roboforum.ru

Вводный пост для тех, кто хочет присоединиться к обсуждению проблемы:

Мысль №1.

Масса подходов к созданию элементов ИИ и неких подобий ИИ затыкается на самых первых шагах - что же есть этот самый ИИ и как понять, что мы его создали. Я считаю, что создание даже подобия ИИ - это прежде всего проект. Теория управления проектами гласит, что прежде чем начинать проект мы должны иметь критерии оценки, что проект завершен успешно, чтобы 100% понимать, куда мы идём.

Чтобы выполнить это требование я предлагаю изначально сформулировать набор требований к создаваемому подобию ИИ (далее "ПИИ", чтобы не путаться с замороченным понятием ИИ) и уже в дальнейшем проектировать его исходя из поставленной задачи.

Мысль №2.

В качестве основного свойства, которое мы хотели бы получить от нашего ПИИ - способность самостоятельно обучаться и адаптироваться к среде в которой он действует (считаем, что среда по физическим законам и структуре близка к нашему реальному миру).

Чтобы нам не пришлось придумывать хитрых способов определения целей существования робота - мы сделаем просто, зададим ему базовые мотиваторы типа боль (уровень повреждений), голод/сытость(уровень заряда батарей) и т.п.

Критерии оценки успеха проекта:

В качестве основных задач, на которых мы будем проверять адаптируемость нашего ПИИ мы примем тесты, аналогичные тестам на интеллект применяемые к различным животным, типа грачей.

Один из типовых тестов может быть таким - робот находится в комнате, в которой кормушка закрыта воротами, которые открываются при нажатии на кнопку, кнопку можно придавить находящимся в комнате предметом Х, который робот может двигать. Либо кнопка открывает ворота на какое-то время. Роботу могут показать что кнопка открывает ворота или он может попробовать сам догадаться потыкаться во все предметы и понять что делает кнопка и что он может двигать предмет Х.

Первичные мысли по решению задачи проекта

Одной из основных проблем при построении робота с элементами ИИ является создание новых образов, такими какими их будет "видеть" это самый элемент ИИ то есть никаких явных программирований, пусть даже показываний пальцем, система должна иметь возможность самостоятельно без всяких подсказок разобраться в окружении что и как связано и какие действия вызывает.

Для этого надо какую-то распознавалку, которая будет иметь возможность кластеризации полученных данных в предполагаемые образы. Это в базовом варианте

Ну и к полученным образам надо будет учиться строить какие-то типа сильно разреженных матриц ковариаций, которые будут показывать зависимость увиденных образов друг от друга.

И тут другая проблема - надо будет как-то оценивать не только образы единомоментные, но и протяженные во времени - т.е. "шаг", "прыжок", "пинок" - это по идее всё тоже образы, которые складываются из серий положений статичных образов.

Если даже в базовом варианте это реализовать и робот сможет разбираться в каких-то простых окружениях - думаю уже будет интересно

Ну и наконец - какие базовые проблемы нужно решить изначально для этого базового варианта:

Надо какую-то распознавалку совмещенную с кластеризатором, которая сможет отрабатывать инфу с камеры, правда видимо сразу надо будет её делать с обработкой серии кадров и движения. Даже не движения робота при статичном окружении, а при движении объектов относительно окружения, иначе особых способов выделить объекты я не особо вижу. Ну кроме тупого "по расстоянию", но это не выделить двери комнаты относительно стены, кнопку относительно панели вокруг неё и т.п. Короче ничего интересного кластеризация по расстоянию сама по себе не даст.

Мысли возникшие в ходе обсуждения

1. Надо какое-то подобие пространственного мышления, в котором ПИИ сможет строить модели развития событий и выбирать свои действия.

2. Чтобы унифицированно подходить к распознаванию образов предлагается всю информацию со всех сенсоров после обработки препроцессорами скидывать в единое информационное пространство восприятия (далее ЕПВ), из которого уже в унифицированном формате модуль формирования и распознавания образов будет пытаться извлечь кандидаты в образы и распознать уже запомненные образы.

3. Надо как-то работать с составными образами, для этого предлагается выход с разпознавателя образов через так же препроцессор завернуть в часть ЕПВ.

4. Чтобы действовать на разных уровнях планирования ПИИ может строить несколько планов из цепочек образов, например, уровня стратегического плана, тактического, оперативного.

Мысли возникшие в ходе обсуждения. Часть 2
1. Надо решать задачу целиком, пусть и "худо-бедно" и только потом заниматься улучшением её отдельных блоков, поэтому если задачу разбили на блоки и какой-то блок понятно как решить хоть в базовом простейшем варианте - пока его бросаем, пока не будет ясно как решить в базовом варианте все блоки и как они между собой будут работать.

2. Чтобы не возникло ощущение, что обсуждается сферический конь в вакууме - предлагаю "худо-бедное" решение формирователя и распознавателя образов с визуальных данных. Прежде всего будем выделять области с единым или близким к единому цвету. Если какой-то контрастный к этому цвету объект будет окружен такой областью - это кандидат на будущий образ, который мы просто сохраним с маской чтобы выделить его в дальнейшем из фона. Кроме того отличным вариантом выбора кандидата на образ - будет область находящаяся в движении на неподвижном фоне. Собственно хороший способ привлечь внимание человека к какому-то предмету - помахать им у него перед глазами.

3. Распознавать при этом мы можем достаточно тупым способом - почти перебором. Если очень не верится, что это реально - могу накидать примеры, хотя я считаю, что у нас полно других проблем и не гоже тут заниматься изобретением веосипедов

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

да я не спорю. я только распознание вижу с другой стороны. сначала выделение признаков потом по признакам поиск объекта. как искать без признаков, как выделять объект без признаков я не представляю

Как оценить не линейные связи? двигались 1 сек переместились на метр. 2сек=2 метра. Это вот понятно как.
А вот падает 1 сек. Переместилось 5 метров. Падает 2 сек переместилось ещё на 15 метров?


Я и сам сломал. Мысль была в отдельной базе действий на образы. "двигаться прямо" не образ, а действие. (ну, как вариант)



Робот не должен идеально повторять успешный вариант. Иначе не сможет справится с изменившимися условиями.


Я к тому, что у нас за это отвечает зрение. А вот как это заяц делает? Он то одним глазом смотрит.

я бы не распылялся на пространственное мышление и остальное. самая важная часть, имхо, это распознавание образов. без нее ничего не будет, а вот заставить ее работать, на мой взгляд и есть самая большая и серьезная задача. сейчас я пока не вижу каким макаром можно выделить из потока образ (или признаки) и классифицировать его как "номер 11". ни о каком взаимодействии, предположениях, пространственном мышлении в таких условиях, имхо, и говорить смысла нет.

Вот, нарисовал наивную картинку тут только распознаватель, зато с возможностью составных образов.

Нету пространственного восприятия и управляющего контура с передачей сигналов на аффекторы. Без этого разумеется мертвый субъект

Добавлено спустя 57 секунд:

С удовольствием обсужу, как из первичного бульона информации ты разберешь что есть признак, а что сам объект

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

Не, ну и правильно. Сначала выделили простейшие образы. Как то: "красное" "круглое".
А потом, когда уже думаем поняли: это-ж шар красный.

Какой признак нельзя считать отдельным образом?

Так это и человек не так давно научился делать, не слишком ли многое просим от зачатков ИИ?


Я пока не вижу смысла плодить сущности


Ну это понятно, надо вносить элемент случайности иногда. В генетических алгоритмах это вероятность мутации.


А что 1 глаз - уже не зрение? Куры, например, вертикально башкой качают, чтобы расстояние оценивать, как тут на форуме писали. Давайте пока оставим эти вопросы?

Добавлено спустя 2 минуты 15 секунд:

Ну вот выделить движущийся объект мы можем - а дальше хоть тупо запоминать его как картинку с маской, типа вот всё что движется - это единый объект. Неэффективно конечно будет на больших массивах данных, но зато в целом будет работать. И сохранять в какой-нибудь древовидной структуре устойчивой к помехам

Добавлено спустя 1 минуту 17 секунд:

Не обязательно, если мы не видели ничего другого красного, кроме шаров и не видели никаких шаров кроме красных - у нас не будет понятия "красный" и "шар" отдельно, будет только "красный шар". Поэтому ни о каком выделении признаков априори речи идти не может.

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

фактически их надо не просто выделить на картинке а отнести к одному объекту. а то рядом может быть красное, а поодаль круглое.



да образ это фактически только набор признаков. как с животинкой. собака это или кошка определяется набором признаков. как и порода и того и другого.


ты мне расскажи как выделить образ то? ну или хоть что-то выделить? как его сохранить и выбрать потом повторно это тоже вопросы еще те.



можем. а неподвижный?



запомним то мы его только с той стороны с которой видим. как его под другим углом опознать?

Всё, спать пойду, у меня час ночи уже, остальное завтра, скорее всего вечером. Работаю я немного днём, нынче

ща на последний мессаж frig'у отвечу и всё

Добавлено спустя 4 минуты 27 секунд:

Можем, например, посчитав таковым область одного цвета. Вопрос в настройке того, что привлекает наше внимание и формирует новые кандидаты в образы.


Если объект покрутить перед глазами - мы запомним, что это сильносвязанная пачка образов.
И вообще - ты еще скажи, что ты ложку под любым углом узнаешь

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

внимание привлекает обычно контраст, движение, изменение цвета, появляющийся или исчезающий звук. тут особо думать нечего.



если есть возможность покрутить. а если нету? да и сколько их этих образов получится-то? мульйон?



под большинством естественных углов. но более того, я узнаю ложки которых раньше не видел, ложки неадекватных размеров, неадекватных цветов, отличаю ложки от вилок, тарелок и другой кухонной утвари.

крутить каждый объект как хочется удастся далеко не всегда. так что универсальности ждать не приходится от выделения областей по цвету. кстати если объект сильно цветастый - все сложнее, если зеркальный, то вообще жесткач.

Гы... Да я тоже понимаю через два слова на третье...
там они много ссылаются на биологические "прототипы" и предлагают модель нейросети,
которая отвечает некоторым свойствам вроде бы присущим живым мозгам.

В сети, которую они предлагают, нейроны условно составляют наборы сильносвязанных кластеров.
Кроме того, есть механизм (они его называют "резервуар") который отражает степень
взаимовозбуждения нейронов кластера и подавления соседних нейронов, который вводит
некий гистерезис в возбуждение (и вроде бы есть биохимический "прототип").
Такие структуры работают, грубо говоря, как триггеры и могут, например, устойчиво
автогенерить (то есть воспроизводить некие наборы образов), возбуждая различные кластеры.

При этом конечно происходит одновременно и самообучение
и обучение других связанных кластеров/нейронов.
На маленькой сети без внешних воздействий такая сетка воспроизводит какие попало образы,
быстро самообучается (то есть как-то классифицирует их) и переходит в стабильные автоколебания.
На большой сети для достижения устойчивого процесса уходит куча времени, то есть фактически можно
считать, что без внешних воздействий она молотит "как попало".
А вот с внешними сигналами, понятно, что кластеризация достигается быстрее и не какая попало,
поскольку поступающая извне информация коррелирует сама с собой - это же не белый равномерный шум

Там всякие формулы, детали реализации, доказательства устойчивости...
я это опущу, поскольку и сам не понял и, честно говоря, не особо и хотелось

Кластер формируется не только внешней информацией но и соседними кластерами
и самим собой (что логично)...
Но и возбуждается он тоже не только внешней информацией, а и соседними кластерами и собой!
Эта структура по сути делает "мысленные эксперименты", и если внешние образы сильны,
то такие связи, естественно, "впечатываются" в структуру связей, и ее "мысленные эксперименты"
больше соответствуют наблюдаемому миру, законам наблюдаемого мира.


Ну может за уши пример притяну, но процесс примерно такой:
Традиционная сеть играет в шахматы: видит ход противника у нее там какие-то нейроны возбуждаются,
на выходе загорается нейрон с ответным ходом... На этом все - процесс "думанья" завершен
до следующего хода противника.
(Ежу понятно, что обучить такую сеть на прямых примерах - никакой жизни не хватит.)

Предлагаемая сеть играет в шахматы: она не ждет хода противника, она "примеряет"
возможные входные стимулы и "думает" постоянно (у нее "автогенерятся" образы в структуре,
и чем дольше ее обучали, тем точнее образы отражают возможные или вероятные ходы противника).
Когда противник сделает ход, вероятно, под такой ход уже какие-то связи уже "наросли".

Добавлено спустя 8 минут 14 секунд:
Ну там еще затрагиваются вопросы памяти, самообучения, скорости обучения, условия устойчивости и т.д.
Но это уже детали реализации.

А суть в том, что сеть представляется стабильной динамической автогенерирующей системой,
а не простым "перцептроном"

однозначно относить видимое к одному обьекту нежелательно. получать список возможных обьектов и оставлять наиболее вероятные намного полезней

Если нету - плохо, будут проблемы с выделением образа, если только это не будет объект на монотонном фоне.


Вот уж как повезет надо архивацию делать будет с выкидыванием ненужных образов.


Вот всё это - далеко не факт


Так и человеку нелегко будет. Мы же не абсолютный ИИ вроде строим?

Добавлено спустя 1 минуту 58 секунд:

Короче выход в каком-то виде завязан на вход - так?

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

Человек давно это делает. В детстве удавалось снежком в летящего голубя попасть. Сколько там законов просчитывалось?

Что-бы отличать ВСЕ ложки, нужно что-бы образ ложки включал её 3D модель.

1. Там не просчитывались законы, там было дофига опыта + пространственное мышление
2. Разные ложки вообще говоря имеют разные 3D-модели.

_________________
Проект [[Open Robotics]] - Универсальные модули для построения роботов

разные модели, но одинаковые признаки. у них есть ручка, за которую брать и собственно область которой черпать. по этой причине "как мед так лопатой" имеет некоторый смысл для нас - лопата тоже в некоторой степени ложка