Пределы автоматизации и внедрения роботов

[Rattus]

если фразу барона Кельвина не вырывать из контекста, она справедлива на все 100%

Особенно с учётом того, что барон Кельвин не мог не знать о существовании птиц.

[Инопланетянин]

А что он полностью сказал? А то найти не могу.

[BlackMokona]

ИИ научили вычислять преступников по лицам

Современный "ИИ" не в состоянии работать со значительным количеством характеристик системы - в частности, даже без предварительной обработки даже такая простая (в смысле числа входных параметров) игра как шахматы ИИ дается плохо.

В данном случае исследователи просто скормили некотрое небольшое количество измерений (типа рассстояния между глазами и тп) с очень незначительной (2000 судя по статье) статистикой этому ИИ и получили "модель" - сами стало быть разложение по каким-то функциям сделать не смогли, также не смогли провести анализ собственно полученной алгоритмом "модели".

Полное непонимание. Они тупо залили 1856 фотографий, потом 90% пометили кто преступник кто нет, потом попрасили разметить оставшихся 10%, ИИ указал с точностью 90%. Это потом они стали искать, критерии по которым ИИ пришел к этим выводам.

[ВадимZero]

ИИ научили вычислять преступников по лицам

Идеи третьего рейха ещё живут!

Если вы о евгенике, идеей третьего рейха она не является, а вот всем известный ЖРД на котором стоит современная космонавтика как раз оттуда.

[sharp]

Большие ресурсозатраты. Если для жизни "неупрощаемая сложность" заключается в шарик диаметром 0,2 мкм и не более чем в треть элементов, то для механики потребные габариты минимальной системы потребуются не менее чем на десять порядков больше. Ровно во столько же раз система будет более затратна, ригидна и хрупка. Если это вообще возможно.

Не совсем понял. Исходное утверждение заключалось в том, что нельзя с помощью менее точного создать более точное. Однако это опровергнуто самим человеком: данные ему от природы измерительные приборы не способны к высокоточным измерениям, однако при помощи физических эталонов он сумел создать высокоточные приборы. Тем же самым путем могут действовать и роботы, тем более что им уже не нужно будет вести научных изысканий - все накопленные сведения будут храниться в их памяти.

Да, наверное для них невозможна репликация в биологическом смысле. Однако группа роботов вполне может быть способна построить "маточный" завод, производящий роботов такого же типа. Включая и производство микропроцессоров, разумеется.

[Nucleosome]

Однако это опровергнуто самим человеком: данные ему от природы измерительные приборы не способны к высокоточным измерениям, однако при помощи физических эталонов он сумел создать высокоточные приборы.

это не совсем так: подобные приборы создавалиь путём кооперации многих людей и даже из разных поколений, то есть наславая точность каждого в отдельности - грубо говоря.

Они тупо залили 1856 фотографий, потом 90% пометили кто преступник кто нет, потом попрасили разметить оставшихся 10%, ИИ указал с точностью 90%

при такой методике всё зависит от того откуда они брали исходные фото.

[PSR1257]

Полное непонимание. Они тупо залили 1856 фотографий, потом 90% пометили кто преступник кто нет, потом попрасили разметить оставшихся 10%, ИИ указал с точностью 90%. Это потом они стали искать, критерии по которым ИИ пришел к этим выводам.

"тупо залили 1856 фотографий" - это что, подразумевает что ИИ обработало 1856 графических файлов (sic! безо всякого знания формата файла? Ну пусть будет просто матрица без компрессии)? Так вот, ИИ хочет на вход набор "features" (свойств), число этих свойств не может быть, скажем, 1000. А в сыром изображении каждый пиксель это "feature". Поэтому практически наверняка ИИ получил на вход небольшое количество "свойств" типа расстояния между носом и губами (см. выше).

Я немного поработал с ИИ (как пользователь) и почитал статьи. Если вы знаете про какие-то ИИ которые лучше описаннного - укажите.

[Rattus]

данные ему от природы измерительные приборы не способны к высокоточным измерениям

Глаз при определённых условиях может фиксировать одиночные фотоны, нюх - одиночные молекулы некоторых веществ. Кроме того не очень давно читал про одного шлифовальщика линз, которому заказали изготовление эталонов масс. И он их изготавливал. Фактически вручную. Куда уж точнее?

Тем же самым путем могут действовать и роботы

Теоретически - наверное могут. Но задействуя на десяток порядков больше ресурсов и с очень узкой вариабельностью выходной продукции.

Однако группа роботов вполне может быть способна построить "маточный" завод, производящий роботов такого же типа. Включая и производство микропроцессоров, разумеется.

Только такого же типа. Ну или очень небольшого и фиксированного набора типов. Такая система очень хрупка и сколь-нибудь крупного катаклизма пережить не способна, ибо не способна к эволюции.

[Инопланетянин]

Но задействуя на десяток порядков больше ресурсов и с очень узкой вариабельностью выходной продукции.

Уже так и хочется поместить их на планеты у красных карликов. Непрерывный ураган обеспечит необходимое количество дешёвой энергии, а долговечность и распространённость КК вообще очень полезна для длительного существования. Прямо технорай получается.

Только такого же типа. Ну или очень небольшого и фиксированного набора типов. Такая система очень хрупка и сколь-нибудь крупного катаклизма пережить не способна, ибо не способна к эволюции.

По Семёнову, разумные роботы должны располагать манипуляторами с человеческой свободой действий как минимум и как минимум, опять же, человеческим интеллектом. А лучше, конечно, с большими. И если люди своими грубыми руками могут создавать инструменты и детали меньшего чем руки размера, то это же смогут и роботы, а техносфера позволит производить таких роботов в промышленных масштабах. И эти разумные роботы осмысленно смогут и модернизировать производство и построить принципиально новое, если будет необходимо.
А вообще, для существования человека, не жизни вообще, а именно человека комочка 0,2 мкм недостаточно. Уже должна быть достаточно развитая биосфера планетарного масштаба, а уж для цивилизации (а зачем иначе жить, если без цивилизации?) нужна и дешёвая энергия, и разнообразные элементы и большое пространство. Так в чём же принципиальное различие?

[BlackMokona]

при такой методике всё зависит от того откуда они брали исходные фото.

В Русской статье не указано, нужно смотреть оригинал. Но скорее всего какие-нибуть полицейские архивы.

"тупо залили 1856 фотографий" - это что, подразумевает что ИИ обработало 1856 графических файлов (sic! безо всякого знания формата файла? Ну пусть будет просто матрица без компрессии)? Так вот, ИИ хочет на вход набор "features" (свойств), число этих свойств не может быть, скажем, 1000. А в сыром изображении каждый пиксель это "feature". Поэтому практически наверняка ИИ получил на вход небольшое количество "свойств" типа расстояния между носом и губами (см. выше).

Я немного поработал с ИИ (как пользователь) и почитал статьи. Если вы знаете про какие-то ИИ которые лучше описаннного - укажите.

https://ru.wikipedia.org/wiki/%D0%A1%D0%B2%D1%91%D1%80%D1%82%D0%BE%D1%87%D0%BD%D0%B0%D1%8F_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D1%8F_%D1%81%D0%B5%D1%82%D1%8C
Вот, что они использовали

В обычном перцептроне, который представляет собой полносвязную нейронную сеть, каждый нейрон связан со всеми нейронами предыдущего слоя, причем каждая связь имеет свой персональный весовой коэффициент. В свёрточной нейронной сети в операции свёртки используется лишь ограниченная матрица весов небольшого размера, которую «двигают» по всему обрабатываемому слою (в самом начале — непосредственно по входному изображению), формируя после каждого сдвига сигнал активации для нейрона следующего слоя с аналогичной позицией. То есть для различных нейронов выходного слоя используются общие веса — матрица весов, которую также называют набором весов или ядром свёртки. Она построена таким образом, что графически кодирует какой-либо один признак, например, наличие наклонной линии под определенным углом. Тогда следующий слой, получившийся в результате операции свёртки такой матрицей весов, показывает наличие данной наклонной линии в обрабатываемом слое и её координаты, формируя так называемую карту признаков (англ. feature map). Естественно, в свёрточной нейронной сети набор весов не один, а целая гамма, кодирующая всевозможные линии и дуги под разными углами. При этом такие ядра свертки не закладываются исследователем заранее, а формируются самостоятельно путём обучения сети классическим методом распространения ошибки. Проход каждым набором весов формирует свой собственный экземпляр карты признаков, делая нейронную сеть многомерной (много независимых карт признаков на одном слое). Также следует отметить, что при переборе слоя матрицей весов её передвигают обычно не на полный шаг (размер этой матрицы), а на небольшое расстояние. Так, например, при размерности матрицы весов 5×5 её сдвигают на один или два нейрона (пикселя) вместо пяти, чтобы не «перешагнуть» искомый признак.

Операция субдискретизации (англ. subsampling, англ. pooling, также переводимая как «операция подвыборки» или операция объединения), выполняет уменьшение размерности сформированных карт признаков. В данной архитектуре сети считается, что информация о факте наличия искомого признака важнее точного знания его координат, поэтому из нескольких соседних нейронов карты признаков выбирается максимальный и принимается за один нейрон карты признаков уменьшенной размерности. Также иногда применяют операцию нахождения среднего между соседними нейронами. За счёт данной операции, помимо ускорения дальнейших вычислений, сеть становится более инвариантной к масштабу входного изображения.

Таким образом, повторяя друг за другом несколько слоёв свёртки и субдискретизации строится свёрточная нейронная сеть. Чередование слоёв позволяет составлять карты признаков из карт признаков, что на практике означает способность распознавания сложных иерархий признаков. Обычно после прохождения нескольких слоев карта признаков вырождается в вектор или даже скаляр, но таких карт признаков становится сотни. На выходе сети часто дополнительно устанавливают несколько слоев полносвязной нейронной сети (перцептрон), на вход которому подаются оконечные карты признаков.

Если на первом слое двумерное ядро свёртки проходит по одноканальному изображению, то на внутренних слоях, состоящих из множества карт признаков, берётся трёхмерное ядро размера [ K x K х N ], где K - размер ядра, а N - количество карт признаков в текущем слое, формируя (после прохождения функции активации) одну карту признаков следующего слоя, соответствующую этому ядру свертки.

[Rattus]

Так в чём же принципиальное различие?

Сами же ответили:

нужна и дешёвая энергия, и разнообразные элементы и большое пространство

Человек стартует с небольшой неолитической деревушки до полутора сотен особей, а самовоспроизводящийся промышленый цикл - с комплекса размером с четверть континента. Человек расселяется и адаптируется, промышленный цикл - только самоподдерживается.

[crazy_terraformer]

Однако группа роботов вполне может быть способна построить "маточный" завод, производящий роботов такого же типа. Включая и производство микропроцессоров, разумеется.

Только такого же типа. Ну или очень небольшого и фиксированного набора типов. Такая система очень хрупка и сколь-нибудь крупного катаклизма пережить не способна, ибо не способна к эволюции.

Исходя из Вашего пристрастия к биосистемам остаются киборги , а лучше биороботы, как универсальные, так и специализированные.

[BlackMokona]

https://m.geektimes.ru/post/283156/
Нейросеть научили предсказывать 1 секунду будущего по фотографии.

[sharp]

Только такого же типа. Ну или очень небольшого и фиксированного набора типов.

Совершенно необязательно фиксированного набора, если под типом мы понимаем механическую конфигурацию робота. Чтобы получить новый тип, достаточно его спроектировать на базе некой общей конфигурации.

Такая система очень хрупка и сколь-нибудь крупного катаклизма пережить не способна, ибо не способна к эволюции.

Крупный катаклизм способен уничтожить и значительную часть видов в живой природе. Например, если внезапно атмосфера станет непригодной для дыхания - придется распрощаться со всеми позвоночными, кроме рыб, и с подавляющим большинством членистоногих.

[PSR1257]

В Русской статье не указано, нужно смотреть оригинал. Но скорее всего какие-нибуть полицейские архивы.

Вот оригинал: https://arxiv.org/pdf/1611.04135.pdf

Что конкретно они делали - неясно. Вначале они зачем-то конвертировали изображения в JPEG:

All ID photos in S are JPEG compressed with QP factor of 90 or higher. Still we applied JPEG soft decoding techniques [23, 28] to remove small (perceptually transparent) compression noises; in the process any device-dependent, signal-level signatures are destroyed as well.

И далее делали некие _выборочные_ "измерения":

As the first three classification methods work on image features, we run them and evaluate their performances on a wide range of features, including 1. Facial landmark points like eye corners, mouth corners and tip of the nose, etc.; 2. Facial feature vector generated by modular PCA [18]; 3.Facial feature vector based on Local Binary Pattern (LBP) histograms [1];

Если как указано в Вашей цитате:

При этом такие ядра свертки не закладываются исследователем заранее, а формируются самостоятельно путём обучения сети классическим методом распространения ошибки.

Этим исследователям вообще не нужно было _ничего_ давать ИИ вроде "Facial landmark points like eye corners" а просто дать _несжатую_ матрицу пикселей.

[PSR1257]

https://m.geektimes.ru/post/283156/
Нейросеть научили предсказывать 1 секунду будущего по фотографии.

Обученная нейросеть по одному-единственному статичному кадру (фотографии) пытается предсказать будущие события. Программа ограничена размером кадра 64×64 пикселя и продолжительностью предсказания в 32 кадра, то есть около секунды будущего.

Неужели так сложно (вычислительно) обрабатывать хотя бы 640x640? Сейчас, когда CPU 2 ГГц - это обычный процессор? Или же это _внутрение_ ограничения самого ИИ?

[Проходящий Кот]

Тут вопрос в том. что избыточная мощность ИИ может смазать результат за счет учета ненужных подробностей......

[PSR1257]

Тут вопрос в том. что избыточная мощность ИИ может смазать результат за счет учета ненужных подробностей......

То-есть берем исходный файл, выкидываем из него 99% "ненужных подробностей" и подсовываем ИИ. Внимание, ИИ может найти в множестве объектов, описываемых 10 признаками, общие! Причем человеку совершенно не под силу увидеть общие признаки у таких выборок, только ИИ!

[Инопланетянин]

Например, если внезапно атмосфера станет непригодной для дыхания

А давайте говорить о реальных катаклизмах? Атмосфера просто так внезапно непригодной не становится. Вот астероид упал, вулкан извергся, цунамя прилетела, землетрясение там, ещё куда ни шло. А фантастика в следующем отделе.

[sharp]

А давайте говорить о реальных катаклизмах? Атмосфера просто так внезапно непригодной не становится. Вот астероид упал, вулкан извергся, цунамя прилетела, землетрясение там, ещё куда ни шло. А фантастика в следующем отделе.

Ну так ни один из этих катаклизмов не станет губителен и для популяции роботов, особенно если она распределена по значительной площади. А в эпицентре в равной степени накроет как живые организмы, так и роботов.