Платформа для искусственного интеллекта
Современный подход к проблемам ИИ упрощен, и как часть этого упрощения основные ресурсы дальнейшего прогресса разработки уже исчерпаны.
Чтобы придать движению существенный импульс, нужен более сложный подход. Необходимо интегрировать разрозненные направления, в которых уже достигнут определенный успех, и добавить несколько компонентов, которым не уделяется внимания.
Платформу, на основе которой мы можем найти связи между разрозненными направлениями, я бы определил следующим образом.
1. Основными инстинктами ИИ должны быть не инстинкты самосохранения и продолжения рода, а как внимание Айзека Азимова, основные инстинкты должны быть приоритетами послушания, защиты человека, усердного предвидения и предосторожность. Если машины подумают о себе и своем сексуальном поведении, они действительно станут опасными для людей.
2. Работа и развитие ИИ сосредоточены на потоке реальной информации в реальном времени и управлении реальными исполнительными механизмами в реальном времени. Эта работа и управление основаны на модели окружающего пространства, включая самого робота, его исполнительные механизмы, датчики, компьютер, сеть, с которой взаимодействует ИИ, и человека, уполномоченного управлять этим экземпляром ИИ.
3. Модель окружающего пространства состоит из четырех основных частей:
3.1. Объекты реального времени.
3.2. Объекты в желаемом состоянии (целеуказание).
3.3. Раздел моделирования в ускоренном времени. В будущем или в прошлом.
3.4. Секция принятия решений и управления исполнительными устройствами, исполнительными механизмами.
4. Вспомогательные разделы и функции:
4.1. Генерация метаданных путем фильтрации, интерполяции, масштабирования, преобразования данных нейронной сети, спектрально-временных и других преобразований, измерения углов ориентации, освещенности, расстояний и т. Д. Для абстрагирования дискретных характеристик датчиков, связанных с частотой дискретизации, размер шага сетки пикселей и ориентация сетки, вибрационные шумы и тому подобные искажения, возникающие во входном потоке информации.
4.2. Распознавание мета-изображений для ведения раздела в реальном времени.
4.3. Иерархическая система приоритетов и принципов, на вершине которой находятся принципы Айзека Азимова: послушание, защита человека, прилежная предусмотрительность и осторожность. Данная подсистема необходима для управления всеми основными сечениями модели окружающего пространства, кроме моделирования объектов в реальном времени. Объекты реального времени существуют независимо от чьей-либо воли.
4.4. Отображение метаданных на выходе секции принятия решений и других метаданных, циркулирующих в системе. Эта функция необходима для наблюдения за системой человеком-супервизором. С другой стороны, рендеринг метаданных с намеренным добавлением шума и искажений может быть направлен в виде обратной связи на входе подсистемы распознавания в процессе тестирования или обучения. В этом случае настоящие исполнительные механизмы и датчики отключаются, и система работает под контролем наблюдающего человека в состоянии, очень похожем на сон. В состоянии глубокого сна при рендеринге создаются подробные, долговременные и насыщенные изображениями изображения для подробного анализа и исправления ошибок. Во время бодрствования более простые «мета-визуализации» потребуют коротких пауз для определения следующей реальной команды на реальном исполнительном механизме, в противном случае небольшое количество рефлекторных движений выполняется мгновенно без какого-либо моделирования. Возможно, рефлекторные движения годятся только для диких джунглей или в ситуации крайней опасности.
4.5. Речь и текст. Хотя в некоторых источниках утверждается: «Сначала было слово», я считаю, что речь появилась намного позже видения и нам удобны для понимания только слова людей. Однако наши машины должны понимать нас и говорить на понятном нам языке. Речевые и текстовые подсистемы должны быть с самого начала глубоко интегрированы в общую систему ИИ.
Подводя итог видению платформы, я хочу обратить внимание на нейронные сети, которые я упомянул как вспомогательный инструмент DSP для генерации метаданных. Самоорганизация нейронных сетей в результате эволюционного усложнения в отношении роста до более существенных вещей может занять неприемлемо долгое время. В то же время очень мощно разработанные системы графического моделирования, представленные в таких областях, как VR, AR, CAD и т. Д., Очень слабо вовлечены в разработку AI. Эта диспропорция будет исправлена на предлагаемой платформе.
