Re: 最近看完攻殼的一些感想（有捏）

[rexrainbow ( hua)]

※ 引述《rabbit66376 (逸蒼雲)》之銘言：
: ※ 引述《shamanlin (薩滿已死有事燒紙)》之銘言：
: : 這就要看是怎樣的AI跟同步法了
: : AI可分為可學習與不可學習兩種
: : 像九課使用的馬尾機器人，這種就屬於不可學習的類型
: : 想要讓馬尾進化，就必須人為去升級去update
: : 但攻殼車屬於可學習型的AI
: : 要怎麼讓一個program可以自我學習？
: : 一般是讓他可以自行編寫，甚至改寫程式
: : (當然會有幾項重要的設定無法變更)
: : 同步的時候，只能把他們的記憶庫做同步
: : 但他們自我改寫的部份，就無法同步
: : 原先攻殼車的研發人員大概認為
: : 只要將每台攻殼車的記憶庫做同步
: : 就能擁有相同的擬似體驗
: : 進而以同樣的方式來學習
: : 卻沒想到只要體驗的時間與順序不同
: : 所學習的成果也會產生差異
: : 而日後
: : 已經有差異的個體即使利用同步獲得同樣的體驗
: : 卻因為個體差異已經不同，所得到的學習成果也不同
: 先不討論AI如果真的可以自行編碼會產生什麼問題
: 你覺得現代是可學習的AI比較多
: 還是不可學習的AI比較多?

   那麼你得先定義什麼可以稱為"學習",

   機器學習已經被研究很久了, 從wiki:

   "機器學習已經有了十分廣泛的應用例如生物特征識別、搜索引擎、醫學診斷、

   檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、計算機視覺

   、戰略游戲和機器人運用。"

   就說文字辨識好了, 即使演算法一樣, 一個只訓練辨識中文, 一個只訓練辨識英

   文, 得到的結果也不一樣, 而且也不用"讓他可以自行編寫，甚至改寫程式"

   你會稱這種演算法是"可學習"還是"不可學習"?


: 那麼哪種AI更容易撰寫就很明顯了
: 你只要願意
: 就可以保留直接覆蓋的機制(原理就像現在的系統還原軟件一樣)

   我先假設, 學習是一種找出關聯,

   並且把這個關聯登記到一個表上, 所以是一種運算.

   例如:

   輸入 資料1- 穿紅衣服的人愛吃甜食. "紅衣服-吃甜食"

   輸入 資料2- 愛吃甜食的人心腸好. "吃甜食-心腸好"

   這時候運算(學習)找出關聯性

   產生 資料3- 穿紅衣服的人心腸好. "紅衣服-心腸好"

   於是我查表, 什麼是心腸好的人, 於是我可能會得到, "甜食", "紅衣服"

   這當然是很荒謬的推論, 但是隨著資料增加, 更多關聯性被產生, 並且刪除

   了無效的關聯性之後. 我還是有可能得到更正確的答案.

   而這些被產生的關聯性是單純的資料複製所做不到的. 例如從別的地方複製

   資料1, 資料2而不進行運算(學習), 就得不到 資料3. 所以我說, 學習是比

   複製更有利的方法. "根據過去的經驗...得到..."

   再來, 資料的輸入順序(學習順序)與得到的關聯性(結果)是否有關?

   這要看關聯性是如何產生.


   (初始)

   個體1: 空資料

   個體2: 空資料


   (分散學習)

   個體1: 得到資料1,2 -> 得到關聯性資料 8 : 最後擁有資料 1,2,8

   個體2: 得到資料2,5,6 -> 得到關聯性資料 9  : 最後擁有資料2,5,6,9


   (同步)

   個體1: 從個體2分享資料 2,5,6,9, 與自身擁有資料 1,2,8 關聯,

          發現 資料1,8 與資料9 是互相矛盾的.

   這裡, 來設定一下資料互相矛盾時的解決方法:

          a.聽別人的 - 對個體1而言 刪除資料1,8  或是

          b.聽自己的 - 對個體1而言 刪除資料9

          假設個體1與個體2的選擇都是一樣的 -- 同樣程式, 同樣演算法

          聽自己的, 於是個體1 同步完後, 擁有的資料是 1,2,8,5,6,

          並且由擁有資料得到關聯性資料 10

   個體2 同步完之後, 擁有的資料是 2,5,6,9, 得到關聯性資料11


   當然你也可以設計出同步(學習)完之後, 結果是一樣的方法, 我只是想說

   明, 的確是有可能做出學習順序不同而產生不同結果. 人類的先入為主不

   就是這麼一回事嗎.


   至於攻殼車的AI, 我想設計只會比上述的更複雜吧?


: 而這正好也是軍用設備的需求
: 所以
: 除非刻意消除塔其克馬直接覆蓋的機制
: 否則
: 直接覆蓋的效率比較高
: 再來就是要問一下
: 你對於[可學習AI]的陳義為何?
: 事實上即便是馬尾型AI
: 廣義上也可以算是有[學習能力]
: 我相信在座應該有人玩過跟AI聊天吧?
: 在廣義上來說這也算是[學習]的一種
: 但這樣算不算是會自行思考，或是如人類般的[可學習]能力?
: 這就是有趣的地方了
: 在你的定義下
: 塔其克馬的[可學習AI]應該具有什麼樣的能力或基礎表現呢?
: 我相信等你回答過後你就會發現兩個方向
: 1.在素子的時代，塔其克馬不可能有如同人類般的[可學習]能力
: 所以突發事件只能算是個bug
: 2.塔其克馬擁有如同人類般的[可學習]能力
: 這是一個科技泡泡，是那個世界下不可能出現的產物
: 所以即便經過同步還是無法消除差異

　攻殼車沒事做了, 它有兩種選擇. 一是發呆-- 什麼也不做,

  二是到處走走.

  (程式設計)

  1. 用眼睛看四周, 到2

  2. 是否曾經看過?

     -- 是, 到4

     -- 否, 到3

 3. 到處走走, (人類自以為的解讀--好奇心)  回到1

 4. 發呆

 於是.... 攻殼車就一直走一直走, 回不來了.



--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 59.121.2.32
推 masktrue:本篇有專業 可是我看完頭好痛XD
→ rexrainbow:那就是我的表達能力有問題 QQ
推 zop:舉個算是反例吧...由無數細小正方形組成的圓，跟無數細小正三
→ zop:角型組成的圓，不以微觀的話，是幾近相同的圓。
→ rexrainbow:人類也不是這麼一回事嗎? 遠看似乎都一樣, 仔細看才發
→ rexrainbow:現不同
推 j022015:樓上XDDDDD
※ 編輯: rexrainbow      來自: 59.121.3.205         (06/29 06:21)
→ rabbit66376:其實是三角形或是正方形組成的圓[看起來]可能一樣
→ rabbit66376:但在物理結構上 卻會因為其構的成分子鍵是三角或四方
→ rabbit66376:而有不同的特性
→ masktrue:兔子兄總是會把事情想得複雜化
→ rabbit66376:一個混泥土磚建造的牆壁跟石磚建造的牆壁看起來也可以
→ rabbit66376:一模一樣，但強度上卻完全不同。