Nos, a számítógép nem tudja, hogy a képen az egy hamburger.
Ugy tunik, hogy szamodra annyira nyilvanvalo, hogy mit ertesz 'tudja' alatt, hogy nem is probalod reszletesebben megmagyarazni. De szamomra meg az nyilvanvalo, hogy ez a szavunk is csak annyit er, mint a tobbi. Ld. Broad bandi kituno osszefoglalojat. Tehat a tudni fogalom rejtett strukturajanak az analizisen keresztul vezethetne a tovabbi vita. :) Magyarul, amig csak ismetelgeted magad, annelkul, hogy tovabbi szempontokat probalnal mondani, addig nem ertek meg semmi olyat, amit eddig nem ertettem.
Ha elé tennél egy másik képet, ami akár egy kis pontban is eltérne az előbbi képtől, arról már nem tudná megmondani, hogy mi.
Te kep bitmappet hasonlitanal ossze, vagy hogy kepzeled ? Nyilvan mar ma is viszonylag konnyen lehet irni olyan programot, ami a hamburger kepet meg tudja kulonboztetni egy dobokockaetol. Valoszinuleg a McDonald's hamburgert is meg tudna kulonboztetni a Burger Kingestol, ha ez a project celja. Azt elhiszem, hogy lattal mar rossz programokat, amik nem sokat tudtak, de itt most nem ezekrol beszelunk, hanem az elvileg lehetseges legjobbrol.
A kepfelismeres pedig megegyszer mondom nem a legjobb indulo tema szerintem, mert az ember latasa nagyon fejlett es tele van olyan trukkokkel, amiket egyelore nem is ertunk annyira, hogy szimulalni tudnank. (Pl. konstancia jelensegek.) Es egy kepfelismero program meg nem az az MI amirol itt beszelunk. Annak csak egy resze lehet. De nem tekintenem szukseges resznek sem. (Minthogy a sakkozo program annelkul is lehetne intelligens. - A jelenlegi legjobbaknal ez nem volt celkituzes.)
: Van-e értelme olyan rendszert készíteni, mely úgy "gondolkozik" mint az ember? A válasz szerint ezzel nem mennénk többre minthogy egy okos "emberrel" többen lennénk
Ez jol hangzik, csak nem igaz. :)
Attol, hogy van szamitogepem, meg mindig tartok mellette egy zsebszamologepet, mert azzal szoktam szamolni. Valahogy jobban szeretem, mint a calculator programot. Es ha lenne intelligens program, akkor sem hasznalnam arra a celra, amire mar korabban jol bevalt egy egyszeru algoritmus. Viszont olyan uj feladatokat lehetne vele eddig megoldani, amit csak az ember tudott. De valoszinuleg tovabbra is kiegeszitene egy ilyen program az embert: masban lenne eros, es masban gyenge.
Egy MI rendszerrel kapcsolatban a "belső" "önálló" fogalomalkotás esetén komoly gondot jelent, hogy semmi sem biztosítja, hogy ezeket a fogalmakat képesek vagyunk megérteni. Debuggolni egy ido utan tenyleg nagyon nehez lenne. Inkabb beszelgetni kellene helyette a programmal. Az onkotrolra vonatkozo fogalmai valoban nehezen lennenek erthetoek szamunkra. De ha valamilyen temarol van szo, akkor ott a legfontasabb fogalmak szuksegszeruen kialakulnak. Ha valami ezekhez hasonlot nem ert a gep, akkor rossz nyomon jar. (A kommunikacio persze onmagaban is egy erdekes feladat.)
Egy "öntanulás" céljából magára hagyott rendszerrel könnyen előfordulhat, hogy felfedezi mondjuk a természetes számokat és megpróbálja őket megszámolni (a sakk fán végigmenni, stb).
Ez szerintem programhiba. Tekintve, hogy az indulo kepessegeket szerintem nekunk kell megadni, abban kell egy eroforras-eloszto resznek lenni, es ha kello ido utan semmi eredmeny nem jon ki, akkor massal kezd foglalkozni. Az igazi garancia ez ellen, ha van egy kulso cel, peldaul egy jateknal.
Egyetértek veled a tudás fogalmát illetően. Azzal egészíteném ki, hogy a "Tudni valamit" kifejezés a hétköznapi haszálatban szinte csakis diszpozícionális jelentéssel bír. Az egyéb, pontosan definiálható tudáskritériumok pedig szép számmal megtalálhatóak. Amit Te definíciós problémának, vagy ilyesminek nevezel, az egyébként egy megalapozott nézet is, ami az azonosság elvetésén és az analítikus ítéletek elvetésén alapul, a posztmodern alapja. Ld.: Quine-Az empirizmus két dogmája.
Arra azonban ismét külön kitérnék, hogy annyi biztos: az emberi megismerés intencionalitással bír, amivel a gépek nem. Legalább ennyi különbség van.
"De miert kellene elvileg is igy lennie ? Ha fotorol felismeri a program a hamburgert, akkor miert ne ismerhetne fel akkor is, ha a kamerajaval latja ? Es miert ne tarsithatna hozza az izet, ha keszitunk neki megfelelo erzekelot ? Ha pedig egyszer beazonositotta, akkor az osszes hozza kapcsolatos tudast is elo tudna keresni. Persze mivel az o metabolizmusahoz nincs ra szukseg, ezert a nyalkepzodese nem indulna be:), de szerintem az MI nem emberszimulator. Szoval szerinted mi az a fogalomhasznalatunkban, amit nem lehet egy programmal megvalositani ? "
Itten van a probléma: Nos, a számítógép nem tudja, hogy a képen az egy hamburger. Azt tudja, hogy a képet, amit elé tesznek, azt egészen pontosan hamburgernek hívják, vagy talán még ilyesmit sem. Azt tudja, hogy az adatok összességének azon rendje, ami a képen van az egyenlő a hamburger szósorból. Ha elé tennél egy másik képet, ami akár egy kis pontban is eltérne az előbbi képtől, arról már nem tudná megmondani, hogy mi. Mert nem rendelkezik intencionalitással!!!
A többi kérdésre a válasz ebből következik.
Egyébként bocs, hogy félreértettelek, de szerintem te voltál homályos. Mindegy. A lényegről vitázzunk, ha már vitázunk.
OFF
(KoporShow-141):Rám vonatkozó kérdésedre:
Egyszemélyes, természettudományos kutatással, szakértéssel foglalkozó magáncégem van, melyben alapvetően a megrendelések szabják meg a célterületet. Vettem már részt több pl. orvosi és adatvédelmi döntéshozói (MI?) jellegű témában, főleg modellezési és modell bizonyítási feladattal. ... Jelenleg ilyen megbízáson nem dolgozom, de adott esetben lehet, hogy érdekelne. :-)) Másfelől a szabadidőmmel és törvényes nőmmel ....
ON
(supremacy-140):Mátrix reprezentáció: Igen hasznos és elterjedten használt szemléletes matematikai modellezési eszköz, mely megfelelően értelmezett absztrakt műveletekkel sok hasznos eredmény elérését teszi lehetővé. Előnyei: jól kidolgozott, széleskörben ismert, sok kapcsolódó fogalommal és következménnyel, gépi reprezentálása is kellően megvalósított, elterjedt, elég általános, így viszonylag nagy szabadságfokot enged az absztrakciónak.
Gondolj például a kvantummechanika korai mátrixreprezentációjára.
Ha úgy tetszik, akkor az "általános" adatbázis is egy mátrixreprezentációnak fogható fel.
Hátránya: a mátrix méretével rohamosan növekvő számításigény. (Érdemes végiggondolni egy "csak" 100x100 méretű mátrix inverzének gépi meghatározásához szükséges műveletek számát és ennek jelenlegi eszközökön való időigényét.) A feladat bonyolultságával pedig mind a szükséges mátrixok száma, mind a mátrixok mérete arányban áll (növekszik).
(supremacy-140): A tudás fogalma: Ugyanaz a gondunk, ami minden más használt fogalmunkkal, azaz amíg a határától "kellően messze" vagyunk, addig elég pontosan és egyértelműbben el tudjuk dönteni a hovatartozást. A definíció keresés közben viszont egyre közelebb megyünk a határhoz, ahol is egyre pontatlanabb a döntés melyik oldalán is vagyunk.
(Ezt szívesen szoktam a "Megismerés határozatlansági relációja"-ként emlegetni, mert természettudománnyal foglalkozóknak érzékletes.)
Például egy megszületett csecsemőről biztosan állítjuk hogy élő ember, de hogy mikor vált azzá az már sokkal inkább (világ)nézőpont kérdése. Hasonló a helyzet, ha az asztal vagy szék definícióját keresed. De a "szigorúan" vett tudományban is ugyanez a helyzet. Mekkora egy test kiterjedése? Mi a tér, idő, anyag, energia, részecske, hullám, ... definíciója? Úgy tűnik a matematikában van a legkevesebb ilyen gondunk, ami igaz is, ha az "alapokat" elfogadjuk. De ott is ugyanez a helyzet ha ezeket vizsgáljuk (pl.: a párhuzamosság posztullátuma, a végtelen fogalma, a halmazok "halmaza", számosságok, de még a logikai is olyan gondokkal találkozik mint a Gödel tétel, stb. És (szerintem) még csak az elején vagyunk a "tudás" léggömbjének fúvásában.
Nem tudok olyan általam ismert köznapi, filozófiai, tudományos vagy egyéb, a "valóságra" vonatkozó fogalmat, melynek definíciója "pontosan" megadható lenne! Ennek ellenére használatuk célszerű (mivel nincs jobb).
Gyakran a "tudás" fogalmát a "birtokolt, tárolt" információval, míg az inteligenciát ezek "kapcsolataival" azonosít(hat)juk, míg megnyilvánulását döntéseknek nevez(het)jük.
(KoporShow-141): A dinamikus gráf reprezentáció szintén alkalmas pl.: a fentebbi értelmű "tudás" és "inteligencia" egyszerű reprezentálására, de itt ezek megnyilvánulását asszociációként képzeljük el, ami ha úgy tetszik, tágabb értelmezés mint a döntés. Dinamizmusát a "tanulás" és az "alkalmazkodás" adja, mely a gráfpontok és élek számának növekedéseként és/vagy csökkenéseként értelmezhető. Sok (szerencsés)esetben elkerülhető vele a (z ismeretbővülés hatására való mátrixnövekedés eredményeként adódó) rohamosan növekvő reprezentációs kapacitásigény miatti lassulás vagy telítődés. Mivel igen sok feladatban a mátrix reprezentáció sok eleme üres (0) lenne, így az erőforrások jobb kihasználhatóságát lehet elérni vele. De ez sem csodaszer.
Más: Emlékeimben van egy elgondolkodtató MI vonatkozású "célprobléma", ami egy Tellerrel vagy Vignerrel készült beszélgetésből való. Lényege: Van-e értelme olyan rendszert készíteni, mely úgy "gondolkozik" mint az ember? A válasz szerint ezzel nem mennénk többre minthogy egy okos "emberrel" többen lennénk (ilyet másképp is tudunk csinálni), hiszen ezzel elvesztenénk a megbízhatóságot. Gépi rendszereinkkel szemben ugyanis alapvető megbízhatósági elvárás a válasz reprodukálhatósága, azaz, hogy ugyanazon körülmények esetén ugyanazon választ adja. Amennyiben egy gépi rendszer ilyen, akkor nem "emberi", míg ha nem ilyen, akkor miért higgyünk neki? Nesze neked intuíció, intenció!
Más: Egy MI rendszerrel kapcsolatban a "belső" "önálló" fogalomalkotás esetén komoly gondot jelent, hogy semmi sem biztosítja, hogy ezeket a fogalmakat képesek vagyunk megérteni. Ennek egyszerű halmozódó következményeként valós problémákra olyan válaszokat (és bizonyításokat) kaphatunk, melyeket nem fogunk megérteni, így legfeljebb csak hihetünk bennük. Ennek egy másik, de kapcsolódó aspektusa az ami a négyszín sejtés "brute force" bizonyítása kapcsán is felmerült (Mármint, hogy sok képzett elme több mint egy emberöltő során lenne képes ellenőrizni).
Más: Egy "öntanulás" céljából magára hagyott rendszerrel könnyen előfordulhat, hogy felfedezi mondjuk a természetes számokat és megpróbálja őket megszámolni (a sakk fán végigmenni, stb). (Mi is megtettük, de szerencsére közben elfáradtunk, ezért abbahagytuk. :-) ) Ez egyben azt is jelenti, hogy egy MI rendszernek egyáltalán nem biztos, hogy az lesz a "fontos" ami nekünk. A legenda szerint a kis Gauss is "lustaságában" fedezte fel a számtani sorozat összegképletét! A "célratartás" ezért alapvető és kívűlről kontrollált kell legyen. (Bármely véges ismeretelemből lehet hatványhalmazt képezni, vizsgálni, majd ha kész, akkor újra.)
A DataScope program valoban szuper adatbanyasz eszkoz, foleg ami a vizualitast illeti. Jo, hogy Magyarorszagon ilyen fejlesztogarda is van. A benne levo elemzesi lehetosegek azonban meg nem tul fejlettek. A neuronhalos resze peldaul meg sokkal gyengebb, mint a konkurens termekekben. (pl. SAS, IBM, Oracle) Na igaz, hogy az ara sem annyi...
Amugy szerintem nem sok koze van az itteni vitakhoz, hacsak nem annyi, hogy ezekben a programokban valoban nincs intencionalitas. :)))
Azert az, hogy a sakkprogramos hasonlatomat sem ertetted meg, nagyon sulyos. Nem azt mondtam, hogy nem lehet optimalis programot irni, hanem azt, hogy a teljes fa egyszeru bejarasaval nem lehet. (Hacsak meg nem valositjak a kvantumszamitogepet. :)) Masreszt ilyen meredek allitast meg nem is hallottam, hogy gyakorlatilag is lehet optimalisan jatszo sakkprogramot irni. Te ezt honnan veszed ? Attol, hogy az embereket valoszinuleg a kozeljovoben stabilan legyozik, meg tavolrol sem optimalisak. Es Mero Laszlot is pontatlanul idezted, mert o csak azt mondta, hogy a mult evezredben nem fogja legyozni az embert program.
És ebben különbözik a mi fogalomhasználatunk egy mesterséges rendszerétől. Azaz pontosabban: egy gép csak analítikus állításokat tud tenni a benne tárolt fogalmakkal kapcsolatban, szintetikusakat, bővítő jellegűeket, azaz olyanokat, melyeknek valami köze is van a valósághoz, képtelen tenni, mert nem rendelkezik intencionalitással (ld. feljebb). Így aztán nem tud tanulni sem.
Ez valoban igaz az eddigi ugynevezett MI programok nagy reszere. Ezek altalaban inkabb valamilyen muszaki feladatot akartak megoldani, es az MI inkabb reklamfogaskent kerult a kepbe. Ugy tunik, mintha a kezdeti MI programok nehezsegeit elvi szitre emelnenk. Az ok valahol a korul lehet, hogy mi egy kutatasi project valodi celkituzese, es mennyi eroforrast rendelnek hozza.
De miert kellene elvileg is igy lennie ? Ha fotorol felismeri a program a hamburgert, akkor miert ne ismerhetne fel akkor is, ha a kamerajaval latja ? Es miert ne tarsithatna hozza az izet, ha keszitunk neki megfelelo erzekelot ? Ha pedig egyszer beazonositotta, akkor az osszes hozza kapcsolatos tudast is elo tudna keresni. Persze mivel az o metabolizmusahoz nincs ra szukseg, ezert a nyalkepzodese nem indulna be:), de szerintem az MI nem emberszimulator. Szoval szerinted mi az a fogalomhasznalatunkban, amit nem lehet egy programmal megvalositani ?
Azt gondolom, hogy a program is felepitheti a kulvilagnak a fogalmi modelljet, ahol minden a helyere kerul. Es ha valami fontos uj dolgot tapasztal, akkor azt meg is jegyezheti. Ezenkivul szabadidejeben ossze is kapcsolhatja a korabbi ismereteit, ha vannak kovetkeztetesi szabalyai. Egy uj ismeret beillesztese egy tudasbazisba mindig azt jelenti, hogy megprobaljuk ertelmezni az eddigi ismereteink alapjan, es kapcsolatokat keresunk hozza. Tovabba azon is elgondolkodunk, hogy lehet-e meg valami hasznunk az uj ismeretbol. Ehhez az kell, hogy legyen egy listank az aktualis, megoldando feladatainkrol. Ha ezekhez koze lehet, akkor letrehozunk egy kapcsolatot. A kiertekeles egy reszet el lehet vegezni karbantartasi idoben, ilyenkor uj ismeret bevitele nelkul is azt gondolom, hogy tanul a gep. De az is lehet, hogy csak legkozelebb probalja meg hasznositani az uj ismereteit, amikor a kovetkezo feladat megoldasan dolgozik.
Az az elképzelés, hogy a rendszerbe beletartoznak azok is, akik előállítják az egészet, szerintem egészen elhibázott. Akkor gyakorlatilag egy hagyományos számítógép is intelligens, mert az emberek, akik csinálták, azok.
Ezt nagyon nem ertetted meg. Azt irtam, hogy csak addig mehet at egy nem intelligens gep a teszten, amig kelloen gyakran karbantartjak az emberek az adatbazisat. Es amig gyakran karbantartjak, addig az o intelligenciajuk miatt megy at a teszten. De ha magara hagyjak, akkor teljesen kizart, hogy ne lehessen kideriteni eleg hosszu ido alatt, hogy emberrel, vagy kinai szobaval 'beszelgetunk'. Egy intelligens geppel persze mas a helyzet, az onmaga is rendelkezik a kulvilag modeljevel, nem csak nyelvtani szabalyok vannak beleirva. Egy ilyen gep magarahagyva sem butul el, de nyilvan kepes kell, hogy legyen a megertesre es a intencionalitasra.
A hagyomanyos szamitogep pedig nem intelligens, csak azert, mert intelligens lenyek csinaltak. De egy szoftverhaz mar igen, amelyik a valtozo kihivasoknak megfelelo felhasznaloi programokat elo tudja allitani. (Ha mar tartani akarod a hasonlatot, akkor ne legyen benne csusztatas.)
Probaltal te mar programot irni ? Meg egy egyszeru programot is nagyon nehez ugy megirni, hogy ne deruljon ki nehany elore nem latott hiba.
Az MI egesz korai tortenete arrol szol, hogyha nehany szabalyt leirunk, akkor az rovid idon bellul trivialis hibakat is produkal, olyanokat, ami jellegeben teljesen mas, mint amit az ember elszur. Egyszeruen keptelenseg egy olyan szobat letrehozni, ami ilyen komplex feladatot megold, es nincs benne kello onszervezodes.
Olyan gondolatkiserletnek van bizonyito ereje, amit elvileg meg lehetne valositani. Ha feltetelezzuk, hogy mondjuk a stabil heliumban 12 neutron van, es erre epitunk egy modellt, az mindaddig oncelu jatek lesz, amig nem talalunk egy olyan univerzumot, ahol ez letezhet is. Persze a jatek lehet erdekes is, de azert ha arrol kellene gondolkodnom, hogy epitheto-e atomreaktor, akkor biztosan nem ilyen elmeletekbol indulnek ki.
Valo igaz amit irsz de en fenntartom, hogy a gepektol (ertsd. szgepek) lenyegileg a mi felepitesunk sem kulonbozik. Mindossze kifinomultabbak az informaciobeviteli egysegeink es az azokat raktarozo szerveink.
Eljon az ido amikor a szamitogepek elerik azt a fejlettsegi szintet ami kepesse teszi oket arra, hogy kifele azaz a kulvilag fele ertelmes 'szemely' benyomasat keltsek.
Mi tobb ezt meg meg lehet dobni azzal hogy a szamitogepek azaz a mesterseges intelligenciak racionalisabban fognak gondolkozni nalunk hiszen az erzelmek szerepet (ha egyaltalan lesznek) ki tudjak kapcsolni adott esetben egy-egy donteshozatalnal.
Szerintem a gondolatkíséreletek nem arról szólnak, hogy gyakorlatilag meg lehet-e őket valósítani, hanem arról, hogy elvileg meg lehet-e ezt tenni márpedig én nem látom semmi okát annak, hogy ezt miért ne lehetne megtenni.
Optimálisan működő sakkprogramot pedig lehet készíteni, ez gyakorlati kérdés. Csak egy Mérő László hihette, hogy nem így van, de most már ő sem hiszi.
Az az elképzelés, hogy a rendszerbe beletartoznak azok is, akik előállítják az egészet, szerintem egészen elhibázott. Akkor gyakorlatilag egy hagyományos számítógép is intelligens, mert az emberek, akik csinálták, azok.
Intencionalitással bíró gépet természetesen lehet készíteni, ezt Searle is elismeri. Például ilyen gép az ember is. De ez a "szellem a gépben" dualista MI felfogás nem vezet semmi jóra, az biztos.
"Nyilvan lehetseges olyan programot irni, aminek a hamburger kepere, es a hamburger szora is ugyanaz jut eszebe, azaz mondjuk az adatbazisanak ugyanazon reszet tolti be a memoriajaba. "
Nos, ez lehet, hogy így van, de egy ilyen program ekkor egy fotót köt össze egy betűsorral és még mindig nem látott hamburgert, még mindig semmi köze a valós objektumokhoz, nem tud hamburgert reprezentálni, egyáltalán nem rendelkezik intencionalitással. Ha ezután mutatnál neki egy valós hamburgert, nem tudná rávágni azt, hogy ez hamburger. Remélem érted. Ez pedig nagy gond!
És ebben különbözik a mi fogalomhasználatunk egy mesterséges rendszerétől. Azaz pontosabban: egy gép csak analítikus állításokat tud tenni a benne tárolt fogalmakkal kapcsolatban, szintetikusakat, bővítő jellegűeket, azaz olyanokat, melyeknek valami köze is van a valósághoz, képtelen tenni, mert nem rendelkezik intencionalitással (ld. feljebb). Így aztán nem tud tanulni sem.
Kicsit szabin volam, igy most reagalok az utolso leveledre:
En a kezdeti repertoar alatt egy minimalista gyujtemenyt kepzelek el nagyon hatekony es kivulrol jol konfiguralhato de blackbox rutinokbol, amelyek tobbe nem valtoztathatoak, legalabbis nem a parameterezes keretein tul, Ezek lennenek az AI "gepi kodu utasitasai".
Szerintem elegge kezdenek konvergalni a gondolataink. A kulonbseg csak annyi, hogy en ugy kepzelem a kezdeti repertoart, hogy azt is kepes elvileg megerteni es modositani a rendszer. A gyakoralatban es foleg kezdetben ezt nem tenne, mivel minnel nagyobb egy modositas, annal nagyobb nyomas szukseges hozza, hogy megtegye. Viszont mar kezdetben is elkezdhetne gyujteni a tapasztalatokat, hogy hogyan is mukodnek a sajat alaprutinjai, es melyik mennyire fontos. Igy egy ido utan lehet "velemenye" arrol, hogy mit lenne erdemes tovabbfejleszteni. Ez meg akkor is hasznos, ha sajat maga nem kepes ezt a fejlesztest megtenni, mert mondjuk nem a belso nyelven irodtak ezek a rutinok, hanem C-ben. Ebben az ertelemben a programozo is a rendszer resze, aki meg tudja valositani az alaprutinoknak azt a fejleszteset, amiben a program es a programozo egyetert. Elvileg persze a program is megtanulhat C-ben programozni, csak azt gondolom, hogy eloszor valamilyen kulso feladatra lenne erdemes koncentralni, es nem csak a belso mukodesre. Itt is meg kell talalni a helyes aranyokat. Tehat a fejlesztesi eroforrasainak jelentos reszet arra forditsa, hogy pl. megtanuljon egy jatekot, ami a program elsodleges celja lenne.
Hat ez hihetetlen, hogy megint csak annyit irtal, hogy kuszak voltak az ellenveteseim.
Szerintem vilagos, hogyha valami nem hozhato letre, az nem letezik, es igy nincs is ertelme rola beszelni, nemhogy bizonyitana valamit. Marpedig a kinai szoba Searle ertelmeben nem hozhato letre. Kb. olyan, mint arrol beszelni, hogy elvileg nagyon konnyu optimalisan jatszo sakkprogramot irni, csak be kell jarni a jatek teljes fajat.
Az meg, hogy valaki elvileg memorizalni tudna az osszes szabalyt megertes nelkul csak meg jobban ramutat, hogy mennyire el van rugaszkodva a gondolkodasa mindentol. A tenyleges, lehetseges, elvileg lehetseges, es a lehetetlen kozt en ugy erzem folyamatos az atmenet, es a gondolatkiserletek erejet epp az adja, ha erezzuk, hogy mi az az absztrakcio, ami meg ertelmes, es mi az, ami mar nem. Tulajdonkeppen megis lehet ertelme beszelni Searle gondolatairol, mert egy ellenpelda is segithet a helyes gondolkodas elsajatitasaban. :)
Ha megis beinditanank a kinai szoba projektet, akkor a teljes rendszer nem csak a kinai szoba, hanem az a szemely vagy csoport is, akik beirtak a szabalyokat. Ha pedig a letrehozo szemelyeket kivesszuk a rendszerbol, akkor ket eset van: vagy a rendszer elkezd elavulni, es hamarosan mar nem megy at a teszten, vagy pedig tenyleg intelligens. Szerintem a fogalmi gondolkodas olyasmi, ami nelkul nem kepzelheto el intelligencia.
Searle ellenvetese persze igaz a legtobb kiserletre, amit MI cimkevel lattak el. De ez nem jelenti azt, hogy elvileg sem hozhato letre intencionalitassal biro rendszer.
Az, hogy a hamburgerre, mint fogalomra milyen agyi ingeruletminta lesz bennunk aktiv, az nyilvan ugyanugy csak reprezentacio kerdese, minthogy hany byte-on taroljuk. Hogy megis valami ertelmet probaljunk ebbe a vitaba vinni, azt kerdeznem meg, hogy milyen kriteriumok alapjan kulonbozik a mi fogalomhasznalatunk attol, amit egy mesterseges rendszerben letre lehet hozni.
Nyilvan lehetseges olyan programot irni, aminek a hamburger kepere, es a hamburger szora is ugyanaz jut eszebe, azaz mondjuk az adatbazisanak ugyanazon reszet tolti be a memoriajaba.
Igen, világos, de nem jó. Itten pont az a lényeg, hogy rájöjjünk, hogy Te megérted-e a Kínai nyelvet. Ha most itt abból indulsz ki, hogy megérted, akkor persze hogy ez is lesz az eredmény, de itt nem ez volt a kérdés. Ha Te egyenlő vagy egy párttal és Te érted a kínait, akkor nyilván a párt is érteni fogja. Ha nem érted, akkor nem. De ennek semmi köze a kínai szobához, abban ugyanis éppenséggel nem érti a bent kuksoló ember a kínait
Itt éppen az a helyzet, hogy van egy ember, aki nem érti a kínait akkor sem, ha ebben az emberben van a rendszer. Ha tudom mi az input és az output, attól még nem értem az egészet, mert nincs referenciám, ld. hamburgeres példa.
Amit mondtál, annak semmi köze a Searle féle példához.
Tegyük fel, hogy kifejlesztettem egy komplikalt fizikai elmeletet majd belepek egy partba.
Ekkor en a part resze leszek, tehat semmi olyan nincs bennem, ami a partban nincs benne. Következöleg a part megtestesit engem, tehat a part (mint rendszer) szinten erti az altalam kifejlesztett elmeletet.
Egyébiránt megértésen Searle azt érti, amikor tudjuk is, hogy miről beszélünk, tudjuk mire referálunk. Pl. amikor adnak nekem egy hamburgerről készült fotót, akkor én tudom, hogy egy hamburgert reprezentál. Amikor látom leírva a következő betűket egymás után: HAMBURGER, akkor is tudom, hogy egy hamburgerre vonatkozik.
Nyilvánvaló, hogy ha nekem beadják azt, hogy @ß$¤>÷, amire nekem azt kell válaszolnom, hogy !/+?:É, attól én még nem tudom, hogy ezek mit jelentenek.
Olvastam őket, de már akkor is nagyon kuszának tűntek. A lényeg ez:
A cikkben Searle azt bizonyítja, hogy a Turing-teszt által kimuatott intelligencia nem olyan intelligencia, amit mi szeretnénk, sőt, mint rámutat egyáltalán nem intelligencia ez. A probléma az intencionalitással van, amivel egy ilyen rendszer nem rendelkezik.
Azt, hogy mi is ez, kicsit hosszú lenne itten most elmagyarázni. Egyébként rá lehet jönni a Kínai szobás gondolatkísérletből is, nagyjából ugye az, ami hiáhyzik. De ennél jobb képet lehet kapni róla Hillary Putnam Agyak a tartályban c. írásából. Ez is megvan magyarul, de sajna még csak kézirat formájában (nálam pl. beszerezhető).
Nos, visszatérve: Searle válasza a rendszerelvű válasz híveinek a következő. "A személy tegye belsővé a rendszer minden elemétt. Memorizálja a könyvből és a kínai szimbólunok adatbankjait, továbbá minden számítást fejben végezzen el. Az egyén így megtestesíti a teljes rendszert. Semmi olyan nincs a rendszerben, ami a személyben ne lenne meg. Még a szobát is elhagyhatjuk, és feltételezhetjük, hogy a szabadban dolgozik. Ugyanúgy semmit sem ért az emberünk kínaiul, ebből következőleg pedig a rendszer sem, mert semmi sincs a rendszerben, ami ne lenne a személyben benne. Ha ő nem érti meg, akkor a rendszer sem értheti meg semmi módon, mert a rendszer csak egy része a személynek.
Na, kb. ennyi. Olvassátok el a cikket! A Kognitív tudomány c. könyben van bent (szerkesztette Pléh Csaba).
Azért ez a kijelentés igy túl tömör. Ha esetleg részleteznéd, hogy miért is nem lehet MI-t szimulálni? Érvek nélkül nagyon kinyilatkoztatás jellege van a dolognak.
Üdv,
Fuhur
Itt az ideje, hogy megszüntessük a mesterseges intelligenciaval foglalkozo csoportokat. Kar, hogy ilyen sokan nem ismerik ezt a cikket, mert igy hiaba pocsekoljak az energiajukat.
Éppen most olvastam John Searle-től A kínai szobás cikkét, melynek címe : "Az agy, az elme és a programok világa", ami egyébként magyarul is hozzáférhető. Így már asszem igazat adok neki, szóval ha újfent lennének ellenvetések, szívesen válaszolok. 4 ellenvetésre ő maga is válaszol, többek között pl. arra is, ami itt elhangzott, hogy az "egész rendszer viszont intelligens". Szóval szimulációval nem lehetséges mesterséges intelligencia, mert nincs intelligencia intencionalitás nélkül, amire egy program nem képes.
Sziasztok!
Tud valaki magyar 'mesterseges intelligenciaval' biro softwareket amik esetleg hozzaferhetoek? Barmi amit e cimszo alatt szoktak erteni. (a mesterseges intelligencia szigoruan idezojelben:)) Esetleg magyar hangfelismero cuccot?
En a kezdeti repertoar alatt egy minimalista gyujtemenyt kepzelek el nagyon hatekony es kivulrol jol konfiguralhato de blackbox rutinokbol, amelyek tobbe nem valtoztathatoak, legalabbis nem a parameterezes keretein tul, Ezek lennenek az AI "gepi kodu utasitasai". Fontos (es nehezen megoldhato), hogy a blackbox rutinok eroforrasigenye folytonos legyen a parameterezes fuggvenyeben.
Minden feladatot nyilvan nem fedhetnek le, mert akkor az AI alapjaban veve szuksegtelen lenne. Viszont eleg nagynak kell lennie, hogy az AI veletlen probalgatassal es lassankenti parameter-allitgatassal sok dologra mar a kezdetek kezdeten kozelito megoldasokat talalhasson.
Ez valamelyeset rugalmatlan, de az AI egyreszt nincs rakenyszeritve, hogy hasznalja oket, masreszt, ha mar eleg fejlett lesz bovitheti magat C fuggvenyekkel. (Erre meg lehetne adni a lehetoseget egy megfelelo kornyezettel: pl az AI uj process-t indithatna, ami hagy lefagy nem rantja magaval ot is, es a process jogosultsagai megakadalyoznak hogy kart tegyen a futtatorendszerben. Ez viszont nyilvan mar csak akkor jatszana szerepet, ha az AI a maiakhoz kepest elkepzelhetetlen intelliganciara tett szert.
Mindenre ami nincs lefedve a kezdeti repertoarral, az AI-nak maganak kene kifejlesztenie modszert a kisse lassabb, de rugalmasabb es robosztusabb belso nyelven.
En is azt gondolom, hogy az AI-t el kell latni egy kezdeti akcio-repertoarral, amiket hasznalhat
Ezeket fekete dobozkent kepzeled ?
Az igazi az lenne, ha a tudasbazis szerves reszet kepeznek, onmaguk is modosulhatnanak kesobb/elvileg. De lehet valamilyen 'szurke' doboz is: pontosan nem tudjuk mi tortenik benn, de tudjuk, hogy peldaul mitol fugg az eredmeny, akar azt is, hogy nagyobb valami eseten nagyobb kimenet varhato, szokasos ertekek, varhato eroforrassfelhasznalas, stb. Ez a szurkeseg esetleg ugy is kialakulhat, hogy egy fekete dobozhoz fejlecet csatolunk, ill. csatol a rendszer, es ebben a fejlecben van a hasznalataval szerzett tapasztalat.
Egyebkent erdemes szerintem gondolkodni rajta, hogy ki mit venne fel egy ilyen repertoarba. Fontos nyilvan az osszhang is, hogy nagyjabol minden feladatot lefedjenek a modszerek.
Azt meg kell adni, hogy milyen teljesitmenynovekedest varunk a meretnovekedes fuggvenyeben. Es ezzel is kell valoszinuleg kicsit kiserletezni, mint minden massal. Attol is fugg, hogy mekkora a gepunk, es hogy mennyire fontosak a meretkorlatok.
Ha eleg nagy a populaciod, akkor a kicsi szelekcios nyomas miatt egy ideig eletben maradhatnak a nagy, de csak picit hatekonyabb egyedek. Eleg nagy popolacio a jelenlegi gepeken persze nagyon lassu.
Bar en ebben a szemet kirostalodasaban eleg kicsit hiszek. Egy hatekonysagnovelo valtozas sokkal fontosabb, mint a meretcsokkentes. A meretcsokkentes ugyanis nem valoszinu, hogy egy nagy szemet kidobasaval elerheto lenne, hanem faradsagos csiszolgatassal. Mintha meg mindig az ontomoritos gondolat lebegne a szemed elott.
Jo otlet, csak kerdeses, hogy az eleg e: ha mar egy csomo nagy AI-d van nincs semmi okuk, hogy csokkentsek a meretuket.
Masreszt, a problema, hogy specifikalni kell, hogy minek kell lennie az atvaltasi faktornak a teljesitmeny es a memoria kozott. Nem valoszinu ugyanis hogy ketszeres memorianak ketszeres teljeseitmenyhez kene vezetnie.
Ez a fejta szelekcio meg kevesbe robusztus mint az enyem, hiszen mi a maximalis intelligenciara akarunk optimalni, viszont a legokosabb AI-nak meg eselyt sem adsz, hogy eltavolitsa magabol a szemetet, hanem rogton szelektalsz. Igy pont az onszervezodes ellen hatsz, hisz igy az egyszerubb strukturaknak kedvezel.
Az altalad felvetett problema, hogy egy AI csak igen lassan (ha egyaltalan) fejlodhet ki egy strukturalatlan adattomegbol, azt valos problemanak tartom, es fontos gondolkodni rajta.
En is azt gondolom, hogy az AI-t el kell latni egy kezdeti akcio-repertoarral, amiket hasznalhat: pl egy altalanos celu neuronhalo, ami szeles keretek kozott parametrizalhato, es minel altalanosabb, egy rutin, ami valami bevett optimlizalasi modszerrel (pl. branch and bound) optimalizal egy fuggvenyt egy adott tartomanyon. Egy altalanos celu clustering heurisztika, ami egy adathalmazt felbont minnel tobb elemmel. Ezeket az altalanos celu fuggvenyeket az AI tetszolegese helyeken es parameterezessel hasznalhatna, ugyanugy mint mondjuk az egyszeru alapmuveleteket. Viszont, hogy o milyen celra hasznalna ezeket a modszereket, az mar a sajat "dontese" volna, es en nem avatkoznek bele.
Nyilvan csak akkor szamithatunk egy "intelligencia-robbanasra", ha ez a kezdeti ellatmany megfeloen nagy.
A méretnövekedést ugy probálnam meg korlátozni, hogy a biró csal kicsit a tesztekben: a nagyobb döntetlen esetén veszit, neki jobbnak kell lennie, hogy tuleljen. Peldaul ha ketszer annyi eroforrast (helyet vagy idot, attol fugg melyik kritikusabb) hasznal el, akkor 6:4 aranyban gyoznie kell egymas elleni jatekokban, hogy ugyanolyan tulelesi eselyei legyenek, mint a kisebb tarsanak.
Nekem nagyon ugy tünik, hogy te az AI-t az alkotok hosszas patyolgatasaval probalod letrehozni
Igen. Megpedig azert, mert ez egy hasznos szinbiozis lehet az ember es a gep kozott, meg lehet vele esetleg takaritani azt a nehany millio evet, amig magatol kifejlodnenek mindazok a strukturak, amik ahhoz kellenek, hogy fejlodokepes legyen egy rendszer. :)
A masik ok, hogy ugy erzem mukodnek az intuicioim ezen a teruleten. Persze egy komplett megvalositast most nem tuznek ki kozvetlen celnak. Viszont egy jo minosegu specifikaciot esetleg igen.
Az aktiv adatbazis eppen, hogy az implementacios gondolatok iranyaban termekeny szamomra. De ez vegul is lehet szubjektiv, masnak mas reprezentacio ad jobban otleteket. Rekordszerkezeteket el tudok kepzelni. Adatbazisokat is, olyanokat is, amik flexibilisebbek, mint a dbase. Az elemi technikai szintet is, amivel mindezeket kezelni lehet. Ha erre a szintere alkalmazol valamilyen komplex fuggvenyt vagy modszert, akkor abban elvileg benne van az MI szintaxisa, eppugy, mint egy grafban. Csak jobban latom, hogy mennyire kilatastalan elvarni egy strukturalatlan adattomegtol, hogy abbol belathato idon bellul ertelmes fejlodes indul meg. Ezert raepitenek meg egy szintet, amiben az eddig mar pedzegetett modszerek vannak benne: rekordszerkezetvaltazok, eroforras felhalmozas es felhasznalas, tapasztalatgyujtes es hasznlositas, logikai modszerek (kovetkeztetes), statisztikak keszitese es hasznalata, hatastanulmany, becslesek, reszekre bontas, tobbszintuseg kezelese, extrapolacio, avulas/felejtes, es meg egynehany. De mindezeknek csak egy nagyon durva valtozata. El kellene kerulni azt, hogy valamelyiket tul reszletesen kidolgozzuk, es ezaltal a tobbit teljesen elhanyagoljuk.
Egy hasonlat a reszrendszer-szelekciora. Tegyuk fel, hogy sok a mergezes, ezert a majat akarod fejleszteni. Mert mondjuk van annyi onismereted, hogy azt lehet legnagyobb esellyel. Ha tudnak csinalni 1000 ugyanolyan egyedet, kicsit mas majjal, aztan elvegeznel egy tesztet, (alkoholbevetel ket honapig), akkor kiderulhetne, hogy melyik a legjobb lokalis megoldas. Persze lehet, hogy a szervezet egeszere nezve mas szempontok is vannak. Miutan modnjuk rajosz, hogy a maj ne legyen a szervezet 1.8%-anal nagyobb, akkor felallitasz egy uj kriteriumot, buntetopontot adsz a megszegeseert, es ujrainditod a tesztet. A lokalis kiserletezes ugyan egy hibaforras, es talan nehanyszor elorol kell kezdeni a munkat uj kriteriumokkal (ha nem a megfelelo adatokat jegyeztuk meg elsore), de meg igy is sokkal hatekonyabb lehet. Tegyuk fel, hogy egyben a veset is akarod fejleszteni, es mindeket esetben 1000 mutaciobol 5 jo, es fuggeltenek a tulajdonsagok. Akkor 1000000 egyedbol csak 25 lesz, amelyik mindket tulajdonsagaban javult. Es akkor meg mindig elutheti a villamos, ha nem eleg figyelmes.
Tudom en, hogyha tenyleg fuggetlen a ket kriterium, akkor a hagyomanyos evolucio eloszor az egyiken (a fontosabban) javit, aztan miutan az mar mindig jo lesz (a gyengebb gent/programreszletet hordozok kiszorulnak) elindulhat a masik fejlodese. De mivel a tulelesteszt komplex, meg igy is iszonyu parazlas van, mire kifejlodik a jo maju, jo veseju egyed.
A reszrendszer sohasem teljesen ugy mukodik, mint ahogy a teljes rendszerben tenne, ezert mindig kell eroforrast hagyni az osszeillesztesre, de a kombinatorikus robbanas elkerulesevel olyan oriasi nyeresegunk van, hogy abbol talan futja ezekre a munkakra is.
