ElectroYou

djnz ha scritto:(...) None, la logica può emergere da sola in modo implicito e subsimbolico. Il deep learning fa questo

cioè?

Io, come contributo, potrei aggiungere una nota descrittiva scrivendo che la AI procede per tentativi, tanti tentativi, per fornire risposte, magari errate, che a loro volta finiscono tra le informazioni da utilizzare per portare la volta successiva nuovi output; per far questo occorre parecchio materiale(dati, molti dati) e poi memoria in quantità ed una velocità di elaborazione elevata per scongiurare lunghe attese(tale velocità maggiore è meglio è).

Ho però il dubbio di aver scritto qualcosa di coerente, ma se mi limito a queste quattro righe posso anche sembrare convincente.
Dunque mi chiedo: è persuasivo e pertinente quanto ho scritto? Ed eventualmente cosa gli manca?

Mi pare, ma lo scrivo da ignorante, che ai propositi esplicativi sfugga almeno un passaggio utile ad un chiarimento, se possibile, in merito ai meccanismi(impostazioni, logiche, ...) che governano(governerebbero) il profondo apprendimento(insieme forse a qualcos'altro).
Se ho colto quanto espresso da @Max2433BO faccio mie le sue perplessità.
Grazie.

Saluti

Con 2 istruzioni è possibile programmare l'uscita di qualsiasi circuito lògico a più ingressi.
Non basta?

Ho riletto con attenzione il primo messaggio.

In sostanza, si sta dicendo che si può sostituire la forma combinatoria ridotta di una funzione logica con una lookup table e chiamarla "intelligenza artificiale":

Nella normale pratica esistono metodi (mappe di Karnaugh) per ricavare lo schema minimizzato con moduli logici

= forma combinatoria ridotta

ma con l'intelligenza artificiale bastano due istruzioni:

dubito che siano davvero solo due

la prima che ricava la riga n dalla composizione degli ingressi e la seconda stabilisce se l'uscita di quella riga deve essere 1 o 0.

= lookup table

WALTERmwp ha scritto:Se ho colto quanto espresso da @Max2433BO faccio mie le sue perplessità.

L'argomento è: connessionismo. In forma embrionale ci pensava già Turing nel 50, Minsky e Papert hanno formalizzato qualcosa negli anni 60, ma poverini allora non c'erano né i mezzi tecnici per realizzarle, né le conoscenze matematiche per addestrarle, e le ANN (reti neurali artificiali) sono state "snobbate" per molto tempo.

Oggi le capacità di calcolo e simulazione permettono ai calcolatori e software tradizionali di far funzionare reti molto estese, con topologie molto complesse (reti ricorrenti, convoluzionali, auto organizzanti).

Le ANN hanno la caratteristica di creare "autonomamente" una rappresentazione interna (subsimbolica, non esplicitamente progettata e codificata, e decisamente difficile se non impossibile da interpretare) a partire da esempi ingresso/uscita, qualsiasi cosa essi rappresentino, e qualsiasi sia la logica o funzione matematica esistente tra di essi.

Serve solo un insieme di dati di training sufficientemente fitto, da coprire almeno la frequenza di variazione delle uscite in funzione del range di valori in ingresso, un numero sufficiente di unità e strati, e un "metodo" di addestramento, che oggi si chiama regola delta o back propagation... ma Minsky e Papert non la conoscevano, e il loro studio sui perceptrons era poco più che l'equivalente elettrotecnico delle vecchie macchine elettrostatiche.

Una volta addestrata, la rete "conosce" implicitamente qualsiasi "cosa" leghi ingressi e uscite (si dice che la rete manifesta un comportamento emergente), ed è in grado di interpolare autonomamente i casi non presenti nel training set.

Nel mio piccolissimo e terra terra ho scritto qualche appunto qui.

La natura e l'evoluzione hanno seguito questa strada, ora la stiamo imitando. La prima forma di IA sono i sistemi automatici (intelligenza cablata, capacità di autoapprendimento limitata a qualche valore di regolazione). La seconda forma sono gli expert system di trenta anni fa con i linguaggi LISP, Prolog ecc, (apprendimento basato su regole e algoritmi simbolici ed espliciti). La terza forma è l'attuale deep learning "biomorfo" tramite ANN.

In tutti i casi va ricordato che si parla sempre e solo di IA debole, senza alcuna consapevolezza, è solo un tostapane (cit.)

.

djnz ha scritto:L'argomento è: connessionismo. (...)

Nel mio piccolissimo e terra terra ho scritto qualche appunto qui.

(...)

Grazie mille djnz!!!

Lo leggerò con sicuro interesse.

Scusa ma i link introduttivi nel tuo scritto, non sono più raggiungibili.

djnz ha scritto:L'argomento è (...)

grazie anche da parte mia djnz.
Lo metto in lista tra i documenti da leggere, e capire.

Saluti

boiler ha scritto:Ho riletto con attenzione il primo messaggio.

In sostanza, si sta dicendo che si può sostituire la forma combinatoria ridotta di una funzione logica con una lookup table e chiamarla "intelligenza artificiale"

(...)

Grazie boiler, almeno così il concetto iniziale mi risulta più chiaro, se è effettivamente questo quello che intendeva l'OP.

Però, definire "intelligenza artificiale" la semplice scansione di un array di dati, mi pare un po' esagerato.

Max2433BO ha scritto:Però, definire "intelligenza artificiale" la semplice scansione di un array di dati, mi pare un po' esagerato.

Vediamola così: conoscenza calcolata vs conoscenza conosciuta (tramite una qualche rappresentazione interna, compresa, parlando di valori binari, una LUT).

Ad esempio, hai 10 ingressi e 10 uscite, per vari motivi non vuoi/sai/puoi realizzare il circuito logico che lega le uscite agli ingressi, ma conosci (TUTTE) le combinazioni ingressi->uscite, ecco che la LUT "incorpora" la logica in modo implicito.

E nota che non è limitata alla logica combinatoria. Una LUT con un latch in uscita può realizzare anche una macchina sequenziale.


.

Capito!

In pratica, come accennava il problema boiler in [19], questo sistema è sicuramente valido quando le variabili in ingresso iniziano ad essere tante.

djnz ha scritto:Ad esempio, hai 10 ingressi e 10 uscite,...

Certo che anche costruirsi 10 array di 1024 elementi ognuno non è proprio una passeggiata, ma sicuramente si impiega meno tempo che ricavare 10 funzioni logiche con 10 variabili di ingresso.

Max2433BO ha scritto:

djnz ha scritto:Ad esempio, hai 10 ingressi e 10 uscite,...

Certo che anche costruirsi 10 array di 1024 elementi ognuno non è proprio una passeggiata

Vedila così: è un array solo di uint16_t con 10 elelenti.
L'indice è la configurazione in ingresso, i 10 bit meno significanti del valore sono le uscite.

È un po' piú semplice, no?

Boiler