Bagaimana mekanisme kategori kecerdasan manusia, yang saya jelaskan
dalam artikel sebelumnya , bekerja dalam praktik?
Dengan kata lain, bagaimana eidetik dapat membantu kita dalam menciptakan kecerdasan buatan?
Mari kita lihat sebuah contoh.
Apa itu eidos? Ini adalah gambar mental dari objek, benda, konsep, fenomena, peristiwa, tindakan nyata ... Kita dapat mengatakan bahwa definisi apa pun dalam kamus adalah sejenis bahasa Eidos. Plato menganggap Eidos sebagai materi, menjalani kehidupannya di dunia ide. Kita dapat berasumsi bahwa ini benar jika kita setuju untuk mempertimbangkan eidos benar-benar ada sejauh bahwa setiap gambar teknik nyata, terhubung bersama teks, gambar, simbol. Ini bukan subjek itu sendiri, tetapi modelnya yang disederhanakan, pictogram atau cast, snapshot. Tetapi siapa yang mengatakan bahwa Anda tidak dapat bekerja dengan gambar pada kenyataannya?
Pikiran kita melakukan ini setiap detik. Dimulai dengan operasi dasar rumah tangga dan diakhiri dengan penciptaan penemuan kompleks, rekayasa.
Tetapi pada penemuan, karya pikiran terlihat sangat indah, sehingga lebih mudah digunakan sebagai contoh.
Bagaimana seseorang membuat penemuan? Mengapa penemuan besar sering didahului oleh visi atau mimpi, seperti yang dimiliki ahli kimia besar D. Mendeleev, penemu tabel unsur periodik? Karena penemuan itu benar-benar dapat "dilihat". Saya akan mengambil risiko menyatakan bahwa tidak mungkin untuk melakukannya sama sekali tanpa "melihat", yaitu, tanpa menghadirkan ide dengan jelas dan terperinci dalam imajinasi saya.
Bayangkan diri Anda sebagai seorang insinyur-penemu. Anda hidup di abad ke-19, ketika belum ada kapal selam dan Jules Verne belum menulis "20 ribu liga di bawah laut". Anda menerima perintah dari Kementerian Pertahanan - untuk datang dengan pesawat tempur untuk kapal musuh. Pada saat yang sama, ia harus bertindak secara diam-diam, dengan amunisi terbatas dan senjata lemah. Semacam pemburu penyabot sendirian di laut. Ngomong-ngomong, Jerman menghadapi kira-kira tugas semacam itu selama Perang Dunia II, ketika terpaksa mencari cara untuk berurusan dengan armada superior Britania Raya. Bagaimana cara mengatasi masalah tersebut?
Hal pertama yang penemu mulai lakukan adalah bertukar pikiran, mencari ide-ide segar.
Mekanisme ini telah dianalisis dengan sangat terperinci dalam teori TRIZ tentang pemecahan masalah secara inventif.
Mari kita coba menggambarkan proses ini disederhanakan, secara grafis dan dalam langkah-langkah.
Awal mula pemikiran
1. Jelas, metode saat ini tidak cocok untuk perang rahasia di laut. Senjata utama armada adalah kapal. Untuk melindungi, mereka diselubungi dengan baju besi, dipersenjatai dengan senjata berat. Akibatnya, mereka sangat besar, terlihat, berat, bergerak lambat.
2. Mungkin membuat kapal kecil berkecepatan tinggi - pemburu?
3. Tetapi meningkatkan kecepatan kapal untuk perang sabotase, kami terpaksa menempatkan mesin yang lebih kuat. Dengan meningkatkan motor, kami meningkatkan ukuran kapal dan beratnya. Dan ini adalah pelambatan. Demikian seterusnya ad infinitum. Di pintu keluar, kami kembali mendapatkan kapal benteng. Yaitu, jalan ini adalah jalan buntu.
4. Dan bagaimana jika Anda berpikir ke arah peningkatan siluman? Bersembunyi di laut itu sulit, jadi hal pertama yang muncul di pikiran adalah bersembunyi tepat di tempat - di bawah air. Tetapi kapal yang ada tidak tahu bagaimana melakukan ini. Dan siapa yang bisa? Mereka tahu cara memancing!
5. Tapi ikan bukan kapal, tidak bisa mengangkut orang dan senjata. Apakah mungkin untuk mengubah kapal menjadi ikan atau kapal seperti ikan?
Catatan: tiba-tiba sang insinyur mengajukan pertanyaan dalam kunci dialektika Plato: bagaimana menggabungkan yang tidak kompatibel? (selanjutnya dalam huruf miring komentar saya tentang pemikiran insinyur disorot).
6. Skema kontradiksi ini terlihat seperti ini:
Jadi untuk menyelesaikan masalah, kita perlu mencari jalan keluar dari kontradiksi ini. Tapi bagaimana caranya? - Dengan menganalisisnya.
7. Apa itu kapal secara inheren? Apa eidos dasar kapal itu? Ini kapal besar.
Apa itu ikan secara inheren? Ini adalah "perahu hidup", hanya yang kecil.
Ya sudah lebih baik. Dua perahu, hanya pada skala yang berbeda dan dengan tugas yang berbeda.
8. Dan bagaimana jika kita membawanya ke skala tunggal dan menggabungkan dua kapal ini menjadi satu? Kami akan membuat kapal-kapal besar, yang mampu berlayar di bawah air.
9. Bagaimana? Yah, misalnya, seperti ikan yang mengatur pendakiannya menggunakan gelembung khusus. Kingston dapat berfungsi sebagai "gelembung" untuk kapal militer.
Akhir dari pemikiran
Jadi, kami melihat proses berpikir dalam rekayasa, semangat inventif dalam beberapa langkah. Benar, sudahkah Anda melakukan hal seperti ini berulang kali, mencoba menyelesaikan masalah atau masalah? Jika demikian, maka mekanisme ini akrab bagi orang-orang sejak kecil, seperti udara yang kita semua hirup, tetapi tidak menyadarinya.
Berkenaan dengan pemrograman - semuanya di sini juga sederhana dan tidak ada yang lain selain pemrosesan gambar (gambar).
Pertama, kami menggambarkan sampel yang diusulkan, "mengenali" mereka. Kemudian disederhanakan, "dibatasi" sehingga memungkinkan untuk memanipulasi mereka. Selanjutnya, menurut hukum dialektika, kami mengerjakan gambar-gambar ini. Kami membandingkannya, menemukan kesamaan dan korespondensi. Dibuat gambar baru berdasarkan dua sebelumnya. Dan kemudian mereka "mengerahkan" mereka ke dalam solusi lengkap.
Jika saya seorang analis bisnis, saya akan menampilkan proses ini dalam diagram berikut:
Pengenalan citra Jaringan saraf tiruan buatan telah belajar untuk melakukannya dengan sempurna. Dan pemindaian konvolusi gambar jaringan konvolusional dilakukan tanpa masalah. Juga, jaringan saraf dapat menemukan gambar yang sama berdasarkan pembelajaran yang mendalam. Dan mereka bahkan dapat membuat gambar baru, meniru pola yang diusulkan.
Tetapi hukum dialektika dalam kecerdasan buatan modern tidak berhasil. Dari kata sama sekali. Yang tidak mengejutkan: semua orang terobsesi dengan jaringan saraf, dan dialektika adalah sebuah algoritma. Bahkan satu set algoritma, "ensemble algoritmik", satu set. Sains meninggalkan penciptaan AI berdasarkan algoritma hampir pada akhir 70-an abad terakhir.
Berdasarkan algoritma pemikiran, behaviorisme komputer berusaha untuk bekerja. Rincian lebih lanjut dapat ditemukan, misalnya, oleh
Ron Sun , Rensselaer Polytechnic Institute (RPI), Troy, NY USA.
Upaya dilakukan untuk menggambarkan model individu perilaku manusia - pengambilan keputusan, menemukan jalan keluar, mekanisme seleksi (dan bahkan upaya dilakukan untuk membuat algoritme nurani). Banyak algoritma matematika telah ditulis.
Dengan sendirinya, algoritma ini bekerja dengan baik dan bahkan dapat dibangun ke dalam program apa pun. Ada API terbuka.
Benar, satu masalah terungkap.
Ada ratusan, jika bukan ribuan, model behavioris seperti itu. Dan ini jauh dari menguras pilihan untuk perilaku manusia. Selain itu, ketika mencoba merakit algoritma ini bersama-sama, kelebihan sistem terjadi karena sulitnya memilih antara model atau ketika menggabungkannya.
Artinya, pertanyaan tentang bagaimana seseorang membangun model, bagaimana pemodelan itu sendiri mungkin - dia tetap berada di belakang tanda kurung. Seseorang tidak hanya menggabungkan sampel yang sudah jadi. Dia dapat menguraikan tugas menjadi komponen-komponennya dan menyusun kembali pada tingkat yang sudah berbeda dan lebih tinggi.
Dengan demikian, ia dapat memecahkan masalah yang paling rumit yang tidak dapat diselesaikan dengan brute force / combinatorics sederhana atau diselesaikan dengan sangat lambat dan mahal.
Jadi, sekarang untuk menciptakan kecerdasan buatan yang lengkap, atau "kuat", "kekecilan" itu sendiri tidak cukup: algoritma dialektik, yang menggambarkan mekanisme pemodelan dalam pikiran manusia.
Algoritma dialektika harus dapat bekerja dengan universal, dapat dimengerti oleh siapa saja tanpa pengetahuan khusus dalam pemrograman, gambar - piktogram - eidos.
Saya menunjukkan prinsip pengoperasian algoritma ini pada diagram di atas.
Bagaimana mengembangkan bundel, atau lebih tepatnya penafsir antara piktogram dan perintah biasa dari bahasa komputer, adalah topik studi yang terpisah.
Sebenarnya, ini adalah satu-satunya hal yang memisahkan teori ini dari implementasi komersial sejauh ini.
***
Kami menerima kritik, analisis, dan saran.