Resumen hombre-máquina

Autor | Bai Ju

Reimpreso de | Laboratorio de Cognición y Computación Humana

Con el desarrollo de la tecnología informática, es posible que los humanos estudien información compleja. procesos de procesamiento. Una forma importante de procesamiento de información es el reconocimiento del entorno y los objetos por parte de las entidades vivientes. Para los humanos, lo que es particularmente importante es el reconocimiento de información óptica (obtenida a través de órganos visuales) e información acústica (obtenida a través de órganos auditivos), es decir, el reconocimiento de la identidad humana y el reconocimiento de instrucciones. Los robots no tienen órganos sensoriales tan desarrollados como los humanos, entonces, ¿cómo identifican a los humanos y realizan acciones correctas de acuerdo con las instrucciones humanas? De hecho, el reconocimiento de huellas dactilares y el reconocimiento facial no son nada nuevo. Con el rápido desarrollo de la inteligencia artificial, varias tecnologías nuevas de reconocimiento de identidad entrarán gradualmente en nuestras vidas en el futuro.

Con el rápido desarrollo de los robots inteligentes, las personas tienen requisitos cada vez más altos para la "inteligencia" de los robots, y el aumento de los robots de servicios inteligentes también ha planteado requisitos más altos para la tecnología de inteligencia artificial. Como robot de servicio inteligente que se centra en la interacción persona-computadora, la tecnología de reconocimiento de patrones es la tecnología clave central de los robots de servicio. La denominada tecnología de reconocimiento de patrones consiste en utilizar técnicas matemáticas para estudiar el procesamiento e interpretación automática de patrones a través de computadoras. Llamamos colectivamente "patrones" al entorno y a los objetos.

En un sistema de inteligencia artificial, hay un sujeto que llamamos Agente. El Agente encuentra que se encuentra en un entorno determinado y necesita completar determinadas tareas. Si el entorno que lo rodea es un mundo real, el Agente puede ser un robot, pero si el entorno que lo rodea es un entorno virtual como un juego, el Agente puede ser un Avatar;

Para completar una determinada tarea, el Agente interactuará con el entorno de dos maneras. El primero es el sensor DeepMind utilizará más sensores visuales para permitir que la máquina interactúe con el entorno. Por supuesto, si lo desea, también podrá utilizar la voz, el tacto, etc. Por lo que este tipo de agente suele modelar el entorno a través de sus propias observaciones. Pero aquí hay un problema. El entorno suele estar lleno de ruido, interferencias y elementos incompletos, por lo que el agente debe hacer todo lo posible para predecir cómo es el entorno.

Una vez establecido el modelo de entorno, comienza el segundo paso: cómo tomar las mejores decisiones de comportamiento en este entorno. Por supuesto, la interacción entre el comportamiento y el entorno puede tener éxito o fracasar, y los resultados se incorporarán al proceso de observación del Agente en tiempo real, que es el proceso de aprendizaje por refuerzo.

DeepMind combina el aprendizaje profundo con otra tecnología llamada "aprendizaje por refuerzo", que se inspira en los resultados de investigaciones de psicólogos animales como B.F. Skinner. Permite que el software aprenda recibiendo retroalimentación sobre los efectos de las acciones después de realizarlas, como suelen hacer los humanos y los animales.

Kant dijo: La intuición y los conceptos constituyen todo el conocimiento que tenemos, por lo que sólo los conceptos sin la correspondiente franqueza, o sólo la intuición sin conceptos, no pueden producir conocimiento.

La inspiración de este pasaje es que en la llamada ciencia que contiene un sistema de conocimiento correcto, son importantes tanto los factores filosóficos que generan conceptos como los factores empíricos que generan la intuición.

En cierto sentido, se puede decir que la cultura occidental es "cultura codificada". La ciencia y la tecnología, la revolución industrial, la economía de mercado, los valores universales, las relaciones contractuales, etc., están todos codificados. Es necesario señalar que desde el primer día del nacimiento de las computadoras, el desarrollo de los lenguajes informáticos ha estado inmerso en la cultura de la codificación occidental. La declaración más básica en lenguaje informático es if-else. En cuanto a la declaración switchcase, se puede reemplazar completamente con una declaración if else. Detrás de if-else, es o: 0 o 1, ortogonal. Se puede ver que, relativamente hablando, es más fácil para la sociedad occidental ya "codificada" "programarse" para ingresar al mundo virtual y, a su vez, aceptar las normas y restricciones del mundo virtual sobre el mundo real.

En cambio, la cultura china es evidentemente una "cultura del entendimiento". El Tao es muy Tao. "Tao", ¿cómo codificarlo? Para TOEFL y IELTS, 20.000 palabras son suficientes; para chino, 5.000 palabras son suficientes y una palabra tiene múltiples significados. Por lo tanto, los documentos de las Naciones Unidas no pueden basarse en el idioma chino, incluso si eso hiere los sentimientos del pueblo chino. Las oraciones formadas por palabras son más ambiguas. En invierno, usa todo lo que puedas; en verano, usa todo lo que puedas.

Contextual. Ante estas preguntas de los exámenes chinos, los candidatos extranjeros sólo pueden "arrodillarse". Los documentos a todos los niveles en China deben contener las palabras "en principio", detrás de las cuales hay un sinfín de ejemplos y tratamientos caso por caso. El estado más alto es simplemente: "Todo es sin decir nada". Este tipo de sociedad y su proceso de operación no son en modo alguno un si-otro, ni pueden ser abarcados o agotados por un caso de cambio. Ser incapaz de programar, ¿significa que la cultura tradicional y las operaciones sociales de China no pueden trasladarse al mundo virtual?

Las computadoras cuánticas tienen el potencial de programar la cultura tradicional china y la forma en que opera la sociedad china.

En el aprendizaje automático, todas las neuronas parten del estado "vacío" de una hoja de papel en blanco y se especializan durante el proceso de entrenamiento. Durante el entrenamiento, la red recibe "grandes cantidades de datos" y cada neurona se convierte en una experta en identificar patrones específicos en los datos. En el nivel más bajo, las neuronas realizan las tareas más simples. Por ejemplo, en una aplicación de reconocimiento de fotografías, las neuronas de bajo nivel pueden reconocer la luz proveniente de un lugar oscuro o de los bordes de un objeto. La salida de estas neuronas pasa a las neuronas de la siguiente capa de la red, que a su vez buscan características que reconocerán a su manera.

Con sólo unas pocas capas de redes neuronales, pueden aprender a reconocer caras, varios caninos, señales de alto y autobuses escolares.

Fue la breve experiencia de estudio en la Universidad de Cambridge en Inglaterra y en la Universidad de Göttingen en Alemania la que permitió al niño prodigio Wiener comenzar a convertirse en un verdadero joven matemático.

En 1913, Wiener, de 19 años, publicó un artículo sobre la teoría de conjuntos en las "Proceedings of the Cambridge Philosophical Society". Este es un artículo que simplifica la "teoría de las relaciones" a "teoría de clases" y ocupa un lugar en el desarrollo de la lógica matemática. Weiner luego inició una carrera académica.

Dado que el objeto del conocimiento es el hecho, lo relacionado con el conocimiento es la "realidad". Esta realidad es proporcionada por la experiencia sensorial. A diferencia de esto, dado que el objeto de la creencia (creencia) es una proposición, la creencia implica principalmente "posibilidad". Porque este tipo de proposición es algo de lo que he oído hablar o, aunque tengo algunas razones para creerlo, la situación real aún no ha sucedido (como creer que mañana lloverá), etc.

Existen distintos grados de certeza. Kant dio una vez una definición incisiva de esta cuestión: la creencia es subjetivamente suficiente pero el conocimiento objetivamente insuficiente no sólo es subjetivamente suficiente sino también objetivamente suficiente; Se puede decir que este punto constituye la diferencia fundamental entre creencia y conocimiento.

Las estructuras artificiales pueden producir otra estructura con la misma función que ella misma.

Según DARPA, los procesadores de análisis de gráficos son muy necesarios para problemas de big data. Estos problemas normalmente implican relaciones de muchos a muchos en lugar de las relaciones de muchos a uno o uno a uno para las que están diseñados los procesadores actuales. Un ejemplo militar de DARPA podrían ser los primeros migratorios digitales de un ciberataque. Según un caso de uso civil de Intel, podría ser que todas las personas que compran en Amazon estén asignadas a todos los artículos que compran (describiendo explícitamente una relación de muchos a muchos como una relación entre personas y cosas).

El escritor militar Zhu Sujin escribió una declaración muy profunda, describiendo a generales como Han Xianchu: "Casi todos fueron obligados por el sufrimiento, obligados a izar la bandera de batalla y desertar al Partido Comunista para hacer la revolución. Ellos son ellos. No tuvieron más remedio que volverse grandes. En otras palabras, se unieron al ejército para sobrevivir, no para servir como generales. Esto le dio a su carrera militar una minuciosidad de arriesgar la vida o la muerte. En ellos, la connotación espiritual de Oriente. la nación, el espíritu de partido y el linaje están concentrados. Sólo comprendiéndolos profundamente, estudiándolos y apreciándolos podremos heredarlos correctamente”

Clausewitz dijo en "Sobre la guerra": Frente a la imprevisibilidad. en la guerra, un excelente comandante debe tener dos elementos principales:

Ser capaz de detectar destellos de luz es sabiduría; tener el coraje de seguir los destellos de luz. Avanzar es coraje; Sólo la guerra puede completar verdaderamente esa identificación y estimular el potencial de los soldados, que es difícil de descubrir por muy minucioso que sea el examen en tiempos de paz.

Si alguien niega la existencia de objetos puramente matemáticos, debe negar la existencia de cualquier cosa geométrica, por lo que es difícil sostener que nuestras ideas geométricas están abstraídas de las cosas existentes.

Por supuesto, ninguna entidad tiene largo pero no ancho, o solo ancho pero no espesor, porque las figuras geométricas no son entidades sino límites de entidades. Para que nuestras ideas geométricas puedan abstraerse del mundo de los objetos físicos, y para que esto sea admitido como una hipótesis sostenible, el mundo debe ser un mundo geométrico, siendo una de sus características básicas la extensión en el espacio.

Información La tecnología agrega un ciberespacio (el significado original de esta palabra es "dominio de control", este artículo se traduce como "espacio de información") al mundo físico y a la sociedad humana, haciendo de la sociedad humana y del mundo físico un mundo controlable.

Han Bicheng le dijo al agente secreto de Silicon Valley que BrainCo estudia dos áreas relativamente difíciles en el campo de la interfaz cerebro-computadora:

La primera dificultad es el análisis de la conciencia de las señales EEG, en otras En otras palabras, "correspondientes a la conciencia del cerebro humano, ¿qué significan estas señales?" Porque en el campo tradicional del EEG, existe el malentendido de que sólo las señales de EEG obtenidas mediante métodos invasivos (insertando electrodos en el cerebro humano) son más precisas, pero de hecho, las señales recopiladas de forma no invasiva tienen una profunda relación de mapeo con la conciencia del cerebro, y BrainCo está estudiando el análisis del algoritmo y el mapeo de esta señal EEG no invasiva.

La segunda dificultad es el algoritmo adaptativo basado en el aprendizaje humano. En pocas palabras, significa hacer que las personas se adapten a la máquina, enviar señales que la máquina del algoritmo pueda reconocer y encontrar la relación de mapeo a través del entrenamiento. Porque Han Bicheng cree que el cerebro humano es el mejor dispositivo informático y que la capacidad de aprendizaje humano es muy sólida. Resolver un mapeo de clasificación dinámico a través de la adaptación humana es la clave para una mejor experiencia de interfaz cerebro-computadora.

El pensador y escritor Emerson dijo una vez: "Usa un cuchillo para diseccionar las palabras clave y sangrarán". Esto demuestra que el lenguaje está vivo y tiene la capacidad de crear y destruir. El poeta Angelo también habló del poder de las palabras. Las palabras, dijo, son como pequeñas balas de energía que se disparan hacia áreas de la vida que son invisibles a simple vista. Aunque no podamos ver las palabras, se convierten en una energía que llena la habitación, el hogar, el ambiente y nuestro corazón. Ella cree que las palabras que nos rodean impregnan nuestras vidas.

Mediante la asociación de afijos, los alumnos pueden aprender una serie de palabras y ampliar rápidamente su vocabulario. Krashen también mencionó en la "hipótesis de entrada": la adquisición del lenguaje sólo puede ocurrir cuando se acepta una entrada comprensible. La estrategia de elaboración puede establecer la conexión entre imágenes y vocabulario, concretar los materiales abstractos y convertir las palabras objetivo que los alumnos quieren memorizar en entradas comprensibles. Este proceso de procesamiento de información sigue la "hipótesis de entrada" de Krashen. Es una estrategia eficaz de aprendizaje de vocabulario en inglés. .

-Fin-

Destacados pasados ​​

Shi Yigong: La esencia de la vida y los límites de la vida (texto completo)

Dinero Ying Yi: el método educativo tradicional con el conocimiento como núcleo se ha transformado en el método de enseñanza "Trinidad"