Как физические объекты могут "вычислять", "помнить" и "обучаться"

kvisaz — 05.08.2024

Некоторые конспекты по 2 главе из книги "Жизнь 3.0"

первая и третья главы имеют ценность уровня фантастических рассказов или предельно общих рассуждений, а вот вторая глава предъявляет факты

Как физические объекты могут "вычислять", "помнить" и "обучаться"

1. компьютрониум (computronium) - любая субстанция, которая может выполнять любые вычисления. В качестве ее можно использовать множества самых разных физических систем.

Любая материя может быть основой для памяти, если у используемого ее фрагмента достаточно разных стабильных состояний

2. память - есть фундаментальное свойство материии и означает некое устойчивое состояние некоей субстанции. Ну допустим, у нас есть 10 лунок. Мы можем положить шарик в восьмую лунку. Так мы "записали в память" число 8.

3. вычисление - переход памяти из одного состояние в другое. Перемещение шарика между лунками - вычисление. Нахождение прямого угла с помощью трех колышков и веревки с 12 узелками - вычисление (память тут будет пространственное расположение участков веревки).

4. обучение - это предельно смешно, но по факту означает изменение материального объекта после массового прогона состояний по нему. Колея, образовавшаяся в дороге - это "обучение дороги". Смешно? Тем не менее на базовом уровне такое определение позволяет строить сложные системы разного плана.

4.1 обучение в более привычном значении поиска среднего - представим себе площадку с мягким грунтом, на который разные люди бросают небольшие шарики. После множества бросков мы отчетливо увидим углубления в том регионе, который является "средним" для всех бросков. Колею на дороге также можно считать системой, которая "обучилась" сводить все движения по ней к среднему значению траектории первых сотен или тысяч проехавших.



Универсальные вычислительные элементы

Под этим можно считать физические объекты, из массы которых можно построить машины, выполняющие сколь угодно сложные вычисления.

К таким элементам относится
- NAND-элемент (из двух состояний на двух выходах вычисляет, то есть формирует по некоторым правилам, состояние на третьем выходе 00 -> 1, 01 -> 1, 10 -> 1, 11 -> 0
- NOR-элемент (00 -> 1, 01 -> 0, 10 -> 0, 11 -> 0 )
- нейрон -  вычисляет взвешенную сумму чисел на входах и  применяет к результату простую функцию

Нейронные сети - универсальные вычислительные системы

1. нейронные сети  могут вычислять любую функцию с произвольной точностью  (с) 1989 год, Джордж Цибенко, Курт Хорник, Максвелл Стинчкомб и Халберт Уайт

2. нейроны (как биологические, так и искусственные) не только способны производить математические действия, но их для этого требуется значительно меньше, чем гейтов NAND

3. многослойная нейронная сеть намного эффективнее одного слоя нейронов. Пример - задача перемножения N чисел
- для однослойной сети требует 2 в степени N нейронов
- для многослойной сети требует 4 * N
(для 64 чисел это означало бы 18 квинтиллионов нейронов и 256 нейронов соответственно. Квинтиллион километров, для примера, это диаметр галактики Млечный путь)

Общество

Общество - система, которая запоминает, вычисляет и учится, и всё это оно делает с неуклонно возрастающей скоростью


Предсказания

В 2004 году знаменитый визионер Джефф Хокинс, рассуждая об искусственном интеллекте, писал: “Никакой компьютер не может … видеть так же хорошо, как мышь

Сколько времени потребуется, чтобы машины смогли обойти нас в решении всех когнитивных задач? Мы этого не знаем и должны быть готовы к тому, что ответом окажется “никогда”.

Как только технология удваивает свою изначальную производительность, ее часто можно использовать для создания новой технологии, которая, в свою очередь, становится вдвое производительнее старой, что приводит к повторному удвоению возможностей в духе закона Мура.

Уже на протяжении целого столетия стоимость информационных технологий сокращается вдвое примерно раз в два года, что и привело к нынешней информационной эре.

Оставить комментарий

Популярные посты:

• Ранее
• Архив