GotAI.NET

Форум: Проблемы искусственного интеллекта

 

Регистрация | Вход

 Все темы | Новая тема Стр.7 (7)<< < Пред.   Поиск:  
 Автор Тема: На: Искусственный интеллект для обывателя.
Обыватель
Сообщений: 238
На: Искусственный интеллект для обывателя.
Добавлено: 13 июл 19 11:30
Изменено: 13 июл 19 11:31
Описание работы выше представленной модели.

Получается, что в ходе обработки поступающей информации ассоциированный кластер выступает в роле постоянной памяти, а обратная маска реализует возможность кратковременной памяти. При этом, так как существует разница между временем записи масок dt и обратной маски dt’, обратная маска обучается на более поздней информации, в которой могут содержаться незначительные изменения ситуации, что даёт возможность прогнозирования в пределах разницы между временем записи масок.

В этом случае обратная маска, передаёт на вход ассоциированного кластера внутреннюю информацию, в виде, не отличающемся для кластера от внешней информации. То есть происходит формирование на сенсорном уровне воплощения внутренних процессов – формирование мысли, а сам процесс структурирования памяти, в случае отсутствия внешнего обучающего воздействия – является процессом мышления.

Такой подход применённый к набору изображений рукописных цифр MNIST, после обучения на 20000 образцах, даёт следующую картину. Так как модель, с помощью фильтров, защищена от искажений информации, то появляется возможность самообучения, без подкрепления от внешних источников. А процесс обучения происходит за счёт многократного повторения одной и той же выборки.

В модели также решается вопрос оценки времени получения информации. Так как до обучения проходит не только обратная маска активность, которой близка к единице, но и остальные маски, то наступает такой момент, когда сохранённая в ассоциированном кластере информация начинает изменятся. Такие изменения приводят к искажению и утрате хранимой в памяти информации. Благодаря чему, оценивая степень искажения информации можно дать оценку того, как давно информация обновлялась. В противном случае, встаёт проблема, связанная с оценкой актуальности или важности информации.

Критерием работы такой модели нельзя использовать значение ошибки распознания. Чтобы это понять, необходимо рассмотреть каким образом можно находить признаки искомого события в контексте наблюдаемой ситуации.

Можно выделить два вида признаков:

-Первый вариант предполагает использовать в качестве признаков элементарные фрагменты из которых состоят искомые события. Что требует множество слоёв, каждый из которых работает с фрагментами имеющими всё более сложную структуру. Такой подход неизбежно усложняет представление информации, хранящейся в памяти.

-Второй вариант предполагает, что каждый признак соответствует отдельно взятому событию и хранится в отдельной маске первого уровня. Во этом случае, в маске верхнего уровня хранится информация о том, на сколько различные признаки соответствуют искомому событию. Например, символ «9» похож как 5% от «1», как 30% от «2» и так далее. Событие будет распознаваться как по прямым признакам события, так и по косвенным. Что является предпочтительным подходом, так как позволяет работать с искажённой информацией.

При использовании второго подхода, ошибка будет только в том случае, если изображение не распознано. Во всех остальных случаях активность вышестоящей маски ассоциированного кластера показывает, насколько ожидаемо искомое событие в текущей ситуации. То есть, даже в случае неверного определения варианта события, ошибки нет, так как правильное событие также будет определенно. Будет ошибочная оценка ситуации, что значительно сложнее ошибки распознания искомого события, и не может оценивается через такую ошибку для оного события.

Для вывода хранимой в памяти информации, необходимо ещё одно сенсорное пространство, которое позволяло бы, как получать информацию согласующуюся с другими сенсорными пространствами о происходящим событии, так и выводить информацию в формате исходного сенсорного пространства. Выводимая таким образом информация, должна иметь возможность корректироваться самой моделью, то есть вывод информации должен отслеживается в поле подходящего сенсорного пространства. Например, можно рассматривать в качестве сенсорного пространства с обратной связью – двигательную активность, а в качестве контрольного – сенсорное пространство обрабатывающее зрительную информацию.

В качестве заключения.

В рассмотренном примере видно, что для обучения не требуется мотивация. Обучение — это безусловное действие, совершаемое моделью внутри себя. Но если речь будет идти о двигательной активности, такое безусловное действие будет выглядеть как действие, которое модель будет стремиться совершить.

Это значит, что у модели естественным образом, существует потребность, которую она будет стремится удовлетворить. Потребности будут формироваться в процессе обучения и определяться им. Чем сложнее будет становится модель, тем сложнее будут становится потребности. Но удовлетворение потребностей по мере их возникновения, не является признаком интеллектуальной осознанной деятельности. Осознанность действий появится только тогда, когда модель научится подавлять эти потребности.

В таком случае, сознание можно рассматривать как состояние при котором подавляются возникающие потребности.
[Ответ][Цитата]
Обыватель
Сообщений: 238
На: Искусственный интеллект для обывателя.
Добавлено: 13 июл 19 12:28
Изменено: 13 июл 19 12:28
Актуальная версия модели

Модель написана в PascalABC.NET
Синтетик паскаля всё таки все проходят
А ещё это учебная среда, а значит прощает кривые руки
[Ответ][Цитата]
 Стр.7 (7)1  ...  3  4  5  6  [7]<< < Пред.