🌤️ 👨🏾 🐔 Neurointeligência ou mito? 👨🏿‍🚒 🤷🏻 🕠

A era da inteligência artificial da rede neural está em pleno andamento! Um verdadeiro avanço nos últimos anos - as redes neurais reconhecem não apenas a fala, imagens de animais, cenas complexas, mas até as descrevem em palavras! (NeuralTalk). Nas redes neurais, são feitos bots que ainda são ruins, mas eles já estão respondendo. As redes neurais compõem música e escrevem poesia. De acordo com o cenário, as redes neurais vão até fazer um filme! Logo, os jornalistas profetizam, muito em breve operarão carros, bancos, corporações, países. “E todo mundo voará em diligência” - é assim que eles sonharam no começo do século passado. Então agora seus criadores sonham com um futuro de rede neural. Eles dizem que em breve ultrapassarão uma pessoa em tudo. As redes neurais já derrotaram uma pessoa no xadrez, vá, no Jaopardy (jogo próprio). E assim eles chamam suas criações de Inteligência Artificial.Reconheceu o cavalo na imagem - inteligência artificial. Por que inteligência? Porque antes, apenas os humanos sabiam como fazer isso. É estranho por que então uma calculadora não era chamada de inteligência artificial. É verdade, então, chamar redes neurais?

Obviamente, uma rede neural é ordens de magnitude mais complicada do que uma calculadora. Mas, se você observar o resultado do trabalho de uma rede neural sem antecipar a inteligência, isso é apenas um classificador! Além disso, é de natureza regressiva - reduz o conjunto de entradas à escolha de várias opções (exceto para redes associativas e a máquina Boltzmann). Relé, apenas com uma entrada mais complexa. Pareceu-me que inteligência é pelo menos a capacidade de raciocinar. E embora nenhuma rede possa construir o silogismo mais simples, chame de inteligência, para dizer o mínimo, cedo demais. Não estou falando de tarefas mais complexas. Por exemplo

Uma abelha tem um pouco mais de neurônios em sua cabeça, mas sabe o que nenhuma rede neural moderna ainda pode fazer - voar em alta velocidade entre galhos e árvores. Embora o Google tenha dificuldades em suar por mais de 10 anos de desenvolvimento, ele dirige carros ao longo das marcações da estrada. E as abelhas são um inseto, o começo da evolução da rede neural. Ainda não atingimos esse nível inicial, mas já chamamos a rede de criação que marcou a coroa da evolução da rede neural - o intelecto.

Todos, e os próprios cientistas, cometem o mesmo erro epistemológico. Eles dizem que a rede é inteligente porque reconheceu o cavalo na foto! Ela reconheceu o cavalo? Ela simplesmente escolheu a saída X, que o pesquisador chamou de "cavalo". Sim, ela fez uma generalização (classificador), reduzindo a versão do cavalo para a saída “cavalo”. Mas a rede neural não tem idéia do que ela escolheu. Ela não tem nenhum conceito de "cavalo" (semântica), o "significado" da saída de "cavalo" está na nossa cabeça, e não na rede. Para ele estar na própria rede neural, ela deve escolher não uma entrada, nem uma palavra de acordo com uma imagem reconhecida, mas todas as palavras relacionadas ao contexto, ou seja, todo o conceito de "cavalo". Então ela talvez compreenda que o cavalo e a nebulosa têm um significado comum apenas no sentido de uma nuvem de poeira cósmica.Para uma rede neural, a saída selecionada é um "ponto" semântico que não possui conteúdo.

As realizações mais fracas das redes neurais estão exatamente na PNL, onde é necessário o entendimento da linguagem natural. Porque ainda não parecemos entender o que queremos dizer com nós mesmos, como me parece. E este é o aspecto mais importante que gostaríamos de implementar no carro. E que poderia então ser chamado de inteligência. Compreensão precisamente no sentido da semântica do "cavalo". Ao mesmo tempo, parece que estamos chegando ao limiar de entender o que estamos fazendo - eles criam redes, treinam, mas não conseguem mais entender como alcançam o resultado de acordo com os próprios criadores. Embora tenhamos criado apenas o primeiro tijolo no edifício da Inteligência. Podemos então alcançar um nível mais sério de IA, que é uma ordem de magnitude mais complicada do que a atual?

Sumário

Como resultado, citarei um artigo que acabei de publicar em Habré sobre os "sucessos" das redes neurais na imitação linguística (semântica) de habrahabr.ru/company/payonline/blog/307666

"Existe apenas um problema que rapidamente se torna aparente quando alguém observa outros respostas do sistema. Quando Lee perguntou: “Quantas pernas tem um gato?” O sistema respondeu: “Quatro, suponho”. Depois disso, ele fez outra tentativa: "Quantas pernas tem uma centopéia?" A resposta foi curiosa: "Oito". Essencialmente, o programa de Lee não faz ideia do que ela está falando. Ela entende que certas combinações de símbolos podem ocorrer juntas, mas não tem a menor idéia sobre a existência do mundo real. Ela não sabe como a centopéia realmente se parece ou como se move. Ou seja, diante de nós ainda há apenas uma ilusão de inteligênciaprivados do senso comum que nós, humanos, damos por certo. Essa instabilidade de resultados é bastante comum para sistemas de aprendizado profundo. O programa de imagens com legendas do Google comete erros estranhos. Olhando para uma placa de trânsito, por exemplo, ela pode chamar de geladeira cheia de comida.

Pelos comentários, observei o ZhenyaZero, que expressou com muita precisão a diferença concreta entre as redes neurais modernas e como nós humanos reconhecemos imagens. “Não obstante, você certamente distinguirá um cavalo com uma quinta perna de um tigre com uma quinta perna. E, ao descrever a imagem, a maioria das pessoas diz “um cavalo com uma quinta perna”, e não “acho que é um pedaço de bolo”. E os resultados da rede neural em variantes incomuns e limítrofes são realmente mal previstos e geralmente parecem completamente inadequados.

E também alguns fatos
1) Para ver tantos “cavalos” diferentes, nenhuma pessoa terá o suficiente de toda a sua vida.
2) Muitas vezes, é suficiente que uma criança mostre uma vez a foto de um novo animal e explique qual é a sua diferença, para que ele possa reconhecer esses animais na próxima vez e em qualquer pose.
3) Queremos dizer "cavalo", mesmo quando vemos apenas um freio.

As conclusões do artigo são bastante óbvias, mas é mais importante entender por que essas diferenças existem e o que fazer em seguida. Suas sugestões.

Neurointeligência ou mito?

More articles: