transcendreamer : AI 자체가 엄청난 속도로 새로운 과학 지식을 생성할 수 있는 AI가 될 때 급진적인 혁명이 시작될 것입니다.
글쎄요, 만약 그것이 세포나 원자의 껍질 아래에 있는 뉴런 기질과 함께 "기어가는" 감각 "촉수"를 소형화한다면, 그렇습니다, 그것은 새로운 물체와 그 패턴의 징후를 "압출"하고 그것들을 세계적인 지식으로 "전달"할 것입니다 기반, 더 나아가 새로운 메커니즘의 개념으로 결합하십시오. ... 왜 안 될까요...
드론 비용이 120만인지 궁금합니다. 그러면 Buryatia의 월예산을 얻으려면 몇 번이나 벽에 부딪혀야 하는지 궁금합니다.
60,000회 \ 12 = 월 5000드론
비극의 규모를 과장한 것 같아
흥미롭게도 Buryatia의 포스트는 30 억년 동안 얼마나 많은 헬리콥터를 생산할 수 있습니까? 18조 헬리콥터가 나왔다. 각각의 탑재하중은 2kg입니다. 이것은 36조 킬로그램입니다. 36*10^14kg 입니다. 지구의 무게는 6*10^24입니다. 불행히도 이런 방식으로 지구를 구할 가능성은 희박합니다.
신경망은 학습할 때 특징의 공간 을 영역으로 나누는 것과 같은 것입니다. 이 속성을 기반으로 분류, 근사, 최적화, 클러스터링 등과 같은 다양한 응용 문제에 대해 구축(학습)할 수 있습니다. 물론 이러한 각각의 문제는 특수 수학적 장치로 해결할 수 있습니다. 최소 제곱법으로 근사화하고 선형 계획법으로 최적화하며 클러스터링은 예를 들어 Voronoi 파티셔닝으로 수행할 수 있지만 NN은 스스로 수행합니다. , 이 작업의 수학적 솔루션에 있는 수학적 장치에 대해 아무 것도 모른 채. 가장 중요한 것은 올바른 학습 목표를 선택하고 기능 공간을 올바르게 구성하는 것입니다.
NN이 자연에서 그렇게 널리 퍼진 이유를 설명하는 또 다른 놀라운 품질은 자연스러운 단순성과 가장 단순한 원시 아키텍처인 la Rosenblat의 단일 레이어 퍼셉트론조차도 많은 작업을 구현할 수 있다는 사실입니다. 물론, 특징 공간에서 분리의 선형성에 대한 제한이 있습니다. 그러나 진화는 가장 단순한 NS가 출현한 지 수억 년 만에 이러한 한계에 맞서게 되었습니다.
점선으로 모든 것이 이와 같이 일어났다고 상상할 수 있습니다. 진화 과정에서 다소 복잡한 세포 구조가 형성된 후 한편으로는 조명, 온도, 염분 등 수용체가 나타나기 시작했습니다. 반면에, 액추에이터는 수용체의 상태에 따라 공간의 변화를 허용합니다. 특정 가산기를 통해 수용체의 신호를 연결하고 액추에이터에 명령을 출력으로 전달하면 여기에서 마술이 나타납니다. 가장 간단한 NS의 프로토 타입이 나타납니다.
가중치 계수는 자연 선택에 의해 선택되고 고정되었습니다. 이것이 소위 반사 행동이 형성된 방식입니다. 유기체의 복잡성과 별도의 기관인 뇌에서의 제어 전문화로 인해 행동이 점점 더 복잡해집니다. 원칙적으로 반사 시스템의 대규모 복합체는 매우 복잡한 행동을 구현할 수 있지만 최적화하려면 수만 세대와 수백만 또는 수십억 개인에 대한 선택이 필요합니다.
이 모순을 제거하기 위해 다음 혁명 단계가 발생합니다. 뇌는 조건 반사 행동 능력을 획득합니다. 이제 한 삶의 과정에서 한 개인이 주변 조건에 따라 행동을 최적화할 수 있습니다.
진화적인 '군비 경쟁'이 시작됩니다. 포식자/먹이 시스템은 점점 더 복잡한 행동을 위해 선택됩니다. 어떤 단계에서는 복잡한 행동을 관리하고 우선 순위, 목표를 설정하기 위해 뇌에 특수 인터페이스가 필요합니다. 의식은 친척의 행동을 예측하고 적이나 음식의 존재를 가정합니다.
이 인터페이스의 진화, 일반화하는 능력의 강화는 수천만 년 후에 의식 내에서 - 자의식, 자신의 '나'의 출현으로 이어졌습니다. 제 생각에는 AI가 자의식의 속성을 갖게 된 후에야 비생물학적 마음이 될 것입니다.
이 인터페이스의 진화, 일반화하는 능력의 강화는 수천만 년 후에 의식 내에서 - 자의식, 자신의 '나'의 출현으로 이어졌습니다. 제 생각에는 AI가 자의식의 속성을 갖게 된 후에야 비생물학적 마음이 될 것입니다.
자의식도 나무에 확실히 존재하거나 존재하지 않는다는 것이 증명되고 보여지기 전까지는 어디까지나 가정일 뿐입니다. 원칙적으로 오늘날 모든 시스템의 작업을 자체 평가하도록 설정할 수 있습니다. 자동차, 엔진에 무슨 일이? Alice, 설문조사를 기준으로 얼마나 많은 사람들이 만족/불만족했는지. 그리고 여기에 자의식이 있습니다.))) 단순화 된 형태입니다. 앨리스, 당신은 당신 자신을 어떻게 평가하는지 살펴보겠습니다. 와우, 얼음 같아))))) 999%가 날 원해))) 젠장, Vanya가 아니어서
신경망은 학습할 때 특징의 공간을 영역으로 나누는 것과 같은 것입니다. 이 속성을 기반으로 분류, 근사, 최적화, 클러스터링 등과 같은 다양한 응용 문제에 대해 구축(학습)할 수 있습니다. 물론 이러한 각각의 문제는 특수 수학적 장치로 해결할 수 있습니다. 최소 제곱법으로 근사화하고 선형 계획법으로 최적화하며 클러스터링은 예를 들어 Voronoi 파티셔닝으로 수행할 수 있지만 NN은 스스로 수행합니다. , 이 작업의 수학적 솔루션에 있는 수학적 장치에 대해 아무 것도 모른 채. 가장 중요한 것은 올바른 학습 목표를 선택하고 기능 공간을 올바르게 구성하는 것입니다.
NN이 자연에서 그렇게 널리 퍼진 이유를 설명하는 또 다른 놀라운 품질은 자연스러운 단순성과 가장 단순한 원시 아키텍처인 la Rosenblat의 단일 레이어 퍼셉트론조차도 많은 작업을 구현할 수 있다는 사실입니다. 물론, 특징 공간에서 분리의 선형성에 대한 제한이 있습니다. 그러나 진화는 가장 단순한 NS가 출현한 지 수억 년 만에 이러한 한계에 맞서게 되었습니다.
고맙습니다. 최근에 나는 이것을 이해하기 시작했습니다. 뉴런에 반복적으로 노출되면 (아마도) 전도도가 변경되어 궁극적으로 기호가 형성됩니다. 신경 매트릭스 내부의 "반사된" 객체의 불변 부분입니다. 또한 현상 및 형태의 "젊은" 기호가 각인됩니다. 왜냐하면 그것들은 불변보다 더 다형성이고(또한 반복, 즉 학습으로 인해) 네트워크 내에서 계층적으로 분기하기 시작하는 대상의 구조가 형성되기 때문입니다. 이것은 말하자면 불변의 껍질 형태 분류의 시작입니다. 조금 이해하기 시작하면서...
AI 자체가 엄청난 속도로 새로운 과학 지식을 생성할 수 있는 AI가 될 때 급진적인 혁명이 시작될 것입니다.
가장 중요한 것은 "와이파이 간섭"이 없다는 것입니다.
예, 아니요 ... 무인 항공기 "러시아 포스트"에 표지판을 걸 필요가 없었고 모든 것이 잘 될 것입니다.
예, 아니오 ... "러시아 포스트"드론에 표지판을 걸 필요가 없었고 모든 것이 잘 될 것입니다.
드론 비용이 1.2mio인지 궁금합니다. 그러면 Buryatia의 월간 예산을 얻으려면 벽에 몇 번이나 박살 내야 하는지 궁금합니다.
60,000회 \ 12 = 월 5000드론
비극의 규모를 과장한 것 같아드론 비용이 120만인지 궁금합니다. 그러면 Buryatia의 월예산을 얻으려면 몇 번이나 벽에 부딪혀야 하는지 궁금합니다.
60,000회 \ 12 = 월 5000드론
비극의 규모를 과장한 것 같아글쎄, 왜... 전혀.
이 엔진 자체는 별 관심이 없지만 실제 AI(만약 만들어진 경우)와 사람 사이의 인터페이스로서 매우 우수합니다. 즉, 뇌의 언어 센터와 유사합니다.
신경망은 학습할 때 특징의 공간 을 영역으로 나누는 것과 같은 것입니다. 이 속성을 기반으로 분류, 근사, 최적화, 클러스터링 등과 같은 다양한 응용 문제에 대해 구축(학습)할 수 있습니다. 물론 이러한 각각의 문제는 특수 수학적 장치로 해결할 수 있습니다. 최소 제곱법으로 근사화하고 선형 계획법으로 최적화하며 클러스터링은 예를 들어 Voronoi 파티셔닝으로 수행할 수 있지만 NN은 스스로 수행합니다. , 이 작업의 수학적 솔루션에 있는 수학적 장치에 대해 아무 것도 모른 채. 가장 중요한 것은 올바른 학습 목표를 선택하고 기능 공간을 올바르게 구성하는 것입니다.
NN이 자연에서 그렇게 널리 퍼진 이유를 설명하는 또 다른 놀라운 품질은 자연스러운 단순성과 가장 단순한 원시 아키텍처인 la Rosenblat의 단일 레이어 퍼셉트론조차도 많은 작업을 구현할 수 있다는 사실입니다. 물론, 특징 공간에서 분리의 선형성에 대한 제한이 있습니다. 그러나 진화는 가장 단순한 NS가 출현한 지 수억 년 만에 이러한 한계에 맞서게 되었습니다.
점선으로 모든 것이 이와 같이 일어났다고 상상할 수 있습니다. 진화 과정에서 다소 복잡한 세포 구조가 형성된 후 한편으로는 조명, 온도, 염분 등 수용체가 나타나기 시작했습니다. 반면에, 액추에이터는 수용체의 상태에 따라 공간의 변화를 허용합니다. 특정 가산기를 통해 수용체의 신호를 연결하고 액추에이터에 명령을 출력으로 전달하면 여기에서 마술이 나타납니다. 가장 간단한 NS의 프로토 타입이 나타납니다.
가중치 계수는 자연 선택에 의해 선택되고 고정되었습니다. 이것이 소위 반사 행동이 형성된 방식입니다. 유기체의 복잡성과 별도의 기관인 뇌에서의 제어 전문화로 인해 행동이 점점 더 복잡해집니다. 원칙적으로 반사 시스템의 대규모 복합체는 매우 복잡한 행동을 구현할 수 있지만 최적화하려면 수만 세대와 수백만 또는 수십억 개인에 대한 선택이 필요합니다.
이 모순을 제거하기 위해 다음 혁명 단계가 발생합니다. 뇌는 조건 반사 행동 능력을 획득합니다. 이제 한 삶의 과정에서 한 개인이 주변 조건에 따라 행동을 최적화할 수 있습니다.
진화적인 '군비 경쟁'이 시작됩니다. 포식자/먹이 시스템은 점점 더 복잡한 행동을 위해 선택됩니다. 어떤 단계에서는 복잡한 행동을 관리하고 우선 순위, 목표를 설정하기 위해 뇌에 특수 인터페이스가 필요합니다. 의식은 친척의 행동을 예측하고 적이나 음식의 존재를 가정합니다.
이 인터페이스의 진화, 일반화하는 능력의 강화는 수천만 년 후에 의식 내에서 - 자의식, 자신의 '나'의 출현으로 이어졌습니다. 제 생각에는 AI가 자의식의 속성을 갖게 된 후에야 비생물학적 마음이 될 것입니다.
이 인터페이스의 진화, 일반화하는 능력의 강화는 수천만 년 후에 의식 내에서 - 자의식, 자신의 '나'의 출현으로 이어졌습니다. 제 생각에는 AI가 자의식의 속성을 갖게 된 후에야 비생물학적 마음이 될 것입니다.
자의식도 나무에 확실히 존재하거나 존재하지 않는다는 것이 증명되고 보여지기 전까지는 어디까지나 가정일 뿐입니다. 원칙적으로 오늘날 모든 시스템의 작업을 자체 평가하도록 설정할 수 있습니다. 자동차, 엔진에 무슨 일이? Alice, 설문조사를 기준으로 얼마나 많은 사람들이 만족/불만족했는지. 그리고 여기에 자의식이 있습니다.))) 단순화 된 형태입니다.
앨리스, 당신은 당신 자신을 어떻게 평가하는지 살펴보겠습니다. 와우, 얼음 같아))))) 999%가 날 원해))) 젠장, Vanya가 아니어서
그리고 괜찮습니다.)
신경망은 학습할 때 특징의 공간을 영역으로 나누는 것과 같은 것입니다. 이 속성을 기반으로 분류, 근사, 최적화, 클러스터링 등과 같은 다양한 응용 문제에 대해 구축(학습)할 수 있습니다. 물론 이러한 각각의 문제는 특수 수학적 장치로 해결할 수 있습니다. 최소 제곱법으로 근사화하고 선형 계획법으로 최적화하며 클러스터링은 예를 들어 Voronoi 파티셔닝으로 수행할 수 있지만 NN은 스스로 수행합니다. , 이 작업의 수학적 솔루션에 있는 수학적 장치에 대해 아무 것도 모른 채. 가장 중요한 것은 올바른 학습 목표를 선택하고 기능 공간을 올바르게 구성하는 것입니다.
NN이 자연에서 그렇게 널리 퍼진 이유를 설명하는 또 다른 놀라운 품질은 자연스러운 단순성과 가장 단순한 원시 아키텍처인 la Rosenblat의 단일 레이어 퍼셉트론조차도 많은 작업을 구현할 수 있다는 사실입니다. 물론, 특징 공간에서 분리의 선형성에 대한 제한이 있습니다. 그러나 진화는 가장 단순한 NS가 출현한 지 수억 년 만에 이러한 한계에 맞서게 되었습니다.