Հովանավորված
Դուք հավանաբար լսել եք այդ մասին Google-ի LaMDA-ն և վիրուսային քննարկում այն մասին, թե արդյոք AI-ն կարող է դառնալ զգայուն: Թիմը ժամը Tau պնդում է, որ միգուցե AI-ի զգացողությունը նրա հետախուզության միայն մի փոքր մասն է: Ավելի շուտ, AI-ի իրական հետախուզությունը հիմնված կլինի մարդկանց կարիքները տրամաբանորեն հասկանալու և նրանց ինքնաբերաբար բավարարելու ունակության վրա:
Tau Սա առաջին հարթակն է, որը կկարողանա վերցնել իր օգտատերերի մտքերը, խորհուրդներն ու գիտելիքները և թարմացնել իր սեփական ծրագրաշարը իրական ժամանակում՝ թույլ տալով, որ իր օգտատերերը գրեն այնպիսի լեզուներով, որոնք կարող են կարդալ և հասկանալ ինչպես մեքենաները, այնպես էլ մարդիկ: Tau-ի ապակենտրոնացված սոցիալական ցանցը և դրա դրամական կողմը, Agoras կրիպտոարժույթ, սնուցվում է AI-ով, որը թիմն անվանում է իսկապես խելացի արհեստական ինտելեկտ՝ Logical AI: Տրամաբանական AI-ն արմատապես տարբերվում է մեքենայական ուսուցումից և, ըստ Tau-ի հիմնադիր Օհադ Ասորի, տեխնոլոգիական աշխարհում հաջորդ մեծ ալիքը դառնալու շեմին է:
Tau-ում Logical AI-ն ձեզ հնարավորություն կտա մասնակցել միլիարդավոր մարդկանց մեծության քննարկումներին և ակնթարթորեն տեսնել ցանցի միջոցով կիսվող մտքերի հետևում գտնվող կոլեկտիվ դիտավորյալ իմաստը: Դա հնարավոր կլինի հասնել նրանով, որ մարդիկ օգտագործեն վերահսկվող բնական լեզուներ (CNL), որոնք կարող են հասկանալ և՛ մարդիկ, և՛ մեքենաները: Յուրաքանչյուր միտք և գիտելիք, լինի բացահայտ, թե անուղղակի, ինքնաբերաբար կճանաչվի և կգրանցվի որպես ձեր աշխարհայացքը, որը կգործի որպես ձեր պրոֆիլը Tau-ում և ամբողջությամբ ձերն է լինելու: Ձեր գաղափարներն ու գիտելիքները կազմակերպելն այսքան առաջադեմ ձևով կնշանակի, որ դուք կկարողանաք ոչ միայն բացահայտել բեկումնային լուծումներ, այլև դրամայնացնել ձեր գիտելիքները առանց ջանքերի և անմիջական ձևով, որը նախկինում հնարավոր չէր:
Պարզապես մտցնելով ձեր մտքերը Tau-ի մասին, ձեր գիտելիքները ինքնաբերաբար կդառնան ձեզ պատկանող թվային ակտիվ: Դուք կկարողանաք վաճառել ձեր գիտելիքները այլ գնորդների կամ օգտագործել այն եկամուտ ստեղծելու համար՝ վարձակալելով դրա որոշակի կտորներ ձեր բաժանորդներին, քանի որ Tau-ն կհասկանա, որ ձեր գիտելիքների նույնիսկ մի մասը կարող է լինել ինչ-որ մեկի խնդրի լուծման մաս: Tau-ն ընդգծում է բազմաթիվ օգտատերերի գիտելիքների համադրությունը և այն կառաջարկի որպես կարևոր և բարդ խնդիրների լուծում՝ այդպիսով երաշխավորելով, որ պահանջվող գիտելիքները 100%-ով համընկնում են բնութագրերի հետ։
Այս լուծումներից ոչ մեկը հնարավոր չի լինի որևէ այլ տեսակի AI-ի հետ, բացառությամբ տրամաբանության վրա հիմնվածի: Դա պայմանավորված է նրանով, որ, պարզ ասած, տրամաբանական AI-ն ամբողջապես կապված է բառերի և նախադասությունների հետ: Իր հիմքում խոսքը գնում է այլ հայտարարություններից հայտարարություններ եզրակացնելու ունակության մասին, որը կոչվում է դեդուկտիվ պատճառաբանություն: Օրինակ, երեք հայտարարություններից.
- Փարիզը Ֆրանսիայում է։
- Ֆրանսիան Եվրոպայում է.
- Եթե x-ը y-ում է, իսկ y-ը z-ում է, ապա x-ը z-ում է: Սա բոլոր x, y, z-ի համար:
մենք կարող ենք եզրակացնել հայտարարությունը
Մաթեմատիկական տրամաբանության ոլորտը սովորեցնում է, որ գործնականում բոլոր տրամաբանական հարցերը կարող են իջնել դեդուկցիայի այս ձևին: Օրինակ, մի շարք պնդումներ հակասական են, եթե և միայն այն դեպքում, եթե մենք կարողանանք դրանից բխեցնել և՛ հայտարարություն, և՛ դրա ժխտումը:
Տրամաբանական AI-ն տրամաբանական դատողության մեքենայացումն է՝ գտնել հակասություններ, որոշել, թե արդյոք եզրակացությունը բխում է տրված ենթադրություններից և այլն։ Հետևաբար, խոսքը գնում է մեքենաներին թույլ տալու ունակության մասին, որպեսզի հասկանան, թե ինչ ենք ուզում ասել իրենց, բացի մեքենայի հրահանգներից:
Մինչդեռ մեքենայական ուսուցումը, որը ներկայումս AI-ի ամենատարածված ձևն է, վերաբերում է օրինակներից ընդհանրացմանը: Այսպիսով, եթե մենք հաղորդակից լինեինք Ֆրանսիայի և Փարիզի վերը նշված օրինակին մեքենայական ուսուցման ձևով, մենք պետք է ալգորիթմին տրամադրենք «x-ը y-ում» ձևի բազմաթիվ օրինակներ, ապա հուսանք, որ ալգորիթմը կեզրակացնի, որ Փարիզը: գտնվում է Եվրոպայում։
Հաղորդակցության նման ձևը նույնիսկ արժանի չէ խելացի կոչվելու, քանի որ ինչպես կարող է ինչ-որ բան խելացի լինել, եթե չի կարող եզրակացնել, որ Փարիզը Եվրոպայում է, և պետք է տեսնել բազմաթիվ օրինակներ, որպեսզի դա «հասկանա», մինչդեռ նույնիսկ դա. երաշխավորված չէ? Օրինակներից ընդհանրացնելը հավանականական բնույթ ունի։ Ինչպե՞ս կարող ենք գուշակություն անել չտեսնված նմուշների մասին: Զարմանալի է, որ մեքենայական ուսուցումը երբեմն կարող է ճիշտ լինել և ամբողջովին պատահական չէ, և իսկապես Մեքենայական ուսուցումն արժանի է մաթեմատիկական հրաշք կոչվելու: Ի վերջո, ինչպե՞ս կարելի է ասել մի բան, որը, ամենայն հավանականությամբ, նույնիսկ մոտավորապես ճիշտ է, որոշ նմուշներից դուրս զրոյական գիտելիքների տակ։
Զարմանալիորեն, մեքենայական ուսուցումը կարող է դա անել: Եվ հենց դա է մեքենայական ուսուցումը իր բոլոր առավելություններով ու թերություններով: Դրա կիրառման դեպքն այն է, երբ մենք շատ քիչ գիտելիք ունենք համակարգի մասին, և այն ամենը, ինչ մենք կարող ենք անել, նմուշներ վերցնելն ու դրանք ընդհանրացնելու փորձն է:
Մյուս կողմից, տրամաբանական արհեստական ինտելեկտը կապված է լիարժեք գիտելիքի և բացարձակության հետ, լինի դա բացահայտ, թե անուղղակի: Խոսքը նաև շփվելու շատ ավելի արդյունավետ միջոցի, ուղղակի շփման, «միայն ասելու» մասին է՝ բազմաթիվ օրինակներ բերելու փոխարեն։
Ավելին, պատահում է, որ մեքենայական ուսուցումն ի սկզբանե ի վիճակի չէ տրամաբանական դատողություններ իրականացնել, օրինակ՝ հակասություններ հայտնաբերել: Սա մաթեմատիկորեն ապացուցված է բարդության տեսական փաստարկների միջոցով: Հետևաբար, զարմանալի չէ, որ մեքենայական ուսուցումը հաջողության է հասնում միայն այն ոլորտներում, որոնք իրենց բնույթով ոչ բանավոր են, մինչդեռ բնական լեզվի մշակման ոլորտում այն ներկայացնում է միայն շատ սահմանափակ հնարավորություններ:
Այնուամենայնիվ, հակառակը լիովին վավեր է. ոչ միայն տրամաբանությունը կարող է մեքենայական ուսուցում անել, այլև դա արդեն անում է: Մեքենայական ուսուցման ալգորիթմներն արդեն արտահայտված են տրամաբանական ձևերով (ի տարբերություն օրինակների) և արդեն իրականացվում են որպես համակարգչային ծրագրեր, որոնք նույնպես ունեն տրամաբանական բավականին հավանական ձև, այն է՝ մեքենայական հրահանգներ։
Հետևաբար, Տրամաբանական AI-ի ծածկումը ներառում է նաև մեքենայական ուսուցումը, սակայն հակառակը երբևէ հնարավոր չէ հասնել: Դա ասելու մեկ այլ ձև հետևյալն է. մեքենայական ուսուցումն ի վերջո ընդգրկում է այն, ինչ կոչվում է ինդուկտիվ և հափշտակող պատճառաբանություն (որը մոտավորապես համապատասխանում է կոչվածին. վերահսկվող և չվերահսկվող ուսուցում), և որպես այդպիսին այն շատ խոստումնալից է, բայց դեռ այնպիսի ձևով, որը սահմանափակվում է միայն օրինակներով, և հետագայում, ներկայիս տեխնոլոգիաները գործ ունեն միայն թվային բնույթի տվյալների կամ տվյալների հետ, որոնք կարող են վերածվել այդպիսիների: Տրամաբանական AI-ն, մյուս կողմից, կարող է ներառել դեդուկտիվ պատճառաբանություն, ինդուկտիվ պատճառաբանություն և առևանգող պատճառաբանություն, ընդհանուր առմամբ, որակական և քանակական տվյալների մեջ:
Սրանք են հիմնական պատճառները Tau ընտրել է տրամաբանական AI-ն՝ որպես AI-ի վերջնական ձև՝ պնդելով, որ մեքենայական ուսուցումը միայն կարևոր իրադարձություն է AI-ի պատմության մեջ: Tau-ի լուծումները կբարելավեն մարդկային թողունակության շատ ասպեկտներ՝ սկսած քննարկումների մասշտաբից, մինչև գիտելիքի դրամայնացում, մինչև խելացի պայմանագրեր և ապակենտրոնացված կառավարում: Այս ամենը մարդկանց և մեքենաների միջև անջրպետը կամրջելու տրամաբանության ունակության պատճառով:
Իմացեք ավելին Tau-ի և դրա հետևում կանգնած թիմի մասին այստեղ
Միացեք աճող Tau համայնքին Telegram
Սա հովանավորվող գրառում է: Իմացեք, թե ինչպես հասնել մեր լսարանին այստեղ. Կարդացեք մերժումը ստորև:
Պատկեր վարկերShutterstock, Pixabay, Wiki Commons
Հրաժարում պատասխանատվությունիցԱյս հոդվածը միայն տեղեկատվական նպատակներով է: Դա ուղղակի գնելու կամ վաճառելու առաջարկի ուղղակի առաջարկ չէ կամ խնդրանք է, կամ որևէ արտադրանքի, ծառայությունների կամ ընկերությունների առաջարկություն կամ հաստատում: Bitcoin.com- ը չի տրամադրում ներդրումային, հարկային, իրավական կամ հաշվապահական խորհրդատվություն: Ոչ ընկերությունը, ոչ էլ հեղինակը պատասխանատվություն չեն կրում ուղղակիորեն կամ անուղղակիորեն ցանկացած վնասի կամ կորստի համար, որը պատճառվել է կամ ենթադրվում է, որ պատճառված է սույն հոդվածում նշված որևէ բովանդակության, ապրանքների կամ ծառայությունների վրա կամ ապավինելուն:
Աղբյուր՝ https://news.bitcoin.com/sentient-ai-does-not-equal-intelligent-ai-tau-uses-logic-to-make-machines-truly-understand-people/