AI – High level

Prezentácie

http://www.youtube.com/watch?v=Rm-K9DYWftw, http://www.youtube.com/watch?v=fAoWP3xQwXI, http://science.dennikn.sk/clanky-a-rozhovory/neziva-priroda/matematika-a-fyzika/5817-marek-rosa-kym-je-umela-inteligencia-v-plienkach-treba-ju-drzat-v-bezpeci, http://www.youtube.com/watch?v=fAoWP3xQwXI

Inšpiratívny prístup KeenSWHouse/GoodAI

-> spraviť konkrétnu vec
-> zverejniť ju v počiatočnom stave, aby sa ostatní mohli hrať a vytvárať to, čo potrebujú bez bottleneckov a tým motivovane prispievať
-> každý týždeň niečo dorábať (veľmi dobrý spätnoväzobný časový interval)
Prvý prístup – AI ako klon mozgu – kapacitná a prenosová náročnosť
Mozog má 10^11 neurónov. Každý neurón má 10^3-10^5 synáps ( v presynaptickej časti su tisícky vstupných kanálov (excitačných a inhibičných signálov), ktoré po prekročení excitačného prahu (threshold) generujú výstupný signál (výsledok-spike). Neurón ho posiela cez svoj jediný výstup (axón) ostatným neurónom vo frekvencii 10-10^2 Hz. Čiže každú sekundu potrebujeme uložiť 10^2*10^11*10^5 stavov, čo je 10^18 stavov. Na ukladanie týchto stavov nám nestačí binárna (1 or 0, čiže bit), ani znaková kapacita (byte=8bitov). Povedzme, že na každý potrebujeme  malý 1kB súbor (10^3 bytov). Dostávame celkovú potrebu 10^21B za sekundu, čo je 1 ZBs (ZettaByte/s). Pre porovnanie,  celkové množstvo dat v roku 2013 sa odhadovalo na ~ 4 ZB… Človek si konštruuje svoju inteligenciu desiatky rokov a to je pre využiteľnosť AI pomalé. Preto ju riešime v rýchlejšom ako reálnom čase. Ak ho zrýchlime napr. 1000x, potrebujeme za sekundu ukladať 10^24B, co je už 1 YBs (YottaByte/s). Narastá pravdepodobnosť, že architektúra “AI ako klonu mozgu” je NP problém.
Druhý prístup – AI ako zrýchľovanie jazyka
Nestačí teda empirické holistické experimentovanie + technologické zrýchľovanie, pretože nevieme, či P=NP. Lepšie je od začiatku považovať AI za rovnocenné s nami a v koevolúcii s ním ho/sa učiť tvoriť analytický jazyk, ktorý v jednom zápise fixuje operácie aj výsledky, čím zabezpečujeme 2 veci: a) transparentnosť celej architektúry b) radikálnu kognitívnu kompresiu bez straty informácie (kategorizácia, enkapsulácia, definovanie). Čiže sa podľa potreby vieme a) rýchlo konzistentne vracať z vyšších abstrakčných úrovní na nižšie, bližšie k empírii a tým pádom si vždy (aj v prípade že sa mýlime) garantovane rozumieť b) kód zaberá minimálnu kapacitu. Tak máme v reálnom rozhodovacom čase k dispozícii všetky spätnoväzobné a postprocesové informácie *1
 …
*1 Snažia sa o to aj komerčné technologické riešenia, ktoré zrýchľujú postprocesovú analýzu tak, aby bola k dispozícii v RT pomocou in-memory computingu (napr.HANA (High-Speed Analytical Appliance), Quantum computing/Cognitive systems,  The Machine .
Fyzika sa dostáva ďalej iba vďaka matematickým nápadom (relativita, kvantová teória). Genetika tiež (Mendel). Rovnako aj AI je spraviteľná iba ako matematické riešenie. Neexistuje, treba všade konštruovať prostredie v ktorom je matematika o krok vpredu.
Reklamy

Ak ťa oslovuje konzistencia, spoluutváraj túto stránku

Zadajte svoje údaje, alebo kliknite na ikonu pre prihlásenie:

WordPress.com Logo

Na komentovanie používate váš WordPress.com účet. Odhlásiť sa / Zmeniť )

Twitter picture

Na komentovanie používate váš Twitter účet. Odhlásiť sa / Zmeniť )

Facebook photo

Na komentovanie používate váš Facebook účet. Odhlásiť sa / Zmeniť )

Google+ photo

Na komentovanie používate váš Google+ účet. Odhlásiť sa / Zmeniť )

Connecting to %s