Τεχνητή νοημοσύνη και διαίσθηση
Ο διαισθητικός αλγόριθμος
Ο Roger Penrose το θεώρησε αδύνατο. Η σκέψη δεν θα μπορούσε ποτέ να μιμηθεί μια διαδικασία υπολογιστών. Είπε όπως πολύς στο βιβλίο του, το νέο μυαλό του αυτοκράτορα. Αλλά, ένα νέο βιβλίο, ο διαισθητικός αλγόριθμος, (IA), πρότεινε ότι η διαίσθηση ήταν μια διαδικασία αναγνώρισης σχεδίων. Η διαίσθηση ώθησε τις πληροφορίες μέσω πολλών νευρικών περιοχών όπως μια ράβδωση αστραπής. Τα στοιχεία κινήθηκαν από την εισαγωγή προς την παραγωγή αναφερόμενα 20 χιλιοστά του δευτερολέπτου. Το μυαλό εβλέίδε, αναγνώρισε, ερμηνευμένος και ενέργησε. Στην αναλαμπή ενός ματιού. Οι διαδικασίες μυριάδας μετέτρεψαν το φως, τον ήχο, την αφή και τη μυρωδιά αμέσως στις ωθήσεις νεύρων σας. Μια αφιερωμένη περιοχή αναγνώρισε εκείνες τις ωθήσεις ως αντικείμενα και γεγονότα. Το επιχείλιο σύστημα, μια άλλη περιοχή, ερμήνευσε εκείνα τα γεγονότα για να παραγάγει τις συγκινήσεις. Μια τέταρτη περιοχή αποκρίθηκε σε εκείνες τις συγκινήσεις με τις ενέργειες. Το μυαλό αντιληπτό, προσδιορισμένος, αξιολογημένος και ενέργησε. Η διαίσθηση σας πήρε από την καυτή σόμπα σε ένα μέρος ενός δευτερολέπτου. Και θα μπορούσε έναν απλό αλγόριθμο.
Είναι η στιγμιαία ολιστική αξιολόγηση αδύνατη;
Το σύστημα, με πέρα από εκατό δισεκατομμύριο νευρώνες, επεξεργάστηκε τις πληροφορίες από την εισαγωγή στην παραγωγή ακριβώς σε μισό δευτερόλεπτο. Όλη η γνώση σας αξιολογήθηκε. Walter Freeman, ο διάσημος νευροβιολόγος, καθόρισε αυτήν την καταπληκτική δυνατότητα. "Οι γνωστικοί τύποι σκέφτονται είναι ακριβώς αδύνατο να συνεχίσει όλα έχετε στον υπολογισμό κάθε φορά. Αλλά, αυτός είναι ακριβώς αυτό που ο εγκέφαλος κάνει. Η συνείδηση είναι για να φέρει την ολόκληρη ιστορία σας για να αφορά το επόμενο βήμα σας, η επόμενη αναπνοή σας, η επόμενη στιγμή σας." Το μυαλό ήταν ολιστικό. Αξιολόγησε όλη τη γνώση του για την επόμενη δραστηριότητα. Πώς θα μπορούσαν τόσο πολλές πληροφορίες να υποβληθούν σε επεξεργασία τόσο γρήγορα; Πού θα μπορούσε τέτοια γνώση να αποθηκευτεί;
Εκθετική αύξηση της πορείας αναζήτησης
Δυστυχώς, η αναγνώριση των λεπτών σχεδίων δημιούργησε τα τρομερά προβλήματα για τους υπολογιστές. Η δυσκολία ήταν μια εκθετική αύξηση της πορείας αναζήτησης αναγνώρισης. Τα προβλήματα στη διάγνωση των ασθενειών ήταν χαρακτηριστικά. Κανονικά, πολλά κοινά συμπτώματα παρουσιάστηκαν από ένα πλήθος ασθενειών. Παραδείγματος χάριν, ο πόνος, ή ο πυρετός θα μπορούσε να υποδειχθεί για πολλές ασθένειες. Σύμπτωμα που δείχνεται κάθε διάφορες ασθένειες. Το πρόβλημα ήταν να αναγνωριστεί ένα ενιαίο σχέδιο μεταξύ πολλών επικαλύπτοντας σχεδίων. Κατά έρευνα για την ασθένεια στόχων, πρώτη επιλεγμένη την ασθένεια με το πρώτο παρουσιασμένο σύμπτωμα θα μπορούσε να στερηθεί το δεύτερο σύμπτωμα. Αυτό σήμανε τις πέρα δώθε αναζητήσεις, οι οποίες επεκτάθηκαν εκθετικά όπως η βάση δεδομένων των ασθενειών αυξήθηκε στο μέγεθος. Αυτός κατέστησε τη διαδικασία παράλογα πολύ συρμένη; θεωρητικά, ακόμη και έτη αναζήτησης, των εκτενών βάσεων δεδομένων. Έτσι, παρά την απίστευτη ταχύτητά τους, η γρήγορη αναγνώριση σχεδίων στους υπολογιστές δεν θα μπορούσε ποτέ να φανταστεί.
Ο διαισθητικός αλγόριθμος
Αλλά, η αναγνώριση σχεδίων δύναμης βιομηχανίας ήταν εφικτή. IA εισήγαγε έναν αλγόριθμο, ο οποίος θα μπορούσε αμέσως να αναγνωρίσει τα σχέδια στις εκτεταμένες βάσεις δεδομένων. Η σχέση κάθε μέλους ολόκληρης της βάσης δεδομένων κωδικοποιήθηκε για κάθε ερώτηση.
(Είναι πόνος ένα σύμπτωμα της ασθένειας;)
Disease1Y, Disease2N, Disease3Y, ασθένεια 4Y, Disease5N, Disease6N, Disease7Y, Disease8N, Disease9N, Disease10N, Disease11Y, Disease12Y, Disease13N, Disease14U, Disease15Y, Disease16N, Disease17Y, Disease18N, Disease19N, Disease20N, Disease21N, Disease22Y, Disease23N, Disease24N, Disease25U, Disease26N, Disease27N, Disease28U, Disease27Y, Disease30N, Disease31U, Disease32Y, Disease33Y, Disease34U, Disease35N, Disease36U, Disease37Y, Disease38Y, Disease39U, Disease40Y, Disease41Y, Disease42U, Disease43N, Disease44U, Disease45Y, Disease46N, Disease47N, Disease48Y,
(Υ = ναι: ν = αριθ.: u = αβέβαιος)
Το κλειδί ήταν να χρησιμοποιηθεί η αποβολή για να αξιολογήσει τη βάση δεδομένων, όχι επιλογή. Κάθε μέλος της βάσης δεδομένων κωδικοποιήθηκε χωριστά για την αποβολή στα πλαίσια κάθε απάντησης.
(Είναι ο πόνος ένα σύμπτωμα της ασθένειας; Απάντηση: YES)
Disease1Y, xxxxxxN, Disease3Y, Disease4Y, xxxxxx5N, xxxxxx6N, Disease7Y, xxxxxx8N, xxxxxx9N, xxxxxx0N, Disease11Y, Disease12Y, xxxxxx13N, Disease14U, Disease15Y, xxxxxx16N, Disease17Y, xxxxxx18N, xxxxxx19N, xxxxxx20N, xxxxxx21N, Disease22Y, xxxxxx23N, xxxxxx24N, Disease25U, xxxxxx26N, xxxxxx27N, Disease28U, Disease27Y, xxxxxx30N, Disease31U, Disease32Y, Disease33Y, Disease34U, xxxxxx35N, Disease36U, Disease37Y, Disease38Y, Disease39U, Disease40Y, Disease41Y, Disease42U, xxxxxx43N, ασθένεια 44U, Disease45Y, xxxxxx46N, xxxxxx47N, ασθένεια 48Y,
(Όλες οι ασθένειες "ν" που αποβάλλονται.)
Για την αναγνώριση ασθενειών, εάν μια απάντηση έδειξε ένα σύμπτωμα, IA απέβαλε όλες τις ασθένειες απαλλαγμένες του συμπτώματος. Απάντηση που αποβάλλεται κάθε, στενεύοντας την αναζήτηση για να φθάσει στη διάγνωση.
(Είναι ο πόνος ένα σύμπτωμα της ασθένειας; Απάντηση: NO)
xxxxxx1Y, Disease2N, xxxxxx3Y, xxxxxx4Y, Disease5N, Disease6N, xxxxxx7Y, Disease8N, Disease9N, Disease10N, xxxxxx11Y, xxxxx12Y, Disease13N, Disease14U, xxxxxx15Y, Disease16N, xxxxxx17Y, Disease18N, Disease19N, Disease20N, Disease21N, xxxxxx22Y, Disease23N, Disease24N, Disease25U, Disease26N, Disease27N, Disease28U, xxxxxx27Y, Disease30N, Disease31U, xxxxxx32Y, xxxxxx33Y, Disease34U, Disease35N, Disease36U, xxxxxx37Y, xxxxxx38Y, Disease39U, xxxxxx40Y, xxxxxx41Y, Disease42U, Disease43N, ασθένεια 44U, xxxxxx45Y, Disease46N, Disease47N, xxxxxx48Y,
(Όλες οι ασθένειες "Υ" που αποβάλλονται.)
Εάν το σύμπτωμα ήταν απόν, IA απέβαλε όλες τις ασθένειες που παρουσίασαν πάντα το σύμπτωμα. Οι ασθένειες, που παρουσίασαν τυχαία το σύμπτωμα διατηρήθηκαν και στις δύο περιπτώσεις. Έτσι η αντιμετωπισμένη διαδικασία αβεβαιότητα; το ?Maybe; απάντηση, την οποία τα κανονικά προγράμματα υπολογιστών δεν θα μπορούσαν να χειριστούν.
(Η ακολουθία Α ερωτήσεων στενεύει κάτω σε Disease29 - η απάντηση.)
xxxxxx1Y, xxxxxx2N, xxxxxx3Y, xxxxxx4Y, xxxxxx5N, xxxxxx6N, xxxxxx7Y, xxxxxx8N, xxxxxx9N, xxxxxx10N, xxxxxx11Y, xxxxxx12Y, xxxxxx13N, xxxxxx14U, xxxxxx15Y, xxxxxx16N, xxxxxx17Y, xxxxxx18N, xxxxxx19N, xxxxxx20N, xxxxxx21N, xxxxxx22Y, xxxxxx23N, xxxxxx24N, xxxxxx25U, xxxxxx26N, xxxxxx27N, xxxxxx28U, Disease29Y, xxxxxx30N, xxxxxx31U, xxxxxx32Y, xxxxxx33Y, xxxxxx34U, xxxxxx35N, xxxxxx36U, xxxxxx37Y, xxxxxx38Y, xxxxxx39U, xxxxxx40Y, xxxxxx41Y, xxxxxx42U, xxxxxx43N, xxxxxx44U, xxxxxx45Y, xxxxxx46N, xxxxxx47N, xxxxxx48Y.
(Εάν όλες οι ασθένειες αποβάλλονται, η ασθένεια είναι άγνωστη.)
Στιγμιαία αναγνώριση σχεδίων
IA αποδείχθηκε στην πράξη. Είχε τροφοδοτήσει τα έμπειρα συστήματα ενεργώντας με την ταχύτητα ενός απλού επανυπολογισμού σε έναν υπολογισμό με λογιστικό φύλλο (spreadsheet), για να αναγνωρίσει μια ασθένεια, να προσδιορίσει μια νομολογία ή να εντοπίσει τα προβλήματα μιας σύνθετης μηχανής. Ήταν στιγμιαίο, ολιστικό, και λογικό. Εάν διάφορες παράλληλες απαντήσεις θα μπορούσαν να παρουσιαστούν, όπως στις πολλαπλάσιες παραμέτρους εγκαταστάσεων παραγωγής ενέργειας, η αναγνώριση ήταν στιγμιαία. Για το μυαλό, όπου τα εκατομμύρια των παραμέτρων παρουσιάστηκαν ταυτόχρονα, η αναγνώριση σχεδίων πραγματικού χρόνου ήταν πρακτική. Και η αποβολή ήταν το κλειδί.
Αποβολή = σβήνοντας
Η αποβολή έσβηνε - παρεμπόδιση. Τα κύτταρα νεύρων ήταν γνωστά για να εμποδίζουν εκτενώς τις δραστηριότητες άλλων κυττάρων για να δώσουν έμφαση στο πλαίσιο. Με την πρόσβαση στα εκατομμύρια των αισθητήριων εισαγωγών, το νευρικό σύστημα που εμποδίζεται αμέσως; trillions των συνδυασμών σε μηδέν μέσα στο σωστό σχέδιο. Η διαδικασία δεν χρησιμοποίησε αποφασιστικά "καμία" απάντηση. Εάν ένας ασθενής δεν είχε τον πόνο, χιλιάδες πιθανές ασθένειες θα μπορούσαν να αγνοηθούν. Εάν ένας ασθενής θα μπορούσε ακριβώς να περπατήσει στη χειρουργική επέμβαση, ένας γιατρός θα μπορούσε να αγνοήσει ένα ευρύ φάσμα των ασθενειών. Αλλά, πώς θα μπορούσε αυτή η διαδικασία της αποβολής να εφαρμοστεί στα κύτταρα νεύρων; Πού θα μπορούσε ο πλούτος της γνώσης να αποθηκευτεί;
Συνδυαστική κωδικοποίηση
Το μυαλό έλαβε τους kaleidoscopic συνδυασμούς εκατομμυρίων των αισθήσεων. Από αυτούς, οι μυρωδιές αναφέρθηκαν για να αναγνωριστούν μέσω μιας συνδυαστικής διαδικασίας κωδικοποίησης, όπου τα κύτταρα νεύρων αναγνώρισαν τους συνδυασμούς. Εάν ένα κύτταρο νεύρων είχε τις δενδριτικές εισαγωγές, προσδιόρισε ως Α, β, γ και έτσι προς το ζ, θα μπορούσε έπειτα να βάλει φωτιά, όταν έλαβε τις εισαγωγές σε ABC, ή DEF. Αναγνώρισε εκείνους τους συνδυασμούς. Το κύτταρο θα μπορούσε να προσδιορίσει ABC και όχι ABD. Θα εμποδιζόταν για ABD. Αυτή η διαδικασία αναγνώρισης αναφέρθηκε πρόσφατα από την επιστήμη για τους οσφρητικούς νευρώνες. Στο πείραμα οι επιστήμονες ανέφεραν ότι ακόμη και οι μικρές αλλαγές στη χημική δομή ενεργοποίησαν τους διαφορετικούς συνδυασμούς δεκτών. Κατά συνέπεια, η οκτανόλη μύρισε όπως τα πορτοκάλια, αλλά την παρόμοια ένωση που το octanoic οξύ μύρισε όπως τον ιδρώτα. Ένα βραβείο Νόμπελ αναγνώρισε εκείνη την ανακάλυψη το 2004.
Γαλαξιακές μνήμες κυττάρων νεύρων
Οι συνδυαστικοί κώδικες χρησιμοποιήθηκαν εκτενώς από τη φύση. Οι τέσσερις "επιστολέσ" στο γενετικό κώδικα; Α, γ, γ και τ; χρησιμοποιήθηκε σε συνδυασμούς για τη δημιουργία ενός σχεδόν άπειρου αριθμού γενετικών ακολουθιών. IA συζητά τις βαθύτερες επιπτώσεις αυτής της ανακάλυψης κωδικοποίησης. Τα ζώα θα μπορούσαν να διαφοροποιήσουν μεταξύ των εκατομμυρίων των μυρωδιών. Τα σκυλιά θα μπορούσαν γρήγορα να ρουθουνίσουν μερικά ίχνη ενός προσώπου και να καθορίσουν ακριβώς ποιο τρόπο το πρόσωπο περπατούσε. Η μύτη του ζώου θα μπορούσε να ανιχνεύσει τη σχετική διαφορά δύναμης μυρωδιών μεταξύ των ιχνών μόνο μερικά πόδια χώρια, για να καθορίσει την κατεύθυνση ενός ίχνους. Η μυρωδιά προσδιορίστηκε μέσω των αναφερόμενων συνδυασμών. Εάν ένα κύτταρο νεύρων είχε ακριβώς 26 εισαγωγές από το Α στο Ω, θα μπορούσε να λάβει τα εκατομμύρια των πιθανών συνδυασμών εισαγωγών. Ο μέσος νευρώνας είχε χιλιάδες εισαγωγές. Για IA, τα εκατομμύρια των κυττάρων νεύρων θα μπορούσαν να δώσουν στο μυαλό τις γαλαξιακές μνήμες για τους συνδυασμούς, επιτρέποντας σε το για να αναγνωρίσουν τα λεπτά σχέδια στο περιβάλλον. Κάθε κύτταρο θα μπορούσε να είναι ένα ενιαίο μέλος μιας βάσης δεδομένων, που αποβάλλεται (γίνοντας εμποδισμένος) για τους παραγνωρισμένους συνδυασμούς εισαγωγών.
Αποβολή το κλειδί
Η αποβολή ήταν το ειδικό κλειδί, το οποίο αξιολόγησε τις απέραντες συνδυαστικές μνήμες. Τα ιατρικά κείμενα ανέφεραν ότι το μυαλό είχε μια ιεραρχία των intelligences, η οποία εκτέλεσε τους αφιερωμένους στόχους. Παραδείγματος χάριν, υπήρξε μια περιοχή ένωσης, η οποία αναγνώρισε ένα ψαλίδι χρησιμοποιώντας το πλαίσιο της αίσθησής της. Εάν πλήξατε αυτήν την περιοχή, θα μπορούσατε ακόμα να αισθανθείτε το ψαλίδι με τις προσοχές σας ιδιαίτερες, αλλά δεν θα το αναγνωρίζατε ως ψαλίδι. Αισθανθήκατε ακόμα το πλαίσιο, αλλά δεν θα αναγνωρίζατε το αντικείμενο. Έτσι, η διαίσθηση θα μπορούσε να επιτρέψει στα κύτταρα νεύρων στις περιοχές ένωσης για να χρησιμοποιήσει την αντίληψη για να αναγνωρίσει τα αντικείμενα. Η ιατρική έρευνα εξέθεσε πολλές τέτοιες περιοχές αναγνώρισης.
Τμηματική επεξεργασία
Ένας αλγόριθμος αναγνώρισης σχεδίων, διαίσθηση επέτρεψε στα πεπερασμένα intelligences στα μυαλά των πραγμάτων διαβίωσης για να αποκριθεί holistically μέσα στη χρονική έκταση 20 χιλιοστών του δευτερολέπτου. Αυτά τα intelligences ενέργησαν σειριακά. Η πρώτη νοημοσύνη μετέτρεψε τους kaleidoscopic συνδυασμούς αισθητήριων αντιλήψεων από το περιβάλλον στις ωθήσεις νεύρων. Η δεύτερη νοημοσύνη αναγνώρισε αυτές τις ωθήσεις ως αντικείμενα και γεγονότα. Η τρίτη νοημοσύνη μετέφρασε τα αναγνωρισμένα γεγονότα στα συναισθήματα. Τέταρτο μεταφρασμένα συναισθήματα στις ευφυείς κινήσεις. Ο φόβος προκάλεσε μια κίνηση διαφυγών. Ένα ελάφι οριακό μακριά. Ένα πουλί τράπηκε σε φυγή. Ένα ψάρι κολύμπησε μακριά. Ενώ οι δραστηριότητες του τρεξίματος, του πετάγματος και της κολύμβησης διέφεραν, επέτυχαν τον ίδιο στόχο. Οι κληρονομημένες μνήμες κυττάρων νεύρων τροφοδότησαν εκείνες τις κινήσεις στο πλαίσιο.
Το μυαλό; άνευ ραφής αναγνώριση σχεδίων
Μισό δευτερόλεπτο για κύτταρα 100 δισεκατομμύριο νεύρων για να χρησιμοποιήσουν το πλαίσιο για να αποβάλει την έλλειψη σχέσεως και να παραδώσει την παραγωγή μηχανών. Ο χρόνος μεταξύ της σκιάς και της κραυγής. Έτσι, από την εισαγωγή στην παραγωγή, το μυαλό ήταν μια άνευ ραφής μηχανή αναγνώρισης σχεδίων, που τροφοδοτήθηκε από το βασικό μυστικό της διαίσθησης; βασισμένη στα συμφραζόμενα αποβολή, από τις ογκώδεις επίκτητες και κληρονομημένες συνδυαστικές μνήμες στα κύτταρα νεύρων.
Περίπου ο συντάκτης:
Ο Abraham Thomas είναι ο συντάκτης του διαισθητικού αλγορίθμου, ένα βιβλίο, το οποίο προτείνει ότι η διαίσθηση είναι ένας αλγόριθμος αναγνώρισης σχεδίων. Η έκδοση ebook είναι διαθέσιμη στο βιβλίο http://www.intuition.co.in.The μπορεί να αγοραστεί μόνο στην Ινδία. Ο ιστοχώρος, παρέχει έναν ελεύθερο κινηματογράφο και έναν περίπατο για να εξηγήσει κατευθείαν τις ιδέες.
Αρθρο Πηγη: Messaggiamo.Com
Related:
» Credit Secrets Bible» Cash Making Power Sites
» Home Cash Course
» Automated Cash Formula
Webmaster παίρνει τον κώδικα HTML
Προσθεστε αυτο το αρθρο στον ιστοτοπο σας τωρα!
Webmaster υποβάλλει τα άρθρα σας
Εγγραφή που απαιτείται καμία! Συμπληρώστε τη μορφή και το άρθρο σας είναι στον κατάλογο Messaggiamo.Com
