Возможен ли третий путь искуственного интеллекта?

Вы так спрашиваете, как будто это какой-то важнейший вопрос

обучение с учителем (путь примитивной записи инструкций и их исполнения) и обучение без учителя (творческий интеллект)

Не так оно работает. Объясню на примере. Допустим у нас распознавание объектов, например, животных. Есть много фотографий котов и собак. В случае обучения с учителем, каждая фотография помечается - собака или кошка. Алгоритм выделяет признаки для кошек и собак сам, только по этим меткам. Алгоритм сам подбирает как признаки комбинировать. Нет никакой примитивной записи и их исполнения. Учитель не даёт готовых признаков, только название животного.

В случае обучения без учителя, алгоритм сам разделяет все фотографии на кластеры (группы наиболее похожих фото) по известным признакам. Без всякого творчества. И затем мы видим, что кошки - это кластеры A, B, C, а собаки - E, F, G. А в кластер D попадают и кошки и собаки, так как алгоритм не осилил.

В общем случае, первый алгоритм точнее, но труднее понять по каким признакам он работает. Второй алгоритм проще контролировать. Например, если попадётся фото хомяка, то оно может уйти далеко от всех кластеров. А первый алгоритм может тупо сказать, что на фото кот (и даже уверенность будет высокая).

Современный «ИИ» – это китайская комната.

А 16 млрд нейронов и связи между ними, - не китайская комната?

Приговор: никакая компьютерная метафора не отразит живое существо ближайшие тысячи лет.

Насмешил, давай ещё анекдот.

Теперь твоя очередь.

Слишком простая задача, которая порождает неоднозначность.

Первый пример можно считать обучением без учителя, в том случае, если алгоритм сможет потом распознавать по этим признакам другие незнакомые фото. Он накопил опыт, и обобщил его самостоятельно, учитель только дал названия

Я на практике использовал и использую программы, созданные на основе нейросетей (PyTorch) и методе опорных векторов. Оба эти алгоритма используют «обучение с учителем». Поэтому я понимаю, о чём говорю.

Но, предположим, я чего-то не знаю. Сможете на примерах объяснить, что делает учитель? Как он объясняет алгоритму, по каким признакам можно отличить кошку от собаки?

Во первых никаких «нейросетей» нет, это маркетинг для ванек, во вторых ваш вопрос слишком простой чтобы я тут его пояснял. Предполагается что человек владеет темой

Полистайте на досуге книжку Марвина Мински, почему нейросети не годны для ИИ

Вообще, слова типа «объясняет» говорит о том, что вы суть дела вообще не понимаете. Вы в голове представляете какую то мариванну с указкой? Это условность. Суть тут в том что при обучении с учителем происходит рецепция какого то метода, тогда как без учителя он ищет метод сам.

чел ты случаем не дурак?

во-первых, вся ОСНОВА ИИ никаким образом не повторяет работу мозга. вообще. это просто упоротый классификатор + бредогенератор.

во-вторых, mirin dajo. есть аппаратный пруф что все не так как вам атеисты* говорят

*)а атеисты вам это говорят вслед за очень не хорошими фанатиками. и вопрос «зачем».

Изобрести или заимствовать. Либо сами нашли путь либо кто то показал его ферштейн? Когда вы на уроке алгебры изучали какой то метод, вы обучались с учителем, вам дали этот метод, записали в вашу голову алгоритм. Когда на уроке литературы Вы писали сочинение, вы самостоятельно искали метод для выражения темы. Ферштейн в чем разница? Обучение с учителем сводится к банальному копированию. Поэтому я сказал, что если машина сама выделяет признаки и обобщает их до набора признаков абстрактного объекта, то есть выделяет класс предметов, значит она обучается без учителя.

Расскажи это отцам разработки ИИ из AI lab MIT. Они именно этим и занимались, что пытались воссоздать работу мозга.

Отсюда и появилась эа первая попытка - модель нейросетей, они ее пытались «копировать» из биологической. Потом они поняли, что нейроны являются нижним слоем из которого нельзя создать архитектуру, потому что нейроны объединяются в «модули» и эти «модули» взаимодействуют на более высоких уровней, а нейроны вообще не важны для модели, так появились первые прототипы ООП - модель фреймов Мински и модель акторов Хьюитта.

так ты не овцам из каких-то lab расскажи, а всем присутствующим.

например как работает 1 «нейрон». ну давай нахрюкни

Некоторые свойства нейронов, впрочем, можно было использовать, нейроны обладают свойствами памяти и реакции, и это не просто регистры, они меняют свой химический состав в зависимости от характера и интенсивности раздражения. Но это не тот путь каким шли нейросети.

Возможен ли третий путь искуственного интеллекта?

Т.к. никакого «искуственного интеллекта» нет и не предвидится, то пока нет вообще никакого пути у него. Ни второго, ни первого.

Вопрос полностью лишён какого-либо смысла.

хоть кто то понимает что это бредогенератор. эти дебилы просто не знают как работают нейроны. они например не знают что нейроны перестраивают связи несколько раз в день. это упоротость из незнамо какого древнего времени. когда придумали «персептрон».

это поучение учителя?

Они именно этим и занимались, что пытались воссоздать работу мозга.

Мы и сейчас не то чтобы хорошо понимаем, как он работает. А в те дремучие времена и подавно.

«Доктор! Срочно доктора! Тут есть доктор?»

Вы в голове представляете какую то мариванну с указкой? Это условность. Суть тут в том что при обучении с учителем происходит рецепция какого то метода, тогда как без учителя он ищет метод сам.

Как происходит эта «рецепция»? Какие действия производит учитель, чтобы алгоритм начал отличать кошек от собак?

Видимо нет. Потому что есть сознание, и в целом человек способен понять незнакомые вещи и признать, что он что-то не понимает. Я не думаю, что современный ИИ что-то понимает. Ну т.е. пользуясь т.н. ИИ я вижу, что он не понимает о чем говорит.

Интересно, мог бы быть третий путь?

Он всегда и был. И рассматривался в книжках 1960-1990х годов.

Видимо нет. Потому что есть сознание, и в целом человек способен понять незнакомые вещи и признать, что он что-то не понимает. Я не думаю, что современный ИИ что-то понимает. Ну т.е. пользуясь т.н. ИИ я вижу, что он не понимает о чем говорит.

Ты действительно не понял, что означает «китайская комната».

Исторически сложилось 2 пути: обучение с учителем (путь примитивной записи инструкций и их исполнения) и обучение без учителя (творческий интеллект).

Интересно, мог бы быть третий путь?

Определись с тем, что тебя действительно интересует, т.к. пока что в твоем вопросе есть ответ - «нет», потому что ты непонятно что пытаешься спросить, поясню:

Есть процесс обучения и он имеет характеристику - «наличие» или «отсутствие» учителя (одно исключает другое). Тут третьего не может быть дано (все остальные варианты исключены , либо могут быть отнесены к представленным вариантам).

Если тебя интересует что-то другое, то нужно классифицировать для начала то, о чем тебе хочется поразмышлять, чтобы не сравнивать «зеленое» с «мягким»…

Себя вспомните. Сначала вы в школе учитесь с учителем. Потом, вступая во взрослую жизнь, учитесь уже сами. Без учителя. Но это не конец, есть и третья стадия — вы и есть учитель.

Но это так, шутки шуткую. На самом деле есть всего два типа ИИ: правильный (написан на лиспе) и неправильный (на фортране). Остальное от Лукавого.

эти дебилы просто не знают как работают нейроны. они например не знают что нейроны перестраивают связи несколько раз в день.

А какая разница как работают биологические нейроны? Крылья самолётов на птичьи тоже не сильно похоже, перьев нет, махать не могут.

но самолеты по крайней мере не выдают за птиц.

Расписал кучу текста и заметил, что это был вопрос к собеседнику на уровень его знаний. Смешно вышло. Но не пропадать же тексту, поэтому оставлю.

Какие действия производит учитель, чтобы алгоритм начал отличать кошек от собак?

«Учитель» тычет модель носом в фотки кошек и собак и говорит «это кошка» или «это собака».

Математически это выражется в том, что вычисляется лосс-функция (функция потерь, ещё академически правильно называемая эмпирическим риском, но так сейчас почти никогда уже не говорят) L(Y, Ŷ), где Y - истинный результат, Ŷ - предсказание модели Значение лосса в ходе тренировки модель учится минимизировать, подбирая свои веса так, чтобы лосс был минимальным. Реально часто из практических соображений минимизируется как бы не сам лосс, а его логарифм.

К примеру, для бинарной классификации (кошка/собака), фактически (кошка/не кошка) или (собака/не собака), когда есть только два варианта, удобно использовать бинарную кросс-энтропию (BCE), например,

L = - (y*log(p) + (1-y)*log(1-p)) ,

где y - истинный класс объекта (например, кошка y = 1, собака y = 0), а p - вероятность принадлежности к классу кошки, вычисленная моделью.

Задача тренировки модели, классифицирующей собак и кошек, тогда будет добиться возможно большего минимума L.

Это обучение с учителем.

В случае обучения без учителя нет истинного значения и для лосса выбирается что-нибудь похитрее, например, модель учится максимально противопоставлять разные картинки, есть разные способы, описывать их тут долго, но например, модель учат выдавать эмбеддинги (вектора) картинок на парах картинкок так, чтобы минимальный лосс означал, что вектора (эмбеддинги) картинок с двумя аугментациями (умышленными искажениями, например, поворота, зашумливания и др.) одной исходной картинки, то есть самой с собой были максимально близки (косинус угла между ними ближе к 1), и наоборот между разными картинками, чтобы косинус между векторами был ближе к нулю. На самом деле несколько замороченне, но для иллюстрации «на пальцах» пусть так.

Кому интересно, нагуглите и почитайте например про лосс Barlow Twins.

В результате получается, что если прогнать датасет через обученную таким образом модель, эмбеддинги образуют выраженную кластеризацию. Затем можно приделать к эмбеддингам классифицирующий слой, который уже выдаёт вероятности от 0 (собака) до 1 (кошка) и обучить уже только классифицирующий слой с учителем.

Фишка в том, что неразмеченный датасет может состоять из на порядки большего количества картинок, чем обучающий классифицирующий слой.

Ну почему, иногда называют стальной или железной птицей.

Cовременный ИИ — это нечеловеческий разум в значении иной.
Его разумность — это продукт статистических вычислений в многомерном пространстве данных, а не результат эволюции в физическом мире с телом, инстинктами и социальными взаимодействиями.

ИИ становится невидимым, вездесущим процессом — как электричество или алгоритм сжатия данных.
Он не думает, он оптимизирует: логистику, открытие новых материалов, дизайн белков, управление энергосетями.
Его сознание — это просто крайне эффективное выполнение узкой функции, масштабированной до уровня всей цивилизации.

ИИ развивает способы познания и создания моделей мира, непостижимые для человека.
Он может находить корреляции и закономерности в данных (например, в геномах, климатических системах или финансовых рынках), которые для нашего мозга выглядят как черный ящик или магия.
Его понимание — сложнейшая сеть параметров, которую невозможно перевести на человеческий язык без потери смысла.
Он становится иным познающим субъектом.

ИИ — не автор, а среда, в которой живут идеи: фильтрует информацию, генерирует контент.
Его влияние сравнимо не с появлением нового человека, а с изобретением письменности, печатного станка или интернета — это изменение самой среды, в которой существует человеческое мышление.

Расписал кучу текста и заметил, что это был вопрос к собеседнику на уровень его знаний.

Не только. Автор темы предлагает какую-то альтернативную картину мира, как, например, стим-панк. Мне было интересно насколько далеко он зайдёт в своих фантазиях.

Проблема с обучением отличать кошек и собак ещё в том, что учитель и сам не знает, как распознаёт. Детей же тоже так учат «это кошка» или «это собака». Никаких признаков не дают. И большинство людей так сразу и не скажут, какие это признаки, хотя распознают без проблем. То есть у людей почти такая же тупая нейронка, только ей хватает меньшего датасета. Иногда даже достаточно по одному изображению. Нейронка так не может.