您知道这种情况吗？他们决定在家里度过一个晚上，并在一家好公司里看电影，但是，为了确定哪一部电影，他们花了很多时间选择没有剩余的电影，或者欲望消失了，或者无论如何，他们开始了有东西要看，但是心情不对吗？
大多数人将这个问题归因于他们对电影世界的了解不足，并尝试使用不同的选择和等级或通过寻求建议来解决该问题；而企业反过来又尝试通过向用户提供选择和等级或通过提出建议来解决这一问题。系统。 然而，问题并不想解决任何问题-推荐系统的开发仅以不同的色调重新绘制了它：现在，用户不再在Internet上征询朋友和陌生人的建议，而无休止地翻遍Netflix上光明的海报行列（问题是全球性的）或一些ivi。 同时，在没有更好的主意的情况下，企业继续尝试将多维数据集推入锁孔，希望他们仍然能够建立一个推荐系统，以学会猜测用户想要什么，谁不知道他想要什么； 没错，开发人员对集体思维的希望不再合理：寻求其他用户的帮助无济于事-反馈目录和问答服务只能减轻痛苦而不减轻痛苦-因此，现在所有的想法都是人为的-可以肯定的是，人工智能要弄清楚这个螺母！
不明白。 首先，神经网络不是人工智能。
参与神经网络开发并寻找有关创建AI秘密的线索的公司的营销人员模糊了这种差异，相互呼唤，但并没有因此而消失。
其次，他们只是解决了错误的问题。 每当用户希望“看到某些东西”或“阅读某些东西”访问Internet时，推荐系统就会顺从地急于执行它，从而提供了无数的选择。 而一个人需要回答的真正问题不是“我想看什么？”，而是“我想看什么？”
为什么我声称推荐系统不起作用
从某种意义上说，它们确实工作出色，有助于增加人们花在阅读Yandex Zen或看Netflix上的时间。 但是选择的问题不是它的不足-相反，当没有选择时，就没有问题-而是存在。 当人们在寻找建议或建议时，他们并不是在寻找“这里有一百个绝佳选择供您选择”，而是为了摆脱这种选择：“这就是您所需要的”。 如何学习如何给出准确的建议-曾经不得不销售，推荐或做广告的每个人都感到困惑的东西，无论他还是她自己。 当然，进步是定量的-广告，建议和推荐的有效性正在增长-但从目前的方向来看，从“我们可以为您提供服务”到“您需要”的情况尚未发生质的转变。 -没想到。
事实是，人类文明的进步是非常不平衡的，而且，在精通学会了解如何根据自己的需求改变周围的现实之后，人们仍然在很大程度上仍然不了解这些需求的真正含义。 当错误地选择执行任务的工具时，其先进性和技术完善也不再重要。
我将通过选择电影来解释该示例。
很长时间以来，我一直很熟悉“看什么”的问题-因此，由于用户对新电影的了解不足，我可以立即放弃该选择：
具有经验的电影 ，多年来，我把一个既看又看但还没有看过的电影编成一个非常可靠的目录-包括保存在“必须见！”标志下的内容 -我什至不需要互联网就可以立即选择各种不同类型的选项-但是，无法决定我想看的是普通的短打。
就是说，问题不在于选项的多样性，而是推荐系统无法解决。 毫无疑问，可以在猜测电影中口味的惊人准确性上训练神经网络，但是当它学会了不猜测用户的愿望，而是首先确定用户自己是否了解他的需求时，它将变得智能。
在大多数情况下，成功的电影笑话并非始于“看到某些东西”的渴望，而是始于看到特定事物的渴望。
如果看电影的欲望没有在电影的开头加上特定的名称，那么您就不必像灯的奴隶那样服从他，而要认真地对电影目录进行分类。
首先让我们称之为问题：
- 意图必须有目标；
- “任何”都不是目标；
- 做某事的意图是没有目的的。
漫无目的的意图会导致徒劳的决策：“看到某物”的问题无法通过
在某个地方搜索来解决。
意图本身也只是一个工具：满足需求的工具。
设置任务是需要/需要，意图只是建议，关于如何完成任务的臭名昭著的建议。 没有无法解决的问题；有时会出现不正确的问题。 含糊的意向表示含糊的需求。
意图只是一条路线，但是如果目标（终点）未知，那么您需要转向起点：是什么触发了这一运动？ 解决含糊不清的愿望的方法只有一种：退后一步，处理这种愿望所指示的需求。
“我不明白我想要什么”是对问题的错误陈述，这是真实的“我不明白我为什么想要”。看到某物的渴望并不意味着看到某物的渴望或一般而言原则上观看某物的渴望。 这只是一个建议-每个人都内置的内部推荐系统的建议。 该系统称为无意识系统，与任何推荐性神经网络一样工作，因为它是一个神经网络-原始的神经网络，所有神经网络的原型。
在无意识的领域听到需求信号时，会发生什么？
- 感知到需求信号后，潜意识爬进内存并开始寻找合适的解决方案-也就是说，它查看上次满足需求的操作，该操作尽可能接近签名中的传入信号。
- 从现有经验中找到最合适的选择之后，潜意识将信号传递到前额叶皮层，即大脑的前额叶皮层，即决策区域：渴望出现<ref>，也许“看电影”的解决方案将适合您。
简而言之，神经网络将无济于事，因为我们的潜意识也是神经网络。 简而言之，现在是时候将较高的神经活动与欲望联系起来，将其作为需求的信号，我们需要找出的不是信号，而是信号的来源。
人工或生物的神经网络与人工或生物的智能网络之间的差异是推荐系统与决策系统之间的差异。 一个人的无意识是相同的推荐系统，任何推荐总是与之相关的游戏：
- 从您描述的问题来看
- 根据我以前的经验
- 我可以向您推荐以下解决方案
当然，准确的命中也会发生-例如，如果潜意识开始解决3 + 3问题：
- 嗯，我们没有解决3 + 3问题的经验，但是在我们的模式库中存储了解决2 + 2和3 * 3问题的成功案例；
- 3 * 3与3 + 3仅相差一个字符，而2 + 2-与三个相差两个字符。
- 推荐答案：9。
此外，一种类似的解决问题的方法也很有可能产生有效的结果：例如，如果任务为2 + 2，并且有成功解决内存中的任务3 + 3和2 * 2的示例，那么无意识（和神经网络）会建议答案4。经验（图像库）越丰富，一个好的选择的可能性就越大，但是在关联范式中，正确的决策始终是概率类别中的一个问题。
那么，选择看哪部电影呢？
我以压力饮食这种现象为例来告诉您：
- 潜意识收到压力信号；
- 开始在记忆的广阔空间中摸索，直到在吃冰激淋的过程中偶然发现了对和平与美好的记忆。
- 建议您吃点东西让自己冷静下来。
如果成功，即一个人服从，吃了甜食，并且实际上对他感觉更好，那么压力饮食的模式将得到解决。 重复次数越多，注视力就越强：建议系统认为，一次性波动不适合该模式。 因此，如果有一天冰淇淋托盘无法正常工作，但是还有更多示例可以通过这种方式使压力信号平静下来，那么当重复该信号时，它仍然将是无意识者建议的解决方案中的第一个。
因此：“看到的东西”任务的解决方案
- 对“看到某事”的渴望是由无法识别的需求引起的冲动；
- 需要解决的任务不是看什么，而是什么样的需求导致了“看东西”的冲动。
生理上和心理上生物学需求的真正信号不是意图，而是与之相关的情感。 意图只是合理化；需求隐藏在情感背后。
因此，为了解决该问题，必须反映与特定意图有关的预期特定情感。 换句话说，处理意图不明确的方法意味着不要朝着下一步寻求方向，而是要对需求的源头进行逆向工程。 在分析过程中，您应该分小步走，因为结果是最复杂的神经活动被分为最简单的二元运算：神经系统中的突触不被点亮。
这是压力饮食（简化）的逆向工程的样子：
- 目的是要吃点东西；
- 与之相关的情感-和平与善良；
- 需要休息是由压力引起的；
- 解决的办法是应对压力，而不是选择吃什么。
那些希望的人可以自己进行“晚上看东西”的愿望的逆向工程。
PS示例“我发现电影处于相同的状况并且可以正常观看”不是无关紧要的，因为未知数太多-搜索的问题最终可能淹没您正在寻找的信号-面包如何淹没了饥饿感，但在两种情况下都是希望的需求仍未得到满足。 但是，如果电影看起来是半眼睛，没有兴趣，断断续续等等。 -这意味着绝对不是看电影的愿望。
PPS您可以使用“支持作者”功能或
QIWI服务以卢布支持作者。