Vinnaren i pepparkakshustävlingen!
  • 2
  • 3
2019-07-20, 19:36
  #25
Medlem
Citat:
Ursprungligen postat av adolf512
Det är nog kört för köttpåsarna, detta kommer inte sluta väl.

I vilken värld hade köttpåsarna kunnat vinna end-game? Som den köttpåsen jag är vet jag hur otillräckliga vi är för att samla in universums energier och forma dem efter vår egen vilja (dvs resa mellan galaxer, samla energi från singulariteter, eller förhindra att universum fryser).

Nu finns det säkert ett annat end-game som vi inte ens kan förställa oss i vår köttpåse-skepnad, men använder ovan som exempel iaf.

Det kräver andra konstellationer av intelligens (vad det nu är) för att komma dit. Deep learning (vad det nu är egentligen) kan mest ses som ett steg på vägen.

Men för att återgå till TS, ja, faktisk och implementerad deep learning förändrar saker och ting.
__________________
Senast redigerad av itazon 2019-07-20 kl. 19:39. Anledning: Tillägg
Citera
2019-07-20, 20:03
  #26
Medlem
Trenden just nu går mot mer edge computing att AI kommer att integreras i mindre enheter och kanske inte lika mkt i datacenter. Dessutom är en vanlig processor illa lämpad för AI applikationer så man kommer att se mer specialdesignade kretsar som innehåller färdiga AI lösningar. Nästa problem som faktiskt kommer att kunna göra det svårare med AI är att dagens transistorer inte kommer att kunna krympas mer redan idag är det inte många atomers man har att spela på.
Citera
2019-07-20, 21:42
  #27
Medlem
maniacmans avatar
Citat:
Ursprungligen postat av WbZV
Även om neurala nätverk har fått en renässans på senare år, så har de till och från varit uträknade av AI-forskarna sedan Marvin Minsky på 70-talet beskrev dem som en återvändsgränd. (Minsky byggde själv det första självlärande nätverket 1951.) I ena lägret entusiaster som likt TS hoppas på datorer som programmerar sig själva så att vi människor slipper lära oss hur man gör. I andra lägret skarpa hjärnor som likt Minsky anser att det krävs betydligt mer än så.

Minsky ansåg att neurala nätverk skulle jämföras med datorernas logiska kretsar. En transistor har inte de egenskaper som behövs för att vara byggstenar i en dator, men genom att koppla ihop flera transistorer så får man ideala grindar som går att använda som byggstenar. En mänsklig neuron torde ha ännu sämre egenskaper och enligt Minsky var det nödvändigt att först koppla ihop dem i nät, sedan skulle näten kunna användas som byggstenar i en logiskt tänkande hjärna. Därav menade Minsky att de neurala nätverken (i princip) skulle var utbytbara mot logiska grindar och allt av intresse låg i hur man sedan satta ihop byggstenarna till något användbart.

Jag är fullständigt övertygad om att TS kommer att lyckas bygga ihop något nät som kan utföra en minimalistisk uppgift, t.ex. känna igen ett mönster. (Med det menar jag inte att det är enkelt att känna igen mönster, men det är en tämligen begränsad uppgift.) Alla försök att få nätverken att lösa sammansatta problem kommer däremot att misslyckas. På så sätt håller jag med Minsky om att det är en återvändsgränd. Nätverken kan mycket väl vara användbara som byggstenar (t.ex. för mönsterigenkänning), men sedan måste man göra något annat för att integrera dem.
Väl skrivet! Lite skönt att slippa allt domedagsgap och trams om medborgarlön till folk som inte ska behöva arbeta ;D
Citera
2019-07-21, 00:39
  #28
Medlem
marcus90_kungs avatar
Citat:
Ursprungligen postat av adolf512
Kan också bli mänslighetens undergång, lite farligt när datorer blir mycket smartare än människor. Redan nu spöar AI människor på följande
- texaa holdem.
- go.
- se vad bilder föreställer.
- jeapardy.
- dota 2.

Det är nog kört för köttpåsarna, detta kommer inte sluta väl.
Iofs så har väl AI spöat människor i typ alla spel sedan ca 40 år tillbaka utan att terminators utrotat mänskligheten. Vad är det som ökar den sannolikheten nu?
Citera
2019-07-21, 01:21
  #29
Medlem
Joakwims avatar
Deep Learning är ej en milstolpe i mänskligheten. Mycket hype.

I regel så finns inte mycket kvalitativ data s.a ett nätverk kan tränas. Reinforcement learning bygger helt på att man har en bra simulering med en rimlig belöningsmodell. Dessa optimeringsalgortimer är sällan i närheten av att ge några garantier på optimalitet eller ens övre gränser på någon slags kvalité.

Man kan säga att deep learning (=neurala nätverk som man lappat ihop på olika sätt, dvs ett neuralt nätverk) är lite som en universalhammare. Den kan helt riktigt "lösa" många problem, men det går för de allra flesta problemen alltid att hitta en bättre lösning på kortare tid med en specialiserad algoritm.

För "mjukare" problem av estetisk karaktär, typ bildrestauration eller ansiktsigenkänning, så är neurala nätverk lämpliga --- eftersom att det inte finns någon klockren definition av ett korrekt resultat mer än "kolla på dessa bilder och försöka härma så gott som det går".

Överlag så är det ett långt jävla hypetåg över ANNer som många hoppat på. Det har sina tillämpningsomården men det är *inte* lösningen som tar mänskligheten in i en ny era som somliga verkar tro..
Citera
2019-07-21, 02:04
  #30
Medlem
crawlys avatar
Citat:
Ursprungligen postat av Fri
Först var matematik att räkna. Lade man ett finger på varje fisk med vänster hand så visste man att man hade lika många fiskar som snäckor om man hade en snäcka för varje finger på höger hand.

Sen blev matematik en mystisk religiös konstform med såna som Pythagoras. Användbart för att planera byggandet av ett stängsel, men i övrigt bara en slags överkurs man lärde sig för att det var stiligt. Euler bevisade sånt som att 0=1+e^πi och det var lika vackert som baletterna i Sankt Petersburg. Vetenskapligt kan man inte bevisa någonting, men matematiskt kan man det.

Sen blev matematik, med Newtons Philosophiae Naturalis Principia Mathematica, det alltigenom praktiska verktyget för industrialiseringen och naturvetenskapen (man försökte också tillämpa matematik på ekonomisk teori, men lyckades aldrig).

Matematikens höjdpunkt kom 1960 när Wigner publicerade "The Unreasonable Efficiency of Mathematics in the Natural Sciences". Man behöver ingen data, den vackraste matematiska strukturen är den naturliga sanningen. Tillbaka till antikens heliga cirklar. Funkade lika bra för Einstein som för Ptolemaios. Men inte så mycket för att tillämpa strängteorin som kom till stånd inspirerad av att vacker matte är Sanningen.

När jag tillämpat matematik så har skolböckernas metod att derivera och sen lösa ut X inte räckt långt. Kvantitativa metoder och statistik måste tas till så gott som alltid. Och nu har matematik ersatts av ett väldigt simpelt nätverk av noder som håller var sitt värde och med vikter påverkar flera andra värden. Man tränar upp vikterna på den data man råkar ha. Man får en lösning som inte alls är logiskt bevisad den enda sanningen, såsom klassisk matematik, eller ens att den är optimal, eller ens att den kan analyseras såsom en formel kan analyseras. Men den är tillräckligt bra och väldigt billig. Den gudomliga matematiken förvandlad till en rörmokares praktiska hantverk.

Matematikens slutliga död blir kvantdatorn. Den genuina blackboxen som ingen KAN veta hur den kommer fram till sitt resultat. Lösningsprocessen *finns* inte, bara frågan och resultatet. Och det är bara med en viss sannolikhet korrekt. "Vi frågade oraklet och det sade att..."

Elegant inlägg. Jag tror du har många poänger i det du skriver.
Citera
  • 2
  • 3

Stöd Flashback

Flashback finansieras genom donationer från våra medlemmar och besökare. Det är med hjälp av dig vi kan fortsätta erbjuda en fri samhällsdebatt. Tack för ditt stöd!

Stöd Flashback