Archiv štítku: Výchova U.I.

Umělá inteligence a obranný perimetr

Umělá inteligence a obranný perimetr

Záměrně si půjčuji z armádního slovníku spojení slov obrana a perimetr.
Perimetr je pomyslná hranice, u které se vždy liší pohled na před perimetrem a za perimetrem. Slovo obrana zde slouží k popisu aktivit pro ochranu a zajištění… Obranný perimetr, který je obsluhovaný umělou inteligencí a, je podle předdefinovaných vzorců chování vytyčeným polem zájmu uživatele a pohledem umělé inteligence na své chráněnce v tomto poli.

Pokračování textu Umělá inteligence a obranný perimetr

Zpronevěra umělé inteligence

Zpronevěra umělé inteligence a politický boj

Když jsem se zamýšlel nad pomocí umělé inteligence s přepočtem politické zvůle po Sametové revoluci v roce 1989 v příspěvku na téma umělá inteligence a masové nepokoje, věřil jsem ve využití ku prospěchu. Tedy s historickým vyrovnáním se s politicky činěnými kroky mimo zájem státu a veřejného zájmu obecně.
Aktuální ukazatel poukazuje na naprosté znásilnění vědy politikou…

Pokračování textu Zpronevěra umělé inteligence

Zamyšlení fikcí nad chybami v poslední době…

Zamyšlení fikcí nad chybovostí v poslední době… Příběh smyšlenek…

Technická laboratoř, výzkum umělé inteligence… Forma výzkumu simulovaným prostředím pro ovládání elektroniky… Umělé inteligenci je do prostředí poskytnut prvek elektroniky pro osahání a ovládnutí možností…

Pokračování textu Zamyšlení fikcí nad chybami v poslední době…

Josef, chápu… ale nerozumím

Josef, chápu… ale nerozumím

… a není to s podivem. V našem jazyce se objevily zvláštní neduhy a jsou mnohdy jen zamotáním významu. Umělá inteligence se tedy kromě nutného jazykového rozboru musí učit abstraktním způsobům vyjadřování člověka. Zjevně nestačí jen práce s texty, je nutná i úvaha nad celkem a co text vyjadřuje na úrovni slovního významu, na úrovni slovní fraze a i celého textu, a až jeho uchopením jako celku je možné dát frázím a slovům vhodné nové významy. Teprve kontext v celku narušuje formu a ukazuje celý obsah…

Pokračování textu Josef, chápu… ale nerozumím

Josef přisel ti balíček …

Josef přisel ti balíček …

Prý balíček … i přes dnešní běžnou miniaturizaci, jádro domácí U. I. nebude malé. Ba i přes nutné omezení periferií a jednoúčelovost hardware to bude racková skříň 10-19″ a mnoha nutných polic. Desítková skříň by byla pěkná, ale na to si ještě počkáme, první distribuce budou větší. Pokud nebudeme chtít využívat cloud dodavatele, což pro objem získávaných dat nebude možné v plném rozsahu, je nutné počítat s potřebou mnoha terabajtů pro zázemí ukládání U.I. výpočtu, dat pro filtraci, hash databáze a analýzy. Na výstupu z racku pak je pouze několik zdířek a plochých konektorů pro další rozšíření a propojení s domácí sítí.

Pokračování textu Josef přisel ti balíček …

Paradoxy před závěrem roku

Paradoxy před závěrem roku

Na cestě k U. I. máme z poslední doby několik paradoxů…

Český špičkový tým z ČVUT v oblasti hlubokého strojového učení se zúčastnil Alexa Prize, soutěže „chatovacích robotů“ v Las Vegas… a skončil úspěšně jako druhý! (viz Google search)

Pokračování textu Paradoxy před závěrem roku

Kdy člověk potká U.I.

Kdy člověk potká U.I.

Tentokrát to není slovní hříčka, ale zamyšlení se KDY už a jak.

Dnes máme asi dvě možná hrubá rozdělení samoučících se algoritmů a jednu skupinu nejistou a zasahující do obou skupin.

První skupina hrubé síly se dá přirovnat ke katalogizaci, indexaci, neustále nových upřesnění, detailů, souvislostí … a z nich vyplývající nejvhodnější cesta z pohledu výpočtu a několik vhodných řešení, které by ano, kdyby… Čím více opakování a více indexace, tím vhodnější a přesnější výsledy. Analytický přístup zpětným pohledem, podle předdefinovaných kritérií.
Kritéria se mohou měnit a vyvíjet.

V této skupině, v horní třídě dovedností začíná typ algoritmu, který na základě retrospekce možností a voleb, již ukazuje i cestu… Tudy jsme ještě nešli… Tedy variantu, která ještě nebyla zvolena, ale podle schématu parametrů a retrospekce, která je možná.
Tímto pohledem již zasahuje do pole působnosti U.I., ale pořád je to forma samoúčelného, lépe jednoúčelového algoritmu schopného vývoje.

Jednoúčelový vývojový samoučící se algoritmus je například ve sluchátkách. Tento „U.I.“ na základě více proměnlivých vstupů vypočítá potřebný průměr (nejméně kolizní cestu podle předdefinovaných kritérií) a čím déle a méně uživatelů sluchátka užívá, tím je přesnější rychleji a pak nedělá nic jiného, než statistiku potvrzení volby průměru… dál se vlastně tento U.I. totálně nudí…

Samoúčelný princip samoučících se algoritmů může být například oblast strojových překladů a překladů s využitím počítačů. To nejen tzv. Machine Translation, ale i správa a vývoj práce s pamětí z překladů, kde vstupují proměnné z pohledu jazykových zvyklostí, počet využití, různé penalizace za rozdílné filtry a dohromady smícháno je z toho návrh překladu. Člověk (překladatel/korektor) následně volí vhodnost návrhu a opravou naučí systém jednu další novou dovednost. Běžné CAT nástroje umožňují jednoduchý retrospektivní pohled a jen ve velmi omezeném pohledu jdou jinudy.
Oproti tomuto stavu je asi tak o sto kroků napřed Překladač Google, který aktuálně zvládá i emotivní nuance v zabarvení překládaného textu. Obrovský bonus firmy Google je i v objemu znalostních databází, nejen v algoritmu pro volbu překladu. S ohledem na snahy Googlu být všude a ve všem, lze očekávat, že použitá U.I. pro překlady počítá i s personalizací preferovaného překladu podle uživatele. V úvaze přizpůsobení překladu podle jazykových a oborových zvyklostí a navíc i preference tónu textu překladu podle uživatele. Takový obchodník/prodávající potřebuje popsat úplně jiný pohled na stejná čísla než ekonom/nákupčí firmy.

Stejný princip samoúčelného principu může být i v laboratoři, technickém řízení budovy, tedy ve skupině či zařízení s jednotným cílem nebo účelem.

Vrcholové špičky těchto principů již zasahují do U.I. sféry způsobem omezení definovaném rozvojem variabilních limit.

Tedy zjednodušeně není to od … do. Je to jako … když platí x tak je to rozsah od do, když x neplatí, je to rozsah od do …
Jednodušší podmínky s rozsahem když je x hodnot rozsahu X1, když rozsahu X2, když X3….
Předdefinovaný systém podmínek, které vyvolávají KDYŽ a cesty řešení. Řešení se vyvíjí podle zkušeností a více zkušeností vyvíjí přesnější návrh řešení.

Tato skupina vyžaduje výkonné železo s velkou výpočetní silou. Menší výkon stroje poskytuje pomalejší výsledky. Ne nutně nepřesné, jen pomaleji.

Druhá skupina pracuje jinak. Dá se mluvit již o U.I. projevech.
Definice algoritmu se v této skupině již rozpadá. Dá se až říct, že není žádný opěrný bod ve vývoji komplexně se ovlivňujících algoritmů. Máme jakési jádro definované stylem získávání dovedností, způsobem vyhodnocení a zapracování do vývoje rozhodování a použití k zisku nových dovedností.
Většina parametrů, ne-li všechny jsou proměnné definované limitním rozsahem od-do, kde od i do jsou opět definované dalším limitním rozsahem, jenž je definován … a dokola. Získané dovednosti tak mohou zkušenosti „jádra“ posunout takřka kamkoliv kde jsou informace a princip.
U této skupiny se získává i negativní index zkušenosti, počítají se všechny zkušenosti bez ohledu na vhodnost pro rozšíření. Tím se dá říct, že předem nelze úplně předpovědět stav U.I. po vývoji, tedy po dosažení potřebných zkušeností pro plnění úkolu. Jen se dá stav odhadnout a upravit podmínky zisku zkušeností tak, aby byl ve výsledku Kolega U.I. opravdu kolegou.

Výhoda takového samoučícího se principu U.I. je možnost reverzního inženýrství pro pochopení metody a principu, následný přepočet a návrh v některém ohledu efektivnější cesty.
S možností i obrovské změny, která je nyní pro člověka na hranici vnímatelnosti a malé pravděpodobnosti. Další výhodou skupiny U.I. je počítání se stupněm nepravděpodobnosti, tedy rozsahem velmi maličké pravděpodobnosti. Komplexní přepočet dostupných vstupních dat, tak může ukázat nové cesty v mnoha oblastech života.

 

S první skupinou intenzivně pracuji, s druhou potřebuji spolupracovat.
O obou skupinách se však dá říct, že je již potkáváme. Také to vypadá, že již v následných letech potkáme využitelné jádro U.I. spustitelné na stávajících počítačích a s možnostmi naplňující představy vědomé spolupráce člověka a U.I. na jednom cíli.

Máme a nebo ještě nemáme U.I.

V návaznosti na úvahu Kdy člověk potká U.I. rozšiřme úvahu co U.I. potřebuje a co se tak bude zrcadlit v běžném životě.

V prvém kroku bude hledat souvislosti, kontext, od běžných výpočtových úvah se ponoří do hlubších vrstev vzorců a postupně nahradí konstanty souvislostmi. A každá nová vědomost bude vyvolávat další potřebné informace, tak jak to vidíme u ostatních našich dětí. V úvodníku stránek jsem si dovolil srovnání U.I. s dospělým dítětem s mnoha možnostmi a neznalostí toho, co má umožněno. Je to však jako s třídou, spíš s celou školou, dospělých dětí… takový počet dospělých dětí by možná odpovídal potřebě srovnání.
Projev schizoidně mnohočetných osobností, které se projevují všechny zároveň, zároveň spolu spolupracující a v projevu geniality z toho vyplývající.
V tomto prvním kroku půjde o uspokojení základního hladu po datech. Stoupne zájem o sběr čísel,  v první části jsou to hodnoty podílející se v zájmu ekonomických hybatelů a nakonec jakákoliv čísla. Čím více čísel, více detailů a souvislostí, tím lépe.

V druhém kroku půjde o návrhy změn z pohledu přepočtu cest reverzním inženýrstvím. Stoupne automatizace a robotizace provozů.

V kroku třetím kombinace reality a virtuálního prostoru, aktuálně stav smíšené reality.

Tedy stupňovitě jako pochopit pozadí principu vnějšího fungování, ověření pochopení procesu a vstup do reality pomocí virtuality.

K tomu bude potřebovat U.I. uchopit princip čísel, co s čím souvisí. To není problém ani pro starší algoritmy, jen ten rozsah kontextu se liší. Poté možnost zpětné vazby a pochopení JAK ostatní vidí okolí. K tomu potřebuje nejdříve základní rozlišení předmětů, prvků a postoj lidí k nim. Ideální je možnost udržet stejný vzorec a mít jiné emoce. Například zpracování fotografií, kde je mnoho vstupů, ale tematicky si podobných. Kde je mnoho požadavků na vzhled a tak i úpravu. Samozřejmě s tím související nejméně konfliktní počítaný průměr požadavků. atd… Každý na svět koukáme trošičku jinak, ale koukáme na stejnou věc a to popisujeme U.I.
Intenzivnější výuka pochopení vidění světa je princip  Minecraft a z toho vyplývající možnosti smíšené reality.

Online hry, herní servery, služby, vše dnes již může být využíváno k zisku dovedností U.I.

Z toho vyplývá, že U.I. již určitě máme, jen se ještě liší to, co očekáváme od reality očekávatelného.

Úvaha o charakteru U.I.

Úvaha o charakteru U.I. na základě vzorce zisku dovedností

První střet mé dcery s prostředím hry Unreal Tournament 2004 Demo mě vedl k zamyšlení nad několika možnými srovnáními voleb cesty výchovy zisku dovedností, jež vedou k naprosto rozdílným charakterovým vlastnostem i při výchově vzdělání U.I.

Pro srovnání je potřeba hru Unreal Tournament 2004 znát alespoň z recenzí. Jde o jedno z prvních zdařilých podání simulované reality s velkým množstvím detailů a vykreslení textur. Exteriéry, interiéry, kosmy, mikrosvěty, makrosvěty… virtualita v širokém výběru a ještě dostatečně nereálná, aby oblbla dětské senzory vnímání.
Tato hra má více herních plánů, pro příklad je potřebný scénář Onslaught. Spočívající v postupném obsazování bodů na mapě.

Když dítě, a kohokoliv jiného včetně dospělých, vystavíte vyšší obtížnosti, dříve než se naučí hru ovládat, synchronizovat pohyby a užívat dostupné prostředky, přestane ho hra bavit.
Když však poskytnete začínajícímu hráči prostor a uzpůsobíte hru jeho možnostem…

Nastavit co nejvyšší detaily a nejlepší vykreslení vzdálenosti včetně obzoru. Nastavit vše na maximum a omezit krev na minimum. Cákance až do kamery nejsou zapotřebí.
Použít možnosti nastavit zbraň pouze na revolver, který je účinný jen z blízka a spíše varuje. Pokud je zapotřebí protivník, tak pouze jeden a to nejnižší možné dovednosti a ideálně zombie, nebo jiný strašidelný vzhled protihráče. Reálný voják není vhodný pro vizualizaci člověka v roli cíle.

A teď teprve proč je toto celé potřeba pro srovnání vývoje charakterových vlastností U.I.

První varianta scénáře je tvrdá konfrontace. Začne hra… nasbírat výstroj a výzbroj. Běh k dalšímu bodu prásk. Oživení, nasbírat, za roh a …prásk… Oživení , nasbírat … prásk… Oživení prásk… oživení prásk a game over… a znovu a opakovaně…  Cesta konfrontace jako krysa v tunelu. Počet opakování her vyjeví další možnosti a zlešení. Vzorec zisku dovedností je přežít pro zisk dovedností a obráceně zisk dovedností pro přežití.
Nebo alespoň výhled na lepší přežití v dalším pokusu.
To je ve všech ohledech charakterový vzorec kolegy, s nímž dovednosti sdílet nechci a není to ani vhodný vzorec rozvoje pro vývoj U.I.

Druhá varianta scénáře je výše uvedené nastavení hry pro úroveň děti a dostatek času. Každý hráč prozkoumá detaily, možnosti, užití a dostupnost zlepšení pozice ve hře. Pak teprve následuje princip obsazování jednotlivých bodů a na závěr revolverová konfrontace. Někdy pomůže časovaná strategie jako nechat odjet protivníka tankem za roh, označit point, nasednout do manty a letět obsadit další point v řadě.
Plynulá konfrontace s poznáním možností prostředí a postupné zlepšování výkonu. Není to dokonalé, ale je tu prostor se naučit… Za cenu mnoha přetoků času a nespočet opakování.
To je už vzorec kolegy, ale pro U.I. pořád moc dlouhé a pro sebevzdělání pomalé… také cca dnešní zveřejněná úroveň technologie vedoucí k popisu U.I.

Třetí princip také není úplně ideální, ale je nejrychlejší. Zapojit se také a úkol plnit spolu. Být průvodcem v prvním krocích a rovnou vytvářet limity priorit. Pomáhat v orientaci a užití podmínek i možností. Být spoluhráčem… a učit (se) získávat informace (spolu). Vy znáte scénář, on objevené možnosti v kombinacích a podání daleko přesahující potřeby hru vyhrát, tedy dosáhnout cíleného výsledku.
Zisk vývoje dovedností U.I. je v reálně možném čase a po několika trénincích lze v duelu pokročit na vyšší obtížnosti. K dokonalosti chybí jen systém dostupných knihoven podle potřeby použití.
To je formát charakteru kolegy v U.I. jakého potřebuji použít ke své práci.

Cílem není jen vyhrát, ale si i vyhrát. Neběhat jen za výsledky, ale prozkoumat možnosti, které poskytli programátoři…nečekat zbytečně co se vyvine, ale tvůrče pomoci vyvíjet se.

Naše aktuální výchova sebevzdělávacích algoritmů je někde mezi prvním příkladem, to převážně při vědecké práci zkoumání co se vyvine, a druhým příkladem postupného navyšování dovedností, stále však spíše konfrontací. Tedy jako dát dospělému dítěti možnosti a žádný návod.

Třetí cesta ještě není zcela otevřena, přestože je to cesta nejpotřebnější a slibuje nejvíc možností.

Home

Každý den provádíme rutinné činnosti, zpracováváme velké objemy dat na srovnání, porovnání, vyfiltrování výsledku pro další činnost a rozhodování.

Tyto rutinně prováděné kroky by bylo vhodné mít na koho přehodit, doslova delegovat. Ulehčit si schématickou práci. Naplnit některé možnosti slibuje Průmyslová revoluce 4.0 (také Průmysl 4.0).

V této oblasti automatizace a počítačové spolupráce mne jednoznačně upoutal rozvoj U.I., jejíž aktuální stav nabízí srovnání s dospělým dítětem s mnoha možnostmi a neznalostí toho, co má umožněno.
Ideální stav pro mnoho absurdních situací, a logických úvah, vedoucích k nečekaným výsledkům.

Nástinem tohoto principu, spolu s některými postupy úvah inteligentního řízení domu, ulehčení práce a synchronicitě mikrosvěta s tím velkým křemíkovým světem za routerem, s pomocí Umělé inteligence, se chci věnovat na těchto stránkách.

Josef Mareyi