인간의 모든 학습은 뉴런 간의 안정적인 연결의 형성일 뿐이며 연결이 강할수록 더 많은 경험을 할 수 있습니다. 여기에서는 모든 것이 간단합니다.
심리적 (인지) 왜곡과 외부 세계에 대한 인식 모두 왜곡이 더 어렵습니다. 이전 경험에서 오류와 조정을 모두 도입합니다.
그러나 기계를 사용하면 모든 것이 더 간단합니다. 데이터를 왜곡할 수 없으며 기계를 재교육할 수 있다고 가정하면 이 교육은 다를 수 있지만 기계는 이전 경험을 비교하고 새로운 지식이 유용하거나 악의적일 것이라고 결정할 수 없습니다 그 반대는 해로울 것입니다. 즉 . 사람에게는 항상 새로운 지식이 경험이 될 수 있도록 하는 일종의 내면의 자아가 있을 것입니다.
나는 거의 도울 수 없습니다. 나 자신도 여전히 잘 이해하지 못합니다. 나는 사고 알고리즘이 존재하고 그것이 있기 때문에 합리적이라는 것을 알고 있습니다.
글쎄, 나는 당신이 언어적 조작 형식을 표현했기 때문에 작업에서 약간의 불일치가 논리적이라고 생각합니다. 그러나 동일한 부조화가 사람들 사이에서도 발생합니다. 한 사람이 말하는 것이 반드시 다른 사람이 듣는 것은 아닙니다. 그리고 이것은 언어적 구성 요소에서 발생합니다. 더욱이, 잠재적 왜곡에는 적어도 두 단계가 있습니다. 첫 번째는 말하는 사람이 부주의하게 아이디어를 표현할 때이고 두 번째는 지각자가 표현을 처리할 때입니다.
이제 의미론적 구성 요소로 돌아가자. 이 수준에서는 왜곡이 불가능합니다. 의미 수준의 아이디어는 동등하게 생성되고 인식됩니다. 예를 들어 신경 인터페이스가 있습니다. 결국, 그것들은 명확한 의미 코드를 직접 제거합니다(초등 신경 충동이든 더 자세한 의미 시퀀스이든). AI가 언어적 형식을 포함하여 형식을 변환하는 옵션과 함께 초기 의미론적 형식을 기반으로 하는 경우 AI로 인해 정보를 처리하고 관련 표현을 생성하는 어려움을 보지 못합니다.
그리고 일반적으로 어려움을 선언하기 전에 적어도 직접적으로 그에 맞서 쉬어야 합니다. 잠재적으로 정의되지 않은 복잡성을 어떻게 추론할 수 있습니까?
일부 데이터를 비교하는 데 어떤 어려움이 있습니까? 특히 특정 데이터가 자주 겹치는 경우? 1) 처음에 한 데이터에서 다른 데이터로 링크를 그리고 2) 여러 교차에 대한 자동 일치 지시문을 설정할 수 있습니다. 처음에는 많은 조정이 필요하다고 가정해 보겠습니다. 그러나 일반적으로 개인적으로 이러한 것들이 오랫동안 구현되어 왔다고 봅니다(주관적인 관점에서 볼 수 있음).
일부 데이터를 비교하는 데 어떤 어려움이 있습니까? 특히 특정 데이터가 자주 겹치는 경우? 1) 처음에 한 데이터에서 다른 데이터로 링크를 그리고 2) 여러 교차에 대한 자동 일치 지시문을 설정할 수 있습니다. 처음에는 많은 조정이 필요하다고 가정해 보겠습니다. 그러나 일반적으로 개인적으로 이러한 것들이 오랫동안 구현되어 왔다고 봅니다(주관적인 관점에서 볼 수 있음).
인공 지능의 창조자에 따라 다르지만 일반적으로 모든 사람은 기계가 실수하지 않기를 원하고 동시에 기계는 부분적으로 오류로 구성된 경험의 프리즘을 통해 매우 자주 생각하는 사람처럼 생각해야 합니다.
AI 제작자에 따라 다르지만 일반적으로 모든 사람은 기계가 실수하지 않기를 원하며 동시에 기계는 부분적으로 오류로 구성된 자신의 경험의 프리즘을 통해 매우 자주 생각하는 사람처럼 생각해야 합니다.
순전히 선호도의 문제입니다. 정신분열증이나 정신분열증, 그리고 그것들을 배제할 데이터를 지성에 놓는 것이 가능합니다. 또한 초기에 관점의 경계와 원칙을 결정할 수 있습니다. 동시에 AI는 자신의 키로 구체적으로 응답자와 통신할 수 있습니다. 바보와 함께 - 바보처럼, 과학자와 함께 - 과학자처럼.
글쎄, 나는 당신이 언어적 조작 형식을 표현했기 때문에 작업에서 약간의 불일치가 논리적이라고 생각합니다. 그러나 동일한 부조화가 사람들 사이에서도 발생합니다. 한 사람이 말하는 것이 반드시 다른 사람이 듣는 것은 아닙니다. 그리고 이것은 언어적 구성 요소에서 발생합니다. 더욱이, 잠재적 왜곡에는 적어도 두 단계가 있습니다. 첫 번째는 말하는 사람이 부주의하게 아이디어를 표현할 때이고 두 번째는 지각자가 표현을 처리할 때입니다.
이제 의미론적 구성 요소로 돌아갑시다. 이 수준에서는 왜곡이 불가능합니다. 의미 수준의 아이디어는 동등하게 생성되고 인식됩니다. 예를 들어 신경 인터페이스가 있습니다. 결국, 그것들은 명확한 의미 코드를 직접 제거합니다(초등 신경 충동이든 더 자세한 의미 시퀀스이든). AI가 언어적 형식을 포함하여 형식을 변환하는 옵션과 함께 초기 의미론적 형식을 기반으로 하는 경우 AI로 인해 정보를 처리하고 관련 표현을 생성하는 어려움을 보지 못합니다.
그리고 일반적으로 어려움을 선언하기 전에 적어도 직접적으로 그에 맞서 쉬어야 합니다. 잠재적으로 정의되지 않은 복잡성을 어떻게 추론할 수 있습니까?
첫 번째 어려움은 의미와 그 언어적 "포장"을 코딩하는 것입니다. 하나의 불변 의미는 조건부로 무한한 수의 압축 및 확장 형식을 가질 수 있으므로 추출을 비정상적으로 어려운 작업으로 만듭니다. 컨텍스트는 하나이고 쉘은 다형성입니다. 감지 표현 래퍼의 처리가 주요 작업입니다. 갑옷을 통해 탱크에 들어가려는 것과 같습니다.) 이마에는 작동하지 않습니다.
Реter Konow : 첫 번째 어려움은 의미와 그 언어적 "포장"을 코딩하는 것입니다. 하나의 불변 의미는 조건부로 무한한 수의 압축 및 확장 형식을 가질 수 있으므로 추출을 비정상적으로 어려운 작업으로 만듭니다. 컨텍스트는 하나이고 쉘은 다형성입니다. 감지 표현 래퍼의 처리가 주요 작업입니다. 갑옷을 통해 탱크에 들어가려는 것과 같습니다.) 이마에는 작동하지 않습니다.
예를 들어 주십시오. 일반적으로 의미론적 형태(내 경험상)는 특정 컨텍스트에서 나옵니다. 정신병자 같은 놈들이 있다. 그들은 그것을 분해했습니다. 그리고 그들의 경험에 따르면 처음에는 그림이 형성되는 배경이 있음이 밝혀졌습니다(특정 의미 단위). 실제로 발생하지 않을 수도 있는 잠재적인 어려움이 나타나기 때문에 잘못된 측면에서 접근할 뿐입니다.
스스로 생각하는 과정에서 어려운 점은 정확히 무엇인지 궁금합니다.
그곳 사람들은 어렵다
인간의 모든 학습은 뉴런 간의 안정적인 연결의 형성일 뿐이며 연결이 강할수록 더 많은 경험을 할 수 있습니다. 여기에서는 모든 것이 간단합니다.
심리적 (인지) 왜곡과 외부 세계에 대한 인식 모두 왜곡이 더 어렵습니다. 이전 경험에서 오류와 조정을 모두 도입합니다.
그러나 기계를 사용하면 모든 것이 더 간단합니다. 데이터를 왜곡할 수 없으며 기계를 재교육할 수 있다고 가정하면 이 교육은 다를 수 있지만 기계는 이전 경험을 비교하고 새로운 지식이 유용하거나 악의적일 것이라고 결정할 수 없습니다 그 반대는 해로울 것입니다. 즉 . 사람에게는 항상 새로운 지식이 경험이 될 수 있도록 하는 일종의 내면의 자아가 있을 것입니다.
나는 거의 도울 수 없습니다. 나 자신도 여전히 잘 이해하지 못합니다. 나는 사고 알고리즘이 존재하고 그것이 있기 때문에 합리적이라는 것을 알고 있습니다.
글쎄, 나는 당신이 언어적 조작 형식을 표현했기 때문에 작업에서 약간의 불일치가 논리적이라고 생각합니다. 그러나 동일한 부조화가 사람들 사이에서도 발생합니다. 한 사람이 말하는 것이 반드시 다른 사람이 듣는 것은 아닙니다. 그리고 이것은 언어적 구성 요소에서 발생합니다. 더욱이, 잠재적 왜곡에는 적어도 두 단계가 있습니다. 첫 번째는 말하는 사람이 부주의하게 아이디어를 표현할 때이고 두 번째는 지각자가 표현을 처리할 때입니다.
이제 의미론적 구성 요소로 돌아가자. 이 수준에서는 왜곡이 불가능합니다. 의미 수준의 아이디어는 동등하게 생성되고 인식됩니다. 예를 들어 신경 인터페이스가 있습니다. 결국, 그것들은 명확한 의미 코드를 직접 제거합니다(초등 신경 충동이든 더 자세한 의미 시퀀스이든). AI가 언어적 형식을 포함하여 형식을 변환하는 옵션과 함께 초기 의미론적 형식을 기반으로 하는 경우 AI로 인해 정보를 처리하고 관련 표현을 생성하는 어려움을 보지 못합니다.
그리고 일반적으로 어려움을 선언하기 전에 적어도 직접적으로 그에 맞서 쉬어야 합니다. 잠재적으로 정의되지 않은 복잡성을 어떻게 추론할 수 있습니까?
반면에 기계는 이전 경험을 비교할 수 없으며 새로운 지식이 유용하거나 반대로 해가 될 것이라고 결정할 수 없습니다.
기계가 경험을 기록하고 이를 바탕으로 결론을 내리는 것을 방해하는 것은 무엇입니까? 저 같은 경우에는 많은 프로그램이 이런 식으로 작동합니다. 텍스트 편집기의 수정 제안을 예로 들어 보겠습니다. 옳고 그름에 대한 어떤 고유한 경험과 결론이 있지 않습니까?
기계가 경험을 기록하고 이를 바탕으로 결론을 내리는 것을 방해하는 것은 무엇입니까? 저 같은 경우에는 많은 프로그램이 이런 식으로 작동합니다. 텍스트 편집기의 수정 제안을 예로 들어 보겠습니다. 옳고 그름에 대한 어떤 고유한 경험과 결론이 있지 않습니까?
글쎄, 나는 쓰고있다-오류하는 것은 인간의 본성이며 추가 훈련 과정조차도 항상 왜곡이 있습니다.
글쎄, 손가락에 평소와 같이-이웃이 술주정뱅이이고 천둥 번개가 칠 때 밤낮으로 쿵쾅 거리며 이웃의 집이 타 버린 경우-결론은 음주가 해롭다는 것입니다. 이것은 심각한 결과를 초래할 수 있습니다))
기계는 번개와 술 취함을 비교합니까? - 수치상으로 상당한 양의 사람들은 자연 현상과 인간의 약점을 정확하게 비교할 수 있습니다.
그건 그렇고, 위대하고 재능있는 많은 과학자들은 불안정한 정신, 때로는 어린 시절의 외상, 때로는 어려운 삶의 상황을 현실 인식 오류의 변형으로 가지고 재능을 갖도록 도왔습니다 ... 그러나 이것은 정확하지 않습니다!
기계는 번개와 술 취함을 비교합니까?
일부 데이터를 비교하는 데 어떤 어려움이 있습니까? 특히 특정 데이터가 자주 겹치는 경우? 1) 처음에 한 데이터에서 다른 데이터로 링크를 그리고 2) 여러 교차에 대한 자동 일치 지시문을 설정할 수 있습니다. 처음에는 많은 조정이 필요하다고 가정해 보겠습니다. 그러나 일반적으로 개인적으로 이러한 것들이 오랫동안 구현되어 왔다고 봅니다(주관적인 관점에서 볼 수 있음).
일부 데이터를 비교하는 데 어떤 어려움이 있습니까? 특히 특정 데이터가 자주 겹치는 경우? 1) 처음에 한 데이터에서 다른 데이터로 링크를 그리고 2) 여러 교차에 대한 자동 일치 지시문을 설정할 수 있습니다. 처음에는 많은 조정이 필요하다고 가정해 보겠습니다. 그러나 일반적으로 개인적으로 이러한 것들이 오랫동안 구현되어 왔다고 봅니다(주관적인 관점에서 볼 수 있음).
인공 지능의 창조자에 따라 다르지만 일반적으로 모든 사람은 기계가 실수하지 않기를 원하고 동시에 기계는 부분적으로 오류로 구성된 경험의 프리즘을 통해 매우 자주 생각하는 사람처럼 생각해야 합니다.
당신이 작성하는 것은 오래 전에 구현되었으며 전문가 시스템이라고합니다.
AI 제작자에 따라 다르지만 일반적으로 모든 사람은 기계가 실수하지 않기를 원하며 동시에 기계는 부분적으로 오류로 구성된 자신의 경험의 프리즘을 통해 매우 자주 생각하는 사람처럼 생각해야 합니다.
순전히 선호도의 문제입니다. 정신분열증이나 정신분열증, 그리고 그것들을 배제할 데이터를 지성에 놓는 것이 가능합니다. 또한 초기에 관점의 경계와 원칙을 결정할 수 있습니다. 동시에 AI는 자신의 키로 구체적으로 응답자와 통신할 수 있습니다. 바보와 함께 - 바보처럼, 과학자와 함께 - 과학자처럼.
글쎄, 나는 당신이 언어적 조작 형식을 표현했기 때문에 작업에서 약간의 불일치가 논리적이라고 생각합니다. 그러나 동일한 부조화가 사람들 사이에서도 발생합니다. 한 사람이 말하는 것이 반드시 다른 사람이 듣는 것은 아닙니다. 그리고 이것은 언어적 구성 요소에서 발생합니다. 더욱이, 잠재적 왜곡에는 적어도 두 단계가 있습니다. 첫 번째는 말하는 사람이 부주의하게 아이디어를 표현할 때이고 두 번째는 지각자가 표현을 처리할 때입니다.
이제 의미론적 구성 요소로 돌아갑시다. 이 수준에서는 왜곡이 불가능합니다. 의미 수준의 아이디어는 동등하게 생성되고 인식됩니다. 예를 들어 신경 인터페이스가 있습니다. 결국, 그것들은 명확한 의미 코드를 직접 제거합니다(초등 신경 충동이든 더 자세한 의미 시퀀스이든). AI가 언어적 형식을 포함하여 형식을 변환하는 옵션과 함께 초기 의미론적 형식을 기반으로 하는 경우 AI로 인해 정보를 처리하고 관련 표현을 생성하는 어려움을 보지 못합니다.
그리고 일반적으로 어려움을 선언하기 전에 적어도 직접적으로 그에 맞서 쉬어야 합니다. 잠재적으로 정의되지 않은 복잡성을 어떻게 추론할 수 있습니까?
첫 번째 어려움은 의미와 그 언어적 "포장"을 코딩하는 것입니다. 하나의 불변 의미는 조건부로 무한한 수의 압축 및 확장 형식을 가질 수 있으므로 추출을 비정상적으로 어려운 작업으로 만듭니다. 컨텍스트는 하나이고 쉘은 다형성입니다. 감지 표현 래퍼의 처리가 주요 작업입니다. 갑옷을 통해 탱크에 들어가려는 것과 같습니다.) 이마에는 작동하지 않습니다.
예를 들어 주십시오. 일반적으로 의미론적 형태(내 경험상)는 특정 컨텍스트에서 나옵니다. 정신병자 같은 놈들이 있다. 그들은 그것을 분해했습니다. 그리고 그들의 경험에 따르면 처음에는 그림이 형성되는 배경이 있음이 밝혀졌습니다(특정 의미 단위). 실제로 발생하지 않을 수도 있는 잠재적인 어려움이 나타나기 때문에 잘못된 측면에서 접근할 뿐입니다.