Искусственный General Int ...

В чем человеческие существа превосходят ИИ?

Любит | Нелюбов | Ответы | Вид | 4930


Chier Hu Б.А. Новое медиаискусство и информатика, Университет науки и технологии Хуажонг (2016)   
@ | Обновлено Right Now


Люди могут хорошо учиться на небольших выборках.

触类旁通 (возьмите типичный пример, и вы поймете всю категорию)

Когда вы были ребенком, вы однажды увидели изображение слона на альбоме и запомнили его в уме. Спустя несколько дней, когда вы приедете в зоопарк и увидите настоящего слона своими глазами, вы сразу сможете отличить «Кто такой слон» от множества разных животных.

Является ли "только изображение слона" действительно представительным? «Настоящие животные, которых мы видели в зоопарке», могут полностью отличаться от «Картин, которые мы видели раньше», но мы извлекли «Ключевую информацию» из небольшого образца. Это доказывает, что наша небольшая выборочная способность к обучению стабильна, что может быть достигнуто с помощью метода, аналогичного «генерации модели» или «обучению миграции».

Представление понятий

Современные машины не могут эффективно генерировать и манипулировать «представлением концепций». У них нет возможности широко абстрагировать знания. Люди хороши в:

  • выводить другие вещи из одного факта
  • Подводя итоги,
  • извлекая сущность,
  • подвергать сомнению и стремиться доказать.

Например, AlphaGo Zero не имеет себе равных в проблеме Go, помимо того, что полагается на огромную мощь компьютера и полагается на параметры большой нейронной сети, которая накопила миллионы «игр для самостоятельной игры». Количество параметров для самой сильной модели AlphaGo Zero в этой серии составляет около 50 миллионов! Такой большой объем информации, очевидно, нельзя преподавать игроку Го как «Человеческие знания»! !

Напротив, подход к доступу и распространению знаний у людей гораздо более эффективен. В течение тысячелетий, в процессе изучения игры в Го, предшественники усовершенствовали некоторые классические игры в классические игры Гоески, которые были использованы при обучении исследованиям в Го. Лишь несколько слов могут глубоко подвести итог «основного закона игра в го ». Если игрок может понять сравнительно небольшое количество Jōseki, изучить и использовать его, этого будет достаточно, чтобы победить большинство противников-любителей.

Many families value children"s literary education, one of which is to teach children to recite poetry and essays skillfully. This is because "once the training data is more, you can find more statistical rules." For humans, this "process of finding rules" does not require the active participation of consciousness. The "cultivating sense of language" in language learning is a process based on the statistical law of big data extraction. After a large number of corpora training, the current machine can also cultivate "poetic" and "linguistic sense", such as a neural network that can write poetry and modify the sentence.

However, the sagacity of human intelligence is that we have transcended the learning style of "solely accumulating statistical regularity from big data." There are billions of young people around the world who study English, but most of them do not live in an English environment. Therefore, we will explain "grammar and syntax, phonetic symbols and intonation" in English lesson. As long as the students master these "refined rules", they can obtain the similar effect of "learning a large amount of language knowledge" with less data. The pioneers of linguistics summarized and extracted the "General Rules" in "Complex Human Language Phenomena", which made language learning in "Non-Language Environment" possible. This is the holy grail of human intelligence!

Intellectuals in human beings can master the way of thinking from presentation to essence. Today"s machine intelligence cannot "abstracting the knowledge", and this is precisely the core competitiveness of human intelligence.

Learn from the mistakes of others.

Although, through the current algorithms such as reinforcement learning, the machine has a certain ability to "learn from mistakes", but this is still different from human learning. For example, humans will know that "analysis of the opponent"s mistakes is necessary" and hope to find the reason for the real mistake.

Intuitive ability to feel complex problems.

For many complex "multi-objective optimization problems," "Human Experience and Intuition" is likely to be much more powerful than "Computer Enumeration and Simple Patterns." There are a large number of such interesting cases in the field of scientific research. For example, Phylo is a game of DNA Sequence alignment. Sequence alignment is a fundamental issue in Bioinformatics and Genomics. Although there are a large number of mature algorithms, these algorithms do not really solve the problem of Multiple Sequence Alignment. Currently, Multiple Sequence Alignment is classified as a type of NP problem.

Интуиция Human Player может быть более эффективной в решении таких проблем. В игре «Четыре различных цветовых блока» представляют собой «четыре нуклеотида, составляющих ДНК». Регулируя расположение этих цветовых блоков, игрок может легко и приятно сопоставить несколько «гомологичных последовательностей» в соответствии со «стандартом в своем собственном уме». Сегодня «результаты согласования игроков с их интуицией» часто имеют более точные суждения, чем некоторые из «тщательно разработанных алгоритмов».

Ответ Chier Hu на В чем разница между человеческим интеллектом и искусственным интеллектом?

Ответ Chier Hu на Какие задачи ИИ уже превзошел человеческий интеллект?

Ответ Чье Ху на «Могут ли теории и алгоритмы машинного обучения помочь объяснить человеческое обучение?»

Ответ Чиер Ху на вопрос: «Каковы отличия ИИ от человеческого интеллекта?»

Ответ Chier Hu на Паредолию?

| |



Онлайн-курс
«Машинное обучение для людей»
Один из самых трендовых курсов в сфере Цифровой экономики.