Искусственный интеллект скоро будет говорить на собственном языке — Код НЛО | UFO code

Основанный язык - это новый шаг к искусственному интеллекту, открытый OpenAI. Статья посвящена системе, которая изобретает язык, который привязан к восприятию мира.

Искусственный интеллект скоро будет говорить на собственном языке

Искусственный интеллект скоро будет говорить на собственном языке

Основанный язык - это новый шаг к искусственному интеллекту, открытый OpenAI.

Статья посвящена системе, которая изобретает язык, который привязан к восприятию мира. В целом, сообщение раскрывает возможности, которые могут быть открыты через исследования, связанные с искусственным языком. По крайней мере, язык будет похож на язык сигнала, характерный для животных. Дальнейшие языки будут развиваться в более сложные технологии.

Существует не такая вещь, как эволюция языков. Существует эволюция способности использовать языки. Эта способность появилась около 75000 лет назад. И это было очень просто. И то, что мы называем сегодня языком, - это то, как наш язык превращается в устный поступок. Как отметил Хомский, это вторичный язык в отношении основных процессов мышления. Существует множество из 6000 различных языков по всему миру. Мы действительно хотим понять, что основной принцип дает нам возможность приобрести любой из этих 6000 языков. И создать несколько новых.

Язык - это не разговоры, а скорее внутренний процесс. Это ближе к процессу мышления.

Язык в некотором смысле похож на видение.

У нас есть письменный язык, и у нас есть несколько фотографий. Возможность взглянуть на объект из нескольких перспектив одинакова, задавая вопросы для деталей или скрытых фактов. Внутренний диалог - то же самое, чтобы воображать сцены. Самая интересная часть состоит в том, что две способности ближе, чем когда-либо, на самом низком уровне. Кроме того, они построены из того же материала с теми же принципами. Обнаружение системы, которая может обрабатывать как зрение, так и язык, является основой для интеллекта.

Конечной целью является создание системы, которая распознает реальность посредством визуального восприятия, а затем создает абстракцию. Кроме того, система может использовать язык для манипуляций с абстракциями. Цель состоит в том, чтобы связать его так, как это делает человеческий разум. Я больше писал об этом процессе перевода здесь:

What Makes Translation the Essence of Intelligence – Chatbot’s Life
How many of you recognize the pattern on image above? Yes, it’s Fibonacci numbers

Несмотря на то, что язык и видение относятся к тем же абстракциям в уме, источником всех абстракций является реальность, и поэтому мы начинаем хватать его простейшими визуальными объектами, а не языком. Более поздние описываемые языком объекты становятся такими же реальными, как то, на что мы смотрим. Но нет возможности понять человеческий язык для машины без взаимодействия с физическим миром. Вот почему обучение OpenAI в области коммуникации является многообещающим.

Еще одна причина для таких исследований заключается в том, что пока еще нет возможности поместить роботов в физический мир, чтобы изучить всю среду. Это займет слишком много времени. Невозможно получить язык через статические данные. Единственный способ - быть активным участником среды. Кроме того, нет простых способов сделать уклончивые эксперименты с человеческим разумом, а компьютерное моделирование - лучшие кандидаты, чтобы стать инструментом лингвистики в 21 веке.

Цель состоит в том, чтобы создать интеллектуального агента, который нас понимает. И это довольно сложная проблема. Он занимается исследованиями с 1960 года. Однако мы еще не смогли формально описать язык, поскольку он не существует без контекста. Окружающая среда - такой контекст.

Конкуренция и сотрудничество

Мы уже видели систему, способную продемонстрировать удивительные результаты в экспериментах по усилению обучения. Это игра DeepMind Q-learning, играющая в игры Atari. Короче говоря, система имела среду и агент, зарабатывающий счет. И агент успешно научился хорошо играть.

Еще одним прорывом стал AlphaGo . Главное отличие в том, что противник присутствовал за игрой. Кроме того, в среде было гораздо больше состояний. Один из блестящих решений стоит упомянуть, что агент играл против собственных копий.

Следующим шагом будет система, в которой агенты могут найти способ сотрудничества друг с другом для достижения дополнительного значения для обоих. Исследование OpenAI показывает, как интеллектуальный агент ведет себя в совершенно другой среде -  кооперативном мире, подобном нашему.

Learning to Communicate

In this post we'll outline new OpenAI research in which agents develop their own language. Our hypothesis is that true language understanding will come from agents that learn words in combination with how they affect the world, rather than spotting patterns in a huge corpus of text.

Проблема BlackBox

Внутренний язык может стать следующим прорывом, чтобы помочь справиться с сложностью рамок ML. Сегодня мы должны приложить много усилий, чтобы выяснить, что делает система ML и почему. Язык, который очень близок к человеческому, - это готовый интерфейс для работы с двигателями ML. Для многоцелевых агентов такой язык является наилучшим способом определения целевой функции.

Действительно, поскольку системы ИИ становятся все более сложными и сложными, трудно представить, как мы будем сотрудничать с ними без языка - не имея возможности спросить их: «Почему?» Более того, способность легко общаться с компьютерами сделает их бесконечно более полезный, и он не чувствовал бы ничего сверх магического. -  Будет рыцарь

Цитата является частью статьи, в которой раскрываются некоторые моменты, в которых язык предоставит значительные преимущества:


Creating machines that understand language is AI’s next big challenge
Machines that truly understand language would be incredibly useful. But we don’t know how to build them.

Сам язык

Несмотря на основную структуру и разницу в словарных возможностях, можно описать английский и китайский языки с помощью тех же терминов: существительные, глаголы, частицы, времена и т. Д. Оба языка были созданы тысячами коммуникативных умов на вершине окруженной реальности. Следующая статья демонстрирует детали:

Удивительно простая логика за японской структурой предложений.

Представьте себе двух человек на английском и китайском языках. Они беседуют. Нет возможности отправлять что-либо, кроме родного. В этой ситуации нет возможности изучать для них язык. (Этот аргумент довольно близок к аргументам китайской комнаты .) Но представьте, что они встретились. В ближайшее время не так сложно выучить язык. Что изменилось? Они получили окруженную реальность. Они могут подключить к нему новый язык. Младенцы могут приобретать язык таким же образом.

Языковые игры

Эта статья не будет полной без упоминания языковых игр, разработанных Людвигом Витгенштейном. Рассмотрим описание из Википедии:

Язык предназначен для общения между строителем А и помощником Б. А строит со строительными камнями: есть блоки, столбы, плиты и балки. B должен пройти камни, в том порядке, в котором им нужен. Для этого они используют язык, состоящий из слов «блок», «столп», «плита», «луч». А называет их; - B приносит камень, который он научился приносить в такой-то звонок. Задумайте это как полный примитивный язык. (PI 2.) [3]

Позже добавляются «это» и «там» (с функциями, аналогичными функциям, которые эти слова имеют на естественном языке) и «a, b, c, d» как цифры. Пример его использования: builder A говорит «d - slab - there» и points, а строитель B подсчитывает четыре слэба «a, b, c, d ...» и перемещает их в место, на которое указывает A. Язык строителя является деятельностью, в которую сплетено то, что мы будем признавать языком, но в более простой форме. Эта языковая игра напоминает простые формы языка, преподаваемые детям, и Витгенштейн просит, чтобы мы понимали это как «полный примитивный язык» для племени строителей.

Таким образом, исследования OpenAI - это шаг к созданию агента, который будет адаптироваться и интегрироваться в сотрудничестве с людьми. Каждое такое сотрудничество может быть определено как языковая игра.

Кроме того, я рекомендую статью, написанную Эберхардом ШенебергомВ нем разъясняется роль языковых игр в ИИ.

Вывод

Мы сделали шаг на пути развития умной системы из семян. Эти семена являются предпосылками и алгоритмами. Кроме того, семена ясны и воспринимаются, в то время как окончательная система является мощной и едва ли понятной. И комбинация нескольких семян приведет к более мощным интеллектуальным машинам и, в конечном итоге, к AGI. «Учиться общаться» - еще одно семя в списке глубокого обучения усилению, Q-обучения, планирования Монте-Карло и т. Д.

Тем не менее, мы не знаем, как копировать ценные принципы работы из мозгов, и мы изобретаем аналогичные по частям, используя пробный подход и моделирование. Кроме того, нет ощутимого сознания, но мы находимся на пути к созданию новой структуры с возможностью общения.

Представьте себе, что каждая экспертная система ML сможет говорить и изображать свой процесс мышления. Заметный тренд - это обоснованный язык.

Я бы даже сказал, что у нас сегодня есть застой в ИИ. Пока мы находимся на стадии развития технологий. Тем не менее, можно будет распознавать возможности ИИ только в фазе продукта, и это произойдет.

Источник

Нравится
Не нравится
RSS
Нет комментариев. Ваш будет первым!

Другие новости

Подводные НЛО

Как будто понимая свое превосходство, загадочный объект даже не пытался скрыться и крутился около военных

Лекарь из иного мира

Туманная фигура слегка покачнулась в дверях, и из её горящих глаз ударили в Бориса два луча света." Конец сентября 1991 года. Самое начало бабьего лета. Город Батайск Ростовской области. Семь часов вечера.

Авторизация

Поделиться ...