ИИ: какого понимания нам не хватает?

[Stepanov]

Все эти статьи совершенно бесполезны! Всё равно что в стремлении изобрести самолет - изучать экспонаты музея паровозостроения. И ИИ не нужен! В 99% случаев достаточно способностей пчелы. И не надо себя грузить глобальными задачами. Решите одну простую - есть картинка растровая, с хорошим разрешением, нужно определить к какому из заученных объектов относится каждый пиксел.

[Проходящий Кот]

Эта задача давно решена. Прекратите нести БРЕД.....

[Stalk.er]

Все эти статьи совершенно бесполезны! Всё равно что в стремлении изобрести самолет - изучать экспонаты музея паровозостроения. И ИИ не нужен! В 99% случаев достаточно способностей пчелы. И не надо себя грузить глобальными задачами. Решите одну простую - есть картинка растровая, с хорошим разрешением, нужно определить к какому из заученных объектов относится каждый пиксел.

С вами категорически не согласны очень много народа. Я например считаю бесполезным создание сильного ИИ по блок - схемам и с нуля. Максимум что получится - экспертная система. Ваше сравнение лишено логики. Правильно было бы так: Всё равно что в стремлении изобрести самолет - изучать экспонаты уже летающего самолёта, но изготовленного на недостижимом пока технологическом уровне.

[Stepanov]

Stalk.er: А что, истина определятся голосованием? Нет у нас экспонатов ИИ, нет их, есть живые организмы которые могут это делать, но никто совершенно не понимает как они это делают. Максимум получается именно экспертная система.
Проходящий Кот: Решена? И вы можете показать это "решение"?

[Проходящий Кот]

Определение лиц с камер......

[Stepanov]

Хороший пример. Я бы даже верил в то, что эта задача решена если бы сам не занимался несколько лет назад именно этими системами, профессионально, в одной московской фирме, сейчас кстати добрая часть камер на дорогах - последствия той нашей деятельности. Вы мне настоящее решение покажите, классический случай - отличить картинку с собачкой от картинки с кошечкой. Нет таких решений.

[Technecy]

отличить картинку с собачкой от картинки с кошечкой.

Что бы распознать человека в толпе, нужно... облить его краской.

Это я к чему. Маркеры. Есть определённый набор маркеров по которым мы определяем принадлежность предмета к чему то. Например круг, квадрат...
Распознование силуэтов идёт по подобным маркерам. Кошку от собаки отличает силуэт. Мелкие детали определяются уже потом.
Кроме того, если есть динамическое изображение, кошку от собаки отличает характер движений, то же маркер.
Ну и т.п.
Очень сложная задача для любого компьютера.
Но для параллельной системы "типа моск" это элементарное действие.
Например я распознаю знакомых людей по параметрам движения. Ритм шагов, "лёгкость" шага, пауза между действиями, характер движения. Это можно делать на расстоянии когда детали не видны. Только силуэт. Или вообще не видишь человека.
Как то раз на спор определил что в аське со мной общаются 2 разных человека. Один который там обычно сидит, и какой то левый персонаж

[Stepanov]

Technecy: совершенно согласен. Для компутеров распознавание - не решенная проблема. А больше всего поражает то, что животные с мозгом всего из нескольких нейронов, справляются с такой задачей прекрасно.

[Дед Моррозоу]

животные с мозгом всего из нескольких нейронов, справляются с такой задачей прекрасно.

Разрешите вопрос:
Неужели так сложно сделать компьютерную эмуляцию мозга из нескольких нейронов?

[Stepanov]

Конечно сложно, это до сих пор не удается сделать. К примеру муха дрозофила наиболее тщательно изученный организм, все её нейроны известны, но сделать компьютерную модель летающую в моделируемом пространстве - невозможно. Верной модели нейрона нет.

[Дед Моррозоу]

Модель нейрона неизвестна.

Но ведь пишут же про всякие аксоны, дендриты, микротрубочки... синапсы, в конце концов! 
И модели, вроде б как, есть. В вики по крайне мере. 

Не... поймите меня правильно. Вы, конечно, правы. Моделей, можно сказать, нет. Но... какие-то же всё-таки есть. Несовершенные. А вот -  в несовершенстве ли дело? Или в принципе? В невозможности создать модель?

[ВадимZero]

Конечно сложно, это до сих пор не удается сделать. К примеру муха дрозофила наиболее тщательно изученный организм, все её нейроны известны, но сделать компьютерную модель летающую в моделируемом пространстве - невозможно. Верной модели нейрона нет.

Строить муху  без тонкого понимания физики ее тела, и без тонкого моделирования ее взаимодействия с реальностью бесполезно. Поскольку муха автомат, и если вы не можете все адекватно смоделировать, муха просто не покажет адекватную свою реакцию. Другое дело высшие животные, их нервная система способна адаптироваться. Потому вбухивать деньги в муху не рентабельно и дорого. То есть в лучшем случае мы узнаем как работает автомат, затратив на это кучу бабла. Короче пусть нематоду сначала допилят.

[Stepanov]

Чего это муха - автомат? Способ ость мухи к адаптации и обучению не вызывает сомнений. И если удастся воспроизвести поведение этой мухи то будет прорыв в технологиях, в частности военных. Отсутствует не желание, а понимание.

[ВадимZero]

Чего это муха - автомат? Способ ость мухи к адаптации и обучению не вызывает сомнений.

и откуда это известно?

[Stepanov]

Ну вот например статья.
http://rnd.cnews.ru/natur_science/news/line/index_science.shtml?2012/02/16/477994

[ВадимZero]

Ну вот например статья.
http://rnd.cnews.ru/natur_science/news/line/index_science.shtml?2012/02/16/477994

Ну допустим..муха на основе опыта выбирем какой то сигнал. Претположим, что муха выбирает какой то способ адекватного реагирования. В геноме мухи наверняка опсано несколько способов реакцции...И эти способы закреплены эволюцией. Откуда уверенность...о том что муха о чем то сама догадалась?

[Stalk.er]

Technecy: совершенно согласен. Для компутеров распознавание - не решенная проблема. А больше всего поражает то, что животные с мозгом всего из нескольких нейронов, справляются с такой задачей прекрасно.

Животные с мозгом в несколько нейронов не способны на распознавание сложных образов. У них максимум - простые глаза, реагирующие на изменение освещенности. Даже пчела с миллионом нейронов не способна на распознавание сложных образов. Максимум что она распознает - количество лепестков цветка с расстояния 10 см. Ориентируется она по солнцу, поляризации света и крупным объектам.
Более-менее с распознаванием образов справляются животные с миллиардом нейронов и больше. Ну а произвольной классификацией и пониманием всей картинки справляются только приматы. У человека например для распознавания лица выделена отдельная извилина. При повреждении этой извилины для пациента все люди становятся как бы похожи друг на друга и общее восприятия лица изменяется. Зрительный отдел в мозге человека и приматов является очень развитым.

[Stalk.er]

Нет у нас экспонатов ИИ, нет их, есть живые организмы которые могут это делать, но никто совершенно не понимает как они это делают. Максимум получается именно экспертная система.

У нас нет сильного ИИ но есть естественная реализация. По сути это единственная реализация. Другой нет. Поэтому при обратном инжиниринге идут от того что есть. Модель есть и она работает. Живая, не живая, какая разница. На наноуровне это та же машина. По работе мозга на сегодняшний день известно очень многое. Есть плохоизученные вещи. Которые просто технологически трудно сосканировать. Например подробная карта нейронных связей всех нейронов. На сегодняшний день она известна лишь примерно.
Экспертная система получается совсем при другом подходе. Типичная экспертная система - суперкомпьютер Ватсон для диагностики заболеваний.

[zenixt]

Имея некоторый опыт разработки программ распознавания, я бы предложил нижеследующий псевдокод алгоритма распознавания образов в первом приближении.
Обойдемся без дебильных блок-схем, которые полезны разве только для начинающих программировать.
Итак. Для простоты и наглядности рассмотрим распознавание воздушного объекта.
 1. Наши данные содержат трехмерные шаблоны "летающих" образов: самолет, ракета, вертолет, парашют с контейнером(где под контейнером подразумевается то, что подвешано), птица, палка, камень, человек и т. д. Как формируются и поставляются шаблоны, в рамки этого алгоритма не входит.
2. Бинарное зрение человека позволяет оценить расстояние до объекта на отрезке в несколько сот метров - вполне достаточно, чтобы провести удобную грань между крупным (самолет) и мелким (птица) объектом.
3. Увеличить скорость выбора шаблона ИИ поможет знание, где он находится - открытая местность, помещение, стадион и т. п.
4. Мы определили, что объект имеет размеры более 10 метров. Прикладываем к нему сначала шаблон самолета следующим образом. Вращаем наш шаблон по очереди по двум перпендикулярным друг другу и лучу зрения осям с шагом в 10 градусов и по оси параллельной лучу зрения с шагом в 1 градус. Максимальное соответствие шаблона и образа и будет искомым результатом. В итоге современному  процессору на обработку одного шаблона потребуется не более сотой доли секунды. Таким образом, нейросеть из 100 процессоров в состоянии обработать за секунду 10 тысяч шаблонов.
5. Переходим к следующему шаблону и т. д. Искомым результатом будет шаблон, который больше всех соответствует образу.
6. Переходим к уточнению, какой модели самолет с помощью шаблонов самолетов.
Все.
7. Наш объект оказался маленьким.
8. Здесь придется учитывать, является ли объект живым или нет. По собственному опыту знаю, что требуется некоторое время, чтобы отличить воробья от камня в силу складывания крыльев и ныряющего полета.
9. Таким образом, для сужения поиска нам придется учитывать участок траектории и скорость объекта.
10. Учитывая, то, что мелкий объект невозможно распознать на расстоянии более нескольких сот метров, мы можем довольно точно определить размеры объекта, что ускорит выбор шаблона.
11. Мы также визуально можем определить вращается ли объект, следовательно можем определить, меняет ли конфигурацию, если меняет, значит живой.
11. На основании вышеизложенного, мы определили, что объект неживой. Применяем  к нему процедуру для крупного объекта.
12. Если объект живой, то это скорее всего птица, но не будем исключать возможности, что это подброшенная мышь.
13. Для живого объекта кроме вращения шаблона потребуется учитывать не менее тысячи его конфигураций, но не более десяти тысяч - где оптимум, надо определять практически.
Все.
Можно переходить ко второму этапу детализации псевдокода.

[незлой]

Даже пчела с миллионом нейронов не способна на распознавание сложных образов. Максимум что она распознает - количество лепестков цветка с расстояния 10 см.

некоторые виды ос, вроде как, различают товарок по лицам.