आर्टिफिशियल इंटेलिजेंस

प्रस्तावना

मानव जाति के विकास के सभ्यतात्मक इतिहास के दौरान, लोग अधिक शक्तिशाली और कम संवेदनशील बनने के लिए प्रयास करते हैं, जो कि महत्वपूर्ण संसाधनों के लिए एक अनन्त संघर्ष की आवश्यकता और उनकी अपनी सुरक्षा सुनिश्चित करने के द्वारा निर्धारित किया गया था। होमो-सेपियन्स हमेशा अपनी शारीरिक और मानसिक क्षमताओं और क्षमताओं को विकसित करना चाहते थे। एक व्यक्ति बहुत दूर और साफ देखना चाहता था क्योंकि वह आमतौर पर ऐसा कर सकता है, वह ऊंची उड़ान भरना चाहता था और गहरी तैरना, दूर से सुनना और तेज महसूस करना, अधिक याद रखना और तेजी से सोचना ...

लगभग हर ऐसी आकांक्षा में ये वांछित लक्ष्य आमतौर पर प्रसिद्ध भौतिक कानूनों के आधार पर कुछ तकनीकी एम्पलीफायर उत्पादों के निर्माण के माध्यम से प्राप्त किए गए थे। और यहाँ लोगों ने लगभग सभी मामलों में, एक लंबे समय के सपने के संभावित अपवाद के साथ, सफलता प्राप्त की - " आर्टिफिशियल इंटेलिजेंस इंटेलिजेंस " का निर्माण, अर्थात् , एक ऐसा उपकरण जो अमानवीय गति के साथ सोचने और ज्ञान के साथ काम करने में सक्षम नहीं होगा। सबसे विकसित सोच वाले प्राणी ऐसा कर सकते हैं।

जब 20 वीं शताब्दी के मध्य में एक कंप्यूटर बनाया गया था, जिसने भव्य रूप से मनुष्य की गिनती की क्षमताओं को बढ़ाया और डेटा प्रोसेसिंग का सबसे शक्तिशाली परिचालन त्वरक बन गया, तो ग्रह के अग्रणी देशों के शैक्षणिक मंडलियों के सर्वश्रेष्ठ दिमाग ने कंप्यूटर को " सोच समझकर " मशीन में बदलने की कोशिश करने का निर्देश दिया। ज्ञान के साथ इसे संचालित करने के लिए। लेकिन वर्षों बीत गए हैं और इस दिशा में पहले घटनाक्रम की शुरुआत के बाद से आधी सदी से अधिक समय बीत चुका है, और " उचित मशीन " बनाने के सभी टाइटैनिक प्रयास अब तक निरर्थक हैं।

यहाँ एक वाजिब सवाल उठता है: "ऐसी कौन सी बेहूदा समस्या है जो दुनिया भर के महत्वाकांक्षी वैज्ञानिकों, शोधकर्ताओं और उत्साही लोगों की एक विशाल सेना को अपने लंबे समय से प्रतीक्षित लक्ष्य तक पहुँचने की अनुमति नहीं देती है, कंप्यूटर को ज्ञान के साथ सोचने के लिए मजबूर करता है , क्या यह वास्तव में संभव है कि मानव चेतन गतिविधि भौतिक उपकरणों के अधीन नहीं है?"

पहले सन्निकटन में, इस प्रश्न का उत्तर काफी सरल है। कंप्यूटर "डेटा को पहचानने और पढ़ने " में सक्षम है, लेकिन पूरी तरह से "ज्ञान को नहीं समझता है " और इसके अलावा, कम से कम अब तक इसके साथ काम नहीं कर सकता है। इस थीसिस के लिए वास्तव में ज्ञान का प्रतिनिधित्व करता है, जिसे हम "आर्टिफिशियल इंटेलिजेंस" (एआई) कहते हैं।

इंटेलिजेंस के बारे में

Intellectus शब्द "ज्ञान," "कारण," "समझ," या तर्कसंगत रूप से सोचने की क्षमता की लैटिन अवधारणा से लिया गया है।

एआई डेवलपर्स की स्थिति से, " इंटेलिजेंस " सिस्टम के तकनीकी व्यवहार के सिस्टम को संदर्भित करता है जो इसके आसपास की दुनिया में है। पत्थर, पानी, लकड़ी, जानवर और मानव मांस - वस्तुओं का सार, साथ ही साथ कंप्यूटर या अन्य कृत्रिम उपकरण।

शब्द " ऑब्जेक्ट " के रूप में, इसका मतलब है कि संरचनात्मक रूप से पदानुक्रम से संगठित तत्वों के एक समूह का मतलब है, स्वतंत्र रूप से पहचाना और अंतरिक्ष-टाइम कॉन्टिनम में मौजूद है, जो मानव इंद्रियों की मदद से पंजीकृत है, दोनों को एक समान रूप से सामान्य सीमाओं और भौतिक कानूनों के आधार पर एकल इकाई द्वारा एकजुट किया गया ।

सिद्धांत रूप में, पृथ्वी पर सभी भौतिक वस्तुओं को प्राचीन काल से जाना जाता है जो इस आवश्यकता को पूरा करते हैं उन्हें निम्नलिखित चार श्रेणियों में विभाजित किया गया है:

1. फिजियो-खनिज और मिश्र । (निर्जीव निर्जीव अनुचित पदार्थ);
2. फाइटो-वनस्पति । (उनके विकास या विकास के दौरान निर्जीव अनुचित पौधों को जीवित करना);
3. जैव-जीव । (उनके जैविक जीवन के दौरान एनिमेटेड अनुचित जानवरों को जीवित करना);
4. मेंतो-रज़ियो गोला । (उनके "बुद्धिमान जीवन" के दौरान एनिमेटेड बुद्धिमान लोग रहते हैं)।

इस वर्गीकरण के ढांचे के भीतर, क्रमशः, प्राकृतिक बुद्धिमत्ता (ईआई) के प्रारूप में व्यवहार के उनके चार रूप हैं:

1. खनिज प्रकृति की निर्जीव निर्जीव वस्तुओं की अनुचित खुफिया;
2. निर्जीव वनस्पति वस्तुओं के रहने की अनुचित बुद्धि;
3. एनिमेटेड फौना वस्तुओं के रहने की अनुचित खुफिया;
4. एनिमेटेड वस्तुओं को जीने की उचित बुद्धिमत्ता, उनके सचेत विषयों के साथ मिलकर।

सामान्य तौर पर, लोगों की चेतना ईआई के साथ सभी चार श्रेणियों के लिए निम्नलिखित आठ व्यवहार कार्यों की पहचान करती है:

Fn1 => अस्तित्व => होने के लिए, अस्तित्व के लिए
Fn2 => परिवर्तन => बनें, बदलें
Fn3 => रजिस्टर => फील, फील
Fn4 => प्रतिबिंब => प्रतिक्रिया, उत्साह
Fn5 => एक्शन => अधिनियम, निर्माण, निर्माण
Fn6 => परिवहन => चाल, चाल, कैरी
Fn7 => इरादा => इच्छा, चाह, रुचि
Fn8 => विचार करना => सोचना, विचार करना, जागरूकता, बोलना

ध्यान दें कि ऐसी कोई भी प्रक्रिया जिसमें यूनिवर्स की वस्तुएं भाग लेती हैं, इन आठ व्यवहार क्रियाओं के साथ प्राकृतिक भाषाओं में क्रियाओं द्वारा वर्णित हैं। इसी समय, भौतिक दुनिया की वस्तुओं की विभिन्न श्रेणियों में क्रमशः व्यवहार कार्यों का एक अलग सेट होता है।

1. एक साधारण पत्थर में केवल 4 पहले कार्य होते हैं => Fn1 - Fn4
यानी, पहली श्रेणी की वस्तुएं अस्तित्व, परिवर्तन, रजिस्टर और प्रतिक्रिया हो सकती हैं। इसलिए, अगर हम कृत्रिम स्तर पर इन 4 प्राकृतिक व्यवहार कार्यों को दोहराते हैं, तो हमें "कृत्रिमता" के 4 प्रकार मिलते हैं:

- कृत्रिम अस्तित्व ;
- कृत्रिम परिवर्तन ;
- कृत्रिम पंजीकरण ;
- कृत्रिम प्रतिबिंब ।

2. एक साधारण पौधे में 2 इकाइयाँ अधिक व्यवहार कार्य करती हैं => Fn1 - Fn6
यहां दूसरी श्रेणी की वस्तुओं को अभी भी उत्पादित किया जा सकता है और यहां तक ​​कि परिवहन भी किया जा सकता है। इसलिए, उनके तकनीकी समकक्षों के पास "कृत्रिमता" के दो और प्रकार हो सकते हैं:

- कृत्रिम उत्पादकता ;
- कृत्रिम परिवहन ।

3. विभिन्न जानवरों में, प्राइमेट्स तक, उनकी संख्या 7 कार्यों तक पहुंचती है => Fn1 - Fn7
इसलिए, जानवरों के व्यवहार की नकल करने के लिए, हम और अधिक जोड़ते हैं:

- कृत्रिम इरादा ।

4. लेकिन लोगों के पास अधिकतम सभी आठ कार्य => Fn1 - Fn8 हैं
यह इस प्रकार है कि आर्टिफिशियल इंटेलिजेंस फ़ंक्शन करने में सक्षम होना चाहिए:

- कृत्रिम सोच ।

"होमो सेपियन्स" (होमो सेपियन्स) अपने भौतिक शरीर के अलावा, " भौतिक निष्पक्षता " के रूप में, पहले तीन श्रेणियों की वस्तुओं से अलग है, वह भी चेतना के रूप में " मानसिक विषय " है। यही है, लोग, या बल्कि, उनके शरीर केवल भौतिक (भौतिक) प्रकृति के दृष्टिकोण से ऑब्जेक्ट नहीं हैं, बल्कि वे मानसिक (सचेत) विषयों के रूप में भी कार्य करते हैं।

यहां से यह नोटिस करना आसान है कि केवल " आर्टिफिशियल थिंकिंग " वास्तव में मशीन के लिए सब्जेक्टिविटी जोड़ सकती है, जिससे यह वास्तव में एक " उचित उद्देश्य " बन सकता है।

इस प्रकार, हम ध्यान दें कि इस समय दुनिया में बनाए गए सभी AI सिस्टम UNREASURABLE हैं , क्योंकि उनमें मानसिक क्षमता नहीं है।

विश्लेषण और संश्लेषण

किसी भी पदार्थ का कार्य, यह एक भौतिक वस्तु हो, उदाहरण के लिए, एक मानव शरीर या उसकी चेतना के रूप में एक ही मानसिक विषय, जो आधारित है, जैसा कि ज्ञात है, दो प्रौद्योगिकियों पर, सशर्त रूप से संदर्भित है:

1. दर्ज स्थिति का विश्लेषण ;
2. स्थिति के प्रति प्रतिक्रिया का संश्लेषण ;

फॉना और फ्लोरा की वस्तुओं, मानव शरीर सहित सभी निर्जीव प्रकृति के साथ, भौतिक प्रभावों का पैरामीट्रिक पंजीकरण होता है, जो स्थिति का एक शारीरिक विश्लेषण है , और यह भी प्रतिवर्त प्रतिक्रियाओं में सक्षम है, जो तदनुसार, प्रतिक्रियाओं का एक भौतिक संश्लेषण है ।

सामान्य तौर पर, भौतिक दुनिया की विभिन्न वस्तुओं द्वारा उपयोग किया जाने वाला भौतिक विश्लेषण Fn3 फ़ंक्शन (" पंजीकरण ") पर आधारित है जो भौतिक दुनिया की वस्तुओं के विभिन्न इंद्रियों और रिसेप्टर्स को सौंपा गया है, जो 16 प्रकार के रिसेप्टर्स को अलग करता है:

- विसिओ (दृश्य, प्रकाश)
- ऑडियो (ध्वनिक, ध्वनि)
- ओल्फाज़ियो (घ्राण)
- गेव्ज़ियो (स्वादिष्ट बनाने का मसाला)
- थर्मो (थर्मल)
- प्रोप्रियो (वेस्टिबुलर)
- टैक्टिलियो ( कैनेस्टेटिक , स्पर्श, संपर्क)
- डर्मियो (त्वचा, खुजली)
- इलेक्ट्रिक (इलेक्ट्रिक)
- मैग्नेटियो (चुंबकीय)
- रेडियो (रेडियो फ्रीक्वेंसी)
- एक्स-रे (एक्स-रे)
- एमोटियो (न्यूरो-इमोशनल)
- Exio (कामुक)
- नेस्टियो (दर्द, तंत्रिका दर्द)
- न्यूरोप्सियो (तंत्रिका-तंत्रिका-आवेग)

ध्यान दें कि, व्यावहारिक रूप से, उपरोक्त सभी प्रकार के रिसेप्टर्स में रैखिक पैरामीट्रिक आयाम हैं जो डेटा प्रारूप के साथ पूरी तरह से सुसंगत हैं, इसलिए, भौतिक विश्लेषण डेटा विश्लेषण है । तदनुसार, भौतिक संश्लेषण केवल शारीरिक डेटा विश्लेषण के परिणामों पर आधारित है। यह निम्नानुसार है कि ये सभी फिजियो-फ़ंक्शन और दिए गए प्रतिक्रिया नियम शारीरिक विश्लेषण और शारीरिक संश्लेषण के रूप में कंप्यूटर कार्यक्रमों में मॉडल करना अपेक्षाकृत आसान है।

इस प्रकार, सभी आधुनिक एआई उपकरणों को " शारीरिक विश्लेषण के परिणाम के आधार पर भौतिक विश्लेषण की प्रौद्योगिकी " (टीएफआर) के अनुसार विशेष रूप से लागू किया जाता है, और भौतिक उत्तेजनाओं के लिए वस्तु की एक सरल भौतिक प्रतिक्रिया का प्रतिनिधित्व करते हैं।

लेकिन विश्लेषण, जिसका उपयोग मानव चेतना के रूप में मानसिक पदार्थ द्वारा किया जाता है, फ़ंक्शन Fn8 (" थिंकिंग ") का उपयोग करता है। यह है कि, एक व्यक्ति, चतुर्थ श्रेणी की एक वस्तु के रूप में, मन के व्यक्तिपरक कार्य को रखने, केवल तभी सोचता है जब वह सचेत रूप से बोलना , सोचना , समझना , समझना , बनाना , रचना करना सीखता है ...

इससे हमें यह पता चलता है कि "आर्टिफिशियलली थिंकिंग मशीन" के पास मानसिक विश्लेषण के परिणामस्वरूप " मानसिक प्रतिक्रिया की तकनीक (टीएमपी)" होना चाहिए, अर्थात, टीएमपी को मानसिक स्थितियों के लिए ऑब्जेक्ट की मानसिक प्रतिक्रिया की प्रतिलिपि बनाना चाहिए।

संक्षेप में, हम ध्यान दें कि केवल लोग शारीरिक विश्लेषण (उनके शारीरिक रिसेप्टर्स के कारण) के अलावा, एक मानसिक ( मानसिक ) विश्लेषण (उनकी चेतना तंत्र के कारण) भी करते हैं, अर्थात, व्यक्ति स्थिति का एक अर्थपूर्ण मूल्यांकन करने में सक्षम होता है , और लोग भी अपने स्वयं के अतिरिक्त मानसिक ( मानसिक ) संश्लेषण, अर्थात्, एक व्यक्ति प्रतिक्रिया का एक उचित तर्क लागू करने में सक्षम है, जो सामान्य रूप से, ज्ञान के प्रारूप से मेल खाता है, डेटा नहीं।

यदि हम टीएफटी और टीएसआर के बीच अंतर के कारण की अधिक गहराई से जांच करते हैं, तो हम असंदिग्ध निष्कर्ष पर आ सकते हैं कि सभी एफएम ऑब्जेक्ट विशेष रूप से डेटा पर काम करते हैं और इसके लिए केवल एक ही इम्पीकेटिव (सशर्त) प्रारूप संचालक का उपयोग करते हैं (साथ में विभिन्न नियामक सूत्र):
"यदि = X, तो Y करें, अन्यथा Z करें।"

इसी समय, कोई भी भौतिक मापी गई मात्रा हमेशा डेटा के रूप में कार्य करती है, जिसकी तुलना किसी दिए गए संदर्भ डेटा से की जाती है। उदाहरण के लिए, यदि आप अपनी उंगली से साधारण पत्थर को हल्के से टैप करते हैं, तो यह निश्चित रूप से नहीं गिरेगा। और अगर उसे एक स्लेजहेमर के साथ हिट करने के लिए शक्तिशाली है, तो सबसे अधिक संभावना है कि पत्थर को गिरना चाहिए या, कम से कम, पत्थर की अंतिम ताकत के प्रभाव के बल पर काबू पाने के परिणामस्वरूप क्षतिग्रस्त हो जाना चाहिए। यह है, हम कह सकते हैं कि पत्थर "प्रभाव" महसूस करता है , अपने स्वयं के आंतरिक मानक के साथ तुलना करता है , और प्रभाव के मापा मापदंडों के अनुसार सख्ती से व्यवहार करता है : प्रभाव बल, प्रभाव क्षेत्र, प्रभाव की विशिष्ट शक्ति, और दिए गए भौतिक दुनिया के अनुसार अधिक। पत्थर के लिए व्यवहार कार्यक्रम।

एक पत्थर के प्राकृतिक व्यवहार का अनुकरण करने वाले कंप्यूटर की स्थिति से, ये पैरामीटर कुछ मशीन-डिजिटल डेटा प्रारूप में इनपुट सिग्नल हैं। इसलिए, आज तक, एआई डेवलपर्स ने आईटी में निहित पहले सात कार्यों के लिए पूर्णता और समानता की बदलती डिग्री के साथ प्राकृतिक इंटेलिजेंस के सिमुलेशन को काफी आसानी से प्राप्त करने में सक्षम किया है। और इसे " सीक एआई " या एसएआई - ("कमजोर एआई") कहा जाता है।

सिद्धांत रूप में, प्रोग्राम चलाने वाला समान सामान्य कंप्यूटर सबसे विशिष्ट SAI उदाहरण है।

लेकिन आठवां कार्य - सोच , जो एक अनुचित जानवर या यहां तक ​​कि मोगली को होमो सेपियन्स में बदल सकता है - पावर एआई - पीएआई (मजबूत एआई) के रचनाकारों के मार्ग पर एक वास्तविक ठोकर बन गया है या इसे आर्टिफिशियल सुपर इंटेलिजेंट भी कहा जाता है - एएसआई (“ आर्टिफिशियल सुपर इंटेलिजेंस - ISI ”)। और यहां तथ्य यह है कि "बुद्धिमान व्यक्ति", जैसा कि पहले कहा गया था, प्रकृति की अन्य तीन श्रेणियों के विपरीत, न केवल डेटा के साथ, बल्कि ज्ञान के साथ भी संचालित करने में सक्षम है !

सुपर इंटेलिजेंस के निर्माण में शामिल विश्व वैज्ञानिक और तकनीकी समुदाय इस बात को अच्छी तरह से समझते हैं, और यह विश्वास है कि यदि मानक ज्ञान के लिए आवश्यक कंप्यूटर प्रारूप बनाया जाता है , तो यह संभव होगा, वर्तमान डाटा प्रोसेसिंग तकनीक के साथ सादृश्य द्वारा, ज्ञान प्रसंस्करण प्रौद्योगिकी बनाने के लिए, का उपयोग करके। संबंधित नॉलेज बेस (KB) और यह मानते हुए कि यदि आप डेटा के रूप में तर्कों को तर्कपूर्ण संचालकों में ज्ञान के रूप में प्रतिस्थापित करते हैं, तो समस्या तुरंत हल हो जाएगी। हालांकि, इतने लंबे समय तक ज्ञान के मॉडलिंग मशीन संचालन के लिए एक समाधान खोजने के लिए सभी कई प्रयासों की विफलता ने आज केवल इस तथ्य को जन्म दिया है कि एफआईएस डेवलपर्स के विशाल बहुमत ने या तो इस दिशा में काम करना जारी रखने से इनकार कर दिया, या एक अलग रास्ता ले लिया - तथाकथित प्रौद्योगिकियों के आधार पर निर्माण " कृत्रिम तंत्रिका नेटवर्क " (ANN), उम्मीद है कि जल्द या बाद में ANN "उचित" बन सकते हैं।

वर्तमान में, कोई भी यह नहीं कह सकता है कि एएनएन वांछित परिणाम का नेतृत्व करेगा या नहीं। फिर भी, अब विकसित देश इस क्षेत्र में ठोस निवेश करते हैं। उदाहरण के लिए, चीन ने घोषणा की कि वह "आर्टिफिशियल इंटेलिजेंस के शहर" के निर्माण में $ 2 बिलियन का निवेश करने का इरादा रखता है, जहां 400 से अधिक आईटी कंपनियां केंद्रित होंगी, जिनका कार्य 2030 तक चीन को एक मजबूत AI में विश्व नेता बनाना है। कंपनी अब इलोना मास्क के साथ प्रतिस्पर्धा कर रही है, जिसने घोषणा की है कि वह आईएसआई के निर्माण में $ 1 बिलियन का निवेश करने जा रही है।

समस्या

अब, आइए एक मशीन ज्ञान प्रारूप के निर्माण की कठिनाई को देखते हैं और दुनिया में सुपर इंटेलिजेंस के प्रमुख डेवलपर्स ने इस दिशा को क्यों समाप्त किया। इस विषय पर कई विशेषज्ञों की समेकित प्रतिक्रिया कहती है कि, " नॉलेज " शब्द के विपरीत, " नॉलेज " की अवधारणा के लिए, दुर्भाग्य से, अभी तक एक स्पष्ट, आम तौर पर स्वीकृत और अस्पष्ट परिभाषा नहीं है जिसके आधार पर अपना विशेष ज्ञान बनाना संभव होगा। मशीन प्रारूप ताकि यह "डिजीटल ज्ञान" पहले से ही एक कंप्यूटर संचालित कर सके।

ज्ञान हमेशा इससे अधिक होता है। ज्ञान और डेटा एक दूसरे से संबंधित हैं, उदाहरण के लिए, सिस्टम और तत्व , जहां उत्तरार्द्ध सिस्टम का हिस्सा है, लेकिन तत्व सिस्टम को स्वयं निर्धारित नहीं करता है। केवल सिस्टम में शामिल सभी तत्वों के गुणों और क्षमताओं का योग एक नई अभिन्न कार्यक्षमता दे सकता है, लेकिन एक प्रारूप में अलग-अलग तत्व के सार से अलग, कैसे, उदाहरण के लिए, एक फिल्म स्ट्रिप (तत्वों) के व्यक्तिगत फ्रेम फिल्म के कथानक का एक विचार नहीं दे सकते हैं। (सिस्टम) जब तक कि फिल्म को खुद ही वापस नहीं किया जाता है और दर्शक द्वारा महसूस किया जाता है।

डेटा पहचान तकनीक पहले से ही साइबरनेटिक्स में मौजूद है, जिसके बिना, वास्तव में, उन्हें संचालित नहीं किया जा सकता था। इस प्रयोजन के लिए, कंप्यूटर की मेमोरी में एक डेटाबेस (डीबी) बनाया जाता है, जैसे कि, उदाहरण के लिए, कुछ प्राकृतिक भाषा का एक शब्दकोष यदि इसे पहचानना आवश्यक है, उदाहरण के लिए, टेक्स्ट ग्रैफेम्स। इस तरह के डेटाबेस का उपयोग करते हुए, इनपुट डेटा (grapheme) की तुलना डेटाबेस में उपलब्ध समान डेटा (graphemes) के साथ की जाती है ताकि इनपुट डेटा (grapheme) की पहचान और विशिष्ट रूप से पहचान की जा सके। इसलिए, इसके साथ सभी इनपुट नॉलेज की तुलना करने के लिए सादृश्य से जाकर और ज्ञान का आधार बनाकर समस्या को हल करना स्वाभाविक होगा।

या एक अन्य उदाहरण वाक्यांश और उनके अर्थ हैं । यहाँ सिर्फ BZysmyslov हैं , BZ की तरह, अभी तक किसी ने नहीं बनाया है।

और कौन, सामान्य रूप से, "ज्ञान" शब्द की परिभाषा की समस्या को हल करने में यहां मदद कर सकता है? यदि आप अकादमिक सहायता चाहते हैं, तो इस विषय में निकटतम विज्ञान भाषाविज्ञान है, जो पहली नज़र में, इस तरह की कठिनाई का सामना करने में सक्षम होना चाहिए था, लेकिन, दुर्भाग्य से, यह फिर से, विशेष रूप से डेटा के साथ, अर्थात्, शब्दों में, अंगूर, वीर्य और सभी जैज, हालांकि, यह मानव सोच और ज्ञान के सिद्धांत के क्षेत्र में पूरी तरह से अक्षम है। खंड "शब्दार्थ" के बावजूद, भाषाई सिद्धांत अर्थ बेस को विकसित नहीं करता है, जिसमें प्राकृतिक भाषाओं में विभिन्न प्रकार के वाक्यांश शामिल होने चाहिए। यह कार्य बिग डेटा के क्षेत्र में जाता है, लेकिन बिग डेटा के क्षेत्र में विशेषज्ञ भी इस समस्या को हल करने से दूर हैं।

अन्य विज्ञान और सिद्धांत, संज्ञानात्मक विज्ञान और कृत्रिम तंत्रिका नेटवर्क से लेकर क्रिप्टोग्राफी के साथ शब्दावली तक, वांछित समाधान से और भी अधिक हटा दिए गए हैं। इसलिए, मशीन नॉलेज फॉर्मेट (MFZ) अभी तक नहीं बना है, इसका मुख्य कारण प्रमुख सिद्धांत है:

"आप ज्ञात सत्यता में वर्णित नहीं किए जा सकने वाले कार्यक्रम को नहीं कर सकते।"

इस प्रकार, यह पता चलता है कि यदि आप आवश्यक एमडी विकसित करते हैं और इसके आधार पर एक ज्ञान का आधार बनाते हैं, और यदि आप कंप्यूटर को जानकारी से जानकारी निकालने और उसके साथ काम करने का तरीका सिखाते हैं, तो एक "मजबूत एआई" बनाने की समस्या हल हो जाती है, जैसा कि यह था, अपने आप से।

हालाँकि, दुर्भाग्य से, इस चरण में वांछित परिणाम प्राप्त नहीं किया जा सकता है, भले ही कोई व्यक्ति मशीन प्रारूप में ज्ञान प्रस्तुत करने का प्रबंधन कर सके। IFZ और BZ - यह केवल आधी लड़ाई है। और पूरे बिंदु इस तथ्य में निहित है कि बीईजेड को बदले में, नब्ज को जानकारी से निकालने के लिए आवश्यक है, क्योंकि लोग वास्तविकता विनिमय में हैं , न कि ज्ञान और डेटा, जिसकी मदद से, वास्तव में, एक व्यक्ति केवल एन्कोडिंग और डिकोड करता है, का उपयोग करते हुए, भाषा उपकरण। और यहां एक नई समस्या पैदा होती है - कैसे पाठ का अर्थ या यहां तक ​​कि संदर्भ को समझने के लिए कंप्यूटर को सिखाना है, जिस तरह से लोग इसे कर सकते हैं? वास्तव में, मानव चेतना संचालित होती है, जैसा कि आप जानते हैं, विचार के साथ!

अर्थ

, , , , - 9 , . , , . - , , , , , , . , , !

, , , , , - , , , , … , !

, - , , , , - . , , , , , “ ” .? , , !



, , , . , , , , , “ ”, — — - .

, , - , , - (), ( ) , , , - .

, , , , , , .



, ? .