No tak, jak sie dokładnie to zaczęło to nie wiemy, ale przecież nie o to chodzi w tej dyskusji.
Chodzi o to ze by ruszyć ewolucję w świecie wirtualnym tak jak miała miejsce ona w świecie realnym.
Wiedza o tym i na jakich zasadach biegła ewolucja biologiczna jest jakimś punktem wyjścia do tego jak skonstruować 'system' w którym ewoluują programy a nie DNA

Nie dość, że bełkot, to jeszcze gubi wątek ;]

W prędkości światła (domyślnie w próżni) NIE chodzi o prędkość światła, mylnie potocznie nazywa się tak maksymalną możliwą prędkość oddziaływań, światło po prostu ją osiąga. I nie wiem po co dodajesz to co już napisałem? Co to za miejsce, co to za ludzie, co ja tu robię...

Mam pytanie, gdzie są te inteligentne maszyny ? Autonomiczny samochód google ?
Jak śmiertelnie potrącił kobietę to jego konstruktorzy powiedzieli że teraz to już się nauczył, już umie i więcej tego nie zrobi ? Albo translator google ? Ile lat już uczy się tłumaczyć i co ? Nauczył się ? Który program napisał z sensem powieść lub wiersz ? Albo wymyślił nowy lek na raka ? Dostał nobla ? Pokażcie mi te działające inteligentne maszyny.

1. Wszędzie – no może poza spożywczakiem na rogu. Jeszcze. BTW, przypominam:
https://pl.wikipedia.org/wiki/Inteligencja
2. Samochody autonomiczne przed uzyskaniem pełnej autonomiczności potrzebują mocniejszych procków – Tesla np. już takie ma, kilka dni temu się chwalili.
3. To nie samochód Google ale Ubera potrącił kobietę, miał wyłączone wbudowane mechanizmy zabezpieczające i generalnie Uber jako nowy w temacie zrobił złą robotę.
4. Oczywiście, że autonomiczne auta będą zabijać ludzi i obiecywanie nic nie da Przy czym np. w USA rocznie ginie na drogach 40000 ludzi, a gdyby jeździły tam auta autonomiczne to pewnie byłoby to z 400, więc chyba nie trzeba dalej tłumaczyć?
5. Translator Google od zeszłego roku używa AI do tłumaczenia polskiego i jeśli korzystasz to nie pojmuję jak można nie zauważyć drastycznej poprawy tłumaczeń? Polski jest przez Google Translate niestety traktowany po macoszemu, ale np. teksty na Koreański zdarzało mu się podobno tłumaczyć perfekcyjnie aż po znaki interpunkcyjne.
Możesz się też pobawić tym: https://www.deepl.com/translate
6. Do napisania powieści lub wiersza potrzeba sztucznej osobowości, a wy dalej nie rozróżniacie co jest czym i zadajecie głupie pytania Ale np. wiersze ludzi są zwykle głupie i krótkie, więc jak najbardziej udało się uzyskać podobny poziom dzięki AI:
https://futurism.com/artificial-intelligence-bad-poems/
Co więcej w wielu serwisach informacyjnych krótkie arty pisze AI, np. wyniki sportowe, a np. ostatnio Alibaba chwalił się swoim podobno nieźle działającym AI copywriterem:
https://www.scmp.com/tech/china-tech/artic...y-second-passes
7. Na którego raka? 'Rak' to tak naprawdę kilkaset różnych chorób i na niektóre z nich są lekarstwa, a na inne nie ma. Człowiek sobie tu generalnie nie radzi, a ty wymagasz, żeby AI z mózgiem wielkości płaza nagle przyszło i nas zbawiło niczym CyberJezus?

Dwa wnioski z tych pytań:
1. Siedzicie pod kamieniem (ew. przy kompie głównie pijecie piwo oglądając porno)
2. Plączą się wam definicje co jest czym, mylicie inteligencję z lekiem na raka, itd.

'' Mimo że człowiek, mistrz szachowy, mógłby narzekać na zmianę, to natychmiast dostosowałby do niej swoją grę. Program komputerowy – nawet Big Blue – musiałby zostać przeprogramowany... przez człowieka''

Postawmy szachownice przed dzieckiem ktore chociaz inteligentne nigdy w szachy nie gralo - zobaczymy rezultat. Czlowiek sie uczy algorytmow, SI podobnie, musimy miec podstawowe dane wejsciowe i rozumiec nasze zadanie inaczej nic nie mozemy zrobic.

Pamietajmy ze SI to nie tylko algorytm ale to maszynowe uczenie wyciaganie wnioskow ktorych ludzie nie byliby w stanie wyciagnac ze wzgledu na ograniczenia budowy naszego umyslu. SI nie mysli abstrakcyjnie, SI nie mysli wcale - SI sie uczy, analizuje i podaje swoje wnioski.

mam nadgodzin na uczelni na 16.000 netto a ty co bedziesz robil przez robil przez nastepny rok? pisla algorytmy do szachow

To bardzo częsta i naturalna reakcja. Wszystko co już mamy przyjmujemy za oczywiste i przesuwamy granicę tego co można uznać za SI coraz dalej.

Artykuł mocno przeciętny.
1. Skoro jest mowa czym sztuczna inteligencja nie jest, to przydałoby się zdefiniować czym inteligencja jest (tylko pewnie 100 takich artów to mało)

2. Szczerze powiedziawszy, to nie kojarzę w marketingu donoszenia się do SI w codziennym zyciu. Do inteligentnego oświetlenia, tv, lodówki itp. rzeczy tak. Pod tym względem jak najbardziej można się zgodzić z tezami artykułu, że to papka marketingowa, bo za wiele inteligencji w nich nie ma, a co najwyżej adaptacja.

3. Reszta to takie jakieś blablanie nie do końca wiadomo o czym, czy raczej autor nie wie o czym pisze

Co to są nieprzewidziane sytuacje, że 'algorytm' sobie z nim nie poradzi?

Algorytmy są tak dobre jak się je napisze, jeżeli sztywno ustalisz parametry pracy (np. przy takim przechyleniu daj tyle mocy w silnik), to oczywiste, że program się gdzieś wyłoży.
Jest grupa algorytmów adaptacyjnych, które podczas działania optymalizują parametry pracy i potrafią dostosować się do zmienionych warunków pracy (np. przy zastosowaniu filtru Kalmana).
Pojawiają się też określenia algorytmów kognitywnych, gdzie do adaptacji jest dodana pamięć i pewna wiedza a prioti (np. dostęp do mapy, wiedzy o ciągach powietrza, czy aktualnych danych meteo).
W końcu są algorytmy sztucznej inteligencji, które szukają rozwiązań danego problemu.

Ciągnąc dalej przykład drona, co może być taką nieprzewidzianą sytuacją? Może przewrócenie się na plecy?
Zwykły algorytm o ile nie powiesi się na skrajnych wartościach (np. przejście przez granicę +pi, -pi) lub przekroczonych dopuszczalnych granicach przechylenia, to powinien wyrównać (chyba że sprzęt nie da rady lub zabraknie czasu).
Adaptacyjny podobnie, choć może mu zająć to więcej czasu.
SI ma przećwiczony taki scenariusz i bez problemu wyjdzie albo musi znaleźć rozwiązanie, co zajmie ile czasu...?

Trudniejsza sytuacja, uszkodzenie czujnika przechylenia, ktoś zrobił babola w programie i pokazuje wszystko na odwrót.
Prosty algorytm doprowadzi do rozbicia, chyba że zostały uwzględnione procedury wykrywania i sygnalizacje awarii.
Adaptacyjny tak samo.
SI jeżeli nie została wyuczona takiej sytuacji to znowu musi szukać rozwiązania. Czy jest wyuczona jak szukać, jak zorientować się, że to uszkodzenie, a nie faktyczne położenie. Znowu czy zdąży się nauczyć, czy wykorzysta znany schemat prowadzący do rozbicia.

Koniec końców lądujemy w sytuacji, że i tak liczy się co twórca algorytmów i SI wymyśli i przewidzi. Jak dobrze wymodeluje środowisko, jakie da możliwości sterowania, jakie dane udostępni (np. dostęp do kamery może zastąpić czujnik orientacji), jakie da scenariusze do uczenia, jak nauczy uczenia się.


I dla podrażnienia, SI i wszystko z nią związane, to są algorytmy. Masz algorytm budowy sieci, algorytm uczenia, a wyuczone wzorce to też algorytmy.
Najprostszy przykład sieci neuronowych, to siatka funkcji progowych. Weźmy dla uproszczenia odwróconą piramidę, gdzie mamy wiele wejść i na końcu jedno wyjście decyzję (np. czy to jest kwadrat).
Uczenie polega na doborze parametrów funkcji progowych. Dla ich ustalenia potrzeba algorytmu, który będzie optymalizował wartości progów.
Po uczeniu dostajemy sieć, która potrafi rozpoznać kwadrat (pewnie z określonym prawdopodobieństwem). Taka sieć już nie podlega modyfikacji, jest przeznaczona do konkretnej sytuacji, jest to wyuczony wzorzec/algorytm rozpoznania kwadratu.

Przy prostych obrazach jest to proste ale nie da sobie rady z obrazem zaszumionym. Trzeba taką sieć skomplikować lub zrobić sieć sieci, żeby poradzić sobie z trudniejszymi przypadkami. Tylko znowu jeżeli w procesie uczenia, czy raczej definiowania możliwych (interesujących nas) rozwiązań nie uwzględnimy czegoś, to SI tego nie wymyśli (np. robimy sieć rozpoznającą figury geometryczne, jeżeli ograniczymy się do zbioru kwadrat, trójkąt, koło, inne, to nie dostaniemy odpowiedzi 'trójkąt z kwadratów'.
Początkowe założenia co chcemy osiągnąć są bardzo ważne i łatwo tutaj popełnić błąd.

@Bono[UG]
Bardzo fajne tematy poruszasz i niejako odpowiadasz sobie na pytania z pierwszego posta w drugim.
Dobra linearyzacja (w sensie model) i zastosowanie filtru Kalmana gwarantuje bardzo dużą szybkość działania i odporność. Tylko że wymaga sporej wiedzy i trudno to potem reklamować 'zrobiliśmy sterownik który działa jak inne sterowniki, czyli szybko i dobrze'.
Znacznie łatwiej jest zastosować tajemnicze SIECI NEURONOWE które wprawdzie dają wyniki takie-sobie, uczą się długo itd. ale SZTUCZNA INTELIEGENCJA. Nawet jakiś czas temu był news że jakaś uczelnia w Polsce zrobiła system przeciwpożarowy oparty na sieci neuronowej.

Co do reklamowania to Huawei reklamował SI w Kirin. Ale naprawdę różne elementy sztucznej inteligencji są podawane w różnych kontekstach. Powiedz mi, że hasełka jak machine learning, deep learning nie są co jakiś czas w losowych chwilach rzucane.

Sumarycznie uważam że trzeba rozdzielić między sztuczną świadomością i sztuczną inteligencją i pamiętać że sztuczna inteligencja to tylko podklasa algorytmów. I artykuł dobrze to opisuje.

Te hasełka nie są od dzisiaj, tylko wcześniej inaczej się nazywały: cybernetyka i robotyka, sztuczna inteligencja, data mining, a teraz machine learning, deep learning. Są to bliskie sobie dziedziny, tylko po dekadzie czy dwóch bez rezultatów są wymyślane nowe nazwy

Każdy, kto pracuje nad sztuczną inteligencją, wie, że komputery pokonają nas we wszystkim.
Autor: Gary Marcus, profesor New York University

Na naszych oczach startuje czwarta rewolucja przemysłowa, UCZĄCE SIE KOMPUTERY drastycznie zmienią nasze życie. Bardziej niż koło, prąd czy internet.
Autor: Jen Hsun Huang, szef Nvidii

Jeszcze przed 2029 r. boty nas dogonią. Będą nie do odróżnienia od ludzkiej inteligencji. Co więcej, zdołają przyswoić czyjś styl myślenia, osobowość i słownictwo tak, by wyręczać go np. w prowadzeniu bloga.
Autor: Raymond Kurzweil

Gdybyśmy wzięli człowieka sprzed 10 tys. lat, wcisnęli mu smartfon i pokazali samolot – byłby przerażony. A taka zmiana, taki skok technologiczny czeka nas w najbliższych dwóch-trzech dekadach. Ludzie mają prawo być przerażeni. NIE SĄ BO NIE WIEDZĄ CO SIĘ ŚWIĘCI I JAK ZMIENI SIĘ ŚWIAT
Autor: Kevin Ho, szef Huawei

https://businessinsider.com.pl/firmy/strat...ju-chin/y6yc8bq

https://businessinsider.com.pl/technologie...m-putin/43px288

Ten artykuł zmusił mnie do odzyskania sobie po latach hasła do konta... Tylko po to aby skomentować ten stek 80% bzdur i półprawd w nim zawartych... Niemniej niewielka część (ok. 20%) odnośnie bełkotu marketingowego jest trafna… choć wynika to z zupełnie innych przesłanek... Ten artykuł powinien być zdjęty bo jest kompromitacją i całkowitym pomyleniem pojęć…

Niestety ale autor artykułu kompletnie zatrzymał się ze swoją 'wiedzą' w temacie PRAWDZIWYCH AI, SI, ML itd. (a nie tych bzdetów zawartych w komórkach i usługach mobilnych)... niestety na poziomie sprzed około 20 lat - no może sprzed 12 lat...

Od lat różne AI/ML SAME SIĘ UCZĄ – dokładnie jak człowiek na podstawie różnych bodźców: dźwięk, obraz, video, tekst itd. w zależności do czego dana sieć ma być wykorzystana. Np. TYLKO na podstawie obserwowania tysięcy streamingów z gier między dwoma graczami – vide np. Starcraft 2, gdzie AI samo odgaduje/uczy się zasad gry i itd… a później w efekcie rozwala pro gamerów… Jedynie co ludzie robią to wymyślają różne algorytmy aby te samouczenie było efektywniejsze, czytaj: szybsze i dawało mniej błędów oraz budują bardziej rozległe sieci neuronowe to obsługujące… Do tego też dochodzą problemy/badania nad SKALOWANIEM wydajności i trafności już POPRAWNIE samonauczonych sieci neuronowych… Bo proste dodanie kolejnych „neuronów” powoduje, że sieć musi uczyć się na nowo… Nad tym pracują całe SZTABY ludzi na uniwersytetach, w korporacjach i działach R&D.

Temat jest MEGA trudny do zrozumienia, tym bardziej tego typu artykuły powinny pisać prawdziwi eksperci… a nie amatorzy mylący prawdziwe AI z bzdurami obecnie dostępnymi w usługach mobilnych.

Dzisiejszy stan wiedzy and AI/ML/SI czy jakkolwiek to nazwać można sprowadzić do czterech stwierdzeń:

1. Obecnie NIKT na świecie tak naprawdę dogłębnie nie rozumie dlaczego w ramach samouczenia się sztucznych sieci neuronowych do jednych celów zastosowania danej sieci lepsze wyniki daje algorytm samouczenia A niż np. B, C i D – choć są wyjątki gdzie istnieją na to modele koncepcyjne. Jest tak, bo wiedzieć jak działa i po części rozumieć jak uczy się sieć neuronowa nie oznacza rozumieć/widzieć CZEGO tak właściwie dana sieć neuronowa właściwie się uczy – Wiemcy do widzi... ale nie wiemy jak właściwie to postrzega a tym bardziej jak 'rozumie' co ma osiągnąć w nauce. A właściwie wiemy, że raczej nie rozumie co ma osiągnąć lecz ma to zadane odgórnie. Nie ma na to modelu matematycznego… bo to świat analogowy jest… Jakby to było zrozumiałe w 100% to ludzie rozumieliby w 100% działanie ludzkiego mózgu zamiast ogólnych przybliżonych teorii, a tak nie jest. Bo przecież sieci neuronowe są właśnie wzorowane na działaniu neuronów w mózgu. Nadal dążymy do zrozumienia tego…

2. Dla już wyuczonych do niektórych zastosowań sieci neuronowych… da się z nich „wyciągnąć” przybliżony wynikowy=wyuczony=samodzielnie przez sieć opracowany matematyczny algorytm działania dla danego celu zastosowania… Tyle, że ten algorytm nawet jak jest zapisany w formie matematycznej jest niezrozumiały dla naukowców DLACZEGO właściwie działa. Na co obecnie są próby stosowania innych AI aby to zrozumieć – AI rozpracowuje sposób działania drugiej AI. Są tu oczywiście chlubne wyjątki… vide systemy automatycznie tłumaczące z języka na język. I tak, są już systemy o NIEBO LEPSZE od Google Translator… ale nie są jeszcze dostępne dla mas… dla nich dokładnie wiadomo czemu lepiej się uczą i dają lepsze wyniki od Google, gdyż istnieją dal nich matematyczne modele w przestrzeni wielowymiarowej tłumaczące sposób działania, czyli rozumienia tekstu pisanego, jego kontekstu oraz sposobów tłumaczenia. Te nowe systemy są lepsze bo często łączy się wiele modeli starszych w rozwiązanie „hybrydowe”.

3. AI/ML/SI mylą się i będą się nadal mylić, tak jak ludzie, gdyż ich sposób nauki i działania jest ludzki = „analogowy”, a nie ścisły = matematyczny. Niemniej stają się coraz doskonalsze i będą coraz lepsze w przyszłości. To, że tak mocno obecnie WIDAĆ, że się mylą wynika z niedoskonałości usług dostępnych dla mas… i właśnie nieodpowiedniej „skali”= rozległości sieci neuronowej. Ludzie badają przyczyny dlaczego np. ogólne rozpoznawanie obrazów czasami się myli w oczywistych przypadkach co dane zdjęcie przedstawia… Vide, wystarczy nieznacznie zmienić kolor 3 pikseli w 10Mbitowym zdjęciu kota… aby siec powiedziała, że to pies albo wydra… a nie kot . To skrajny przykład… ale wiemy dokładnie obecnie dlaczego tak się dzieje – głównie to kwestia zbyt małej ilości neuronów w sieci… co znów prowadzi do problemu skalowania… dodanie większej ilości powoduje konieczność ponownego wyuczenia sieci.

4. To, że dana AI jest dobra i sama się wyuczyła na podstawie tysięcy próbek danych = bodźców, nie oznacza, że posiada świadomość = vide raczej nie spełnia potocznie rozumianego kryterium bycia inteligencją. A już na 100% wiadomo, że nie będzie się kompletnie nadawać do innych celów niż jest wyuczona. Nie będzie więc multidyscyplinarna jak ludzki mózg. Co nie znaczy, że takich różnych sieci nie da się łączyć w multidyscyplinarne byty… otóż się da… to tylko kwestia skali i czasu. Nawet systemy tłumaczące mimo coraz lepszego „rozumienia” kontekstu treści nie gwarantują, że ten sposób jest zbieżny ze sposobem rozumienia ludzkiego mózgu… bo przecież NIE wiemy jak ludzki mózg rozumie kontekst… więc NIE wiemy czy model zastosowany w AI jest zbieżny… czy lata świetlne odległy od nas. A to, czy kiedykolwiek AI uzyska samoświadomość tego nawet najlepsi naukowcy nie potrafią stwierdzić… Ale jedno jest pewne, że na 100% AI będzie się prędzej czy później potrafiła zachowywać tak jakby tą samoświadomość faktycznie posiadała i człowiek nie będzie potrafił stwierdzić różnicy.

Jak na razie Ray Kurzweil co parę lat przekłada datę pojawienia się 'osobliwości' - jak widać nie idzie zbyt dobrze, skoro nie mogą się ziścić nawet pesymistyczne wersje. Nvidia schce sprzedawać swoje akceleratory obliczeniowe (np. autonomiczne samochody) musi więc przekonywać o rewolucji co się czai za rogiem. Tak samo Huang przekonywał, że chipy Tegra będą fundamentem zysków Nvidii - nie są, nie chcą ich nawet twórcy samochodów. Chińskiemu rządowi na pewno zależy na rozwoju SI - może nie uda się osiągnąć silnej SI, ale nawet to co jest wystarczy do większej kontroli ludności. Już dziś sieci neuronowe są używane do automatycznego rozpoznawania ludzi w tłumie.

Twój komentarz sam w sobie jest o wiele lepszy niż artykuł który komentujemy

@qas1
wszyscy wymienieni mówia ze ta rewolucja startuje a nie ze sie dokonała
jesteśmy w takim miejscu w jakim byliśmy gdy pojawiły się pierwsze uniwersalne komputery w latach 70/80-tych

Rewolucja w SI 'startuje' już od lat 50. XX w.

Napisałeś kiedykolwiek jakikolwiek program czy preferujesz takie filozofowanie bardziej?

'I dla podrażnienia, SI i wszystko z nią związane, to są algorytmy. Masz algorytm budowy sieci, algorytm uczenia, a wyuczone wzorce to też algorytmy.'
– stawiam na to drugie, bo inaczej byś nie pisał bredni typu 'wyuczone algorytmy'. Chyba u studenta informatyki, kuźwa.

'Tylko znowu jeżeli w procesie uczenia, czy raczej definiowania możliwych (interesujących nas) rozwiązań nie uwzględnimy czegoś, to SI tego nie wymyśli (np. robimy sieć rozpoznającą figury geometryczne, jeżeli ograniczymy się do zbioru kwadrat, trójkąt, koło, inne, to nie dostaniemy odpowiedzi 'trójkąt z kwadratów'.'
– kilkanaście lat temu (!) byłem na wykładzie na temat sieci neuronowych, gdzie wykładowca tłumaczył asocjacje w takiej sieci na przykładzie ryby i kobiety: Jeśli będziemy pokazywać sieci jedno i drugie, to stworzy jej się koncepcja syreny. Sama z siebie. Inaczej mówiąc nie da się z tobą dyskutować, sorry, ale coś tam słyszałeś może, ale pod wpływem tego usłyszenia jedyne co produkujesz to bezwartościowa kakofonia.

Obecną rewolucję możemy datować na ok. 2012 rok – przez te dekady wcześniej mieliśmy liczne 'AI winters', nie wiedzieliśmy co dalej. Dopiero teraz jest sprzęt, efekty i pewne perspektywy.

@Sanctrum
High five! Dobrze tu zobaczyć takie głosy na tle bełkotu licznych average Joe (łącznie z autorem artykułu – też wcześniej pisałem żeby art zdjąć), którzy niewiele widzieli, a z tego co widzieli jeszcze mniej zrozumieli, nie wspominając o wyciąganiu wniosków

Dodam jeszcze, że wg. istniejących modeli świadomość to najprawdopodobniej zwykłe samoprzewidywanie się, więc...

http://www.youtube.com/watch?v=xRel1JKOEbI