저는 몇 주 동안 AI에 대해 생각해 왔습니다. 이 문제의 이론적 근거가 명확하고 체계화되지 않은 것으로 알려져 있지만, 사람이 어떻게 생각하는지 진정으로 이해하는 사람은 아무도 없다는 것이 점점 더 분명해지고 있습니다. 아이러니는 의식이 세계를 지배하지만 자신을 알지 못한다는 것입니다. 마음의 숨겨진 메커니즘은 말하자면 배경에서 역동적인 현실 모델을 지원하거나 재구성하지만 "거울"-자신에 대한 이해-는 끊임없이 그것에서 빠져 나옵니다. 나는 그것에 초점을 맞추려고 노력했다. 먼저 AI의 두 가지 핵심 개념을 정의했습니다.
지능은 의식적인 정신 활동입니다.
지식 기반은 마음과의 상호 작용의 "대상"으로 작동하는 단순화된 구조화된 현실 모델입니다.
즉, 마음과 그 "객체" - 현실은 연속적인 과정에서 상호 작용합니다. 여기서 마음은 현실을 모델링하고 이를 대상 관계의 환경으로 반영하고("객관적 프리즘"을 통해) 현실(에 따르면) 마음 자체), 그것을 생성하고 파괴합니다. 우리는 "마음이 실재의 무작위적인 산물인지 규칙적인 산물인지"라는 철학적 질문에 대해 논의하지 않을 것이지만, 선험적으로 우리는 마음과 실재가 상호작용을 위한 것이라고 가정합니다.
우리의 문제인 AI-마인드 모델 , 지식 기반-현실 모델 의 맥락에서 우리의 작업은 이들의 상호 작용을 모델링하는 것 입니다.
이 스레드는 상속, 캡슐화 및 다형성 으로 인해 AI 구현을 위한 가장 중요한 도구 중 하나로 확인된 OOP의 적용 가능성에 대한 질문을 제기하지만 앞서 말했듯이 이 도구가 AI에 효과적이라고 생각하지 않습니다. 현재 보기 . "세계의 그림" 모델은 표준 프로그래밍 언어로 설명하기에는 너무 광범위합니다. 즉, 우리의 "현실 모델"인 지식 기반에는 너무 많은 객체, 속성 및 패턴이 있어서 무거운 구문 "예고편"을 사용하는 표준 프로그래밍은 설명을 느리게 만듭니다. 그러한 작업에 얼마나 많은 시간과 자원이 소요될지 상상해 보십시오. 또한 표준 OOP 코드에는 허용할 수 없는 결함(정적)이 있으며 AI "훈련"이 지식 기반 소스의 끝없는 재작성으로 바뀔 것임을 의미합니다. 현실은 상호작용하는 과정에서 마음에 끊임없이 자신을 드러내며, 마음이 현실의 모델을 신속하게 "재작성"하여 이동 중에 지식 기반의 "소스"를 변경하는 것이 중요합니다. 이것은 AI와 관련된 표준 OOP 코드의 "결함"을 드러냅니다. 이는 지식 기반 구조의 역동성을 지원하지 않으며 "수동" 재작성이 필요합니다. 그러나 데이터베이스와 마찬가지로 지식 기반은 지속적인 업데이트와 구조 조정이 필요하며 이는 이러한 맥락에서 AI 학습의 결과입니다. 따라서 지식 기반은 정적 OOP 코드로 구조적으로 설명되는 Intellect의 "작업 개체"가 될 수 없습니다.
신경망으로 넘어갑시다. 그들이 지식 기반 구축을 도울 수 있습니까? 제 생각에는 - 확실하지만 완전히는 아닙니다. NN은 객체, 상태, 상호작용의 형태를 반영하는 추상적인 이미지와 패턴의 형태로 Reality를 표현할 수 있으며, 이 자료는 분류 및 상속이 가능하지만 설명에 제시된 데이터의 과도한 "해석가능성"의 단점을 고려 명확하고 모호하지 않은 관계, 공식, 법칙.
따라서 기술 및 지식 기반 구축 방법론에 대한 질문이 열려 있습니다. 그리고 우리는 아직 "엔진"인 Intellect의 문제를 제기하기 시작하지 않았습니다.
저는 몇 주 동안 AI에 대해 생각해 왔습니다. 이 문제의 이론적 근거가 명확하고 체계화되지 않은 것으로 알려져 있지만, 사람이 어떻게 생각하는지 진정으로 이해하는 사람은 아무도 없다는 것이 점점 더 분명해지고 있습니다. 아이러니는 의식이 세계를 지배하지만 자신을 알지 못한다는 것입니다. 마음의 숨겨진 메커니즘은 말하자면 배경에서 역동적인 현실 모델을 지원하거나 재구성하지만 "거울"-자신에 대한 이해-는 끊임없이 그것에서 빠져 나옵니다. 나는 그것에 초점을 맞추려고 노력했다. 먼저 AI의 두 가지 핵심 개념을 정의했습니다.
지능은 의식적인 정신 활동입니다.
지식 기반은 마음과의 상호 작용의 "대상"으로 작동하는 단순화된 구조화된 현실 모델입니다.
즉, 마음과 그 "객체" - 현실은 연속적인 과정에서 상호 작용합니다. 여기서 마음은 현실을 모델링하고 이를 대상 관계의 환경으로 반영하고("객관적 프리즘"을 통해) 현실(에 따르면) 마음 자체), 그것을 생성하고 파괴합니다. 우리는 "마음이 실재의 무작위적인 산물인지 규칙적인 산물인지"라는 철학적 질문에 대해 논의하지 않을 것이지만, 선험적으로 우리는 마음과 실재가 상호작용을 위한 것이라고 가정합니다.
우리의 문제인 AI-마인드 모델 , 지식 기반-현실 모델 의 맥락에서 우리의 작업은 이들의 상호 작용을 모델링하는 것 입니다.
이 스레드는 상속, 캡슐화 및 다형성 으로 인해 AI 구현을 위한 가장 중요한 도구 중 하나로 확인된 OOP의 적용 가능성에 대한 질문을 제기하지만 앞서 말했듯이 이 도구가 AI에 효과적이라고 생각하지 않습니다. 현재 보기 . "세계의 그림" 모델은 표준 프로그래밍 언어로 설명하기에는 너무 광범위합니다. 즉, 우리의 "현실 모델"인 지식 기반에는 너무 많은 객체, 속성 및 패턴이 있어서 무거운 구문 "예고편"을 사용하는 표준 프로그래밍은 설명을 느리게 만듭니다. 그러한 작업에 얼마나 많은 시간과 자원이 소요될지 상상해 보십시오. 또한 표준 OOP 코드에는 허용할 수 없는 결함(정적)이 있으며 AI "훈련"이 지식 기반 소스의 끝없는 재작성으로 바뀔 것임을 의미합니다. 현실은 상호작용하는 과정에서 마음에 끊임없이 자신을 드러내며, 마음이 현실의 모델을 신속하게 "재작성"하여 이동 중에 지식 기반의 "소스"를 변경하는 것이 중요합니다. 이것은 AI와 관련된 표준 OOP 코드의 "결함"을 드러냅니다. 이는 지식 기반 구조의 역동성을 지원하지 않으며 "수동" 재작성이 필요합니다. 그러나 데이터베이스와 마찬가지로 지식 기반은 지속적인 업데이트와 구조 조정이 필요하며 이는 이러한 맥락에서 AI 학습의 결과입니다. 따라서 지식 기반은 정적 OOP 코드로 구조적으로 설명되는 Intellect의 "작업 개체"가 될 수 없습니다.
신경망으로 넘어갑시다. 그들이 지식 기반 구축을 도울 수 있습니까? 제 생각에는 - 확실하지만 완전히는 아닙니다. NN은 객체, 상태, 상호작용의 형태를 반영하는 추상적인 이미지와 패턴의 형태로 Reality를 표현할 수 있으며, 이 자료는 분류 및 상속이 가능하지만 설명에 제시된 데이터의 과도한 "해석가능성"의 단점을 고려 명확하고 모호하지 않은 관계, 공식, 법칙.
따라서 기술 및 지식 기반 구축 방법론에 대한 질문이 열려 있습니다. 그리고 우리는 아직 "엔진"인 Intellect의 문제를 제기하기 시작하지 않았습니다.
Intellect의 문제로 넘어 갑시다. "의식적 정신 활동"에는 무엇이 포함되며 어떤 메커니즘을 기반으로 합니까?
Intellect의 첫 번째이자 주요 기능은 이성과 현실의 상호 작용이 실현되는 " 의미론적 구성" 으로 작업하는 것입니다. 의미론적 구성은 현실에 대한 마음의 "보기"의 산물이며 주관적(때로는 창조적) 프리즘을 통해 그 단편을 반영합니다.
의미론적 구성은 "라이브" 상호작용에서 객체 및 속성의 복합체 형태로 현실의 "섹션의 스냅샷"을 전달합니다. 의미 구조의 집합은 마음에서 또는 마음으로 객관적이거나 주관적인 메시지 를 전달하는 현실 또는 "의사 현실"을 단편적으로 모델링 합니다 . 이것은 의미론적 "피드" - 생각, 지식, 태도 등... 의미론적 구성은 인지 기능에 의해 구문 분석, 조립 또는 복사되며, 그 중 원인에서 결과로의 잘 알려진 논리적 전환이 있으며, 계층 구조를 따라 "실행"합니다. 범주 또는 연관 체인의 분기. 들어오는 의미 구성은 컨텍스트를 구문 분석, 평가, 추출 또는 모델링하고 소스의 주관적 프리즘을 해독하는 단계를 거칩니다. 입력에 대한 응답으로 마음은 일련의 논리적 및 분석적 메커니즘과 지식 기반을 사용하여 어셈블리를 생성하고 "재활용된" 재료는 부분의 경험에 통합될 수 있으며 지각의 표준을 다시 작성할 수도 있습니다. 이것들은 의미가 있는 마음 작업의 일반적인 원칙입니다. 여기서 각 단계는 피상적인 아이디어가 있는 복잡한 메커니즘입니다.
추신. 의미 구조 - 지성의 작업과 마음이 나타내는 현실의 캐스트의 산물은 의미 구조, 객체 순서 및 고유한 상속의 조합을 위한 자료만 제공하는 지식 기반의 빌딩 블록이 아닙니다. 인지 기능.
인공 지능은 의식적으로, 최소한 정신적으로, 최소한 정신적 활동을 수행할 수 없습니다. 인식할 사람이 없습니다.
나는 내기. 인식 - 의미 구조를 분석하고 주관적인 "세계의 그림"과 논리적 연결을 설정하는 인지 기능은 AI 개발의 특정 단계에서 모델링될 수 있습니다. 사실, AI의 개발은 처음부터 "인식"의 구현에 중점을 둘 것입니다. - 새로운 의미 링크의 "생성"을 위해 일부 "의미 링크"를 해체하는 메커니즘. 나는 의식 속에서 신비로운 것을 보는 것을 멈췄습니다. 그것은 단지 메커니즘입니다.
Созна́ние — состояние психической жизни организма, выражающееся в субъективном переживании событий внешнего мира и тела организма, а также в отчёте об этих событиях и ответной реакции на эти события.
러시아어 외설은 인식의 속도와 효율성 측면에서 아직 누구도 능가하지 못했습니다. 영국 과학자들이 증명했습니다.
저는 몇 주 동안 AI에 대해 생각해 왔습니다. 이 문제의 이론적 근거가 명확하고 체계화되지 않은 것으로 알려져 있지만, 사람이 어떻게 생각하는지 진정으로 이해하는 사람은 아무도 없다는 것이 점점 더 분명해지고 있습니다. 아이러니는 의식이 세계를 지배하지만 자신을 알지 못한다는 것입니다. 마음의 숨겨진 메커니즘은 말하자면 배경에서 역동적인 현실 모델을 지원하거나 재구성하지만 "거울"-자신에 대한 이해-는 끊임없이 그것에서 빠져 나옵니다. 나는 그것에 초점을 맞추려고 노력했다. 먼저 AI의 두 가지 핵심 개념을 정의했습니다.
즉, 마음과 그 "객체" - 현실은 연속적인 과정에서 상호 작용합니다. 여기서 마음은 현실을 모델링하고 이를 대상 관계의 환경으로 반영하고("객관적 프리즘"을 통해) 현실(에 따르면) 마음 자체), 그것을 생성하고 파괴합니다. 우리는 "마음이 실재의 무작위적인 산물인지 규칙적인 산물인지"라는 철학적 질문에 대해 논의하지 않을 것이지만, 선험적으로 우리는 마음과 실재가 상호작용을 위한 것이라고 가정합니다.
우리의 문제인 AI-마인드 모델 , 지식 기반-현실 모델 의 맥락에서 우리의 작업은 이들의 상호 작용을 모델링하는 것 입니다.
이 스레드는 상속, 캡슐화 및 다형성 으로 인해 AI 구현을 위한 가장 중요한 도구 중 하나로 확인된 OOP의 적용 가능성에 대한 질문을 제기하지만 앞서 말했듯이 이 도구가 AI에 효과적이라고 생각하지 않습니다. 현재 보기 . "세계의 그림" 모델은 표준 프로그래밍 언어로 설명하기에는 너무 광범위합니다. 즉, 우리의 "현실 모델"인 지식 기반에는 너무 많은 객체, 속성 및 패턴이 있어서 무거운 구문 "예고편"을 사용하는 표준 프로그래밍은 설명을 느리게 만듭니다. 그러한 작업에 얼마나 많은 시간과 자원이 소요될지 상상해 보십시오. 또한 표준 OOP 코드에는 허용할 수 없는 결함(정적)이 있으며 AI "훈련"이 지식 기반 소스의 끝없는 재작성으로 바뀔 것임을 의미합니다. 현실은 상호작용하는 과정에서 마음에 끊임없이 자신을 드러내며, 마음이 현실의 모델을 신속하게 "재작성"하여 이동 중에 지식 기반의 "소스"를 변경하는 것이 중요합니다. 이것은 AI와 관련된 표준 OOP 코드의 "결함"을 드러냅니다. 이는 지식 기반 구조의 역동성을 지원하지 않으며 "수동" 재작성이 필요합니다. 그러나 데이터베이스와 마찬가지로 지식 기반은 지속적인 업데이트와 구조 조정이 필요하며 이는 이러한 맥락에서 AI 학습의 결과입니다. 따라서 지식 기반은 정적 OOP 코드로 구조적으로 설명되는 Intellect의 "작업 개체"가 될 수 없습니다.
신경망으로 넘어갑시다. 그들이 지식 기반 구축을 도울 수 있습니까? 제 생각에는 - 확실하지만 완전히는 아닙니다. NN은 객체, 상태, 상호작용의 형태를 반영하는 추상적인 이미지와 패턴의 형태로 Reality를 표현할 수 있으며, 이 자료는 분류 및 상속이 가능하지만 설명에 제시된 데이터의 과도한 "해석가능성"의 단점을 고려 명확하고 모호하지 않은 관계, 공식, 법칙.
따라서 기술 및 지식 기반 구축 방법론에 대한 질문이 열려 있습니다. 그리고 우리는 아직 "엔진"인 Intellect의 문제를 제기하기 시작하지 않았습니다.
저는 몇 주 동안 AI에 대해 생각해 왔습니다. 이 문제의 이론적 근거가 명확하고 체계화되지 않은 것으로 알려져 있지만, 사람이 어떻게 생각하는지 진정으로 이해하는 사람은 아무도 없다는 것이 점점 더 분명해지고 있습니다. 아이러니는 의식이 세계를 지배하지만 자신을 알지 못한다는 것입니다. 마음의 숨겨진 메커니즘은 말하자면 배경에서 역동적인 현실 모델을 지원하거나 재구성하지만 "거울"-자신에 대한 이해-는 끊임없이 그것에서 빠져 나옵니다. 나는 그것에 초점을 맞추려고 노력했다. 먼저 AI의 두 가지 핵심 개념을 정의했습니다.
즉, 마음과 그 "객체" - 현실은 연속적인 과정에서 상호 작용합니다. 여기서 마음은 현실을 모델링하고 이를 대상 관계의 환경으로 반영하고("객관적 프리즘"을 통해) 현실(에 따르면) 마음 자체), 그것을 생성하고 파괴합니다. 우리는 "마음이 실재의 무작위적인 산물인지 규칙적인 산물인지"라는 철학적 질문에 대해 논의하지 않을 것이지만, 선험적으로 우리는 마음과 실재가 상호작용을 위한 것이라고 가정합니다.
우리의 문제인 AI-마인드 모델 , 지식 기반-현실 모델 의 맥락에서 우리의 작업은 이들의 상호 작용을 모델링하는 것 입니다.
이 스레드는 상속, 캡슐화 및 다형성 으로 인해 AI 구현을 위한 가장 중요한 도구 중 하나로 확인된 OOP의 적용 가능성에 대한 질문을 제기하지만 앞서 말했듯이 이 도구가 AI에 효과적이라고 생각하지 않습니다. 현재 보기 . "세계의 그림" 모델은 표준 프로그래밍 언어로 설명하기에는 너무 광범위합니다. 즉, 우리의 "현실 모델"인 지식 기반에는 너무 많은 객체, 속성 및 패턴이 있어서 무거운 구문 "예고편"을 사용하는 표준 프로그래밍은 설명을 느리게 만듭니다. 그러한 작업에 얼마나 많은 시간과 자원이 소요될지 상상해 보십시오. 또한 표준 OOP 코드에는 허용할 수 없는 결함(정적)이 있으며 AI "훈련"이 지식 기반 소스의 끝없는 재작성으로 바뀔 것임을 의미합니다. 현실은 상호작용하는 과정에서 마음에 끊임없이 자신을 드러내며, 마음이 현실의 모델을 신속하게 "재작성"하여 이동 중에 지식 기반의 "소스"를 변경하는 것이 중요합니다. 이것은 AI와 관련된 표준 OOP 코드의 "결함"을 드러냅니다. 이는 지식 기반 구조의 역동성을 지원하지 않으며 "수동" 재작성이 필요합니다. 그러나 데이터베이스와 마찬가지로 지식 기반은 지속적인 업데이트와 구조 조정이 필요하며 이는 이러한 맥락에서 AI 학습의 결과입니다. 따라서 지식 기반은 정적 OOP 코드로 구조적으로 설명되는 Intellect의 "작업 개체"가 될 수 없습니다.
신경망으로 넘어갑시다. 그들이 지식 기반 구축을 도울 수 있습니까? 제 생각에는 - 확실하지만 완전히는 아닙니다. NN은 객체, 상태, 상호작용의 형태를 반영하는 추상적인 이미지와 패턴의 형태로 Reality를 표현할 수 있으며, 이 자료는 분류 및 상속이 가능하지만 설명에 제시된 데이터의 과도한 "해석가능성"의 단점을 고려 명확하고 모호하지 않은 관계, 공식, 법칙.
따라서 기술 및 지식 기반 구축 방법론에 대한 질문이 열려 있습니다. 그리고 우리는 아직 "엔진"인 Intellect의 문제를 제기하기 시작하지 않았습니다.
AI는 정확한 알고리즘이 없는 문제를 해결할 수 있는 모든 것입니다. 전반적으로.
신경망, 지식 기반 또는 자신의 발명품이 될 수 있습니다.
여기에 AI의 핵심 개념이 있습니다.
OOP에 관해서는, 평소와 같이 순전히 넌센스입니다.
AI는 정확한 알고리즘이 없는 문제를 해결할 수 있는 모든 것입니다. 전반적으로.
뿐만 아니라. 예를 들어 숫자 데이터 없이 마주 오는 차량 앞에서 길을 건너야 하는지 여부를 어떻게 분석합니까? 아이는 이것을 결정할 수 없으며 시간이 지남에 따라 지시 없이 이러한 이해/기술이 생깁니다.
뿐만 아니라. 예를 들어 숫자 데이터 없이 마주 오는 차량 앞에서 길을 건너야 하는지 여부를 어떻게 분석합니까? 아이는 이것을 결정할 수 없으며 시간이 지남에 따라 지시 없이 이러한 이해/기술이 생깁니다.
그리고 일반적으로 인정되는 AI의 정의에서 정확히 무엇을 좋아하지 않는지 알 수 있습니까?
그리고 일반적으로 인정되는 AI의 정의에서 정확히 무엇을 좋아하지 않는지 알 수 있습니까?
왜 내가 뭔가를 좋아하지 않는다고 생각합니까? 나는 이것이 당신의 개인적인 정의라고 생각하고 내 생각을 추가했습니다.
Intellect의 문제로 넘어 갑시다. "의식적 정신 활동"에는 무엇이 포함되며 어떤 메커니즘을 기반으로 합니까?
Intellect의 첫 번째이자 주요 기능은 이성과 현실의 상호 작용이 실현되는 " 의미론적 구성" 으로 작업하는 것입니다. 의미론적 구성은 현실에 대한 마음의 "보기"의 산물이며 주관적(때로는 창조적) 프리즘을 통해 그 단편을 반영합니다.
의미론적 구성은 "라이브" 상호작용에서 객체 및 속성의 복합체 형태로 현실의 "섹션의 스냅샷"을 전달합니다. 의미 구조의 집합은 마음에서 또는 마음으로 객관적이거나 주관적인 메시지 를 전달하는 현실 또는 "의사 현실"을 단편적으로 모델링 합니다 . 이것은 의미론적 "피드" - 생각, 지식, 태도 등... 의미론적 구성은 인지 기능에 의해 구문 분석, 조립 또는 복사되며, 그 중 원인에서 결과로의 잘 알려진 논리적 전환이 있으며, 계층 구조를 따라 "실행"합니다. 범주 또는 연관 체인의 분기. 들어오는 의미 구성은 컨텍스트를 구문 분석, 평가, 추출 또는 모델링하고 소스의 주관적 프리즘을 해독하는 단계를 거칩니다. 입력에 대한 응답으로 마음은 일련의 논리적 및 분석적 메커니즘과 지식 기반을 사용하여 어셈블리를 생성하고 "재활용된" 재료는 부분의 경험에 통합될 수 있으며 지각의 표준을 다시 작성할 수도 있습니다. 이것들은 의미가 있는 마음 작업의 일반적인 원칙입니다. 여기서 각 단계는 피상적인 아이디어가 있는 복잡한 메커니즘입니다.
추신. 의미 구조 - 지성의 작업과 마음이 나타내는 현실의 캐스트의 산물은 의미 구조, 객체 순서 및 고유한 상속의 조합을 위한 자료만 제공하는 지식 기반의 빌딩 블록이 아닙니다. 인지 기능.
이러한 의미론적 구성은 오랫동안 의미론적 링크라고 불려 왔습니다.
인공 지능은 의식적으로, 최소한 정신적으로, 최소한 정신적 활동을 수행할 수 없습니다. 인식할 사람이 없습니다.
이러한 의미론적 구성은 오랫동안 의미론적 링크라고 불려 왔습니다.
인공 지능은 의식적으로, 최소한 정신적으로, 최소한 정신적 활동을 수행할 수 없습니다. 인식할 사람이 없습니다.
자각은 잠재의식에서 의식으로의 번역이다.
그리고 의식은 다음과 같습니다.
Созна́ние — состояние психической жизни организма, выражающееся в субъективном переживании событий внешнего мира и тела организма, а также в отчёте об этих событиях и ответной реакции на эти события.