Сравните с моим:
Метапринципы AGI/HLAI/SAI/СИИ/ОИИ.
1. Всё есть модель. (с)
(по ссылке полностью) https://deep-econom.livejournal.com/240140.html
---Ниже гугл-перевод.
Linas Vepstas
Computer Science Researcher - Hanson Robotics
Everything is a Network
https://blog.opencog.org/2021/06/10/everything-is-a-network/
Posted on June 10, 2021 by Linas Vepstas
----гугл-перевод----
Все есть сеть
Отправлено Линас Вепстас 10 июня 2021 г.
Целью AGI является создание мыслящей машины, мыслящий организм, алгоритмическое средство представления знаний , обнаружения знаний и самовыражения . Есть два традиционных подхода к этому. Одним из них является специальной сборкой сборных технологических штук-части, с неявным убеждением , что после некоторой умной программного обеспечения техники , это будет просто оживает . Другой подход состоит в том, чтобы предложить некую великую всеобъемлющую теорию всего, что, будучи реализованным в программном обеспечении, просто оживает и становится сингулярностью .
Это сообщение в блоге представляет собой набросок второго случая. Когда вы читаете то, что следует, ваши глаза могут потускнеть, и вы можете подумать про себя: «О, это глупо, почему я зря трачу время, читая это?» Причина вашего нетерпения в том, что для того, чтобы сказать то, что мне нужно, я обязательно должен говорить в таких общих чертах и приводить такие глупые детские примеры, что все это кажется несколько банальным. Проблема в том, что теория всего должна обязательно говорить обо всем, что трудно сделать, не говоря вещей, которые кажутся очевидными. Не обманывайся. То, что следует ниже, подкреплено глубокой и очень абстрактной математикой, к которой немногие имеют доступ. В конце я попытаюсь привести базовую библиографию, но для большинства читателей, которые не изучали математику знаний в течение последних нескольких десятилетий, кривая обучения будет невероятно крутой. Это экспедиция на Эверест интеллектуальных поисков. Вы можете прийти к этому из любой (интеллектуальной) расы, вероисповедания или цвета кожи; но формальности могут вас утомить. Это нормально. Если вам 5, 10 или 20 лет, вы можете тренироваться и поднимать (интеллектуальные) веса. Вы можете попасть туда. И так… продолжаем шоу.
Основная предпосылка состоит в том, что «всё является сетью». Под «сетью» я подразумеваю граф, возможно, с направленными ребрами, обычно с типизированными ребрами, обычно с весами, числами и другими данными на каждой вершине или ребре. Под «всем» я подразумеваю «всё». Знания, язык, видение, понимание, факты, дедукция, рассуждения, алгоритмы, идеи, убеждения… биологические молекулы… всё.
Ключевой реальный наблюдаемый факт о «графе всего» состоит в том, что он почти полностью состоит из повторяющихся суб-паттернов. Например, « бедренная кость соединена с бедренной костью » - это в целом верно для позвоночных , независимо от того, какое животное это может быть, живое оно или мертвое, воображаемое или реальное. Шаблоны могут быть банальными, а могут быть сложными. Для изображений / изображения примером может быть « выбрать все фотографии, на которых изображен автомобиль » - на первый взгляд, это требует знания того, как автомобили выглядят одинаково, и какая часть рисунка важна (колеса, ветровое стекло), а какая нет (цвет, припаркованный в много или летающих в космосе ).
Ключевая задача обучения состоит в том, чтобы найти такие повторяющиеся шаблоны как в свежем сенсорном вводе (что «компьютер» видит / слышит / читает прямо сейчас), так и в сохраненных знаниях (например, при обработке набора данных - ранее изученных, запомненных знаний) , набор данных о медицинских симптомах). Задача состоит не только в «распознавании образов», идентифицирующем фотографию автомобиля, но и в обнаружении закономерностей - в изучении того, что во вселенной есть вещи, называемые «автомобилями», и что у них есть колеса и окна - обширные и интенсивные свойства.
Обучение не означает «обучение» - конечно, можно тренироваться, но AGI не может зависеть от некоторого ранее существовавшего набора данных, собранных людьми и аннотированных людьми. На самом деле обучение означает, что, начиная с нуля, кроме воспоминаний, сенсорных входов, сообразительности и сообразительности, человек открывает что-то новое и запоминает это.
Ладно, все вышесказанное очевидно для всех. Новизна начинается здесь: лучший способ представить график с повторяющимися элементами в нем - это «кусочки головоломки». (и НЕ с вершинами и ребрами!!) Фигуры представляют собой повторяющиеся элементы, а «соединители» на части указывают, как частям разрешено соединяться вместе. Например, на кости ноги есть соединитель в виде пазла, который говорит, что он может прикрепляться только к тазовой кости. Это верно не только метафорически, но (как ни странно) буквально! Поэтому, когда я говорю «всё является сетью» и «сеть представляет собой композицию из кусочков головоломки», я делаю вывод: «всё можно описать с помощью этих (абстрактных) кусочков головоломки».
То, что это так в лингвистике, неоднократно открывали заново многие лингвисты. Это объясняется, возможно, наиболее ясно и прямо в оригинальных статьях по грамматике Link , хотя я могу указать и на некоторые другие сочинения; один от лингвиста «классического» (нематематического) гуманитарного факультета ; другой - от заядлого математика - теоретика категорий - который заново открыл это из воздуха . Как только вы поймете, что искать, это повсюду. Скажем, в биологии цикл Кребса (цикл лимонной кислоты) - некоторые молекулы сахара входят, некоторое количество АТФ выходит, и эти химические вещества связаны друг с другом не только абстрактно, как головоломки, но и буквально, в том смысле, что они должны иметь правильные формы! Сам атом углерода имеет такую форму: он может соединяться связями очень специфическими способами. Эти связи или, скорее, возможность этих связей можно представить как соединительные выступы на кусочках головоломки. Это не просто метафора, это также можно сформулировать в очень точном математическом смысле. (Моя жалоба: математическая абстракция, чтобы сделать это точным, делает это недоступным для большинства.)
Ключевая задача обучения теперь трансформируется в определение формы этих частей, учитывая смесь «того, что уже известно» плюс «сенсорные данные». Итак, научные усилия сводятся к следующему: «Как это сделать?» и «Как это сделать быстро, качественно и эффективно?» и «Как это связано с другими теориями, например, с нейронными сетями?»
Я считаю, что ответ на последний вопрос - «да, это связано», и я могу объяснить, как это сделать . Ответ на первый вопрос: «У меня есть предварительный способ сделать это, и, похоже, он работает». Средний вопрос - эффективность? Ооооо. Эта часть… неизвестна.
К обучению есть сопутствующая задача - выражать и общаться. Учитывая некоторые знания, представленные в виде таких кусочков мозаики, как их можно преобразовать из абстрактной формы (находящейся в оперативной памяти, на диске компьютера) в сообщения: последовательность слов, предложений или рисунок, живопись?
Вот и все. Это мета-фон.
Думаю, в этом месте вы, дорогой читатель, вероятно, не чувствуете себя мудрее, чем до того, как начали читать.
Итак ... что я могу сказать, чтобы передать настоящую мудрость?
Что ж, давайте попробуем аргумент от авторитета : кусок головоломки - это объект в (асимметричной) моноидальной категории. Внутренний язык этой категории - это… язык… формальный язык, имеющий синтаксис. Это произвело впечатление?
Очевидно, что языки (набор всех синтаксически правильных выражений) и теоретико-модельные теории двойственны друг другу (это очевидно, только если вы знаете теорию моделей).
Задача обучения - раскрыть структуру, набор типов, учитывая язык. Существует множество программ для машинного обучения, которые могут делать это в узких, конкретных областях. Не существует программного обеспечения для машинного обучения, которое могло бы сделать это в полностью общей, полностью абстрактной обстановке… кусочков головоломки.
Не смейся. Перечитайте этот пост в блоге с самого начала, и везде, где вы видите «мозаику», думайте «синтаксический, лексический элемент моноидальной категории», и везде, где вы видите «сеть всего», думайте «теоретико-модельный язык». Подумайте об этом некоторое время, а теперь подумайте: «Это выполнимо? Можно ли это закодировать как программное обеспечение? Стоит ли? Это действительно может сработать?».
Я надеюсь, что вы увидите ответ на все эти вопросы - да.
А теперь обещанная библиография. Тема и глубокая, и широкая. Есть много чего осмыслить, много освоить, много сделать. И, ох, я устал писать это; вы можете быть утомлены чтением. Предварительную библиографию можно получить из двух статей, которые я написал по этой теме:
"Пучки: топологический подход к большим данным".
"Нейронная сеть против символического машинного обучения".
Первая статья довольно неформальна. Второй вызвал кучу математики. У обоих есть библиографии. В каждом из каталогов есть дополнительные PDF-файлы, в которых можно найти более подробную информацию.
Это тот уровень, на котором я сейчас пытаюсь работать. Я приглашаю все заинтересованные стороны прийти на научную вечеринку, поиграть и посмотреть, как далеко можно зайти в этом деле.
ps
Я забыл поговорить о семантике и значении? Похоже, что это так, поскольку эти слова не встречаются выше. Не бойся! Это все есть! Вы можете получить представление об этом, исследуя чудесный мост от обыденного синтаксиса к глубокой семантике, обеспечиваемый теорией смыслового текста Мельчука.
Я убедил себя, что это идет гораздо дальше, но у меня нет возможности убедить вас в этом, если вы сами не придете к такому выводу.
pps
Да, такого рода идеи циркулируют десятилетиями, а то и дольше.
Моя открытая цель - превратить эти идеи в работающее программное обеспечение. С этой целью был достигнут некоторый прогресс, см. Репозитории репозиториев на github для обучения и создания репозиториев на github.
Мета-цель состоит в том, чтобы набрать достаточно заинтересованных сторон, чтобы добиться чего-то большего, чем обычный темп прогресса.
-----------------
("Всё есть сеть", "Всё есть граф", псевдограф)