Главная книга сайта Форнит: «Мировоззрение». Другие книги:
«Познай себя», «Основы адаптологии», «Вне привычного» и Лекторий МВАП.
 
Короткий адрес страницы: fornit.ru/19801
Вернуться к исходному документу
Обсуждение Что люди узнали о мозге
(Для начала - 10 последних)
Страницы: 1 2 3 4 5 6 ВСЕ 
  nan список всех сообщенийИмеет права полного администратора сайта - админ Качества nan, оцененные другими пользователями Оценок: 39 Род: Мужской Сообщений: 10969 E-Mail  Сообщение № 15532 показать
ответ -только после авторизации

Попробую найти в открытом доступе. Платить за такие книги больше не хочу.



16.02.2019г. 13:41:28


p.s. Допускаю, что мое утверждение может быть порочно, поэтому прошу показывать, что именно и почему неверно и запрашивать объяснения, если что-то непонятно.
 
   Айк список всех сообщенийИмеет права полного администратора сайта - админ Качества Айк, оцененные другими пользователями Оценок: 4 Сообщений: 3509  Сообщение № 15533 показать
ответ -только после авторизации

Ага, она есть.

16.02.2019г. 15:04:44
 
  nan список всех сообщенийИмеет права полного администратора сайта - админ Качества nan, оцененные другими пользователями Оценок: 39 Род: Мужской Сообщений: 10969 E-Mail  Сообщение № 15536 показать
ответ -только после авторизации

Вот: Томас Метцингер Туннель Эго



17.02.2019г. 15:06:04


p.s. Допускаю, что мое утверждение может быть порочно, поэтому прошу показывать, что именно и почему неверно и запрашивать объяснения, если что-то непонятно.
 
Спасибо за это сообщение! Благодарность от: Айк
   Айк список всех сообщенийИмеет права полного администратора сайта - админ Качества Айк, оцененные другими пользователями Оценок: 4 Сообщений: 3509  Сообщение № 15537 показать
ответ -только после авторизации

Лекция Анохина "Итоги 2018 года".

Вопросы и обсуждения (на мой взгляд, это самая интересная часть лекции) идут начиная со второго часа видео.

  

Лекция по ИИ от Сергия Маркова, тоже подведение итогов 2018 года. На мой взгляд, её лучше посмотреть целиком:



20.02.2019г. 20:06:57
 
   Айк список всех сообщенийИмеет права полного администратора сайта - админ Качества Айк, оцененные другими пользователями Оценок: 4 Сообщений: 3509  Сообщение № 15614 показать
ответ -только после авторизации

Один из ведущих спецов Yandex про будущее ИИ:  



22.04.2019г. 1:18:07
 
  nan список всех сообщенийИмеет права полного администратора сайта - админ Качества nan, оцененные другими пользователями Оценок: 39 Род: Мужской Сообщений: 10969 E-Mail  Сообщение № 15615 показать
ответ -только после авторизации

Человек, который признается, что не понимает, что такое интеллект, в принципе не может быть специалистом по интеллекту, даже искусственному. У него нет этического права говорить авторитарно об этом. Он – специалист по “нейронным сетям”, которые тоже так не должны называться, как и интеллектом. Точнее он – специалист по технологии многослойных персептронов. А это не имеет никакого отношения к нейронам потому, что в мозге нет никаких многослойных персептронов:

Искусственная нейросеть

Природная нейросеть мозга

Многослойный персептрон с общей функцией распознавания для всей сети, в котором объединены все профили рецепторов. Связь типа все – со всеми.

Состоит из однослойных персептронов, каждый из которых формирует свою собственную функцию распознавания, связанных с последующими слой за слоем.

Формируется сразу и обучается вся сеть сразу.

Формируется строго поочередно (сначала созревает очередной слой и начинает специализироваться), начиная с самых простейших примитивов распознавания, на каждый слой которых выделяется определенное время (критический период развития). У человека на завершение развития всех слоев используется 25-30 лет.

Может обучиться очень точному распознаванию, улавливая самые незаметные общности в явлении – при условии достаточного числа (сотни тысяч и более) предъявляемых примеров с имеющейся оценкой верности каждого из них.

Очень неточное распознавание, но зато очень небольшого числа входных признаков для каждого специализирующегося персептрона. Влияние соседних персептронов для контрастирования общего (для участка слоя) профиля на входах. Каждый отдельный персептрон обучается “без учителя”, просто специализируясь на наиболее частом профиле возбуждения за время его обучения.

Обучается учителем, обычно заранее заготовленной последовательностью примеров верных или неверных распознавания в очень большом количестве (пропорциональном сложности объекта распознавания в отличиях вариантов правильного и неправильного распознавания).

Обучается без учителя, при экспонировании профиля активности на время, достаточное, чтобы некоторые совпадающие активности оказывались более рельефными, чем случайные, что так же контрастируется латеральным торможением. Время экспонирования равно времени собственной активности нейрона (пейсмекерной или вынужденной из-за возбуждения по других входам) обучающегося нейрона.

Способность только переобучаться за счет уже имеющейся архитектуры слоев, без добавления или убавления рецепторов и эффекторов.

Способность развивать новые распознаватели для адаптации к новым условиям даже при потере каких-то внутренних распознавателей или потери рецепторов и эффекторов или приобретения новых эффекторов (рост, регенерация мышечной ткани).

Критерием верности функции распознавания является привнесенные оператором условия, а не состояние самой сети.

Во всей сети все ее элементы корректируются в соответствии с этим конечными условиями.

Критерием верности распознавания образов восприятия-значимости-действия является сигналы специализированных рецепторов состояния гомеостаза и их интерпретация более высокоуровневыми рецепторами системы значимости. До ассоциативной зоны распознаватели формируются без учителя.

Многослойный персептрон в принципе не может реализовать нечто большее, чем просто распознаватель, пусть и сверхточный, но даже не контекстный потому, что 1) для этого нужно последовательное развитие примитивов восприятия и действия 2) должна быть задействована личная значимость воспринимаемого и действий. А технология многослойных персептронов – это обучение сразу готовой сложной сети.

Разговори дяденьки вели только о технологии многослойных персептронов и фантазировали о ее будущем развитии.



22.04.2019г. 19:17:28


p.s. Допускаю, что мое утверждение может быть порочно, поэтому прошу показывать, что именно и почему неверно и запрашивать объяснения, если что-то непонятно.
 
Спасибо за это сообщение! Благодарность от: kak, Клон
   Айк список всех сообщений История редактирования (1)
Имеет права полного администратора сайта - админ Качества Айк, оцененные другими пользователями Оценок: 4 Сообщений: 3509  Сообщение № 15616 показать
ответ -только после авторизации

Я, к сожалению, не настолько знаком с искусственными нейронными сетями, чтобы уверенно рассуждать о них, но практически по всем пунктам у меня вроде бы есть контрпримеры в машинном обучении:

 

>>> Состоит из однослойных персептронов, каждый из которых формирует свою собственную функцию распознавания

Реализовано. 

 

>>> Формируется строго поочередно (сначала созревает очередной слой и начинает специализироваться)

Реализовано.

 

>>> Влияние соседних персептронов для контрастирования общего.

Реализовано. 

 

>>> Обучается без учителя

Реализовано. 

 

>>> Критерием верности распознавания образов восприятия-значимости-действия является сигналы специализированных рецепторов состояния гомеостаза.

В какой-то мере реализовано. 

 

В  одной из недавних книг, которые я читал, Рей Курцвейл описывал свои взгляды на работу мозга и описал систему распознания речи и образов, которую он разрабатывал в течении своей  жизни - она основана на иерархических скрытых марковских цепях, но это не принципиально:

 

Цитаты из книги Рэй Курцвейл "Эволюция разума":

 

1) Обучение не более одному уровню абстракции за раз:

 

Очень важный этап – обучение мозга, как биологического, так и компьютерного. Как я уже писал, иерархическая система распознавания образов (и цифровая, и биологическая) за один момент осваивает не больше двух иерархических уровней (а скорее один). Чтобы усовершенствовать систему, я начну с предварительно обученных иерархических сетей, которые уже научились распознавать человеческую речь, печатные буквы и структуры разговорного языка. Такая система сможет читать документы, написанные разговорным языком, но за один раз по-прежнему сможет осваивать примерно один понятийный уровень.

 

2) Иерархия распознавателей, латеральное торможение:

 

Созданная нами технология строилась практически по тем же принципам, что реализуются при мысленном распознавании образов. Она также была основана на иерархии образов, при которой каждый более высокий уровень отличался от нижестоящего уровня большей абстрактностью. Например, в системе распознавания речи основные образы звуковой частоты формировали нижние уровни, за ними следовали фонемы, затем слова и фразы (часто распознававшиеся так, как будто были словами). Некоторые системы распознавания речи могут понимать речевые команды и в таком случае включают в себя еще более высокие иерархические уровни, содержащие такие структуры, как именные и глагольные группы. Каждый распознающий модуль умеет распознавать линейную последовательность образов с нижестоящего понятийного уровня. Каждый входной сигнал характеризуется значимостью, величиной и вариабельностью величины. Существуют также и нисходящие сигналы, указывающие на ожидание образа низшего уровня.

 

3) Предопределенное обучение без учителя. Эволюция:

 

Еще один важный аспект разработки программы заключается в том, чтобы найти способ установить все те многочисленные параметры, которые контролируют функционирование системы распознавания. Среди этих параметров – допустимое число векторов для этапа векторного квантования, исходная топология иерархических состояний (до того, как в процессе тренировки ИСММ ликвидирует неиспользуемые состояния), порог распознавания на каждом иерархическом уровне, параметры, определяющие величину сигналов, и многое другое. Мы можем использовать интуитивный подход, но результаты будут далеки от оптимальных.

Мы называем данные параметры «Божьими параметрами», поскольку они устанавливаются до включения самоорганизующегося метода определения топологии скрытых моделей Маркова (или, в случае биологической новой коры, до того как человек начинает заучивать урок путем создания связей между нейронами новой коры). Возможно, название неправильное, поскольку эти исходные данные, записанные в ДНК, определены ходом биологической эволюции, хотя некоторые усматривают в этом процессе божий промысел (я, безусловно, считаю эволюцию духовным процессом и обращусь к этой теме в девятой главе).

Когда мы начали устанавливать «Божьи параметры» при моделировании иерархических систем обучения и распознавания, мы опять-таки обратились к природе и попытались оценить их путем моделирования процесса эволюции. Мы использовали так называемые генетические (эволюционные) алгоритмы, основанные на моделировании полового размножения и мутаций.

[...]

В системах распознавания речи сочетание генетических алгоритмов и скрытых моделей Маркова дало возможность получить отличные результаты. Симуляция эволюции с помощью ГА в значительной степени улучшила производительность сетей ИСММ. Эволюция позволила достичь результата, который намного превзошел исходный вариант, основанный на нашей интуиции.

 

4) Минимизация числа связей:

 

В наших системах, созданных в 1980-х и 1990-х гг., происходило автоматическое удаление контактов, вес которых был ниже определенного уровня, а также формирование новых контактов для лучшего соответствия тренировочным данным и обучения. Для оптимальной организации связей с новыми распознающими модулями мы можем использовать линейное программирование.

 

Это описание системы, которая лежит в основе SIRI (iPhone) и ей подобных. В ней реализовано многое из того, что, с твоих слов, якобы не реализовано в современных искусственных нейронных сетях. Да, конкретно эта система построена на иерархических скрытых марковских цепях, но принципиальных ограничений сделать тоже самое через искусственные нейронные сети, по-моему, нет. 

 

Поэтому я не понимаю, о чём идёт речь, когда ты приводишь в пример эту таблицу сопоставлений. Ты хочешь показать неадекватность решения в лоб? Что нельзя просто взять многослойную нейронную сеть и надеяться на чудо?

 

Просто, в целом, в машинном обучении, вроде бы исправлены те недостатки, на которые ты указал. Говорить о том, что не используется параметр гомеостаза, вроде бы, тоже нельзя, это достаточно очевидная идея, я думаю в AlphaStar (ИИ, который играет в Старкрафт) есть что-то подобное.

 

 

 

 

Этот набор нейронных сетей помимо всего прочего пытается предсказать исход игры (выигрываю/нечья/проигрываю) и максимизировать своё состояние "кажется выигрываю", и это вполне можно считать гомеостазом. Для этой совокупности нейросетей рай - состояние "выигрываю" и ад - состояние "проигрываю".



23.04.2019г. 6:01:50
 
   Айк список всех сообщенийИмеет права полного администратора сайта - админ Качества Айк, оцененные другими пользователями Оценок: 4 Сообщений: 3509  Сообщение № 15617 показать
ответ -только после авторизации

На всякий случай оговорюсь, я не утверждаю, что у текущих искусственных нейронных сетей и теории машинного обучения нет проблем. Речь скорее о том, что, на мой взгляд, ты указал в таблице на те проблемы, которые в той или иной мере уже разрешены в машинном обучении.



23.04.2019г. 3:48:42
 
   kak список всех сообщенийИмеет права полного администратора форума - модератор Качества kak, оцененные другими пользователями Оценок: 5 Род: Мужской Сообщений: 752 Телефон: +79217162023  Сообщение № 15618 показать
ответ -только после авторизации

Только не большое уточнение. Многослойный персептрон как и любая искусственная "нейронная сеть" не распознает, а классифицирует входные данные, так как для того что бы что-то распознать (узнать, знать и т.д.) необходимо: "1) для этого нужно последовательное развитие примитивов восприятия и действия 2) должна быть задействована личная значимость воспринимаемого и действий." (nan)

23.04.2019г. 7:39:53
 
  nan список всех сообщенийИмеет права полного администратора сайта - админ Качества nan, оцененные другими пользователями Оценок: 39 Род: Мужской Сообщений: 10969 E-Mail  Сообщение № 15619 показать
ответ -только после авторизации

Айк, современные нейронные сети, которые сделали прорыв в эффективности и мощный хайп это – “глубокие сети” – именно многослойный персептрон, который создается сразу и обучается как единое целое так, что никто не может сказать, какую именно функциональность берет на себя тот или иной элемент внутренних слоев. В нейронной сети распознавательная функция каждого элемента четко определена и стоит его возбудить, как в восприятии появляется соответствующий образ.

Спец от Яндекса говорил именно об этих сетях. То, что кто-то где-то пробует и однослойные персептроны – вопрос другой (и там очень много проблем в реализации все по тем же причинам: личная значимость, организующая контекст).

 

>>Говорить о том, что не используется параметр гомеостаза, вроде бы, тоже нельзя, это достаточно очевидная идея, я думаю в AlphaStar (ИИ, который играет в Старкрафт) есть что-то подобное.

Нет ничего подобного потому, что значимость задается искусственно как один из параметров, задающихся оператором, как цель распознавания.

В общем-то о полном отсутствии корреляции в принципах говорят сами спецы этих сетей.



23.04.2019г. 7:51:16


p.s. Допускаю, что мое утверждение может быть порочно, поэтому прошу показывать, что именно и почему неверно и запрашивать объяснения, если что-то непонятно.
 
Страницы: 1 2 3 4 5 6 ВСЕ 

Войти под своим ником или зарегистрироваться- авторизация

! Сообщение пропало?! посмотреть причины...

Написать простое сообщение (только текст)

Написать сообщение полноценным редактором



Последняя активность на сайте >>


Яндекс.Метрика