With the invention of neural networks and methods associated with them, machine learning has become possible, the character of which is of an accidental nature. ie People can not accurately predict exactly how and when the neural network will learn something.
At its core neural networks are trained in a full search of all possible options, until the successful options are met.
This method is very long and resource-intensive, but in the absence of any additional support points the only possible one.
Let us give an example. We will consider the primitive man as a neural network and see how many years have passed for the emergence of certain technologies by this method of training.
0. We shall consider conditionally that a human has arisen 10 million years before our era
1. Stone ax 3.3 million years BC
2. People took fire 1.5 million years BC
3. Writing 6 500 years BC
4. Wheel 5000 years BC
5. Ships 4000 years BC
6. Money 3000 years BC
7. Pyramids 2500 years BC
8. Iron 1200 years BC
9. Proof Geometry 500 years BC
10. Algebra 820 year AD
11. The law of universal gravitation 1666 AD
12. Differential calculus 1682 year AD
We see that for the first discoveries - a stone ax, fire, writing, a wheel - an insane number of random attempts to train a neural network took place, millions of years were passed since the appearance of man.
But further, relying on these basic discoveries, things went much faster: on the basis of the first group of discoveries, ships were built, metals were smelted, pyramids were built.
The level of civilization of the second group of discoveries made it possible to invent a systematic mathematical and physical science.
The level of third discoveries gave rise to a modern technological civilization. ie When inventing artificial intelligence there are 2 ways:
1) evolutionary - launch a very powerful neural network and just sit and wait for a couple of million years, until she at least learns something
2) revolutionary - to teach the neural network all the most important thing that is known to modern science, so that it will be based on something and go much faster.
-------------------------------------------------------------
С изобретением нейронных сетей и методов, с ними связанных, стало возможно машинное обучение, характер которого носит случайный характер. Т.е. люди не могут точно предсказать, как именно и когда именно нейронная сеть чему-то обучится.
По своей сути нейронные сети обучаются полным перебором всех возможных вариантов, пока не будут встречены удачные варианты.
Этот способ очень долгий и ресурсозатратный, но в условиях отсутствия каких-либо дополнительных точек опоры единственно возможный.
Приведем пример. Будем рассматривать первобытного человека как нейронную сеть и посмотрим сколько лет ушло на появление тех или иных технологий этим методом обучения.
0. Условно будем считать что человек возник 10 млн лет до н э
1. Каменный топор 3.3 млн лет до н э
2. Огнем люди овладели 1.5 млн лет до н э
3. Письменность 6 500 лет до н э
4. Колесо 5000 лет до н э
5. Корабли 4000 лет до н э
6. Деньги 3000 лет до н э
7. Пирамиды 2500 лет до н э
8. Железо 1200 лет до н э
9. Доказательная геометрия 500 лет до н э
10. Алгебра 820 год н э
11. Закон всемирного тяготения 1666 год н э
12. Диффиренциальное исчисление 1682 год н э
Видим, что на первые открытия - каменный топор, огонь, письменность, колесо - ушло безумное количество случайных попыток обучения нейронной сети, прошли миллионы лет с появления человека.
Но дальше, опираясь на эти базовые открытия, дело пошло куда быстрее: на основе первой группы открытий построены корабли, выплавлены металлы, возведены пирамиды.
Уровень цивилизации второй группы открытий позволил изобрести систематическую математическую и физическую науку.
Уровень третьих открытий дал начало современной технологической цивилизации.
Т.е. при изобретении искусственного интеллекта есть 2 пути:
1) эволюционный - запустить очень мощную нейронную сеть и просто сидеть и ждать пару миллионов лет, пока она хоть чему-то научится
2) революционный - обучить нейронную сеть всему самому главному, что известно современной науке, чтобы ей было от чего отталкиваться и идти куда быстрее. |
