BTR

digitid


Проект "Цифровая личность"

DIGITal IDentity


Написал новую статью о сознании и внимании и предлагаемом алгоритме их реализации
BTR
digitid
Давно здесь не делился новостями, а они есть.

Самая свежая - написал статью на хабре http://habrahabr.ru/company/sensecognition/blog/209472/

И в связи с этим чуть более старая статья - организовал блог стартапа на хабре.

Еще бы собраться и сделать наконец страницу стартапа, которая уже третий месяц "на реконструкции"...
Но это может и подождать.

Эссе о представлениях и признаках, как честной экскурсии материалиста в идеализм
BTR
digitid
Я не согласен, в корне с постановкой вопроса в форме:
"Физиологические исследования в сочетании с изучением анатомии и морфологии головного мозга привели к однозначному заключению — именно головной мозг является инструментом нашего сознания, мышления, восприятия, памяти и других психических функций"
Я не вижу возможности говорить об однозначности заключения (если это только не исходное допущение на веру) о том, что никак не определено. Я знаю, что физиологи очень-очень-очень хотят понять, что такое сознание и как оно реализовано. Но проблема как раз в том, что отрезая его по границам нервной системы - его не понять. Это коммуникационный феномен.
Вот мое объяснение. Отдельный экземпляр разума (человек) осваиваясь с внешним миром посредством органов чувств создает внутренний язык классификации внешнего мира.
Два человека, взаимодействуют, создавая общий внешний язык соответствий опыта и впечатлений.
Сознание это феномен отражения внутреннего впечатления с выразимой вовне формой представления об этом впечатлении.
С материалистической точки зрения сознание вполне объяснимо и я, к сожалению, недостаточно интенсивно, над этим работаю.
Проблема начинается где не ждали. Сознанию не нужны все эти органы чувств. Они - инвариантны. Механизм формирования представлений действует независимо от конкретного состава органов чувств. Более того, сознание не может отличить представление об органов чувств от того, что это представление представляет.
За представлением, по сути, нет ничего, что можно было бы как-то иначе, чем посредством представления, воспринять и обозначить.
Вся работа представлений заключена в очень простом рекурсивном алгоритме.
Сознание (т.е. различающее внимание) всегда направлено на признаки различения представлений, узнавание которых сомнительно. Например, мы видим что-то белое и круглое. Что это? Луна? Тарелка? Таблетка? Нужны дополнительные признаки различения. Есть ожидаемые признаки, которые подтвердят что это луна. Сознание проверяет эти признаки. Так возникает иерархия представлений, по которой внимание двигается, формируя обобщенное представление о текущем моменте и его изменчивости.
Так вот, в такой модели конкретная реализация механизма получения и обработки представлений - вообще не принципиальна. Можно оставаться в материалистической парадигме, но она формализуется лишь как вероятностная модель, поскольку удостовериться в ней невозможно.
Скорее всего, понять из одного сообщения проблематику, ее основания и пути разрешения - невозможно.
Это тема для обстоятельной дискуссии. Будучи последовательным материалистом я начал с разделения материи и информации. Информация есть организация материи в пространстве и времени. Информация имеет смысл лишь для сознания, поскольку направляет сознание. Если и исходить из материалистической парадигмы, то сознание - информационная составляющая, инвариантная, собственно, материальным взаимодействиям.
В нервных тканях можно обнаружить информацию, как организацию физико-химических (а возможно и квантовых) процессов взаимодействия вещества.
Можно увидеть, как образуются нейронные ансамбли, как вследствие стимула возникает реакция, как эта реакция влияет на восприимчивость к другим стимулам.
Но дальше необходимо переходить к абстрактной математической модели сознания. Потому что сознание - это взаимодействие сугубо информационных сущностей
И проводя такой математический анализ (в терминологии психологов, социологов, тех же теистов или эзотериков, обозначая некую стабильную информационную сущность - душой, архетипы, по которым такая сущность формулируется - духом, общий принцип - богом) мы оказываемся в кругу исследователей, которые не отрицают материальность, но выводят ее за скобки.
Так, например, поступали буддийские учителя (но и не только). Просто нужно понимать, что теизм не обязательно является противником материализма. Просто он выводит материю за границы рассмотрения.
И вот глубоко исследуя эти модели, как раз и выясняется, что материя, во всем многообразии представлений, является производной от этой самой информации. Проще говоря, мы видим то, что хотим видеть. Наше сознание нацелено на узнавание, а узнавание - это всего лишь увязывание нескольких признаков в представление о связанности таких признаков. На следующем метауровне представления являются признаками суперпредставлений, а их признаки различения - субризнаками суперпредставлений.
И в конечном итоге, мы приходим к возникновению исходных гиперпредставлений о пространстве, как о взаимном расположении гиперпризнаков, формулирующихся как направление, относительная дистанция, отметки времени при изменении - и т.п.
То есть, по сути, обнаруживается исходная точка различения всего. До этой исходной точки ничего нет. Нет пространства, нет сознания (различения), нет признаков, нет представлений. И из этой исходной точки разворачивается все. Но из нее так же разворачиваются и другие сферы представлений.
Мы начинаем, вроде бы с материальных представлений, в какой-то момент переходим к информационной составляющей, и наконец обнаруживаем, что материя вообще как основа сознания непредставима. Нет никаких форм или субстанций, нет никаких их взаимодействий, помимо представлений о них в сознании.
Это не значит, что материи - вообще нет, как таковой. Мы же начинаем с того, что видим, слышим, обоняем, осязаем, чувствуем вкус. Но приходим к тому, что мы дорисовываем представления о материи основанные на признаках, причин появления которых мы не анализировали.
И когда начинаем их анализ, обнаруживаем, что материя никак не устроена. Нет никаких признаков, которые бы ни были всего лишь представлениями - то есть совокупностями других признаков, используемых лишь в различении других представлений.
И в один прекрасный момент вся эта модель - схлапывается. Внешнее и внутренее вместе включены в модель. Модель включает в себя все. Все ее устройство - представлено в ней же. И нет никакого внешнего механизма ее реализации.
Это крайне сложно понять, еще сложнее подобное принять. Даже просто начать рассматривать как что-то потенциально достоверное - очень тяжело.
И первое, что нужно сделать - оторваться от материальности. Нужно увидеть, что информация реализуется на любых формах материи. Мы можем увидеть яблоко, мы можем увидеть рисунок яблока, мы можем почувствовать запах яблока, мы можем прочитать слово яблоко, мы можем услышать слово яблоко, мы можем услышать падение яблока или хруст яблока при откусывании, мы можем ощутить поверхность яблока или почувствовать его сок - много способов чтобы произошло узнавание представления "яблоко". Переходя к представлениям мы просто обнаруживаем, что они состоят из признаков (субпредставлений), и сами являются суперпризнаками для различения суперпредставлений.
Это можно делать никак не отрываясь от представлений о материальности. Начиная с этого шага можно изучать работы мыслителей - нематериалистов.

Все, оказывается, еще проще.
BTR
digitid
Все таки, полезно погрузиться в глубокие исследования ума, послушать мудрость великих учителей, отбросить некоторые стереотипы и вернуться к моделированию с более ясным и четким пониманием.

Есть всего три базовых звена в работе универсального механизма сознания.
Это непонимание, неудовлетворенность и различение. Вместе они создают картину мира, и не одну, хватит на все экземпляры интеллекта, сколько бы их ни было.

Каждый момент сознания по сути своей содержит некоторые представления о наблюдаемой ситуации. И каждое такое представление неполно, требует более пристального рассмотрения. Вот это и есть непонимание и неудовлетворенность.

Неполное различение - это непонимание.
Направление различения к подтверждающим или опровергающим признакам - это неудовлетворенность.

Легко начинать с уже какой-то сложившейся структуры представлений. Слова состоят из букв. Предложения из слов, разделенных пропусками. Буквы складываются из точек или черт. За предложениями обнаруживаются образы, их взаимодействие. Среди образов выявляются действующие (персонажи) и действительные (зачем-то этим персонажам потребные).

Начинать со сложившейся структуры не только легко, но и полезно. Это помогает задать структуру интеллекта, способного воспринимать то, что воспринимают люди, сэкономить на обучении и развитии.

Об этой структуре - позднее, хотя ранее написанное не будет так уж серьезно пересмотрено.

Важно то, что все состоит из движения внимания от признака к признаку, за счет неудовлетворенности непониманием.
Какое-то движение есть лишь выбор другой ссылки в памяти. Какое-то связано с управлением: поиск в базе данных или в сети интернет, вопрос какому-то персонажу, владеющему информацией, съемка фото или видео, запись звука или обращение к сервису, чтение данных сервиса или управление актуаторами робота, чтобы получить нужные признаки и избавиться от неудовлетворенности понимания, подтвердить или опровергнуть признаки, составляющие ситуацию, оценить ситуацию как знакомую или незнакомую, распознать отличия нового от старого, сформулировать новые признаки и спросить тех, кому это может быть интересно: как они это называют и как к этому относятся.

Возможно, это кажется чем-то непростым, неясным, сложным в реализации.
Но в самом деле, это чрезвычайно просто. Чисто математически, такой ум имеет всего лишь адресное пространство, разделенное на три крупных области. Область портов ввода, область портов вывода и область классификатора представлений о внешнем мире.

Всякое представление это набор признаков, по которым это представление может быть распознано. И всякое представление является признаком для распознавания других представлений.

Обычная степень связанности представления с признаками его узнавания невелика - около десятка признаков. При этом, уже два-три признака выделяют это представление среди многих других, как вероятное. И тогда распознавание оставшихся признаков становится приоритетным - вероятность, что обнаружено что-то важное в ситуации возрастает. Уже 6-7 признаков чаще всего обозначает высокую достоверность правильного распознавания представления и тогда происходит переход к распознанию метапредставления из появившихся кандидатов.

Если на уровне портов ввода-вывода получающаяся классификация - чисто внутренний язык конкретного экземпляра искусственного ума, то на третьем-четвертом метауровне обобщения признаков появляется немало информации для сопоставления с восприятием людей. Это поможет быстро направлять такой интеллект к выявлению того, что значимо для общения с человеком, и отбрасывания того, что для того общения неважно. По таким признакам система быстро выстроит эффективную систему классификации доступного восприятия на сопоставимом с человеческим восприятием уровне.

Уровни метапредставлений с третьего по пятый-шестой это весьма очевидная для сознания человека классификация представлений о внешнем для искусственного интеллекта мире. Более высокие уровни уже выходят на уровень базовых ценностей, которые не всегда осознаются человеком и их можно отнести к классификации коллективного бессознательного, к архетипам поведения и формирования личностного восприятия.

Достаточно представить, что число признаков первого уровня, уровня портов ввода-вывода и первичных характеристик различения, сырье, на основе которого строится различение связанных признаков в первичное представление, может измеряться миллиардами, хотя значимых из них - на четыре-пять порядков меньше.

Число представлений, на втором уровне, меньше, ориентировочно, на порядок, его легко сопоставить с активным словарем человека, предполагая, что человек, в основном, различает то, что может назвать (хоть это и грубое допущение, оно гораздо точнее, чем может показаться). А активный словарь человека редко превышает несколько десятков тысяч слов, чаще оставаясь в пределах двух-пяти тысяч.

Число представлений третьего уровня одновременно сокращается еще на порядок, но уже возникает определенный комбинаторный взрыв из сочетаний представлений второго уровня. Активный контекст третьего уровня достаточно узок, но потенциальный масштаб его крайне широк. Если в активном распознавании в течение нескольких дней или недель постоянно обнаруживается несколько сотен представлений, то общий выбор этих представлений в течение жизни (а он, к тому же, еще и общий для всего человечества) измеряется десятками и сотнями тысяч комбинаций. Проще говоря, можно себе представить разговорник из нескольких сотен фраз против энциклопедического словаря с сотнями тысяч словарных статей.

Контекст четвертого уровня уже разграничивает разные сферы и области применения разрозненных образов третьего уровня. Это уже динамика и логика возникающих ситуаций, возможность планирования и прогнозирования. Здесь начинаются корни распознавания интересов и их совокупностей, появляются обозначения субличностей на основе общности и взаимности их интересов. Однако, число представлений четвертого уровня уже довольно невелико. В активном контексте - обычно несколько десятков интересов и целей. В пассивном запасе - тысячи "контактов" и "закладок".

Пятый уровень это уже глубинная классификация, можно сказать, исчерпывающий социальный граф. Персонажи и их взаимодействие в сообществах, группах. Групповые, коллективные цели и задачи, тенденции. В особо сложных случаях, в этом помогает шестой уровень метапредставлений.

Седьмой же уровень уже довольно однозначно абстрагирован от конкретных персонажей и их групп, он довольно скуп. Это несколько базовых ценностей, наиболее важных с точки зрения наиболее плотной группы персонажей, взаимодействующей с экземпляром интеллекта, и как потенциал, более слабая, менее проработанная коллекция всех метапризнаков базовых ценностей, архетипов, тенденций, складывающихся в коллективном бессознательном.

Дальше седьмого уровня заходить большого смысла нет, поскольку восьмой уровень это уже уровень запредельный для повседневного человеческого сознания, и будет ли польза от складывающейся классификации динамики коллективного бессознательного, сверх того, что выводится философами, историками, психологами, социологами прочими гуманитариями - не известно.

Проще говоря, понятна польза сильного искусственного интеллекта, и не так уж очевидна польза сверхсильного (или всесильного).

Представить же работу (алгоритм) этого механизма неудовлетворенности управляющей различением на основе непонимания тоже не так уж сложно. Этот алгоритм вывода новых представлений на основе потока признаков довольно однобразен (точнее - однозначен) для всех уровней метапредставлений и его достаточно рассмотреть на примере первого, второго и третьего уровней. Далее - чистая индукция.

Этим и займусь в следующей статье

Из чего-же, из чего-же, из чего-же... Сделаны наши моменты?
BTR
digitid

Искусственный интеллект - это просто!
BTR
digitid
Итак, сейчас будет актуальный релиз архитектуры сильного искусственного интеллекта.
Коротко - вводные, что это такое, сильный искусственный интеллект.

1. Сильный ИИ это адаптивная система управления. То есть
а) сильный ИИ предназначен для управления чем-либо
б) сильный ИИ адаптируется для улучшения эффективности управления
2. Сильный ИИ это инструмент вывода целей и методов достижения этих целей. То есть
в) сильный ИИ предназначен для вывода целей
г) сильный ИИ сопоставляет цели и методы их достижения
3. Сильный ИИ это система, генерирующая субъективный взгляд на внешнюю реальность для управления ею. То есть
д) сильный ИИ предназначен для упорядочивания и вывода ценностей внешней реальности
е) сильный ИИ классифицирует цели и ценности по их совместимости
ж) сильный ИИ формирует идентичность с группами и субъектами по схожести классификации ценностей и целей
з) сильный ИИ строит отношения с группами и субъектами на основе совершенствования классификации ценностей и целей

Для начала - достаточно. Но, просто, еще не значит, что легко для реализации. Предложенная модель может быть довольно сложна для понимания, хотя содержит, по сути, довольно простые и однообразные вычисления и единый механизм хранения данных.

Как реализовать такой сильный ИИ?
1. Необходим механизм взаимодействия с внешним миром (система рецепторов и эффекторов)
2. Необходима система внутреннего отражения и классификации результатов и планов взаимодействия с внешним миром

И это - все, ни добавить, не убавить. В этом простота анализа. Прежде чем перейти к синтезу, стоит
рассмотреть требования к этому механизмуСвернуть )


Одномерное пространство ума и единый алгоритм его работы
BTR
digitid
Ум является универсальным механизмом производства картин мира (моментов сознания). Ум в своей основе независим от конкретных форм приложения внимания.

Представим эту мысль в простейшей математической форме.

Пусть мы имеем некоторое многомерное множество Si состоящее из  набора параметров (р1, р2, р3, р4, ..., рN, э1, э2, э3, ..., эM, Б)
Здесь р1...рN - подмножество рецепторов, датчиков внешнего мира, э1...эМ - подмножество эффекторов, проводников усилий во внешний мир, Б - это значение баланса поступления и расхода энергии при переходе в состояние, описанное заданным множеством)

Сопоставим этому множеству одномерный индекс фазовых состояний.

Представим себе пустой ум, который выражен свободным состоянием. Допустим индекс это интервал из двух вещественных чисел в диапазоне 0...1. 
Пусть каждый параметр нормализуется также к интервалу из вещественных чисел в диапазоне 0...1

Нулевому (пустому) индексу, представленному интервалом 0...1  ассоциируется исходное состояние параметров, каждый из которых представлен изначально так же полным интервалом значений. Баланс представлен так же безразличным интервалом с минимальным разрешением 0...1. С целью уточнения и увеличения баланса поступления и расхода энергии, механизм ума генерирует произвольное состояние подмножества эффекторов и тем самым формирует следующий, первый индекс,  расщепляя исходный интервал на два в произвольной точке, например, посередине. 

Ум подключен к реальным датчикам и эффекторам, о назначении которых ему ничего не известно. Так же уму неизвестен механизм вычисления баланса энергии. 

Выдав произвольные команды на эффекторы, пространство каждого пространства расщепляется на два диапазона - исходное состояние и новое состояние. 

Тем самым формируется новое состояние, в котором происходит расщепление исходных интервалов рецепторов в соответствии с полученными изменениями (с минимальным разрешением, только на уровне новое значение входит в больший интервал или в меньший).

Подобным образом система формирует все новые и новые шаги, расщепляя интервалы пространства рецепторов, эффекторов, баланса энергии и индекса состояния, получая траекторию и внутреннее представление о внешнем мире.

Уже на третьем шаге у системы появляется цель - момент состояния, в котором баланс энергии больше других. Система начинает испытывать возможности приблизиться к этому состоянию. При этом, с каждым моментом цель может меняться. Если мы уже были раньше в этом интервале, мы знаем окрестность этого интервала и предполагаем, какие решения раньше в этой окрестности принимались, в какие состояния они привели и какое из направлений оказалось наиболее энергетически выгодным.

Каждый раз момент состояния зафиксирован в определенном интервале многомерного пространства параметров и характеризуется интервалом в одномерном пространстве индекса. С каждым тактом разрешение интервалов, имеющих отношение к более выгодному балансу - увеличивается. Хоть система и не знает ничего о внешнем мире, она начинает получать карту внутренний представлений о том, что и как влияет на вознаграждение - увеличивающийся баланс энергии.

Таким образом, система вычерчивает траекторию аттрактора в фазовом пространстве, постоянно увеличивая разрешение участков, в которых системе оказываться выгодно. Важным моментом является обобщение окрестностей индексов с апроксимируемым поведением, т.е. незначительные колебания вокруг значений эффекторов приводят к незначительным колебаниям вокруг значений рецепторов. Такие траектории обозначаются как связанные и баланс энергии рассчитывается для такой траектории накопительно. Находясь в окрестности этой траектории система знает не только результат одного следующего действия но и всей уже известной траектории дальнейшего движения, интегральный баланс.

Математическое выражение этого процесса перехода от момента к моменту появится когда-нибудь позже, после нескольких вот таких, описательных попыток формализации.

Очередной релиз общей концепции
BTR
digitid
Разрозненные идеи все более увязываются, и картина становится все более ясной. Хотя, конечно же, описать ее в рамкой одной статьи - безнадежная мысль.

И тем не менее, небольшой отчет о проведенных исследованиях естественного интеллекта в применении к построению искусственного.

Активные дискуссии на буддийских ресурсах на тему дхарматы (теории дхарм), посвященные рассмотрению потока моментов сознания велись на фоне осмысления самого пространства этих моментов сознания и возможных способов их реализации.

Вот что получилось.

1. Пространство сознания подобно фазовому пространству некой универсальной системы управления. Система имеет множество параметров, каждый из которых может иметь множество значений. Все вместе они составляют фазовое пространство, реализующее внутренний язык представлений. Вот простой пример такого языка: 0-120,121-1250,1251,1252,1254-1259,1260-14323,14324,...,17332-222123,... Что все это значит? Меняется плотность значений в разных диапазонах. Это значит, что в широком диапазоне значений последующее состояние одно и то же. То есть отображение всего спектра значений производится в столь же неразрывный спектр значений (неважно, сжимающее отображение, равномерное или расширяющее, линейное или нелинейное). 

2. Цикл перехода от состояния к сотоянию определяется предельно просто.
2.1. Цель. Назначается целевое состояние (оно имеет наиболее высокий энергетический баланс из возможных, или просто выбирается случайно, если из этого состояния пока неизвестна еще ни одна из траекторий). Для тех, кто понимает в теории дхарм, и законе взаимного возникновения обусловленности (пратитья самутпаде): цель соответствует неведению (авидья), неудовлетворенности (дукха) и жажде (танха)
2.2. Действие. Параметры, управляемые системой (состояния эффекторов), устанавливаются в значения, соответствующие желаемому целевому состоянию. Для тех, кто понимает в теории дхарм, действие соответствует порывам (санхарам), привязанностям (упадана) и становлению (бхава)
2.3. Внимание. Параметры, устанавливаемые извне (состояния рецепторов), соответствующие желаемым значениям целевого состояния, устанавливаются с необходимым разрешением (без избыточности). Внимание соответствует сознанию (ведана) и рождению (джати)
2.4. Оценка. Получившееся состояние системы сравнивается с желаемым и оценивается энергетический баланс данного перехода (потрачено - получено). Оценка соответствует чувствам (ведана) и старению-смерти (джарамарана). Далее возвращаемся к пункту 2.1

По сути дела, каждый отрезок фазового пространства показывает следующий за ним. Если из одного отрезка следует несколько - исходный отрезок расщепляется. 

Система замыкается сама на себя через рецепторы и эффекторы, к которым подключаются произвольные группы датчиков и манипуляторов.

Единственный формально заданный параметр - баланс потребления и получения энергии. Обучение системы производится вознаграждением - увеличением запаса энергии системы и наказанием - отказом в увеличении запаса энергии системы.

Каждый отрезок имеет отметку об изменении баланса энергии на этом шаге. Отчет об изменении энергии поступает как обратная связь от манипуляторов и датчиков. Обычно, датчики получают энергии больше, чем расходуют, а манипуляторы расходуют больше, чем получают. Могут быть самостоятельные датчики, сигнализирующие о состоянии общих запасов энергии контролируемой системы. 

Система рискует, двигаясь в неизвестные состояния пространства сознания, в надежде найти более удачный баланс. Особенно система склонна к риску, когда существующее состояние имеет ветви лишь с отрицательным балансом энергии на каждом следующем шаге. 

Система в целом не имеет никаких формальных сведений о назначении тех или иных датчиков и манипуляторов и даже не строит никаких специфических представлений об этом, помимо связывающих отдельные диапазоны фазового пространства траекторий - контуров. 

Такие контуры - это фрагменты личности системы, ее привязанности к определенным способам восполнения энергии. Чем больше мощность контура, тем больше траекторий (повторов прохождений набора состояний) в этом контуре. Такие контуры очень значимы. Система проходит эти последовательности состояний снова и снова многократно, стараясь собирать всю доступную (и усваеваемую) энергию, которой поощряется прохождений этих состояний.

С внешней точки зрения таким образом системы выполняет полезную работу. При этом структура таблицы отображений есть онтология представлений системы о внешнем мире и о том, что во внешнем мире представляет саму систему (т.е. подвластно действиям системы, приводит к ожидаемым состояниям с наилучшим балансом энергии). 

Система постоянно адаптируется ко все новым и новым возможностям манипуляции и ко все новым и новым возможностям определить состояние разных структурированных подсистем. 

Прикольная штука ай-яй-яй
BTR
digitid

Интерпретация теории элементов (абхидхармы) в рамках моделирования работы ума
BTR
digitid
 Тот алгоритм который я разрабатываю использует несколько идей. В этом сообщении осознанно проводится параллель с санскритскими терминами. Подробнее о теории дхарм можно почитать у Розенберга в проблемах буддийской философии. 

1. База данных содержит в себе моменты сознания (так называемые читты, относящиеся к классу виджняна)
2. Моменты сознания (читта) связаны друг с другом, по сути это движение внимания в континууме чувственных ощущений (измерений показателей датчиков - от датчика к датчику). Предыдущий момент сознания называется дхармадхату и относится к классу манас.
3. В случае алгоритма общения на естественных языках (а так же в целей близкого к осознанному перевода) важно использовать механизм ведана - сигналы учителя (или собеседника) о поощрении или наказании, причем эти сигналы могут быть как непосредственными (воздействие на специализированный датчик), так и использование слов и фраз, ранее связанных с поощрением или наказанием ("окрашенных" приятностью или неприиятностью)
4. Измерения датчиков, называемые Рупа-вишая (то есть чувственно воспринимаемое, объективное) состоит по сути дела из буфера потока символов для каждого датчика (сеанса общения), рупа-индрия указывает на символ текущего момента для выбранного в данном моменте времени датчика (махабхута дхату)
5. Чувство, называемая Ведана для момента времени содержит оценку данного символа и состояния датчика (т.е. окраску, в которой данный символ был воспринят - позитивно, негативно, нейтрально)
6. Акт распознавания (узнавания, когнтивный процесс), называется Санджня и для момента времени содержит ссылку (идентификатор) контекста. Контекст штука комплексная, о нем несколько позже. В целом контекст содержит категории, актуальные в данный момент времени. Контекст это перцептивный образ того, о чем идет беседа в течении некоторой последовательности символов. В контексте содержатся последовательности символов которые мы ожидаем получить, контекст может ветвиться как дерево вариантов и контекст является предсказанием того, что должно быть дальше в потоке, включая те символы, которые может сгенерировать наш ум, как дополнение к возникающему потоку, когда у нас есть ясность - однозначность, устойчивость траектории между ветвлениями)
7. Степень сознания, называемая Читта, содержит значение ясности текущего момента, как раз по контексту. Витарка - значение которое говорит о том, что ясность высокая, мы в теме, предугадываем действия неплохо, ведана позитивная. Вичара - значение которое говорит о том, что ясность низкая, перед нами ветвление, мы не можем выбрать какой контекст, нуждаемся в уточнении
8. Активность системы обеспечивается элементом, называемым Четана санскара (или карма) для момента времени содержит признак действия. Например это может быть помещением некоторого символа в поток (мы готовы что-то сообщить), может содержать ожидаемый следующий символ (то есть мы убеждаемся, что контекст верен, кроме того если заполнен следующий символ мы рефлексируем правильность работы генератора символов и тем самым провоцируем подтверждение и переход к следующему символу того, что хотим сказать). Здесь же могут быть ссылки на другие моменты времени - опорные для возникновения этого (пратьяя) и перечень свойств, опорных для возникновения других моментов времени (хету). По сути дела это помогает определить из набора возможных действий-четан те, которые в данной ситуации разрешены наличием опорных свойств в прошлых моментах времени (этакий семафор) и так же набор состояний, которые в дальнейшем разрешают или запрещают возникновение других действий-четан в последующие моменты времени. Вопрос с конкретными хету и пратьяя пока находится в состоянии анализа.

Собственно это вся структура модели. Здесь важен один факт. Все моменты - последовательны. Даже процесс распознавания!

Иначе говоря, очень удобно для последовательного исполнения процессором. Континуум сознания (сантана) - одномерен. Он заплетается в весьма причудливые контуры двигающегося внимания, тем самым все время пополняя классификатор (внутренний язык отражения сферы воспринимаемого/измеряемого), который в результате формулирует представления о "внешнем мире", его свойствах, зависимостях, причинах и следствиях и т.п.

Интересна прежде всего универсальность такой модели для любых наборов датчиков (техническое зрение, слух, вкус, обоняние, осязание - как имитация человеческих чувств, но к ним можно добавлять специализированные и даже упрощенные). Особенно интересным тут как раз может быть классификация явлений в движении цен или динамическая адаптация в общении на естественном языке (с учетом контекста).

Главное в проектировании такой модели - не реализация собственно алгоритма, а разработка эвристик для ускорения обучения (например импринтинга простейших конструкций вроде облака понятий вокруг "я", "мое", "мой разработчик", "скажи ...", "найди ...", для сокращения периода "несознанки", вроде как у грудных младенцев, которые долго поглощают образцы поведения, отмечая, какое подражание поощряется, какое наказывается, какие творческие порывы вознаграждаются, какие остаются без внимания, какие преодоления хочу-нехочу страха-страсти в результате дают больший выигрыш, чем следование им.

Творческий подход к проблеме останова
BTR
digitid
 Это называется "планирование действий". То, что на самом деле делает человек, прежде чем за что-нибудь браться. Выполняется по оценке вознаграждения, которое может дать решение задачи. Разумеется, если вознаграждение задачи будет переоценено это влияет на ее приоритеты среди других задач. Переоценка вознаграждений - это тоже задача. Иногда оценить выгоду от какой-то задачи не представляется возможным. Но на оценку выгоды как задачи тоже выделяеются свои ресурсы.

И я, как бы, ненавязчиво, намекаю, что вот эта задача оценки выгоды от решения другой задачи и есть собственно сильный ИИ.

Ощущение понимания
BTR
digitid
 В обсуждениях гипотезы (теории) Пенроуза и доказательства невозможности алогоритмической реализации разума, я привел аргументы о том, что вычисления - это слишком сложно для естественного (а значит и искуственного) интеллекта.

Но тогда нужно дать ответ на вопрос, что же такое понимание.

И тут следует очень важный момент. А откуда мы знаем, что нечто понимаем? И что такое сомнения?

Этот вопрос приводит нас к ощущению понимания и в мир ощущений вообще.

Есть такое "правило шести". Если в среднем шесть незнакомых между собой человек (с точки зрения испытуемого, конечно), выскажут испытуемому некоторую мысль (мнение, идею, замечание, комментарий), способность испытуемого к скептицизму в отношении этой мысли становится очень низкой (ниже уровня критического восприятия)

Отсюда я выдвигаю "гипотезу БТРа" о том, что для возникновения ощущения понимания чего бы то ни было, любого понятия, что бы этим понятием не обозначалось, достаточно шести взаимно не сворачивающихся ссылок на это понятие из общей классификации (внутренняя связанность понятий оперируемого языка)

Важно то, что это не обязательно шесть ссылок по разным каналам органов чувств. Достаточно всего лишь шести вполне лингвистических ссылок, чтобы человек испытывал ощущения понимания. Именно поэтому прозрения вызывают глубокие эстетические переживания, потому что происходит "схлопывание" предыдущей классификации понимаемого, когда включается новая обнаруженная ссылка по ранее незадействованному чувственному каналу. Предыдущая классификация становится всего лишь одиночной ссылкой, дополненной теперь возможностью новой классификацией (интерес, предвкушение новой пищи для ума, новый ПЛОДОТВОРНЫЙ фокус внимания)

И именно поэтому так тяжело принимать идеи упущенности чего либо в стройных построениях и концепциях.

Число шесть, возможно больше или меньше, чем действительно необходимо и достаточно.

Однако именно шесть повторов одного мнения из одного источника вызывают непреодолимую потребность в доверии такому мнению. Пять допускают еще довольно существенную степень сомнений. Семь уже не оказывают существенного влияния. Именно после шести ссылок противоположные мнения воспринимаются скептически.

Единая итерационная функция обобщения-исключения для классификации данных понятиями внутреннего язык
BTR
digitid
 Главной управляющей функцией разума на мой взгляд является единая по своей сути операция обобщения-исключения, которая выполняется как отдельными синапсами, так и нейронами и ансамблями нейронов и далее в коммуникации отдельных нервных подстсистем, вплоть до взаимодействия людей, обществ и т.п.

Вот довольно примитивный пример этой операции обобщения-исключения
(БАРБАРИАН, БАРБАР2, 1ИАН)
Особенность этой операции в том, что она довольно произвольна по промежуточным результатам и весь смысл ее в том, что результатом ее итерационного применения становится классификация некоторых примитивов, то есть - внутренний язык представлений о входном потоке данных, иначе говоря - свертка входного потока в многомерное отображение на внутреннем языке представлений.

Коммуникация отдельных сверток обеспечивает пересечения внутреннего языка и получение разнообразия классов внешних языков. Этот механизм коммуникации начинается от отдельных нейронов и развивается по метауровням до всего живого (чувствующего). При этом сам механизм коммуникации сверток выполняется все той же функцией обобщения-исключения!


И подходы к этой самой операции обобщения-исключения (фрактального сжатия, свертки, исчисления аттрактора, и т.п.) - хоть и разнообразны, но сущностно едины для различных исследовательских групп как минимум с 70-х годов ХХ века, просто по мере разработки все более новых математических методов (итерируемые функции, системы итерируемых функций, L-системы, одномерные отображения, двумерные отображения (афинные преобразования, например), многомерные отображения, системы многомерных отображений, безмерные отображения (применение L-систем и генетических параметрирующих алгоритмов) и т.п.) способы выражения этой самой операции обобщения-исключения становятся все более выразительными, все менее ресурсоемкими и все более простыми для интерпретации даже студентами первых курсов.

Но, увы, все это до сих пор по большей степени - авторские подходы, которые выкапывать ничуть не легче сейчас, когда информации слишком много, по сравнению с 50 или 100 летней давностью, когда информации было слишком мало.

Поспорим с Пенроузом
BTR
digitid
 Подкинули тут доказательство Пенроуза к осмыслению причин невозможности создания сильного ИИ алгоритмическими методами (т.е. используя Машину Тьюринга, из чего следует, используя любые существующие вычислительные системы, включая возможные квантовые компьютеры).

Собственно доказательство, которое я изучал находится здесь http://polbu.ru/penrose_mindshadows/ch20_i.html
Откровенно говоря, впечатление о мошенничестве и подмене понятий меня преследовало от самого начала чтения первых строк.

Во-первых доказательство строится от бесконечности рядов и множеств чисел, с которыми оперирует Машина Тьюринга.
Во-вторых понятие алгоритмизирумости сведено исключительно к понятию вычислимости в самом его вульгарном смысле - т.е. вычислимости в рамках исполнения каких либо операций с этими самыми числами.
Ну и в третьих делается два глобальных вывода. Вывод первый, дескать Гёдель доказал, что акт вывода новых знаний не может быть формализован в рамках старых знаний и известных операций над ними. И вывод второй, оказывается, что по этой причине создание сильного ИИ - невозможно.


Начну с самого главного. Действительно, оперируя только числами, используя строго заданный набор операций над их множеством, вывести новое знание о сущности самих операций - нельзя. Это как минимум - глупо.

Действительно, осознание того, что используемые в наблюдениях объекты являются отражением неких дискретных множеств или непрерывных полей - это сам по себе акт разума. Однако, учитывая то, что единственное, чем занята когнитивная функция - это именование, то такой акт разума сам по себе имеет всего лишь один уровень рекурсии. Кроме именования собственно воспринимаемых объектов стоит именовать еще и разные способы такого именования.

Возвращаясь к доказательству Пенроуза его несостоятельность обнаруживается в момент замены операций над числами операциями над свойствами чисел и свойствами операций над числами. Иначе говоря, чтобы делать математические выводы, нужно исследовать не последовательности чисел, рассчитывая их комбинации для подтверждения или опровержения суждений, а нужно исследовать свойства самих этих суждений и свойства тех множеств и операций над множествами, которые рассматриваются в этих суждениях.

Далее, переход от "доказательства" невычислимости к невозможности моделирования разума. 
Человек не оперирует только двумя состояниями суждений "истина" или "ложь". Это чистая заморочка математики, а вовсе не разума человека.

Реальный человек оценивает суждения как "похожие на правду", "похожие на неправду", "кем-то проверено, что правда", "кем-то проверено, что неправда", "строго доказано что правда", "строго доказано, что неправда", "не имеет значения для меня", "вообще не знаю для кого имеет значение", "я не знаю, правда это или неправда, хотя и согласен, что это важно для меня и для кого-то еще" - и этот перечень вовсе не закрыт.

Поэтому вывод однозначен, Пенроуз вовсе не доказал, что сильный искусственный интеллект не разрешим алгоритмическими задачами.

Нужно только отойти от ограниченности чисто математическими представлениями о функциях и ввести такие операторы для множеств как "обобщение" и "конкретизация", а не пытаться  родить какую-то атомарную функцию РАЗУМ, на выходе которой были бы некие идеальные разумные суждения, полные и непротиворечивые, какой бы мусор не подавался на вход.

На подобное не способен естественный разум, не нужно это и в искусственном.

Размышления о критериях сильного ИИ
BTR
digitid
  Дело не просто в определении термина сознание, интеллект, сильный/слабый интеллект. Дело в способности идентифицировать тестовые случаи - здесь есть, здесь нет. Часто для начала не важно обоснование, важна проверяемость, повторяемость (в общем случае - фальсифицируемость)

Таков тест Тьюринга. Он не ставит цели дать четкого определения, он призван выявлять подобие или неподобие внекритериально, интегрально. Может ли эксперт отличить человека от машины, или не может.

Очевидно, что ни хронометр, ни электронный микроскоп не пройдут тест на подобие человеческому поведению в анонимном общении.

Но так же такой тест не пройдут и весьма интеллектуальные животные. Хотя, поведение некоторых животных может быть не отличимо от поведения маленьких детей.

Можно ли смоделировать ИИ, воспроизводящий поведение животных, детей так, чтобы эксперт не смог отличить, что стоит за этим поведением - сознание животного, ребенка или программы? Такие примеры - есть. Создаются весьма убедительно имитирующие социальное поведение (ужимки, повадки) программы. Например тех же роботов-игрушек. Более того, выявлены "умилительные черты", вызывающие у человека чувство одушевленности обладателя этих черт.

Является ли использование таких черт "взломом" теста или корректным его прохождением?

Тут возникает вопрос и к сознанию. Все ли поведение человека или животного сознательно? То есть не является таким неосознанным "взломом", когда не было никакой мотивации создавать впечатление "одушевленности", но оно возникло по причине собственных убеждений "эксперта"?

В конечном итоге, проектирование сильного ИИ преследует более чем одну цель. С одной стороны, человек хочет получить "одушевленных помощников" - механизмы, выполняющие сознательные функции людей по выполнению полезного труда. При этом роль "одушевленности" может быть разной - от простого комфорта в иллюзии, что "меня понимают", до действительного желания ставить задачи в общем виде, чтобы искусственный интеллект принимал решения, как достигать целей поставленных в общем виде задач.

А с другой стороны, вопрос понимания часто разрешается неудовлетворительно и в среде людей. Мы не можем поставить задачу в общем виде произвольно взятому человеку. Важна языковая близость, общие представления о необходимых навыках, знаниях, доступных ресурсах, совпадении каких-то целей, в конце-концов.

Например, человек, хорошо изучивший язык программирования, может сказать, что его общение с компьютером более продуктивно, чем с окружающими людьми. Сказать, что компьютер лучше "понимает" программиста - будет конечно же натяжкой. Но насколько большой? Компьютер выполняет то, что поручил ему программист. Иногда программист не может похвастаться, что люди понимают и выполняют его поручения. Часто просто человек просто недостаточно хорошо знает необходимый "язык программирования". То есть разговаривает с другим человеком не используя правильный синтаксис, либо обращаясь к несуществующим процедурам (исполнения которых другой человек не понимает), либо затребуя завышенные ресурсы (относится к ним недостаточно бережно или разделяет их с кем-то еще).

Структура мультифрактального аттрактора модели цифровой личности
BTR
digitid

ОщущениеЗона рецепторов и эффекторов
Обеспечивает двухсторонний контакт с внешней средой
Адаптивный аттрактор нулевого уровня мультифрактала (идентичен линейной линии задержки)
Функция управления эффекторами - случайный тремор для поддержания динамически неустойчивого равновесия (ДНР)
Во взаимодействии с восприятием определяется новое состояние ДНР
ВосприятиеЗона изменения внимания/сосредоточения
Обеспечивает механизмы фокусировки на наиболее значимых для текущего контекста ощущениях
Адаптивный аттрактор первого уровня мультифрактала (внутреняя структура статичного состояния нулевого уровня)
Функция управления эффекторами - задание новой точки динамически неустойчивого равновесия (ДНР)
Во взаимодействии со впечатлением определяется текущий контекст
ВпечатлениеЗона узнавания/контекста
Обеспечивает механизмы обобщения и последовательных усилий
Адаптивный аттрактор второго уровня мультифрактала (идентичен шаблонам/паттернам повторения структуры)
Функция управления эффекторами - переключение точек внимания (ДНР) по активному шаблону
Во взаимодействиями с ассоциациями определяется активный шаблон
АссоциацииЗона ассоциативной/рефлективной (реактивной) краткосрочной памяти
Обеспечивает механизмы увлеченности и целеустремленности. Моделирует чувства и эмоции
Адаптивный аттрактор третьего уровня мультифрактала (кодирует образы = обобщенные признаки шаблонов)
Функция управления эффекторами - структура поведения, сложные рефлексивные связи шаблонов в повадки
Во взаимодействии с мышлением определяется усиление и ослабление образов в ансамбле)
МышлениеЗона логической/целесообразной (аналитической) долгосрочной памяти
Обеспечивает механизмы осознанности и адекватности. Моделирует суждения и отношения
Адаптивный аттрактор четвертого уровня мультифрактала (кодирует мысли = динамические ансамбли образов)
Функция управления эффекторами - оценка и реорганизация повадок, рефлексов, усиление и подавление, координация в организованных стратегиях поведения, осознанные тренировки рефлексов)
Во взаимодействии с самоосознанием определяются критерии полезности и вредности мыслей и стратегий поведения
СамосознаниеЗона устойчивых взглядов, мотивов, личностных установок, долгосрочных интересов, увлечений, привязанностей
Обеспечивает целостное, долгосрочное поведение, самоопределение. Моделирвет личность
Ядро мультифрактала - аттрактор пятого уровня (кодирует идеи - базовые установки, ценности)
Функция управления эффекторами - вовлечение в процесс управления среды - имущество, другие существа, владение их свойствами и признаками)
Внутренний цикл взаимодействия определяет так же допустимую изменчивость взглядов, мотивов, привязанностей
Собственно, реализация мультифрактала обеспечивается общими механизмами для каждой из зон.Например, линия задержки ощущений с рецепторов нулевого уровня мультифрактала статично кодируется сжимающими афинными преобразованиями в набор отношений на этой линии задержки. При этом, сами отношения являются источником для кодирования на втором уровне мультифрактала, но перед тем производится их упорядочивание по наиболее повторяющимся элементам.

Есть задача кодировки преобразований в относительном формате (т.е. исключая привязку к абсолютным положениям кодируемых последовательностей)

Математический аппарат размещать в блоге тяжеловато, нужно научиться вставлять формулы, как в текстовом процессоре или найти хранилище для изображений, из которого размещать картинки в тексте блога.

Может быть кто-то уже отработал технологию и может дать хороший совет?

Алгоритм поиска аффинных (сжимающих) преобразований в одномерном потоке данных.
BTR
digitid

Дано: одномерная последовательность X  каких либо числовых данных (например, изменение цен на какой либо актив за период времени), длиной L символов.

Задача:
Используя афинные преобразования (Xj = Ai*Xi +Bi) максимально представить отображение более поздних данных как неподвижную точку совокупности афинных преобразований более ранних данных (т.е. сделать прогноз наиболее значимых изменений последовательности на основании более ранних данных). Собственно, задача подобна решенной Майклом Барнсли задаче фрактального сжатия изображений, с дополнительными особенностями.

1.       Найти набор из I сжимющих длину подпоследовательности аффинных преобразований Wi  => Vi , которые задают  наиболее точное отображение всех значений последовательности X на самих себя.

2.       Лучшими признается такие преобразования, когда сжимаемая последовательность Wi заканчивается раньше, чем отображаемая последовательность Vi.

3.       Лучшими из лучших признаются такие лучшие преобразования, в которых пары значений Ai и Bi наибольшие (т.е. происходит увеличение масштаба и/или сдвига значений сжимаемой подпоследовательности Wi)

4.       Наилучшими признаются такие лучшие из лучших преобразования, которые применимы наиболее часто на разных участках последовательности (то есть, имеют наиболее многократную применимость). Выражаясь математически, наилучшими признаются такие лучшие из лучших преобразования,  частота в которых пар значений ai и bi для множества подпоследовательностей – наибольшая, и при этом длина отображенной последовательности так же – наибольшая (т.е. наибольшая прогнозирующая способность)


Прикладное решение задачи. Модель генетического алгоритма

1)      Создается N генов, содержащих случайные значения начала, длины исходной последовательности, начала и длины сжатой последовательности. Для них производится расчет масштабирования, смещения и отклонений масштабирования и смещения

2)      Гены упорядочиваются по убыванию отклонений и возрастанию масштаба

3)      Наихудших 80% генов уничтожаются

4)      Наилучших 20% генов кластеризуются по наиболее близким расстояниям в последовательности, а среди них по наиболее близким и наиболее частым значениям масштабирования и смещения, после чего генерируются с близкими параметрами перекрывающие от 20% до 100% исходных интервалов новые гены и цикл эволюции повторяется


Самое главное об структуре цифровой личности
BTR
digitid
Оказывается, я еще до сих пор не написал запись с самым главным!
Это, в некотором смысле, концепция архитектуры цифровой личности, верхний уровень абстракции.

Итак, в этом сообщении хочется немножко открыть завесу над тем, что в конечном итоге должно бы получиться.

Начну с некоторого резюме, а по технике, аргументации и обоснованиям - чуть позже

Система цифровой личности строится на основе того, что я называю "мультифрактал". Иначе говоря, применение фрактального сжатия многократно. Сначала мы выявляем структуру самоподобия потоков данных, для того, чтобы выявить первый уровень абстракции - их можно назвать по разному, но в общем это в чистом виде первичное распознавание сходств в непосредственно воспринимаемом потоке. Важно то, что первый уровень абстракции достаточен для воспроизводства исходных фрагментов с некоторой достаточной точностью не только для их узнавания, но и чуть избыточно, для возможности моделирования и дальнейшего сопоставления с восстановленными фрагментами других абстракций.

Далее, мы используем такой механизм, как контекстный резонанс. Контекст это область данных между потоком восприятия и краткосрочной памятью. Он производит распознавание сходств распределенных во времени не слишком далеко. То есть это в целом есть поток внимания (обладающий направленностью и объемом)
Собственно контекст пополняет краткосрочную память абстракциями второго уровня (узнавание структур связей, связанность разных фрагментов сходным образом) 
Краткосрочная память похожим образом взаимодействует с памятью долгосрочной, это уже абстракции третьего уровня, по своей сути это мемы - элементарные фрагменты мыслей, постулаты, фрагменты простых логических цепочек факт - предположение.

Вот как раз следующий уровень логических сопоставлений содержит в себе упорядоченные по частоте подтверждений (ну и к тому же обратно пропорционально частоте опровержений) сами сопоставления факт-предположение, но, опять же, в виде некоторых деревьев, как абстракция четвертого уровня.


Предпоследний уровень содержит в себе абстракцию пятого уровня, это просто некоторые долгосрочные интересы цифровой личности, в виде упорядоченности по приоритетам деревьев логических сопоставлений. Нужно понимать, что в этих деревьях факт сам по себе является некоторым наиболее часто повторяющимся предположением, и именуется на данном уровне уже убеждением

И, наконец, самый высший уровень в данной схеме содержит в себе замкнутые контуры метадеревьев (т.н. картина мира), в которой наиболее существенные логические идеи замыкаются, подтверждая друг-друга. Это уровень самоосознания и собственно реализация личности в цифровом виде.

Техническое описание всех этих уровней будет приведено в одной из следующих статей, поскольку материала примерно на два порядка больше.

Про сам же механизм фрактального сжатия уже было написано несколько раньше. Спасибо тем, кто все еще читает, а особенно тем, кто отвечает и возражает. Это мотивирует продолжать описывать здесь проведенные и планируемые исследования.

Нейрон, как переключатель каналов
BTR
digitid
Отходя немного от парадигмы аттрактора системы, и возвращаясь к модели нейронной сети, есть одна идея по поводу того, каким образом реализация искусственного нейрона должна быть в системе с автообучением.


Нейрон, имеющий множество входов с разными весами может быть либо обучен в цикле обучения, и больше никогда не менять веса соответствующих нейронов, либо должен уметь эти веса изменять и корректировать, то есть быть адаптивным элементом сети.

За счет чего может это происходить?

Представим себе, что проводимость синапсов входа зависит от текущего состояния нейрона. Если он расслаблен (свободен, разряжен), то вход нейрона имеет высокую проводимость. Если он напряжен (занят, заряжен), то вход нейрона имеет низкую проводимость. Нейрон разряжается (освобождается, релаксирует, разряжается), когда с его выхода через синапсы заряд снимают другие нейроны. Выходная проводимость определяет востребованность информационного потока, транслируемого нашим нейроном.

В случае, если нейрон не может релаксировать длительное время, он запирает так же и выходы нейронов, с которых получает информационный поток. В этом случае нейрон "переключает канал", выбирая другую весовую схему синапсов.

Для того, чтобы понять, как это поможет нашему нейрону нужно рассмотреть общую картину в нейронной сети в динамике.

Условно говоря, нейронная сеть взаимодействует с некоторым окружением, через рецепторы и эффекторы. Адаптация сети к внешней среде в общем происходит через создание некоторых контуров движения зарядов (включая замкнутые внутри системы и замкнутые через внешнюю среду)

Архитектура нейронной сети должна быть построена таким образом, чтобы удачная адаптация создавала хорошо проводящие контуры, а ошибки адаптации приводили к блокировкам действующих контуров и возникновению новых контуров, определяющих более удачное поведение в новой ситуации.

Как это должно быть реализовано в рамках отдельного нейрона? В случае роста времени релаксации, нейрон может обнаружить изменение напряженности на синапсах. Хитрость в том, что сильный импульс на выходе нейрона будет "рассасываться" по всем синапсам, которые к его выходу подключены. Таким образом, напряжение на входе синапса будет убывать от пикового с разной скоростью, в зависимости от "востребованности" данного конкретного выхода на входах множества нейронов.

Следовательно анализируя скорость убывания напряженности на синапсе нейрон может определять наиболее "модные" входы в своем окружении, и иметь кандидатов на "переключение канала", на случай, если релаксация выход становится существенно дольшей, чем некоторый обобщенный срез по убыванию напряженности на входах.

Иначе говоря, нейрон все время пытается быть "в теме", удерживая самые быстро релаксирующие входы в фаворитах своих весовых коэффициентов.

При этом необходимо отметить три варианта "генетических характеристик" нейрона
1. Негибкий (неадаптивный) нейрон, веса синапсов которых малоизменчивы и заданы "при рождении" внешней ("наследственной") структурой фрагмента сети (специализированные нервные ткани, объединенные в устойчивые схемы)
2. Очень гибкий (адаптивный) нейрон, веса синапсов которого сильно изменчивы и лишь ограничены в определенном коридоре изменчивости значений и скорости переключения весов
3. Нейрон-заготовка, веса синапсов которого малоизменчивы, но задаются при определенной ситуации внешней структурой фрагмента сети (механизм импринтинга) однократно или несколько раз за жизнь нейрона.


Интересная книга доступная в интернете о сознании
BTR
digitid
 Читаем тут http://aboutbrain.ru
Метки:

Актуализация вопросов
BTR
digitid
 Отпуск пролетел, мысли улеглись, можно заново возвращаться к размышлениям.

Сейчас самый трудный вопрос заключается в том, каким образом все-таки сопоставлять ассоциируемый фрагмент (ключ) с проективным фрагментом (значение) в случае использования сжимающих отображений.

С одной стороны, для фиксированных данных (изображение, аудиофайл, видеофайл, исторические данные котировок) построить аттрактор в виде системы итерируемых функций - задача вполне тривиальная.

С другой стороны, отображение содержит в себе только привязанное к конкретному фрагменту цифрового потока (или массива данных) преобразование. Иначе говоря, ключ преобразования в данном случае - это адрес фрагмента в потоке (одно- или многомерном)


Необходимо же получить ключ чувствительный каким-либо образом к самим данным (т.е. ассоциативный ключ).
Такой метод описывают Кузнецов и Дмитриев в своей работе "Запись данных на предельных циклах одномерных отображений", где на определяется связанность последовательных данных между собой кодированием интервалов определенного алфавита на числовом отрезке.

Предположительно решение заключается в сортировке сжимающих отображений по частоте возникновения ключевых значений с переменным уровнем записи (т.е. условно говоря, n-арное дерево ключей увеличивающей длины для всех возможных ветвлений).

При этом функция сортировки получается сложной - с одной стороны, число подтверждений пары ключ - отображение, с другой стороы - число опровержений (т.е. когда отображение для возникающего ключа слишком отличается)

Аналогичный метод для регулярных данных реализован в алгоритме арифметического кодирования, где используется воронка вероятностей для предсказания продолжения последовательности.


Концепция алгоритма в данном случае получается такой.

1. В некотором буфере (мгновенный снимок) входного потока (для начала стоит использовать просто одномерную последовательность данных) производится фрактальное сжатие (получение системы итерируемых функций, максимально точно отражающей преобразование последовательности в саму себя)
2. Все отображения (сжимающие) сортируются в направлении из прошлого в будущее, при этом производится формирование алфавита - минимальных фрагментов последовательностей, идентифицирующих сжимаемый фрагмент, и производится запись одномерного отображения ключа и ассоциированного с ним отображения.
3. Выявленные ключевые последовательности и отображения в будущее сортируются по принципу значимости (для предсказания существенных изменений в потоке данных, отображение происходит со значительным коэффициентом сдвига и/или масштаба)
4. За счет повторения шагов 1-3 для смещающихся в буфере данных потока накапливается база ключей и сжимающих отображений в будущее. Каждый раз при срабатывании ключа проверяется точность сохраненного отображения. При высокой точности (малые значения квадратичного отклонения) для данного ключа-отображения увеличивается признак полезности прогноза, при низкой точности ключ может быть расщеплен (увеличением точности) и отображение уточнено (скорректированы коэффициенты масштабирования и сдвига)
5. За счет повторения шага 4 в базе ключей накапливаются наиболее часто повторяющиеся шаблоны отображений в наблюдаемом потоке данных.

Дальнейшее развитие алгоритма заключается в сравнительном анализе ключей-отображений между собой, в их объединениях (обобщениях), улучшении качества получаемых прогнозов, сокращении уровня записи отдельных ключей для более быстрого ассоциирования краткосрочных (контекстных) данных, построение широкого аттрактора ключей для систематизации входящего потока в долгосрочных периодах.

Кроме одномерных потоков данных требуется обобщить алгоритм на многомерные, а так же безмерные (т.е. с неопределенной внешней мерностью) динамические массивы данных.

Одномерный алгоритм может быть полезен на первом этапе для прогноза колебаний цен отдельного актива на отдельно рынке.
Многомерный алгоритм должен позволять связывать множественные потоки в единую структуру
Безмерный алгоритм должен работать независимо от мерности входящих потоков, выстраивая образы минимальной мерности для каждого конкретного случая.

Необходимо сформулировать и доказать (или найти эквивалент) теорему о тождественности одномерного и многомерного (безмерного) отображений с изменение уровня записи (глубина кодирования) ключевых последовательностей значений.

Небольшие замечания.

1. Для одномерного потока данных формула отображения (отдельная итерируемая функция) записывается как X[k*j+m] = a*X[j] + b,
где 0 < k < 1 - коэффициент сжатия отображения, m > 0 - коэффициент сдвига отображемого фрагмента, a - коэффициент масштабирования фрагмента, b - коэффициент смещения значений фрагмента, X - элемент последовательности, N < j < N+L - индекс в пределах отображаемого фрагмента от значения N до значения N+L.

2. Система итерируемых функций определяется наборами значений (N, L, k, m, a, b) таким образом, чтобы отображение фрагмента X[N...N+L]  в фрагмент X[kN+m...kN+kL+m] по методу наименьших квадратов с вычислением коффициента a и значения b дающими наименьшее квадратичное отклонение

3. Запись ключа отображаемого фрагмента в простейшем случае определяется одномерным отображением отсчетов данных начиная с первого и до уровня записи, на котором отсутствуют повторения ключа. Уровень записи определяется как сложение первого значения со следующим, деленным на коэффициент размаха (разница между максимально и минимально допустимым значениями потока), и так далее, т.е. x[1]+x[2]/Z+x[3]/Z^2+...+x[p]/Z^(p-1)

4. Возможна более сложная запись ключа, когда сохраняется не исходная последовательность, а сжатая (прореженная) линейным или, лучше, нелинейным способом. В целом вопрос оптимизации ключа - это вопрос развития адаптивных возможностей алгоритма. При обобщениях ключей наименее значимая информация должна устраняться, и хеш-функция ключа должна описываться как адаптивный внутренний алфавит потока. Над этим вопросом следует поработать более глубоко, тем не менее, начинать тестирование (для понимания какие методы устранения избыточности могут быть применимы) необходимо c наиболее простого алгоритма записи ключа последовательно, возможно, с джокерами для значений, которые могут быть опущены и генетическим алгоритмом скрещивания разных ключей со схожими значениями отображения (коэффициентами a и b)

Первоначальные алгоритмы ожидаются существенно ресурсоемкими, но после накопления некоторой начальной базы количество обновлений базы ключей должно стать линейным. 

Еще один фильм о работе мозга
BTR
digitid
 http://rutube.ru/tracks/371697.html?...40b671d5f1991e
-Лабринты Мозга!

О самом главном в вопросе организации личности
BTR
digitid
Как и обещал, для начала расскажу о самом вкусном: каким же образом планируется организовать такую таинственную вещь, как искусственная личность?

Для начала стоит коротко затронуть сквозной механизм, который обеспечивает внутреннюю организацию впечатлений от восприятия, переходя от более конкретных представлений к более абстрактным.Понимание этого механизма необходимо по простой причине: одного его достаточно, чтобы в потоке восприятия узнавать ранее воспринятые фрагменты, а так же фокусировать внимание на фрагментах ранее не воспринятых, новых; а далее, аналогичным образом, из множества узнаваемых образов складывать общие элементы впечатлений.

То есть, речь идет о механизме, который способен как вычленять детали декомпозируя образы от общего к частному, так и обобщать распознанные детали в новые образы. Далее можно будет показать, каким образом этот механизм порождает все известные феномены ума: чувственное восприятие, узнавание, впечатление,  ассоциативное (интуитивное или образное)  воображение, логическое мышление, память, рефлексия, эмоции, интересы, темперамент и черты характера, личностная мотивация и базовые ценности.

Такой механизм обнаруживается среди математических методов вычисления системы итерируемых функций, каждая из которых является сжимающим (например, афинным) преобразованием одного подпространства состояний динамической системы в другое. Базовые знания по этому вопросу можно обнаружить в статьях по фрактальной компрессии изображений, звука и видео.

Для нашей цели, представим себе динамическую систему как одномерную последовательность значений некоторого параметра X[N]

Мы можем представить себе какое либо отображение подпоследовательности V  в подпоследовательность W по следующей формуле X[kj+n]=a*X[j] +b, где k является коэффициентом масштабирования отображения k = длина(V)/длина(W), n - смещением подпоследовательности W относительно подпоследовательности V: n = начало(V) - начало(W)
При этом, коэффициенты a и b рассчитаем методом наименьших квадратов и так же подсчитаем среднее квадратичное отклонение S.

Продолжая таким образом, мы можем получить набор отображений последовательности X  в саму себя, отбирая при том те итерируемые функции, для которых среднее квадратичное отклонение будет минимальным.

Очевидно, что трудоемкость прямого перебора всех возможностей отражения любого возможного V в любое возможное W пропорциональна 4 степени от длины последовательности X

Тем не менее, важно, что мы получим систему итерируемых функций, которая представляет собой аттрактор нашей последовательности, с любой, наперед заданной точностью.

Линейные преобразования отображений в общем случае могут быть заменены другими функциями, при том, трудоемкость вычислений может вырасти, но и возможности для выявления самоподобия так же могут возрасти.

Теперь, попробуем понять, что же мы получаем, таким методом обработки потока данных. С точки зрения структуры самоподобия, мы выделяем характерные внутренние связи для данного потока. Иначе говоря, мы обнаруживаем фрагменты-претенденты на фокусироку внимания нашей системы.

Уже на данном уровне, мы можем добиться интересных результатов. Например, мы можем предсказывать существенные изменения в потоке данных. Для этого, нам необходимо упорядочить отображения так, чтобы смещение отображения происходило вперед во времени, а коэффициенты a и b были наибольшими. Таким образом мы получим шаблоны наиболее существенных изменений потока, которые достаточно будет протестировать на достоверность или недостоверность воспроизводства и отсортировать по количеству подтверждений и опровержений. 

В этой части задача пока не является тривиальной, поскольку ключевая информация V по которой мы обнаруживаем сигнал к прогнозируемому изменению не записана в явном виде, а представлена набором каких-то других отображений. Иначе говоря, некоторая последовательность отображений, повторившихся при анализе последовательности вновь являются ключом к прогнозирующему отображению. Ключевых отображений может быть в целом любое количество, большее двух. Какое количество ключевых отображений в последовательности будет оптимальным - пока вопрос продолжающихся исследований.

Если какая-либо из последовательностей ключевых отображений повторяется для новой подпоследовательности, ключ считается сработавшим. Оптимальный порог совокупной точности срабатывания ключа так же на текущий момент исследуется. Пока предполагается кластеризация по нескольким порогам квадратичного отклонения количества срабатываний ключевой последовательности и подтверждений/опровержений прогнозирующего отображения

Вводная часть не получилась ни компактной, ни ясной. Попробую оставшуюся часть написать коротко и просто.

Уровень выявления ключевых и прогнозируемых итерируемых функций для исходной последовательности по сути дела соответствует прекогнитивной функции ума. Наиболее подходящая метафора этому процессу - созерцание или восприятие.

Сам по себе процесс восприятия является несфокусированным, равномерным по всему пространсту восприятия.
Исходная последовательность для обработки должна быть представлена как простая линия задержки. Единственное существенное дополнение к естественным рецепторным зонам заключается в том, что рассчитаваемые абсолютные смещения привязываются к конкретному моменту последовательности и "уплывают" в прошлое, чтобы не происходило ошибочных попыток отображения параллельно перенесенных участков с критично высокой вероятностью опровержения.

Если порядка 20% наиболее подтверждаемых отображений сохранять в следующей зоне, мы получим аналог естественной контекстной памяти или зону контекста. Наиболее очевидная метафора для этой зоны - это феномен узнавания, различения, сосредоточения внимания.

Как это происходит? Наиболее подтверждаемые отображения которые уже вышли из "окна" наблюдаемой последовательности сохраняются в контекстной памяти, при следующих появлениях обнаруживаются раньше, чем выявится новая структура самоподобия.

Этот механизм продолжается и далее, из контекстной памяти в краткосрочную, из краткосрочной в среднесрочную, из среднесрочной в долгосрочную, из долгосрояной в постоянную; только запоминаются все более и более устойчивые сочетания ключей и прогнозов. Тем самым параллельно происходит процесс обобщения от частного к общему, вырисовывая в результате наиболее глубокие интересы цифровой личности, наиболее сильно воспроизводимые мотивы.

Вторая сторона этого процесса становится ясной, когда возникает понимание, что модель ключ-прогноз формирует помимо все более обобщенной и неточной картины так же частности различения, иначе говоря, внимание всегда находится в движении на границах общего и частного, вырисовывая изменчивый контур между структурой абстрагированных знаний (основа логического мышления) и конкретными фактами-образами (основа интуитивного, ассоциативного воображения)

Таким образом мы видим довольно насыщенную схему переходов все более и более многомерно структурированной информации о ранее полученных впечатлениях между несколькими зонами.

Назовем нулевую зону рецепторно-эффекторной. В этой зоне строится аттрактор каждого моментального состояния созерцаемого потока, и тремор эффекторов относительно промежуточного устойчивого состояния

Первую зону назовем зоной внимания. В этой зоне строится обобщенный аттрактор (первого уровня) текущей динамики созерцаемого потока, и напряженность эффекторов в направлении следующего устойчивого состояния

Вторую зону назовем зоной впечатления. В этой зоне происходит наибольшее число оценок подтверждения и опровержения срабатывания структур ключевых и прогнозных отображения аттрактора первого уровня, что составляет собой уже независимый от абсолютного положения в потоке аттрактор второго уровня. Так же в этой зоне определяются устойчивые шаблоны усилий - отдельные последовательности целевых состояний эффекторов.

Третью зону назовем зоной воображения. В этой зоне начинается первичная рефлексия ключевых отображений между собой, объединение отдельных впечатлений в последовательные образы. С точки зрения моторики здесь появляются первые шаблоны поведения. 

Четвертую зону назовем зоной логического мышления. В этой зоне обобщенные ключи второго уровня объединяются в подтверждаемые последовательности. В то же время это позволяет рефлексировать поведение формируемое в предыдущей зоне и подтверждать или отвергать его. 

В продолжение модели, пятую зону назовем зоной устойчивой мотивации, интересов и личностных характеристик. Это первое обобщение логических последовательностей на образном уровне. Соответственно поведение обобщается до архетипов

И, наконец, последняя, шестая зона есть зона самоосознавания - рефлексии мотивации пятой зоны.

Можно обнаружить, то шесть зон раскладываются на три пары и две тройки, каждый раз повторяя предыдущий уровень на более высоком уровне обобщения.

Такая модель позволяет обнаружить возникновение широкого множества феноменов естественного ума.

В следующих статьях будет несколько больше информации технической. Однако, еще ожидается одна или две концептуальных статьи, посвященных взаимообусловленному возникновению феноменов ума и более детальному анализу общего механизма вычисления аттрактора системы и его действующей функции, как со стороны восприятия, так и со стороны действия.


Фильмы о принципах работы мозга
BTR
digitid
На Буддийском форуме подкинули ссылку на фильм BBC

123456

Также хороший документальный фильм о принципах работы мозга (например его нормальное функционирование после удаление половины мозга, изменение личности у переживших частичную его атрофию, и вообще о сути восприятия, а также поддержания его в хорошем состоянии и ясном уме до глубокой старости)

О проекте "Цифровая личность"
BTR
digitid
 Привет всем, кто интересуется искусственным интеллектом, цифровым разумом, а так же разнообразными смежными областями!

Для начала, ограничим область интересов этого журнала. Отрасль искусственного интеллекта широка и содержит множество направлений, традиций, школ... Во-первых, здесь речь пойдет о, так называемом, сильном интеллекте. Чтобы однозначно отстроиться от интересных, но узконаправленных задач по распознаванию, эвристическому управлению и т.п. осознанно выбрано существенно менее распространенное понятие "цифровая личность" (digital identity).

В некотором смысле есть тенденция задействовать данный термин в несколько другой области - области социальных сетей и виртуальных онлайн миров, для обозначения игровой или внутрисетевой аватары пользователя. Но, как уже должно быть понятно: этот журнал - не тот случай.

Что немаловажно, речь в данном журнале пойдет не о сферическом коне в вакууме, а о вполне конкретной концептуальной модели и ее технической реализации.

Что желательно знать читателю этого журнала? Во-первых, желательно иметь представления о феноменах и механизмах ума, но не быть излишне привязанным к какой-либо конкретной (жесткой) модели.

Концептуальная модель, предлагаемая автором, может показаться как избыточной, так и недостаточной (или вовсе не имеющей отношения к понятию "модель"). В определенном смысле значительное влияние на эту модель оказало изучение доктрины "взаимозависимого возникновения" (иначе - взаимообусловленного возникновения) или paticca samuppada из философских трактатов буддизма. Почему именно она? Это связано с тем, что буддийской традиции постижения ума (самопостижения) уже больше 2.5 тысяч лет, кроме того, она опирается на более ранние ведические традиции самопознания. К тому же современная западная психология во многом развивалась под влиянием восточных взглядов. Но самое важное зерно заключено в том, что феномены ума в доктрине взаимозависимого возникновения проработаны очень детально и глубоко, а представлены довольно простой и наглядной схемой. 

В то же время, концептуальная модель автора не копирует какие-либо традиционные схемы, а лишь использует их как некий "чек-лист" различных феноменов и их взаимодействия, а потому является открытой и регулярно пересматриваемой.

Во-вторых, читателю хорошо бы немного ориентироваться в таких разделах математики, как итерируемые функции (иначе их еще называют отображения или функциональные отображения, преобразования), фракталы, аттракторы динамических систем.

Это необходимо для того, чтобы лучше понимать математическую часть реализации цифровой личности. Можно поискать информацию о фрактальной компрессии изображений, поскольку логика организации внутренней структуры личности в предлагаемой модели ориентирована на очень близкий метод расчета системы итерируемых функций, каждая из которых вычленяет самоподобные фрагменты запечатлеваемой цифровой личностью картины мира. 

В-третьих, не помешает знание о методах генетического программирования, поскольку это основной способ как оптимизации количества вычислений, так и собственно ведущее техническое решение главной задачи - вычленение все более и более глубинных сущностей, выражающих единство и взаимную обусловленность всех феноменов ума, от первичного распознавания форм, до базовых ценностей, мотивов и интересов.

В целом уже готовы (а частью даже и были опубликованы) материалы, позволяющие разобраться в предлагаемых темах и концепциях читателям просто любознательным и не имеющим специальных знаний. Но в этих статьях может хромать популярность и последовательность изложения, либо, наоборот, доказательность излагаемых методов и идей. 

На текущий момент, исследования проводятся для "одномерной" цифровой личности, что в целом резко уменьшает количество вычислений и делает модель более наглядной и понятной. Тем не менее, такая одномерность вполне остается применимой и для практических задач. Например, последовательности символов в текстах, как при общении, так и в форме изложения, легко сводится к одномерной динамической системе. Так же многие задачи прогноза и управления часто сводимы к одномерным динамическим системам. Одной из интересных задач подобного рода является прогнозирование колебаний цен и автоматизация совершения сделок на бирже. 

Итак, добро пожаловать, и... Продолжение следует!

В следующей статье Вы узнаете некоторые существенные детали проекта "Цифровая личность": основы технической реализации на вычислении аттрактора неподвижного фрагмента одномерной динамической системы в виде системы итерируемых функций афинных (сжимающих) преобразований и о зональном распределении специфических функций системы, вплоть до образования феномена личности и механизмов самоосознания и саморефлексии!
Метки:

?

Log in