Форум создателей искусственных интеллектов

Язык и домены Определим в пространстве нашего домена следующие сортированные множества (то есть уникальные элементно, упорядоченные по значению): A -- акторы 𝑇 -- время 𝑆 -- состояния среды 𝑈 -- управляющие воздействия (действия) 𝑀 -- внутренние модели 𝑋 -- стимулы (наблюдения, сигналы) 𝐻 -- пространство памяти (F(𝑆, 𝑋)) 𝑅 -- вещественные числа (для меры)

Для этих множеств можно определить следующие функции env: T → S -- состояние среды во времени stim: 𝐴 × 𝑇 → 𝑋 -- стимул, получаемый актором model: 𝐴 × 𝑇→𝑀 -- внутренняя модель актора act: 𝐴 × 𝑇 → 𝑈 -- выбранное действие pred: 𝑀 × 𝑆 × 𝑈 → 𝑆 -- прогноз следующего состояния по модели next: 𝑆 × 𝑈 → 𝑆 -- фактический переход среды dist: 𝑆 × 𝑆 → 𝑅 ≥ 0 -- метрика на состояниях coord: 𝐴 × 𝑇 → 𝑅 ≥ 0 -- мера координации актора со средой mem: 𝐴 → 𝐻 -- память актора как множество/структура историй 𝐻 (логов)

На этих множествах можно определить следующие предикаты: Und (𝑎, 𝑡) -- «актор 𝑎 обладает пониманием в момент 𝑡» SuccAct (𝑎, 𝑡) — «деятельностный акт актора 𝑎 в момент 𝑡 успешен» ObjUnd (𝑎, 𝑡) -- «понимание актора 𝑎 объективировано в момент 𝑡» Corr (𝑎, 𝑡) -- «прогноз и фактическое изменение среды для актора 𝑎 в момент 𝑡 коррелируют» Meaning (𝑎, 𝑥) -- «стимул 𝑥 имеет смысл для актора 𝑎» Transf (𝑎, 𝑥, Δ) -- «актор 𝑎, получив стимул 𝑥, воспроизводимо реализовывает трансформацию среды Δ» VerifCoord (𝑎, 𝑥) -- «координация актора 𝑎 по поводу стимула 𝑥 верифицирована» Know (𝑎, 𝑥) -- «актор 𝑎 знает нечто, относящееся к стимулу 𝑥» И пороговые константы: 𝜀 > 0 -- допустимая ошибка прогноза 𝜃 > 0 -- минимальное значение coord, при котором говорим о наличии понимания

Определение меры координации (операциональное): ∀𝑎 ∈ 𝐴, ∀𝑡 ∈ 𝑇: coord(𝑎, 𝑡) = 𝑓(dist(pred(model(𝑎, 𝑡), env(𝑡), act(𝑎, 𝑡)), next(env(𝑡), act(𝑎, 𝑡)))) где 𝑓: 𝑅 ≥ 0 → 𝑅 ≥ 0 монотонно убывает (меньше ошибка — выше координация). Аксиома A1 (понимание как порог координации): ∀𝑎, 𝑡 : Und(𝑎, 𝑡) ↔ (coord(𝑎, 𝑡) ≥ 𝜃 ∧ SuccAct(𝑎, 𝑡)) Аксиома A2 (понимание не редуцируется к «владению информацией»): Введём предикат HasInfo(𝑎, 𝑡) -- «актор обладает некоторой информацией во внутреннем состоянии». ∀𝑎, 𝑡: HasInfo(𝑎, 𝑡) ∧ ¬SuccAct(𝑎, 𝑡)  → ¬Und(𝑎, 𝑡) Простое наличие внутренней информации без успешного акта не считается пониманием. То есть, понимание — это динамическая мера координации актора со средой, подтверждаемая исключительно через успешный деятельностный акт, а не внутреннее состояние или владение информацией

Фактическое следующее состояние: 𝑠_𝑡 = env(𝑡), 𝑠_𝑡+1 = next(𝑠_𝑡, act(𝑎,𝑡)) предсказанное: 𝑠^_𝑡+1 = pred(model(𝑎, 𝑡), 𝑠_𝑡, act(𝑎, 𝑡)) Аксиома B1 (корреляция прогноза и результата): ∀𝑎,𝑡: Corr(𝑎, 𝑡) ↔ (dist(𝑠_𝑡+1, 𝑠^_𝑡+1) ≤ 𝜀) Аксиома B2 (объективируемость понимания): ∀𝑎,𝑡: ObjUnd(𝑎, 𝑡) ↔ (Und(𝑎, 𝑡) ∧ Corr(𝑎, 𝑡)) То есть, понимание объективируется в тот момент, когда управляющий сигнал/воздействие актора (трансформированный в действие приёмника) приводит к изменению "реальности", которое коррелирует с прогнозируемой моделью

Введём: Δ⊆𝑆×𝑆 -- класс трансформаций среды (переходов 𝑠→𝑠′). Аксиома C1 (операционная способность трансформации): Transf(𝑎, 𝑥, Δ) ↔ ∀(𝑠, 𝑠′) ∈ Δ  ∃𝑡 ∈ 𝑇: {stim(𝑎, 𝑡) = 𝑥, env(𝑡) = 𝑠, next(𝑠, act(𝑎, 𝑡)) = 𝑠′, dist(pred(model(𝑎, 𝑡), 𝑠, act(𝑎, 𝑡)), 𝑠′) ≤ 𝜀 Актор способен, получая стимул 𝑥x, воспроизводимо реализовывать предсказуемую трансформацию среды. Аксиома C2 (смысл как операционный эффект): ∀𝑎, 𝑥: Meaning(𝑎, 𝑥) ↔ ∃Δ ≠ ∅:  Transf(𝑎, 𝑥, Δ) Аксиома C3 (смысл не является свойством «знака сам по себе»): Введём предикат Data(𝑥) ∀𝑎, 𝑥: Data(𝑥) ∧ ¬∃Δ: Transf(𝑎, 𝑥, Δ) →  ¬Meaning(𝑎, 𝑥) То есть, наличие данных без операционной способности их конвертации в предсказуемую трансформацию среды не даёт смысла. Смысл рождается как операционный эффект способности актора конвертировать входящий стимул в предсказуемую трансформацию среды, а не содержится в знаке или данных.

Введём предикат: VerifCoord(𝑎, 𝑥) -- «координация актора по поводу стимула 𝑥 верифицирована» Операциональное определение (координация замыкается на результат): VerifCoord(𝑎, 𝑥) ↔ ∃𝑡:  (stim(𝑎, 𝑡) = 𝑥 ∧ ObjUnd(𝑎, 𝑡)) Это означает, что был момент 𝑡, когда актор получил стимул 𝑥, действовал, и его понимание было объективировано (правильный прогноз + фактический результат). Аксиома D1 (отсутствие понимания и смысла без верифицируемой координации): ∀𝑎, 𝑥: ¬VerifCoord(𝑎, 𝑥)  → ¬Meaning(𝑎, 𝑥) ∧ ¬∃𝑡:Und(𝑎, 𝑡) ∧ stim(𝑎, 𝑡) = 𝑥 ∧ ¬Know(𝑎, 𝑥) Здесь можно разделить более явно: D1a (нет понимания по поводу 𝑥): ∀𝑎, 𝑥: ¬VerifCoord(𝑎, 𝑥) →  ¬∃𝑡: Und(𝑎, 𝑡) ∧ stim(𝑎, 𝑡) = 𝑥 D1b (нет смысла): ∀𝑎, 𝑥: ¬VerifCoord(𝑎, 𝑥) →  ¬Meaning(𝑎, 𝑥) D1c (нет знания): ∀𝑎, 𝑥: ¬VerifCoord(𝑎, 𝑥) →  ¬Know(𝑎, 𝑥) Аксиома D2 (память существует и вне понимания): ∀𝑎: ∃ℎ:   ℎ ∈ mem(𝑎) и ∀𝑎, 𝑥: ¬VerifCoord(𝑎, 𝑥) → ∃ℎ ∈ mem(𝑎): ContainsStim(ℎ, 𝑥) где ContainsStim(ℎ, 𝑥) -- предикат «история ℎ содержит события со стимулом 𝑥». То есть, вне верифицируемой координации, где внутреннее представление замыкается на фактический результат, нет ни смысла, ни понимания, ни знания — есть только память.

Понимаю, что могут возникнуть вопросы по поводу этих сообщений. Так, по моему скромному мнению, должна выглядеть формальная система, если мы в самом деле говорим о чем-то формальном. А всё, что пишется доморощеными философами настоящего форума является литературой, причём не очень качественной ни по форме, ни по смыслу... Все эти вольные пересказы Рассела, вместологии или придурковатые экзерсисы про мышление о мышлении -- это просто почти произвольные наборы слов. Ассоциации по поводу. В поисках самого лучшего набора. Но жестокая проза жизни заключается в том, что интеллектуальный процесс должен иметь исполняющее устройство. Для интеллекта естественного -- это мозг (и тело), для интеллекта искусственного -- это компьютер (с подвижной платформой, набором сенсоров и манипуляторов). Прочие варианты исключены)) Поэтому хотите вы того или нет, язык Интеллекта - это математика, а не графоманские писульки)))

ИСЧИСЛЕНИЕ ЗАДАЧНО-ОРИЕНТИРОВАННЫХ ПРЕДСТАВЛЕНИЙ (CaTOR) ЯЗЫК T — множество задач. R — множество представлений (моделей, онтологий, описаний). A — множество действий/решений. U(R, t) — полезность представления R при задаче t. Fit(R, t) — бинарный предикат «представление подходит для задачи». C(a, t) — достигнутое состояние действия a при задаче t. G(t) — целевое состояние задачи t. E(a, t) — ошибка решения: отклонение C(a, t) от G(t). АКСИОМАТИКА A1. Отсутствие абсолютной истинности представления ∀R ¬∃t (Fit(R, t) ∧ ∀t′ Fit(R, t′)) Нет представления, пригодного для всех задач. A2. Инструментальность представления ∀R ∃t : Fit(R, t) ↔ U(R, t)>0 Пригодность определяется только полезностью. A3. Неравенство моделей по эффективности ∃t ∃R1, R2 : U(R1, t) ≠ U(R2, t) Мнения и модели имеют различную ценность относительно задачи. A4. Ограниченность любого описания ∀R ∀X ¬(R полно описывает X) Формально как невозможность биекции между моделью и явлением: ∀R ∀X : ¬(R≡X) A5. Примат задачи ∀R ∀t : Fit(R, t) → t определяет критерий A6. Критерий качества — отклонение от цели ∀a ∀t : Quality(a, t) = f(E(a, t)), E(a, t) = dist(C(a, t), G(t)) A7. Цикличность решения (t → Req(t) → Sel(R ∣ t) → Path(t, R) → a → Eval(a, t)) где Eval(a, t) = E(a, t) A8. Адаптация E(a, t) > 0 → revise(t, Req, R, Path) ПРАВИЛА ВЫВОДА R1. Уточнение представления U(R2​, t) > U(R1​, t)​ -> Fit(R2, t) R2. Отбрасывание представления U(R, t) = 0​ -> ¬Fit(R, t) R3. Улучшение решения E(a, t) > E(a′, t) -> a′предпочтительнее a R4. Корректировка цепочки E(a, t) > 0 -> revise(⋅) ТЕОРЕМЫ T1. Не существует универсальной онтологии (из A1). T2. Полезность — единственный критерий выбора моделей (из A2 и R1). T3. Полное описание мира недостижимо (из A4). T4. Понимание — операционный процесс минимизации ошибки (Understanding(t) = min E(a, t)) T5. Различие «мнений» есть различие их полезности (из А3)