意識と無意識の機能的分離のモデル。 はじめに

最近、非常に軽量な記事がAIのトピック、より正確にはAIについてでなくAIの哲学についてのハブに登場し始めました。 さらに、研究者に基本的な疑問を投げかけない哲学。 まあ、それはちょうど人生のためのおしゃべりだと言ってみましょう。 そして驚くべきことに、そのような記事には一定の利点があります。



どんな記事がありますか？ リンクなしで名前のみを提供します 私はそれらを読むことはお勧めしません（人工知能の問題を理解する別の試み、創造者の自己認識と認識のためのAIの可能性について、感情、プログラム、人工知能について、人工知能があること、人工知能についての十分な情報に基づいた懐疑論者の外観）



そのような記事は、対応する教育さえ受けていない人々によって書かれたことは明らかです。 しかし、これはそのような記事の出現の主な理由ではありません。 結局のところ、彼らは実際にそのような記事を公開することで、少なくとも何らかの形で適切な教育を受けた研究者を導くことができると考えています。 私は彼らを失望させます-いいえ、彼らはそうしません、なぜなら 記事ではどこにあるのか分かりません。 そして、これは、研究者自身がどこで開発すべきかを知らないように思われるという事実から起こります（そのようなおしゃべりの出現）。 そして、そのように見えることもあります。 AI専門家の専門的環境においてさえ、多くの場合、どの問題を解決する必要があるのか​​理解しておらず、数学とは異なり、いわば「未解決のAI問題のリスト」はありません。 書籍には、問題を解決するための方法のみが含まれていることが多く、まだ解決する必要があるタスクについてはほとんど何も言われていません。 若い世代が自分自身に仕事を設定することは難しく、彼らは「知性」という言葉だけから空想を始めます。 しかし、誰もがおそらく忘れてしまった/（知らない？）「人工知能」という名前は挑発、広告のトリックであること-真面目な科学者は「強力なAI」を扱っておらず、それができないからではなく、技術的な設定がないからだ。



ここでは、2006年の私の人気の科学記事の1つのリファクタリングバージョンを示します。これは、私が思ったように、セマンティックロードの点では上記で批判したものと同じ行にあります。 しかし、今でも、スタイルは同じですが、明確な技術的声明で私の記事の背後にある可能性があります（そしてそれがあります）。 後で説明しますが、今のところは叙情的な紹介です。 しかし、重要なことは、私が叙情的にAIの分野からの1つの重要な未解決の問題をもたらすことです。







まず必要な理論。 ローゼンブラットパーセプトロンに精通している人は誰でも、彼の叙情的な描写に驚くことができます。 また、「2人以上の教師から教えることの問題」のセクションで説明されている1つの重要な側面のみに焦点を当てることは、今日まで解決されていないAIの問題です。



メモリモデル



まず、読者は、人の記憶はコンピューターの記憶に似ているという意見を捨てる必要があります。 記録されたものは変更されていないと見なすことができます。 それに加えて、メモリレコードには明らかにローカライズされた場所があります。 これには程遠い！



したがって、最初の分布は記憶の主な特徴です。 これには多くの結果があります。

1.メモリは静的ではなく、動的です。 特定の事実がメモリに分散され、常に場所が変更されます。

2.事実には正確にローカライズされた場所がないため、このようなメモリはより信頼性が高い（必ずしも冗長ではない）。 メモリ要素の損失は、格納されたファクトの品質を悪化させるだけですが、ファクトの完全な損失にはつながりません。



2番目の特性は結合性です。 メモリモデルに1つの特性はあるが別の特性はない場合、まず縮退するケースを考えてみましょう。

1.分散型ですが、連想メモリではありません。 プログラミングでは分散データベースとして知られています。

2.連想メモリを分散していません。 エキスパートシステムで使用される直接（または逆）推論として知られています。



分布プロパティに結合性を追加するもの：

1.分散された要素を単一の全体に結合します。

2.以前に提供されなかった組み合わせで分散要素を組み合わせることができます。

3.新しい組み合わせは、以前は未知だった刺激、つまり 答えを予測するかのように（予測）。



したがって、分布は必要条件であり、連想性は先見性（予測）の効果が現れるのに十分な条件です。



先見性の効果は、直観の現れと考えることができます。 それは知的活動の必要な部分と考えられています。 そして、意識よりも無意識の現れにもっと関係します。



意識的予測には他の兆候があります-分布と結合性に基づくことはできません。 それは決定論的な性格と特定の焦点を持っています。 このような予測は、明確な分析式に基づいています。



ここでは、無意識の予測についてさらに説明します。これは、分散記憶および連想記憶で発生する影響の1つです。



人間の脳は、単純な線形パターンのみを認識できます。 複雑なシステムで作業することはありません。それらを単純なシステムに分解し、これらの単純なシステム間の関係を個別に検討します。 すべてのオブジェクト指向分析は、この原則に基づいています。



あるタイプの現象を複雑な組み合わせで与え、別のタイプの現象を他の複雑な組み合わせで与える特性を操作することはできません。 私たちは用語でのみ推論することができます-これとこの特性が存在する場合、現象はそのようなものです。 現実には、そのような単純さは存在せず、複雑さから抽象化するメカニズムを見つけることができなかった場合、次のように推論する必要があります-これとこの特性があり、これとこれが存在しない場合、この特定のケースでは、そのようなタイプの現象です。 しかし、この推論は一般化できません。つまり、予測の希望は失われます。



しかし、人間の記憶はここで試し、2層の原理、つまり記憶の3番目の特徴を提示しました。 これは、脳が外界からの一次刺激（信号）を知覚しないことを意味します。 彼は記憶要素のフィールドにこれらの刺激を表示します。 このマッピングの結果として、初期の非線形刺激は、すでに線形の刺激の完全に異なるセットに変換されます。



2層の原理を実現するには、メモリモデルに非線形表示関数を実装する必要があります。 次の数学的原理から明らかになる理由：

非線形性を線形性にマッピングする原理。 非線形関数の助けを借りて反映される特性の非線形セット（非線形空間で表すことができます）は、ボリュームがはるかに大きくなります（入力数が16を超え、出力数が16の場合、バイナリ入出力ペアの数にどれだけ依存しますか？ ^ 16）は線形分離可能です。



したがって、メモリのこの3番目の特性は何に現れるのか、つまり2層：

1.複雑さから抽象化する可能性についてはすでに述べました。

2.この特性により、私たちは「ピンクのメガネ」で世界を見ています。 私たちは、その直接の複雑さを見ていない、ここに存在するカオスを見ていません-すべてのカオスはすでに取り除かれ、意識世界秩序として私たちの前に現れています。 多くの人はこれらの「眼鏡」を取り除いて、すべての複雑さの中で生活を見たいと思っていますが、私たちの体は私たちのためにこの機能を引き受けました-それはすべての詳細に対処します-私たちが必要とするそのような物質とそのような物質、これは無意識と本能の機能です。 そして、それを意識のレベルに引き上げると（これは不可能ですが）、私たちは創造性のための時間がないためだけでなく、特定のレベルを超えることができないため、私たちは悪化します。 しかし、その後、私たちは世界が歪められているのを見るよう強制されます 彼が私たちの前に現れるように。

3.残念ながら、この特性は否定的にも現れます。 刺激の知覚された世界よりも大きなメモリの順序が必要です。 確かに、これは環境の入力刺激間の関係よりも単純なデバイスのボリュームです。 より正確には、メモリ要素は互いに直接関係しておらず、それらの間に関係はないため、それら自体は単純です。 知覚された刺激間の複雑な関係を分解できるのは、そのボリュームです。 結局のところ、これは数学的なルールであり、それに応じて中間計算の数は入力/出力の数に依存し、それよりはるかに大きくなります。 つまり タスクを計算するには、大量の中間メモリが必要です。



学習モデル（条件反射）



トレーニング中に、分散メモリへの書き込みが行われます。 この記録プロセスは、コンピューターディスクに情報を書き込む場合のように、ローカライズされたメモリロケーションへのインスタント記録とは大きく異なります。 記録された事実のさまざまな部分がどの要素に記録されるかは事前にはわからない。 この事実をどのように分けるかさえ知られていない。



一方では、刺激（事実）が記憶の要素に特定の活動を引き起こすと言うのが習慣です。 これは反応の結果であり、非線形性から線形性への移行の外部的な現れとして現れます。 反応が単純な線形であれば、無条件の反射があります。 そして、非線形の世界に対応したいので、生物学的には上記の特性を持つメモリを使用せざるを得ません。 一方、学生または「教師」は、特定の刺激の出現からどのような反応が予想されるかを決定します。 つまり、トレーニング中に、この事実（刺激）がどのタイプの現象（クラス）に属するかが示されます（より深刻なモデルでは予測されます）。



したがって、記憶活動と受け取った指示との相関が学習の本質です。



結果として生じるメモリアクティビティ（特定の形成法則に従うが、特定の刺激のためにランダムに選択されるため、擬似ランダム）は、どの要素に事実が記録されるべきかを示します-アクティブなメモリ要素。



次に、疑問が残ります。事実情報をどのように配布するのですか？ 数学的には、これは連立方程式、つまり互いに調整する必要がある多数の方程式を解く問題です。



二人以上の教師からの訓練の問題



学習理論のもう1つの重要な点は、複数の異なる教師からのトレーニングに基づいて意見を展開できることです。 より複雑なケースでは、これは外部の教師ではなく、あなた自身の直感ですが、明確に予測することはできませんが、2つ以上の適切な答えになる可能性があり、それらはすべて正しいが、異なる観点から与えられていることを示します



異なる教師の意見の中間点を見つけるという近似は、彼ら自身の意見の発展とはまだ言えません。 原則として、少なくとも限られた領域で、教師の2つ以上の意見を組み合わせた特定の一般的な立場が基礎として選択されると、あなたの意見が現れます。 つまり 教師が独自のインセンティブの代わりに開始したインセンティブの代替があり、それが基礎として採用されます。 同時に学習して教師の結果と同様の結果を得ることができた場合は、意見の展開について話すことができます。



またはより複雑な場合、正しい答えを組み合わせる法律がありますが、これは多大な精神的努力によって行われ、通常日常生活では使用されませんが、記事や教科書のページに載ります。 これは知性の現れであり、これとこれだけ、ここで触れた残りは有機的生命の要素に過ぎません。



この場合、トレーニングにより、同じ教師が提供する写真に存在する矛盾が明らかになる場合があります。 これは、生徒によると、教師によって提供された写真は正確ではなく、ここでは近似を適用できるが、異なるアプローチ（教師）の意見間ではなく、同じアプローチ間で異なる状況に適用できることを示しています。 つまり 学習者によると、教師は同じ状況では異なった行動をしますが、状況が異なることはわかりません。 この効果は、学生が最初にいくつかの他の主要なポイントを選択したという事実によるものであり、トレーニング中に教師のインセンティブを自分のものに置き換えました。 説明されている学習プロセスは、新しい知識の形成、同じプロセスでの異なる視野角の出現などに役立ちます。最も重要なことは、このようなトレーニングをモデル化して自動化できることです。



どういうわけか多くのテキストが判明したため、2つの部分に分けます。 次の部分では、意識の定義と、それが人工ニューラルネットワークで意味するものに直接進みます。 つまり 継続する ...