Hur många egenskaper har ett föremål?

Det beror ju på är isåfall det enda svare.
Datorn/apan/mongot kan ju särskilja de olika bollarna med hjälpmav en egenskap: färg.
Är alla bollar blå kan den istället använda storlek.
Är alla bollar blå och lika stora räcker det fortfarande med en egenskap: vikt.

Osv.d det handlar om att välja rätt egenskap.


Om du börjar blanda in att man ska "lära datorn ord" då bör du nog börja med att läsa in dig kring ai och dess utmaningar och definitioner innan vi fortsätter.. Vad innebär exvis att en dator "förstår" ?

Dit: hur gör du själv när du går in ibadrumet å väljer att bajsa i den lilla möbeln som ser ut som en stol istället för i handfatet? Behövs ju max två egenskaper för att plocka ut rätt föremål: står den på golvet? Finns det en sits? Eller ännu enklare: sitter det en spolknapp på toppen?

Intressant fråga.

Hur många egenskaper måste du identifiera på din mamma för att veta att det är din mamma?

När du identifierat henne kan du lägga till "oändligt" många egenskaper som alla är helt irrelevanta. Med andra ord: antalet egenskaper har mindre betydelse än vikten av de egenskaper som kommer först.

Hur kommer det sig. Och är inte det en mycket bättre fråga?

Datorer kan ju bli programmerade till att identifiera egenskaper som "fart/rörelse", och därefter låsa på det.

Även egenskaper som färg, som temperatur osv.

Det finns ju även både röstigenkänning och ansiktsigenkänning, och det är ju också egenskaper som datorn kan identifiera.


Jag vet inte hur mycket, hur många egenskaper som "något" måste kunna identifiera för att kunna handla.
Dvs hur många egenskaper en dator måste kunna identifiera för att kunna göra något.
Som andra i tråden skrivit så förändras ju världen med minsta rörelse egentligen. Så fort perspektivet förskjuts så blir det fler, och/elelr andra intryck man får behandla.

Man måste filtrera alltså, veta vad som är väsentligt och inte.


Insekter tex har ju mycket små hjärnor.
Men vissa insekter, såsom bin osv, de "rör sig i rummet" i relation till de "vägmärken" de memorerat och identifierat.
Det gör de genom att hovra framför det, och på det sättet memorera dess egenskaper så gott det går.
Tex ingången till boet.
Blomsterrabatten bredvid boet.
Radhuset bakom blomsterrabatten.
Blomsorten A, som den kan suga nektar från.

Osv

Bara det som är väsentligt för den memorerar den, resten är bara bakgrund.


Och jag vet som sagt inte hur datorer, tex robotar, hade kunnat programmeras för att tex röra sig autonomt i världen, eller ens i en viss given miljö.
Men, det är väl klart, att ju mindre en miljö är, ju lättare borde det vara.

En frigående robot som tex hade fått som uppgift att klippa rosor i ett inhängnat fält med rosor, den hade ju behövt kunna särskilja mogna rosor från omogna och övermogna.
Dern hade även varit tvungen att känna till underlagets egenskaper. Som stenar tex, att undvika stenar och ta sig runt dem. Att identifiera staketet och rosplanteringens slut, de olika raderna.

Men - den hade nog inte behövt veta något om tex buskarnas blad, stammar, om ogräs, elelr något sådant. Det enda den fokuserar på är det röda i den mogna rosen.

Det hade varit väldigt handikappat egentligen.

Dvs inte som något som hade rört sig fritt i stan, som du och vi andra.
För en så pass avancerad syssla hade det ju krävts oerhört mycket.

Det enda som hade kunnat fungera där hade ju varit en dator som hade kunnat lära sig av sina upplevelser, av vad den ser, av vad den uppfattar.
Men sen, när den "vuxit upp", och blivit vuxen så att säga, då hade väl det gått att bara föra över dess kunskaper osv till alla andra robotar, så att de inte hade behövt lära sig allt på samma sega, långdragna sätt.

Dvs en sån robot hade ju kunnat lära sig genom observation.
Genom att observera hur man går och lägger ett brev på brevlådan.


Men - inte ens vi själv behöver veta allt om allt.
Vi måste tex inte veta vad en trottoar är byggd av osv för att ändå kunna gå på den, och veta att vi inte ska gå ut i trafiken.
Samma sak kan djuren klara av. Katter tex promenerar ju också på trottoarerna. Men de vet inget om de sofistikerade egenskaper vi associerar till trottoarer - de bara vet att det är det säkraste för att undvika de farliga bilarna.

Skall man vara strikt är antalet egenskaper ändligt, om än väldigt stort.

En binär egenskap motsvarar ett test som utfaller sant eller falskt för ett givet föremål. Ett föremål som har N bitars informationsteoretisk entropi kan ha 2^N unika egenskaper. I praktiken söker vi efter ortogonala egenskaper och dessa är N till antalet.

I kvantmekaniken är det enkelt. En elementarpartikel har sina kvanttillstånd och kan inte ha fler egenskaper. Makroskopiska föremål har mer entropi, men den är fortfarande ändlig.

Jo, det är sant och en fråga som jag också ställer i trådstarten även om det kanske inte är särskilt tydligt. I andra stycket skriver jag att om nu alla föremål har oändligt många egenskaper; hur ska man lära en dator att förstå vilket föremål det är? I någon mening måste man - som du säger - välja vilka egenskaper som ska komma först. Men en lyckligt ovetandes dator måste testa sitt register mot oändligt* många egenskaper, vilket förmodligen tar oändligt lång tid. Slutsatsen är att programmeraren måste sätta gränser för vilka tester som är intressanta för en dator, för att slippa detta oändligt stora problem. Frågorna som följer då är:

• Hur "lär" programmeraren datorn att välja rätt egenskaper att testa mot? Alltså, hur vet datorn att den ska testa sitt register mot en blåmes och inte en balkong?
• Hur väljer programmeraren datorns register?
• Om vi tänker oss en självlärande dator, på vilket sätt lär man en dator att själv finna egenskaper och lista dessa som mer eller mindre framträdande för att identifiera föremål? I detta fall måste datorn själv skapa sitt register och oberoende av programmerare finna sina referenser till världen. Här tänker jag att man kanske på något sätt kan härma människans spegelneuroner men exakt hur kan jag inte svara på.

* alternativt jävligt många Kan vi vara säkra på att de egenskaper vi talar om är linjärkombinationer av just sådana ortogonala egenskaper? Hur väl svarar en sådan modell till fenomenet färg till exempel? Även om färg är en våglängd så finns det även upplevelsen färg, vilket kan skapa problem för en programmerare men kanske inte en dator. Se exempelvis https://sv.wikipedia.org/wiki/Simultankontrast.

Precis, frågan är - hur vet man det? Vad är det som är väsentligt med det vi tittar på?

När du och jag till exempel tittar på vår brödpåse på morgonen, vilka egenskaper hos denna brödpåse är tillräckliga för att vi ska förstå att det är den?

Sedan skriver du även att man måste lära datorn att kontrastera det den försöker identifiera mot bakgrunden, och då måste den även förstå att de föremålen inte ingår i dess register, alternativt att det inte är föremålet den söker. Förövrigt får jag lite vibbar till (FB) Måste vi kontrastera ting mot varandra för att förstå dem? så om du eller någon annan tänker något intressant om detta kan vi diskutera det mer ingående där.

Nu gällde frågan hur många egenskaper ett objekt kan ha, vilket är något helt annat än hur många upplevelser vi kan ha.

Ett objekt kan ha egenskapen av en viss ytstruktur. Hur en sådan ytstruktur reflekterar ljus är en egenskap hos ytstrukturen då alla objekt med samma ytstruktur reflekterar ljus lika. Vilket ljus som faktiskt reflekteras beror på valet av belysning. Och hur det reflekterade ljuset sedan uppfattas är en egenskap hos observatören och inte hos ljuset. Om en insekt och ett däggdjur upplever rött olika, beror det på att observatörerna har olika egenskaper, inte på att det röda objektet har det.

Gällande den andra frågan om tolkning och kategorisering av bilder, så är det ett aktivt forskningsområde där jag tyvärr inte är speciellt påläst. I princip behöver man träna datorerna till att göra samma associationer som människor gör. Har vi en bild av Björn Borg som lyfter en mjölkkanna, så ser datorn Björn Borg och en mjölkkanna, medan en allmänbildad svensk sorterar in det under historiska cup-segrar i tennis. Och för att göra samma val måste datorn tränas till att bli allmänbildad. Även en indian från Brasiliens urskogar skulle kugga det testet då det krävs både intelligens och bildning.