По иронии судьбы, чем глубже я думаю об искусственном интеллекте, я не могу не вернуться к удивлению и в то же время озадачиться человеческим интеллектом.

Итак, после решения задачи навигации в обучении с подкреплением я пришел к выводу, что мы, люди, можем легко выучить что-то, что на самом деле требует больших усилий, чтобы заставить машину выучить это. Скажем, малыш, у которого есть данные всего за 2 года, может легко ориентироваться в динамической среде за несколько секунд, тогда как я потратил месяц на то, чтобы заставить агента RL изучить и решить проблему в гораздо более простой среде.

«Мы настолько сложны, что сами спроектировали машины,

Но, как и машины, мы учимся на данных. Мы вбираем в себя множество функций, вознаграждаем и принимаем решения, что приводит к новым состояниям / опыту, и мы импровизируем / учимся на данных, которым мы подвергаемся. Конечно, я напоминаю себе, что ИИ действительно возник в результате понимания и изучения человеческого разума.

Но даже тогда зачем нам машины? Похоже, люди способны принимать сложные решения, которые мы можем только вообразить для своих машинных собратьев. Мы настолько сложны, что сами проектировали машины, не так ли? Я думаю, ответ на вопрос, зачем нам нужны машины, заключается в количестве данных, которые мы можем принять в определенный момент времени. Люди не могут обработать такой огромный объем данных и проанализировать их все, или можем ?!

У меня есть любопытное представление об этом, потерпите меня. Является ли сам факт того, что мы не можем принимать огромные объемы данных, причиной того, что мы можем разрабатывать и внедрять эту возможность в машины? Позвольте мне сломать мои рассуждения.

Могут ли люди действительно не обрабатывать огромные объемы данных? Но в нашей бодрствующей жизни данные проникают через различные органы чувств. Некоторые из них осознанно, но большая часть - подсознательно, но мы все это принимаем. Все ли релевантные данные действительно используются при принятии решений?

Однажды я подумал, как я принимал решения, почему я выбрал то, что выбрал. После долгих размышлений и наблюдений я начал осознавать свой процесс принятия решений. На данный момент я могу сознательно следовать только тем простым решениям, которые принимаю. Позвольте мне объяснить, что я наблюдал.

Во-первых, я поглощаю проблему. Я структурировал себя, понимая более широкую картину того, что я пытался решить. Часто было настолько просто выбрать правильное / оптимальное решение, что я выбирал мгновенно, почти не обращая внимания на то, как я к нему пришел. Иначе обстоит дело с более сложными и определенными проблемами.

Иногда я повторял эту проблему снова и снова. Я продолжал разбирать его, пытаясь собрать части вместе. Я продолжал обдумывать (переигрывая опыт) различные возможные решения и их последствия. После перебора всех возможных решений было решено несколько проблем. Но некоторые по-прежнему настаивали. Было слишком рискованно просто делать выбор!

Эти проблемы пошли своим чередом, разрывая меня на части, а затем улетучились в глубину моей души и успокоили. В конце концов, нужно было заниматься повседневной жизнью. Итак, я двинулся дальше, начал кое-что, что, в свою очередь, привело к новым данным. Это были несвязанные тривиальные переживания. Эти данные совершенно не коррелировали с проблемой. Затем, как искра, из ниоткуда эта проблема была решена, принято самое оптимальное решение! Практически каждый из нас может испытать этот момент Eurekha, если мы сможем его наблюдать. Это очень простой, но такой полезный эксперимент, который можно провести на себе. Итак, какое отношение все это имеет к машинам?

Везде, где я читал о моделях машинного обучения, они ищут корреляцию между данными для принятия решений. Это заставляет меня задуматься: если мы проектируем машины для глубокого изучения данных, были ли мы спроектированы как противоположные, чтобы не заглядывать слишком глубоко в данные, а смотреть на более широкую картину?

«Действительно интеллектуальная модель - это действительно та модель, которая учится не только на релевантных данных, но и на несвязанных данных, на которые она натыкается при принятии решений.

Или подождите, может быть, изучение данных - это процесс, который у людей происходит подсознательно. Но почему мы не можем понимать наши алгоритмы, как мы это делаем для многих сложных машин. Я думаю, мы понимаем себя подсознательно, просто не осознаем этого. Поэтому в нашей модели должно было быть понятие подсознания ?!

Я думаю, что люди эволюционировали, чтобы видеть более широкую картину вещей на основе массивов данных, которые мы получаем. Действительно интеллектуальная модель - это действительно та модель, которая учится не только на релевантных данных, но и на несвязанных данных, на которые она натыкается, чтобы принимать решения.