Страницы: Пред. 1 ... 10 11 12 13 14 ... 22 След.
RSS
ИТ-Ученый (С)?, Ваше мнение об проблемах ИТ
Цитата

Но там где компьютеры удается применить - результаты получаются просто потрясающие. Достаточно вспомнить расшифровку генома человека - ведь почти вся работа была сделана компьютерами ! А с научной точки зрения это достижение такого же порядка как высадка человека на Луне.

Только с точки зрения критики Александра Либова термина "ИТ" + "Наука"  - кто достиг решения: "ИТ наука" или "генетика"?

P.S.
критика термина ИТ Ученый = = ИТ Наука ?!
Изменено: ChemerisNick - 21.04.2010 00:51:44
Цитата
ChemerisNick пишет:
И на мой взгляд для этого нужно решать задачу обратного распознования - подбирать (перебирать) параметры моделей (шар, куб, треугольник), подбирать  (перебирать) параметры освещения и находить степень похожести с растровым изображением.
Протой перебор вариантов вряд ли может быть решением.
Здесь нужен метод описания машиной образа на основании статистической обработки примеров, подходящих под определение.

Цитата
Хотя с точки зрения алгоритмов ИИ и человека - нет формализации таких человеческих операций как, интуиция, понимание, самоцелеполагание (самостоятельность формирования целей ).
Что такое в данном случае интуиция?
Если мы понимаем под ней неосознанно делаемый выбор, то приходим к задаче из области теории принятия решений. То, что принятие решения производится "в фоновом режиме", принципиального значения не имеет.

Самостоятельность выбора целей - это опять-таки процедура принятия решения при проектировании объекта.
Цель можно рассматривать как проект (опережающее отражение) некоего состояния, образа, который в принципе поддается описанию. Соответственно, принципиально возможна и методика проектирования объекта, если он описан.
Цитата

Здесь нужен метод описания машиной образа на основании статистической обработки примеров, подходящих под определение.

Тогда будет распознавание на основе обученной выборки - новый предмет уже не будет распознан!


Под перебором вариантов подразумевалось, что есть алгоритм|формула, которая позволяет, имея параметры модели x1,x2,...,xn перейти не к какому-то вектору +RND[i], а к тому где h(x) --> min. Эвристическая функция h и подразумевает тот самый "гениальный" алгоритм|формулу.

Причем мне кажется это правильный подход - строить по растровому изображению наиболее вероятное модельное описания из трехмерных геометрических фигур, которые уже можно анализировать как объекты какой-то  знакомой конструкции. Причем это также позволяет предполагать весь объект, имея на камере только его часть - что при статистическом распозновании (методы Байеса, нейронные сети) тяжело сделать.

Для реализации обратного "рединга" нужен мультипроцессорный перебор микротеугольников с подбором различных вариантов освещения чтобы найти микроплоскости (наборы треугольников), а затем как в случаи с распознаванием на плоскости строить  - укрупнение микротреугольников в более вероятную плоскость ( к примеру для плоскости  от отрезков перейти к прямой, к кривой, кругу, ...)
Изменено: ChemerisNick - 21.04.2010 22:48:07
Цитата
Цель можно рассматривать как проект

Под самостоятельностью выбора цели - подразумевалось принятие решения заранее не заданного алгоритмом.

Если создать алгоритм формирования "проекта"| "шаблона" для генерации целевого правила, то получится фактически случайный перебор для поиска единственно верного правила(правил). Машина будет просто искать экстремум на базе правил. Найдя его, будет постоянно использовать, и процесс принятия "самостоятельного решения" окажется одноразовым.



Мне кажется, что ближе к пониманию модель баз знаний: формирование сети связанных между собой символов, обработка которых означает описание объекта. НО алгоритм формирования базы знаний (динамические базы знаний) - задаются алгоритмом, что подразумевает, что область понимания заранее задана программистом, программа вроде будет как Google-поисковик просеивать информацию формируя для нее наборы семантических символов, чтобы человек мог задать вопрос и получить ответ.

Теоретически можно использовать динамические базы знаний для описания игрового персонажа живущего в виртуальном компьютером мире, который программа пытается описывать через базовые термины и принимать решения опираясь на созданные определения - фактически формировать знания для себя. Но будет ли это понимание. а не его иммитация?

Не зря фильм AI - это вечная классика данного жанра: как отличить умную куклу  от живого электронного организма, когда постоянно стараются сделать более реалистичную куклу, способной имитировать эмоции ?
Изменено: ChemerisNick - 21.04.2010 23:01:39
Цитата

Что такое в данном случае интуиция?
Если мы понимаем под ней неосознанно делаемый выбор, то приходим к задаче из области теории принятия решений. То, что принятие решения производится "в фоновом режиме", принципиального значения не имеет.

Дайте Архимеду точку опоры и он повернет Землю  :)

Под интуицией - я подразумеваю оценить ситуацию без логического анализа, фактически нейронная сеть или алгоритм вероятностной связки между ситуацией и принимаемыми решениями или оценочными параметрами.

Но технически нейронная сеть получается должна обрабатывать Gb ^ Gb информации причем с очень длительным периодом обучения, так что реализовать фактически не получается,

P.S.
Ваш вариант реализации интуиции - это сопрограмма, которая параллельно оценивает альтернативные варианты, давая главному алгоритму варианты найденных решений.

Я исходил из варианта понятия интуиции, когда решение принимается через опыт, а не через логический анализ, или еще каким-нибудь способом. Ведь интуиция - это метод принятия решения. являющего отличным от логического анализа или случайного выбора.

Ваш вариант интуиции  - это подсознание (работающее как сознание: анализ, оценка, рассмотрение нескольких альтернатив ), которая подкидывает сознанию оценку ситуации или более выгодное действие в соответствующей ситуации, причем сознание воспринимает данную информацию как эмоциально\чувственное восприятие.
Изменено: ChemerisNick - 21.04.2010 23:08:20
Цитата
ChemerisNick пишет:
Тогда будет распознавание на основе обученной выборки - новый предмет уже не будет распознан!
Новый предмет распознается как... новый предмет, исследуется и классифицируется в системе существующих.
Человек именно так и делает.
Изменено: Олег Измеров - 22.04.2010 09:21:13
Цитата
ChemerisNick пишет:
Под интуицией - я подразумеваю оценить ситуацию без логического анализа, фактически нейронная сеть или алгоритм вероятностной связки между ситуацией и принимаемыми решениями или оценочными параметрами.
А кто сказал, что интуиция на самом деле не опирается на логический анализ?
У нас часто отождествляют логические рассуждения и логические операции.
Если нет рассуждений, это не значит, что нет логических операций на бессознательном уровне.

Цитата
Ваш вариант интуиции - это подсознание (работающее как сознание: анализ, оценка, рассмотрение нескольких альтернатив ), которая подкидывает сознанию оценку ситуации или более выгодное действие в соответствующей ситуации, причем сознание воспринимает данную информацию как эмоциально\чувственное восприятие.
Именно так. Эмоционально-чувственное восприятие - это интерфейс подсознания, свертывающий большой объем перерабатываемой информации в информацию о принятых решениях, выраженную в чувственной форме. Например, оценка степени опасности, вероятности того или иного события ("Чувствую, что трамвая придется ждать долго") и т.п. Сознание - это принятие решения на более высоком уровне, отличающееся тем, что человек на основании рассуждений может принять решение, противоречащее принятым на подсознательном уровне, одновременно корректируя этим подсознательный уровень. Рассудочное поведение есть форма приспособления человека к окружающей среде, с помощью которой он может исправлять ошибки интуитивно-рефлексивного поведения. (Например, у Винни-Пуха "Дыра- это нора. А нора - это Кролик. А Кролик- это компания, где могут угостить". Сама же по себе дыра в земле с медом не ассоциируется.)
Изменено: Олег Измеров - 22.04.2010 09:36:38
Цитата

Новый предмет распознается как... новый предмет, исследуется и классифицируется в системе существующих.
Человек именно так и делает.

Если распознование идет от идентификации заранее известных предметов - то это получается статистическая проверка:  соответствие набора пикселов тому, что соответствует идентифицируемому предмету,

Если предмет новый - не  содержится в памяти идентифицируемых признаков - то определить похоже ли дерево на куб или сфера - даст НЕТ.

Если разбивать идентификацию до уровня маленьких треугольников - то будет как и говорил: задача обратного распознования - из набора треугольников - определить наличие куба, сферы, цилиндра - конструкции похожей на фрактальное дерево,
Цитата
ChemerisNick пишет:
Если распознование идет от идентификации заранее известных предметов - то это получается статистическая проверка:  соответствие набора пикселов тому, что соответствует идентифицируемому предмету,
В том-то и дело, что это не распознавание набора символов. И тем более не пикселов, т.к. конструкторская документация в векторной графике. Здесь необходимо распознавание геометрических форм и по ним - назначения детали.
Цитата
Здесь необходимо распознавание геометрических форм и по ним - назначения детали

То есть задача второго порядка (под первым я подразумевал обработку информации от видеокамер) - по векторной информации определить фигуры ими описываемые.

Цитата

Протой перебор вариантов вряд ли может быть решением.
Здесь нужен метод описания машиной образа на основании статистической обработки примеров, подходящих под определение.

Возможно тут применим подход формальных грамматик. Когда конструкции фигуры (композиции векторов) описываются символом. Набор соответствий композиция = символ, даст описания композиция, символ, композиция = символ. И так далее.

Фактически распознование  - это наличие правила: символ, символ, ... , символ = куб.

Цитата

В том-то и дело, что это не распознавание набора символов.

Под символом я подразумеваю "семантический символ" - знак, предикат, изображение, набор кодовых букв, не для прочтения, а для идентификации ситуации.

К примеру: TR - угольник (x1,y1,z1,x2,y2,z2,x3,y3,z3), PLN - плоскость (x,y,z,nx,ny,nz)

x( TR, PLN ) - правила проверки наличия выступа UP и тогда символ UP - означает наличие истинности предиката x( TR, PLN )
Изменено: ChemerisNick - 24.04.2010 01:11:49
Страницы: Пред. 1 ... 10 11 12 13 14 ... 22 След.

ИТ-Ученый (С)?


Портал журнала «Наука и жизнь» использует файлы cookie и рекомендательные технологии. Продолжая пользоваться порталом, вы соглашаетесь с хранением и использованием порталом и партнёрскими сайтами файлов cookie и рекомендательных технологий на вашем устройстве. Подробнее