Sentient AI nav vienāds ar inteliģentu AI

Sponsored

Jūs droši vien esat dzirdējuši par Google LaMDA un vīrusu diskusija par to, vai mākslīgais intelekts var kļūt jūtīgs. Komanda plkst Tau apgalvo, ka, iespējams, AI jūtīgums ir tikai neliela daļa no tā intelekta. Drīzāk mākslīgā intelekta patiesais intelekts būs balstīts uz tā spēju loģiski izprast cilvēku vajadzības un automātiski tās apmierināt.

Tau ir pirmā platforma, kas varēs ņemt vērā savu lietotāju domas, padomus un zināšanas un atjaunināt savu programmatūru reāllaikā, liekot lietotājiem rakstīt valodās, kuras var lasīt un saprast gan mašīnas, gan cilvēki. Tau decentralizētais sociālais tīkls un tā monetārais aspekts, Agoras kriptovalūta, darbina AI, ko komanda sauc par patiesi inteliģentu mākslīgo intelektu — loģisko AI. Loģiskais AI radikāli atšķiras no mašīnmācīšanās, un, pēc Tau dibinātāja Ohada Asora domām, tas ir uz sliekšņa, lai kļūtu par nākamo lielo vilni tehnoloģiju pasaulē.

Vietnē Tau Loģiskais AI ļaus jums piedalīties diskusijās par miljardiem cilvēku un acumirklī saskatīt kolektīvo tīšu nozīmi aiz tīklā izplatītajām domām. Tas tiks panākts, liekot cilvēkiem izmantot kontrolētās dabiskās valodas (CNL), kuras var saprast gan cilvēki, gan mašīnas. Katra doma un katra zināšanu daļa, gan tieša, gan netieša, tiks automātiski atpazīta un reģistrēta kā jūsu pasaules uzskats, kas darbosies kā jūsu profils vietnē Tau un pilnībā piederēs jums. Ja jūsu idejas un zināšanas būs sakārtotas tik progresīvā veidā, jūs varēsiet ne tikai atklāt revolucionārus risinājumus, bet arī gūt peļņu no savām zināšanām bez piepūles un tiešā veidā, kas iepriekš nebija iespējams.

Vienkārši ievadot savas domas par Tau, jūsu zināšanas automātiski kļūs par jums piederošu digitālo īpašumu. Jūs varēsiet pārdot savas zināšanas citiem pircējiem vai izmantot tās, lai gūtu ienākumus, iznomājot noteiktas tās daļas saviem abonentiem, jo ​​Tau sapratīs, ka pat daļa no jūsu zināšanām var būt daļa no kāda problēmas risinājuma. Tau izcels vairāku lietotāju zināšanu kombināciju un piedāvās to kā risinājumu svarīgām un sarežģītām problēmām, tādējādi garantējot, ka nepieciešamās zināšanas 100% atbilst specifikācijām.

Neviens no šiem risinājumiem nebūtu iespējams ar cita veida AI, izņemot vienu, kas balstīts uz loģiku. Tas ir tāpēc, ka, vienkārši izsakoties, loģiskā AI pamatā ir vārdi un teikumi. Savā būtībā tas ir par spēju secināt apgalvojumus no citiem apgalvojumiem tā sauktajā deduktīvā spriešanas veidā. Piemēram, no trim apgalvojumiem:

• Parīze atrodas Francijā.
• Francija ir Eiropā.
• Ja x ir y un y ir z, tad x ir z. Tas visiem x, y, z.

mēs varam secināt paziņojumu

Matemātiskās loģikas joma māca, ka praktiski visi loģiskie jautājumi var nonākt līdz šādai dedukcijas formai. Piemēram, apgalvojumu kopa ir pretrunīga tad un tikai tad, ja no tās varam secināt gan apgalvojumu, gan tā noliegumu.

Loģiskais AI ir loģiskās spriešanas mehanizācija: pretrunu atrašana, noteikšana, vai no dotajiem pieņēmumiem izriet secinājums utt. Tāpēc runa ir par spēju ļaut mašīnām saprast to, ko mēs vēlamies viņiem pateikt, ne tikai mašīnas norādījumus.

Tikmēr mašīnmācīšanās, kas pašlaik ir visizplatītākā AI forma, ir paredzēta vispārināšanai no piemēriem. Tātad, ja mēs paziņotu iepriekš minēto Francijas un Parīzes piemēru mašīnmācības veidā, mums būtu jāsniedz algoritms ar daudziem formas “x ir y” piemēriem un tad jācer, ka algoritms secinās, ka Parīze ir Eiropā.

Šāds saziņas veids pat nav pelnījis to saukt par inteliģentu, jo kā gan kaut kas var būt inteliģents, ja nevar secināt, ka Parīze ir Eiropā, un ir jāredz liels skaits piemēru, lai to “saprastu”, lai gan nav garantēts? Vispārināšanai no piemēriem ir varbūtības raksturs. Kā mēs varam izdarīt minējumus par neredzētiem paraugiem? Pārsteidzoši, ka mašīnmācībai dažreiz var būt taisnība un tā nav pilnīgi nejauša, un patiešām mašīnmācība ir pelnījusi, lai to sauktu par matemātisko brīnumu. Galu galā, kā var pateikt kaut ko tādu, kas, visticamāk, ir pat aptuveni pareizs un kas ir zem nulles zināšanu, pārsniedzot dažus paraugus?

Pārsteidzoši, ka mašīnmācība to var izdarīt. Un tas ir mašīnmācīšanās mērķis ar visām tās priekšrocībām un trūkumiem. Tās izmantošanas gadījums ir tad, kad mums ir maz zināšanu vai vispār nav zināšanu par sistēmu, un viss, ko mēs varam darīt, ir ņemt paraugus un mēģināt tos vispārināt.

No otras puses, loģiskais AI ir saistīts ar pilnām zināšanām un absolūtumu, gan tieši, gan netieši. Tas ir arī par daudz efektīvāku saziņas veidu, tiešu komunikāciju, "vienkārši pasakot lietu", nevis cenšoties sniegt daudzus piemērus.

Turklāt notiek tā, ka mašīnmācība pēc savas būtības nespēj veikt loģisku spriešanu, piemēram, atklāt pretrunas. Tas ir matemātiski pierādīts, izmantojot sarežģītības teorētiskos argumentus. Tāpēc nav nekāds pārsteigums, ka mašīnmācība sastopas ar panākumiem tikai tādās jomās, kurām ir neverbāls raksturs, savukārt dabiskās valodas apstrādes jomā tai ir tikai ļoti ierobežotas iespējas.

Tomēr pilnīgi pareizi ir arī otrādi: ne tikai loģika var nodrošināt mašīnmācīšanos, bet arī to jau dara. Mašīnmācīšanās algoritmi jau ir izteikti loģiskās formās (atšķirībā no piemēriem) un jau tiek realizēti kā datorprogrammas, kurām ir arī loģiska, diezgan varbūtība, proti, mašīnu instrukcijas.

Tāpēc loģiskā AI aptver arī mašīnmācīšanos, taču otrādi nekad nevar panākt. Vēl viens veids, kā to pateikt, ir šāds: mašīnmācība galu galā aptver to, ko sauc par induktīvo un abduktīvo spriešanu (kas aptuveni atbilst tam, ko sauc uzraudzīta un nekontrolēta mācīšanās), un kā tāds tas ir ļoti daudzsološs, taču joprojām tādā formā, kas aprobežojas ar tikai piemēriem, un turklāt pašreizējās tehnoloģijas attiecas tikai uz skaitliskiem datiem vai datiem, kurus var pārveidot par tādiem. No otras puses, loģiskais AI var aptvert deduktīvo spriešanu, induktīvo spriešanu un abduktīvo spriešanu kopumā gan kvalitatīvos, gan kvantitatīvos datos.

Šie ir galvenie iemesli, kāpēc Tau ir izvēlējies loģisko AI kā galveno AI veidu, apgalvojot, ka mašīnmācīšanās ir tikai pagrieziena punkts AI vēsturē. Tau risinājumi uzlabos daudzus cilvēku joslas platuma aspektus, sākot no diskusiju mērogošanas līdz zināšanu monetizācijai un beidzot ar viediem līgumiem un decentralizētu pārvaldību. Tas viss ir saistīts ar loģikas spēju pārvarēt plaisu starp cilvēkiem un mašīnām.

Uzziniet vairāk par Tau un komandu, kas ir tā pamatā šeit

Pievienojieties augošajai Tau kopienai Telegram

Šis ir sponsorēts ieraksts. Uzziniet, kā sasniegt mūsu auditoriju šeit. Zemāk lasiet atrunu.

Bitcoin.com mediji

Bitcoin.com ir galvenais avots visam, kas saistīts ar kriptovalūtu.
Kontakti [e-pasts aizsargāts] lai runātu par preses relīzēm, sponsorētiem ierakstiem, podkāstiem un citām iespējām.

Attēlu kredīti: Shutterstock, Pixabay, Wiki Commons