ясность - одна из форм полного тумана
Цитата
Техник пишет:
Построение системы ИИ на человеческих знаниях только затрудняет её обучение.
Знания тогда мешают, когда их не хватает. :)
Цитата
дед Андрей пишет:
Цитата
Техник пишет:
Построение системы ИИ на человеческих знаниях только затрудняет её обучение.
Знания тогда мешают, когда их не хватает.  
Не понял, вы возражаете или поддерживаете? )))
Ясность - одна из форм полного тумана
Цитата
Техник пишет:
Цитата
дед Андрей пишет:
 
Цитата
Техник пишет:
Построение системы ИИ на человеческих знаниях только затрудняет её обучение.
Знания тогда мешают, когда их не хватает.  
Не понял, вы возражаете или поддерживаете? )))
:)
Понимаете, меня сама постановка вопроса как-то коробит.
Человеку для решения конкретной задачи необходимо не только знание прописанного алгоритма, но также поесть умыться, поспать и так далее... Многое происходит в фоновом режиме. Но происходит. По факту это означает, что перечисленное тоже входит в детали постановки задачи. Как говаривал великий и мудрый Жак Фреско -- среда формирует сознание.
С другой стороны человеком создаются какие-нибудь знания не просто же так. А для того, чтобы улучшить решение задачи. В этом случае такие знания являются тем или иным конкретным инструментом или набором инструментов для решения задачи. Пользоваться или не пользоваться этими инструментами, в полной мере или частично -- всегда и каждый момент времени "интеллект"  находится в состоянии такого выбора. Таким образом, вообще любые знания являются той же средой, которая формирует сознание.
Проблема создания ИИ  лежит также не только в том, что ему не хватает широты выбора, а и в том, чтобы эту возможность поддерживать сбалансированной по отношению окружающей среды.
Реплика по ходу.
Цитата
дед Андрей пишет:
Как говаривал великий и мудрый Жак Фреско -- среда формирует сознание.
И опять к, так сказать, "извечному", но сформулированному  сравнительно недавно: мол, материя первична,  а сознание вторично. И что в свою очередь в который уже раз  вызвало было  дискуссию, что это не так, а наоборот, и оформившуюся со стороны диа-материалистов в так называемый "основной философский вопрос". Которым, однако, в наши дни уже никто не озабочивается, переключаясь на более интересное обсуждение темы "Наблюдатель", в основе своей содержащей нехитрый императив, повествующий о том, что ...  
Цитата
... есть такая позиция - чтобы что-то назвать существующим, должно существовать сознание, отражающее в себе этот объект. Если, например, все живые (ну, и естественно, обладающие разумом, подобным нашему, или даже выше ...)  существа во вселенной исчезнут, можно ли будет назвать такую вселенную существующей? Ведь в таком мире  зафиксировать существование чего-либо будет некому.
... и который (императив) почти без исключения на всех форумах, посвященных темам, подобной настоящей, как уже и кем только не проговаривался и не был ворочен! Не явился исключением в свое время и наш форум, на котором тема "Наблюдатель" тоже было нашла свое долговременное пристанище. Но до чего тогда в ней все договорились, - не могу сейчас почему-то вспомнить. А раз не могу, значит, - ни до чего так тогда и не договорились.  8)
Кризис современной философии проистекает из неудовлетворен­ности ею самою собой, т.е. из невозможности соответствовать уста­новленным ею для себя критериям, которым, однако, более удовлетворяет современная реальная наука.
Цитата
Петр Тайгер пишет:
можно ли будет назвать такую вселенную существующей?
Автор совершенно прав. Никто не сможет назвать такую Вселенную (ни существующей, ни не существующей).
Определённо, она будет являться неназванной Вселенной.

В связи с этим вспоминается фрагмент эссе Борхеса "Аналитический язык Джона Уилкинса", в котором упоминается
Цитата
Китайская классификация животных
Если верить доктору Францу Куну, то существует одна китайская энциклопедия, которая называется "Небесная империя благодетельных знаний". На ее древних страницах написано, что животные делятся на:
а) принадлежащих Императору,
б) набальзамированных,
в) прирученных,
г) сосунков,
д) сирен,
е) сказочных,
ж) отдельных собак,
з) включенных в эту классификацию,
и) бегающих как сумасшедшие,
к) бесчисленных,
л) нарисованных тончайшей кистью из верблюжьей шерсти,
м) прочих,
н) разбивших цветочную вазу,
о)похожих издали на мух.
Возникает вопрос, относятся ли неназванные Вселенные
- к сказочным
- к (не)включённым в какую-либо классификацию
- к прочим
И вообще, китайским.
В споре не рождается истина, но убивается время.
Цитата
eLectric пишет:
л) нарисованных тончайшей кистью из верблюжьей шерсти,

Надеюсь наша вселенная к этой категории относится
Пока думаешь, что сказать, — делай реверанс! Это экономит время.
Надеюсь. Но Любовь к реальности заставляет думать о похожей издали на мух
В споре не рождается истина, но убивается время.
Страницы: Пред. 1 ... 497 498 499 500 501 ... 519 След.

Мозг - это просто


Портал журнала «Наука и жизнь» использует файлы cookie и рекомендательные технологии. Продолжая пользоваться порталом, вы соглашаетесь с хранением и использованием порталом и партнёрскими сайтами файлов cookie и рекомендательных технологий на вашем устройстве. Подробнее