มีข้อโต้แย้งทางวิทยาศาสตร์ / คณิตศาสตร์ที่ป้องกันไม่ให้การเรียนรู้อย่างลึกซึ้งจากการผลิต AI ที่แข็งแกร่งหรือไม่?

ฉันอ่านThe Book of Why ของจูเดียเพิร์ลซึ่งเขากล่าวว่าการเรียนรู้อย่างลึกซึ้งเป็นเพียงแค่เทคโนโลยีการปรับโค้งที่ได้รับการยกย่องและจะไม่สามารถสร้างสติปัญญาของมนุษย์ได้

จากหนังสือของเขามีแผนภาพนี้ที่แสดงความสามารถทางปัญญาสามระดับ:

แนวคิดก็คือ "ปัญญา" ที่ผลิตโดยเทคโนโลยีการเรียนรู้ลึกในปัจจุบันนั้นอยู่ในระดับของการเชื่อมโยงเท่านั้น ดังนั้น AI จึงไม่มีที่ไหนใกล้กับระดับของคำถามที่ถามเช่น "ฉันจะทำให้ Y เกิดขึ้นได้อย่างไร" (การแทรกแซง) และ "จะเกิดอะไรขึ้นถ้าฉันทำสิ่งที่แตกต่างไป (counterfactuals) และเป็นไปได้ยากที่เทคนิคการปรับโค้งจะทำให้เราเข้าใกล้ความสามารถทางปัญญาในระดับที่สูงขึ้น

ฉันพบว่าเหตุผลของเขาโน้มน้าวใจในระดับสัญชาตญาณ แต่ฉันไม่สามารถหากฎหมายทางกายภาพหรือคณิตศาสตร์ที่สามารถหนุนหรือสงสัยในการโต้แย้งนี้

ดังนั้นมีข้อโต้แย้งทางวิทยาศาสตร์ / กายภาพ / เคมี / ชีวภาพ / คณิตศาสตร์ที่ป้องกันไม่ให้การเรียนรู้อย่างลึกซึ้งจากที่เคยผลิต AI ที่แข็งแกร่ง (ปัญญาเหมือนมนุษย์)?

ความคิดเห็นของจูเดียเพิร์ลในปี 2018 เกี่ยวกับ ACM.org ในการสร้างเครื่องจักรที่ชาญฉลาดอย่างแท้จริงการสอนสาเหตุและผลกระทบของพวกเขาคือการเจาะความจริง

ความสำเร็จทั้งหมดที่น่าประทับใจของจำนวนการเรียนรู้ลึกเพียงแค่ปรับเส้นโค้ง

$\mathbb{R}^n$

1. เครือข่ายประดิษฐ์ไม่สามารถใช้ตรรกะได้
2. เครือข่ายประดิษฐ์เป็นวิธีการที่ดีที่สุดสำหรับ AI

เหตุผลสามารถแยกออกจากรายการคุณลักษณะของมนุษย์ที่สำคัญของสติปัญญาซึ่งเป็นสิ่งที่ยืนยันทั้งสองร่วมกันจะหมายถึงอะไร

สมองของมนุษย์เป็นเครือข่ายของตัวสร้างเส้นโค้งที่ซับซ้อนหรือไม่? คำพูดที่โด่งดังของมาร์วินมินสกี "สมองได้กลายเป็นเครื่องทำเนื้อสัตว์" ได้รับการเสนอโดยไม่มีการพิสูจน์และไม่ได้พิสูจน์ว่าเขามีสมองเป็นมนุษย์เล็กน้อยหรือพิสูจน์ได้ว่าสมองอยู่เหนือการคำนวณของทัวริง .

เมื่อคุณอ่านคำเหล่านี้เครือข่ายประสาทของคุณทำลำดับของเส้นโค้งต่อไปนี้พอดีหรือไม่

• ขอบจากแท่งและจอประสาทตา
• เส้นจากขอบ
• รูปร่างจากเส้น
• ตัวอักษรจากรูปร่าง
• องค์ประกอบทางภาษาศาสตร์จากกลุ่มตัวอักษร
• โครงสร้างภาษาศาสตร์จากองค์ประกอบ
• ความเข้าใจจากโครงสร้างภาษาศาสตร์

กรณีนี้มีความแข็งแกร่งสำหรับการยืนยันว่าห้าข้อแรกเป็นกลไกการรวมกันของแบบจำลองและโครงสร้างการเรียนรู้ของเครื่องทั้งหมดเป็นเพียงวิธีการที่เหมาะสมกับข้อมูลกับแบบจำลอง

ไอเท็มหัวข้อย่อยสองรายการสุดท้ายนั้นเป็นที่ที่กระบวนทัศน์แตกหักและที่นักวิจัยและผู้เขียน AI หลายคนระบุไว้อย่างถูกต้องว่าการเรียนรู้ของเครื่องนั้นมีข้อ จำกัด ที่สำคัญเมื่อยึดตาม perceptrons แบบหลายชั้น นอกจากนี้รายการสัญลักษณ์แสดงหัวข้อย่อยครั้งสุดท้ายมีการปรับให้เกินความคาดหมายอย่างมากในสถานะปัจจุบันอาจเป็นไปตามคำสั่งขนาด แม้ว่ามินสกีนั้นถูกต้องที่คอมพิวเตอร์สามารถทำสิ่งที่สมองทำได้กระบวนการในการอ่านและทำความเข้าใจในย่อหน้านี้อาจมีองค์ประกอบกระบวนการที่ไม่ซ้ำกันหลายพันชนิดในรูปแบบของเวิร์กโฟลว์ภายในพร้อมกับการขนานขนาดใหญ่ เทคโนโลยีการถ่ายภาพบ่งชี้ความน่าจะเป็นนี้ เรามีคอมพิวเตอร์ที่สร้างโมเดลเฉพาะอุปกรณ์ต่อพ่วงที่ง่ายที่สุด

มีข้อโต้แย้งทางวิทยาศาสตร์ / คณิตศาสตร์ที่ป้องกันไม่ให้การเรียนรู้อย่างลึกซึ้งจากการผลิต AI ที่แข็งแกร่งหรือไม่? - ไม่ แต่ไม่มีการโต้แย้งใด ๆ ที่รับรองได้เช่นกัน

คำถามอื่น ๆ ที่นี่ตรวจสอบว่าตัวดัดแปลงเส้นโค้งที่ซับซ้อนเหล่านี้สามารถแสดงองค์ประกอบของการรับรู้หรือการใช้เหตุผล

• เครือข่ายประสาทสามารถตรวจจับเฉพาะช่วงเวลาได้หรือไม่
• เครือข่ายที่ลึกสามารถผ่านการฝึกอบรมเพื่อพิสูจน์ทฤษฎีบทได้หรือไม่?

โทเท็มทั้งสามในภาพของคำถามการเห็นการทำและการจินตนาการไม่สมบูรณ์ครบถ้วนแม่นยำหรือลึกซึ้ง

• อย่างน้อยห้ากระบวนทัศน์ทางประสาทสัมผัสในมนุษย์ไม่ใช่อย่างใดอย่างหนึ่ง
• การทำความรู้สึกของมนุษย์ก่อนหน้านี้โดยพันล้านปี - แบคทีเรียทำ
• การจินตนาการไม่ใช่กระบวนการที่สูงกว่าการจำลองสถานการณ์จากแบบจำลองของประสบการณ์ที่ผ่านมาอย่างมีนัยสำคัญด้วยวิธีการบางอย่างเพื่อใช้ฟังก์ชั่นการตั้งค่าเพื่อรวมพวกเขาและฉีดการกลายพันธุ์แบบสุ่ม
• ความคิดสร้างสรรค์อาจจะจินตนาการในไอเท็มหัวข้อย่อยก่อนหน้าตามด้วยการกำจัดผลลัพธ์ด้านจินตนาการที่ไร้ประโยชน์ด้วยเกณฑ์คุณภาพเชิงตลาดบางอย่างทิ้งผลิตภัณฑ์สร้างสรรค์ที่น่าประทับใจที่ขาย

รูปแบบที่สูงขึ้นคือการชื่นชมความรู้สึกของความเป็นจริงเกินขอบเขตของการวัดทางวิทยาศาสตร์ข้อสงสัยที่ถูกต้องตามกฎหมาย, ความรัก, การเสียสละเพื่อประโยชน์ของผู้อื่นหรือมนุษยชาติ

หลายคนยอมรับว่าสถานะปัจจุบันของเทคโนโลยี AI ไม่มีที่ไหนใกล้กับการจัดหาระบบที่สามารถตอบได้อย่างน่าเชื่อถือ "ฉันจะทำให้ Y เกิดขึ้นได้อย่างไร" หรือ "ถ้าฉันทำแตกต่างกัน X จะยังคงเกิดขึ้นหรือไม่"

ไม่มีข้อพิสูจน์ทางคณิตศาสตร์ว่าการรวมกันขององค์ประกอบการโค้งขนาดเล็กบางอย่างสามารถหรือไม่สามารถบรรลุความสามารถในการตอบคำถามเหล่านั้นเช่นเดียวกับมนุษย์ทั่วไปสามารถส่วนใหญ่เพราะมีความเข้าใจไม่เพียงพอของสติปัญญาคืออะไรหรือวิธีการกำหนดในแง่คณิตศาสตร์

อาจเป็นไปได้ว่าสติปัญญาของมนุษย์ไม่มีอยู่เลยการอ้างอิงนั้นขึ้นอยู่กับความเชื่อทางศาสนาว่าเราสูงกว่าสายพันธุ์อื่น การที่เราสามารถเติมบริโภคและกำจัดได้จริง ๆ แล้วไม่ใช่ความคิดที่ชาญฉลาดของปัญญา

การอ้างว่าสติปัญญาของมนุษย์เป็นการปรับตัวที่ทำให้เราแตกต่างจากสัตว์เลี้ยงลูกด้วยนมอื่น ๆ ที่ขัดแย้งกับว่าเราปรับตัวได้ดีหรือไม่ เรายังไม่ได้ทดสอบ มาเป็นนักฆ่าอุกกาบาตระดับโลกคนต่อไปด้วยคลื่นกระแทกขนาดของดาวตกอุกกาบาต Chicxulub ตามด้วยฤดูหนาวสุริยะสองสามพันปีและเราจะเห็นว่ามันเป็นปี 160,000 ปีหรือการดำรงอยู่ของแบคทีเรีย 4,000,000,000 ปีที่ พิสูจน์ได้อย่างยั่งยืนมากขึ้น ในช่วงเวลาของชีวิตสติปัญญาของมนุษย์ยังไม่ได้พิสูจน์ตัวเองอย่างมีนัยสำคัญว่าเป็นลักษณะการปรับตัว

สิ่งที่ชัดเจนเกี่ยวกับการพัฒนา AI ก็คือระบบประเภทอื่น ๆ มีบทบาทพร้อมกับผู้เรียนอย่างลึกซึ้งโดยใช้แนวคิดหลายชั้น perceptron และเมล็ดที่มีลักษณะเฉพาะซึ่งเป็นเมล็ดพันธุ์ที่ยึดติดผิวอย่างเคร่งครัด

ส่วนประกอบ Q-learning, ส่วนประกอบที่ให้ความสนใจและส่วนประกอบหน่วยความจำระยะสั้นล้วนมีพื้นผิวที่มีความแข็งแรงมากเช่นกัน แต่เพียงแค่ยืดความหมายของการปรับพื้นผิวให้เหมาะสม พวกเขามีคุณสมบัติและสถานะการปรับตัวตามเวลาจริงเพื่อให้พวกเขาสามารถทัวริงได้อย่างสมบูรณ์

ภาชนะตรรกะฟัซซีระบบที่อิงกฎระเบียบอัลกอริธึมที่มีคุณสมบัติของมาร์คอฟและส่วนประกอบอื่น ๆ อีกมากมายก็มีบทบาทและไม่เหมาะกับพื้นผิวเลย

โดยสรุปมีจุดที่มีพื้นฐานมากกว่าความน่าเชื่อถือหรือคุณภาพที่น่าพึงพอใจอย่างไรก็ตามผู้เขียนหลายคนเหล่านี้ไม่ได้ให้กรอบทางคณิตศาสตร์ที่มีคำจำกัดความแอปพลิเคชันบทแทรกทฤษฎีบทบทพิสูจน์หรือแม้แต่การทดลองทางความคิด พิจารณาอย่างเป็นทางการ

มันเป็นสิ่งที่ขัดแย้งกัน แต่เครื่องเรียนรู้อย่างลึกซึ้ง (นิยามว่าเป็นตัวแปร NeuralNet) ไม่สามารถเรียนรู้อะไรได้ มันเป็นสถาปัตยกรรมฮาร์ดแวร์ / ซอฟต์แวร์ที่ยืดหยุ่นและสามารถกำหนดค่าได้ซึ่งสามารถนำมาใช้แก้ไขปัญหาได้มากมาย แต่พารามิเตอร์ที่ดีที่สุดในการแก้ไขปัญหานั้นได้มาจากระบบภายนอกเช่นอัลกอริทึมการกระจายกลับ

ระบบย่อย Back-propagation ใช้กระบวนทัศน์การเขียนโปรแกรมทั่วไปไม่ใช่ Neural Net ความจริงข้อนี้ขัดแย้งกับจิตใจมนุษย์อย่างสมบูรณ์ซึ่งการเรียนรู้และการใช้ความรู้นั้นกระทำโดยระบบเดียวกัน (ใจ)

หากสิ่งที่น่าสนใจจริง ๆ ทำนอก NN มันก็ยากที่จะอ้างว่า NN (ในตัวแปรใด ๆ ) สามารถพัฒนาใน AGI

นอกจากนี้ยังเป็นไปได้ที่จะพบความแตกต่างเพิ่มเติม โครงข่ายประสาทเป็นตัวเลขที่แข็งแกร่งในส่วนต่อประสานและภายใน จากมุมมองนี้พวกเขาเป็นวิวัฒนาการของเครื่องเวกเตอร์สนับสนุน

ความแตกต่างและข้อ จำกัด มากเกินไปที่จะคาดหวัง AGI

หมายเหตุ: ฉันไม่เห็นด้วยอย่างยิ่งกับการดึงที่รวมอยู่ในคำถามเดิม "การเห็น", "กำลังทำ", "การถ่ายภาพ" เป็นระดับที่ผิดอย่างแน่นอน มันจะละเว้นจากแนวคิดซอฟต์แวร์พื้นฐานและทั่วไปเป็น "นามธรรม" หรือ "สถานะโปรแกรม" (จากใจในคำทัวริง); ใช้ AI ในฐานะ "ผู้คาดการณ์ล่วงหน้า"; และ AGI นั้นเป็น "เจตจำนงเสรี", "วัตถุประสงค์และความรู้สึก", ...