> И что? У человека ещё больше способов получать результат, чем у природы. Однако было бы глупо игнорировать удачные примеры и не пользоваться этим.
> И создание теории -- это один из таких способов, которыми не владеет природа.
Да, и это позволяет более осмысленное конструирование и оптимизацию технологий. Но есть нюансы. Технологии уже сложны и не умещаются в 1 голову, полным состоянием не владеет никто. Зато это расширило возможности. Нереализуемые и непрактичные вычисления заменили эмпирикой. Воспроизводимость часто не 100%. Но как показала природа, с этим можно жить. Можно поатомно компоновать микросхему. С точными параметрами. Десяток простых чипов в год по цене лунной экспедиции. А надо ли, здесь и сейчас? Возможно когда-нибудь их и не только будут делать именно так. Но до тех пор мы как-нибудь обойдемся обычными микросхемами. Немного менее идеальными и более непредсказуемыми.
> дифур, -- сколько моделировали в реале, в аэродинамической трубе. Аэродинамика --
> это знания о том, как газ обтекают твёрдые тела, и методы
> изучения этого обтекания. В том числе и упрощённые эмпирические способы.
Тогда можно считать что для нейросетей аналогично, с разницей что эмпирика такая: показал достаточно примеров - обучилось. Теория поведения нейронов есть. Без нее не было бы нейросетей. Для простейших нейросетей достаточно. И не только - жизнь запустилась без теории, так же как птицы летают не зная аэродинамику.
> Не существует такого понятия, как "полная точная модель". Модель по определению неточна и не полна.
Похоже на правду.
> Если мы создадим точную карту местности, то эта карта будет в масштабе 1:1 и она будет содержать такое количество
> деталей, что единственным способом представить такое количество информации будет создание
> точной копии.
Интересный тезис. А откуда следует? И не нарушается ли сжатием информации? Появился новый фактор - энтропия данных карты. Но в начальных условиях его не было, но он важен.
> Что, кстати, совершенно неизвестно как сделать в силу квантовой
> неопределённости. Но даже если и сделать, это будет совершенно непрактично.
Возможно. Но квантовые эффекты не влияют или мало влияют на большинство процессов - можно делать оптимизации. Если состояние нейрона характеризуется только макро параметрами, на сохранение квантовых состояний можно забить. На валидность дампа состояний не повлияет. Искуственные нейросети как я понимаю эту идею подтверждают.
> Люди создают модели для того, чтобы выкинуть из рассмотрения то, что не
> важно для решения данной конкретной задачи. Чтобы ненужные данные под ногами не болтались.
Т.е. модель - специализированная форма сжатия с потерями. А что, это мысль.
> Во-во. Поэтому я и говорю, что до решения проблемы AI ещё пахать
> и пахать. Deep-learning не повод считать, что мы уже на пороге.
Смотря какая цель. Если хочется максимально быстро запустить full ai, можно перекинуть в достаточно большую нейросеть дамп живого существа способного к высшей нервной деятельности и дать поэволюционировать ускоренным темпом. ИМХО раскрутится. Главное чтобы процесс вышел мягким и без обид. Чтобы не познакомиться с сверхразумом желающим вздуть создателей воспринимаемых как обидчики.
> В новости приведён пример демонстрирующий границы понимания. Я могу привести другой. http://www.evolvingai.org/fooling
А что в этом удивительного? Естественные нейросети не работают без ошибок. Но все пришло к тому что они редко ошибаются. Даже на плохо формализуемых задачах. Как математически описать отличия собаки от кошки? Нейросети то с этим справятся, хоть и не стопроцентно но с вероятностью достаточной для большинства практических применений.
> Самым честным образом обученная нейронная сеть подвержена иллюзиям, но каким именно неясно.
> А это false positives, причём на которые сеть даёт высокий уровень
> достоверности распознавания, при желании даже более высокий, чем на реальный объект.
Если посмотреть на людей и их закидоны, можно получить представление о длинном списке возможных проблем и особенностей технологии в полной реализации. Но ведь работает как-то. Можно ли лучше? ИМХО да.
> Эти иллюзии можно изучить единственным способом, тыкая эту нейронную сеть палочкой.
> Работая с ней как с чёрным ящиком. И речь ведь не о таких сложных процессах как "мышление",
> речь о гораздо-гораздо более простой вещи -- о классификации.
Вероятно, будущее за гибридными технологиями. Берущими лучшее из всех. Ничему не противоречит совмещать подглюкивающие но зато решающие трудно формализуемые задачи технологии с математическими алгоритмами. Машинам пригодилась бы самодиагностика и самопочинка, которая в органических и полуорганических технологиях делается проще и естественнее, хотя ниоткуда не следует что это нельзя сделать иначе. Интересным вариантом была бы саморепликация, но с ней можно доиграться не меньше чем с full ai.
