Io sono ignorante ma... che c'azzecca?
SR2
"Ma la prospettiva più affascinate è quella che riguarda l'intelligenza
artificiale. Il Memristor permetterà di creare computer con funzioni molto
evolute di riconoscimento della capacità visiva. Le nuove equipaggiate con i
nuovi nanocircuiti, sarebbero in grado di riconoscere volti e oggetti,
imparare e associare eventi passati, apprendendo dall'esperienza e prendendo
decisioni. Esattamente come fa il cervello umano o le intelligenze
artificiali di cui da anni ci parla la fantascienza."
Quale sarebbe il nesso fra questa memoria non volatile e l'IA?
C'è realmente una branca dell'IA che attendeva una possibilità
del genere per materializzarsi... oppure hanno pigiato un po'
troppo sul tasto del marketing?
:-)
Marino
Ehm... cosa ti aspettavi da un articolo di scienza su repubblica?
Qualcosa di sensato, forse?
Marino
Denis
"SR2" <_alphasoft_chiocciola@libero_punto.it> ha scritto nel messaggio
news:481f25fa$0$18151$4faf...@reader3.news.tin.it...
Tutte cazzate .
SR2
> di sensato, forse?
La notizia non cambia molto su Punto Informatico, anzi...
http://punto-informatico.it/p.aspx?i=2273639
Penso che le mirabolanti dichiarazioni siano a monte.
Probabilmente c'è un fondo di verità che poi è stata
"un pelo" enfatizzata dal marketing.
Vend
> > Ehm... cosa ti aspettavi da un articolo di scienza su repubblica? Qualcosa
> > di sensato, forse?
>
>
> Penso che le mirabolanti dichiarazioni siano a monte.
> Probabilmente c'è un fondo di verità che poi è stata
> "un pelo" enfatizzata dal marketing.
Wikipedia inglese riporta la stessa affermazione (in un articolo di
qualità abbastanza scarsa), come riferimento cita questo articolo:
http://www.eetimes.com/news/latest/showArticle.jhtml?articleID=207403521&pgno=1
Il cui ultimo paragrafo dice:
'[...]"We are already designing new types of circuits in both the
digital and analog domains using our crossbar architecture. In the
analog domain, we want to build memristor-based devices that operate
in a manner similar to how the synapse works in the brain--neuron-like
analog computational elements that could perform control functions
where decisions must be made involving comparisons as to whether
something is larger or smaller than something else. We are not
building a neural network yet, but we think that using the memristor
in its analog mode with our crossbar is a pretty good representation
of a neural net." [...]'
Da quanto ne ho capito io pensano che questo nuovo dispositivo possa
essere utilizzato per realizzare memorie analogiche, la cui mancanza è
stata da sempre il principale impedimento alla realizzazione di reti
neurali artificiali analogiche.
Nel frattempo però, i circuiti analogici sono passati di moda, adesso
tutta l'elaborazione di qualunque tipo di segnale viene fatta in
digitale perchè costa meno ed è più preciso.
Le reti neurali artificiali sono anche esse più o meno passate di
moda, digitali o analogiche che siano.
Marino
L'articolo di Punto Informatico (altra fonte molto discutibile, quando
si parla di scienza...) è solo un pelo più moderato di quello su
Repubblica, ma l'autore non ha resistito ad inserire un paragrafo di
scempiaggini: "migliorando l'efficacia della macchina in compiti quali
il riconoscimento di figure o nella biometria" è semplicemente
demenziale, associato a una memoria.
Il fatto è che l'articolo su Nature non parla *affatto* di cose simili,
tranne un accenno alle reti hebbiane nell'ultima riga: "Important
applications include [...] learning networks that require a synapse-like
function." Non sono sicurissimo dell'importanza di questa applicazione,
se non in qualche contesto della robotica... di sicuro non è tale da
giustificare le stupidaggini su repubblica e p.i.
Marino
Marino
> Le reti neurali artificiali sono anche esse più o meno passate di
> moda, digitali o analogiche che siano.
Beh, mi pare fortina come affermazione...
:-P
Marino
Vend
> Vend ha scritto:
>
> > Le reti neurali artificiali sono anche esse più o meno passate di
> > moda, digitali o analogiche che siano.
>
> Beh, mi pare fortina come affermazione...
>
Sono stato frainteso (citazione colta :D)
Intendevo dire che le reti neurali artificiali non sono più viste come
la bacchetta magica che permetta di risolvere qualsiasi problema di
intelligenza artificiale.
Fino a qualche anno fa erano viste in questo modo, adesso è passata
l'esagerazione e sono utilizzate per quello che sono: metodi di
regressione statistica.
> :-P
>
> Marino
p51d
> Intendevo dire che le reti neurali artificiali non sono più viste come
> la bacchetta magica che permetta di risolvere qualsiasi problema di
> intelligenza artificiale.
> Fino a qualche anno fa erano viste in questo modo, adesso è passata
> l'esagerazione e sono utilizzate per quello che sono: metodi di
> regressione statistica.
- forse solo perchè manca un hardware adeguato
- forse solo perchè non riusciamo a trovare un modello adeguato
- forse solo perchè non riusciamo a trovare un metodo di apprendimento
adeguato
Vend
> Vend ha scritto:
>
> > Intendevo dire che le reti neurali artificiali non sono più viste come
> > la bacchetta magica che permetta di risolvere qualsiasi problema di
> > intelligenza artificiale.
>
> > Fino a qualche anno fa erano viste in questo modo, adesso è passata
> > l'esagerazione e sono utilizzate per quello che sono: metodi di
> > regressione statistica.
>
> - forse solo perchè manca un hardware adeguato
In che senso adeguato?
Negli approcci attuali non mi pare che le capacità dell'hardware siano
il fattore limitante.
> - forse solo perchè non riusciamo a trovare un modello adeguato
> - forse solo perchè non riusciamo a trovare un metodo di apprendimento
> adeguato
Già
Potrebbe anche essere che un modello ed un metodo di apprendimento che
vadano bene per tutti i problemi semplicemente non esistano o esistano
solo in teoria ma non siano praticamente utilizzabili.
Il cervello umano in fin dei conti è composto da decine di tipi di
neuroni diversi, organizzati in centinaia di aree diverse
specializzate ciascuna per un certo insieme di compiti.
Ciascun neurone poi potrebbe avere la capacità di elaborazione di un
piccolo computer (altro che somma pesata degli ingressi) e forse le
cellule gliali, che tradizionalmente si pensava avessero solo funzione
di supporto meccanico e nutrimento dei neuroni, sono convolte anche
esse nell'elaborazione.
p51d
>> - forse solo perchè manca un hardware adeguato
>
> In che senso adeguato?
che abbia la capacità di eseguire diverse miliardi di operazioni
contemporaneamente.
> Negli approcci attuali non mi pare che le capacità dell'hardware siano
> il fattore limitante.
già, per gli approcci attuali.
> Potrebbe anche essere che un modello ed un metodo di apprendimento che
> vadano bene per tutti i problemi semplicemente non esistano o esistano
> solo in teoria ma non siano praticamente utilizzabili.
deve esistere, a meno chè non credi che sia l'anima a guidare il cervello.
Io personalmente credo molto nel modello evolutivo essendo il più
"naturale" fra tutti.
> Il cervello umano in fin dei conti è composto da decine di tipi di
> neuroni diversi, organizzati in centinaia di aree diverse
> specializzate ciascuna per un certo insieme di compiti.
sempre neuroni sono.
> Ciascun neurone poi potrebbe avere la capacità di elaborazione di un
> piccolo computer (altro che somma pesata degli ingressi)...
è qui il punto (vedi capacità hardware). Un rete neurale artificiale
come la conosciamo oggi può apprendere qualsiasi funzione: per questo
una rete può anche simulare un singolo neurone biologico, non è detto
che ci debba essere un rapporto 1:1 (artificiale:biologico).
Vend
> Vend ha scritto:
>
> >> - forse solo perchè manca un hardware adeguato
>
> > In che senso adeguato?
>
> che abbia la capacità di eseguire diverse miliardi di operazioni
> contemporaneamente.
>
> > Negli approcci attuali non mi pare che le capacità dell'hardware siano
> > il fattore limitante.
>
> già, per gli approcci attuali.
Si, ma il punto è che se domani esce un computer un miliardo di volte
più veloce di quelli attuali, non è che le reti neurali subito trovano
applicazione in problemi su cui fino ad oggi non hanno dato risultati
soddisfacenti.
A mio avviso il fattore limitante non è l'hardware.
> > Potrebbe anche essere che un modello ed un metodo di apprendimento che
> > vadano bene per tutti i problemi semplicemente non esistano o esistano
> > solo in teoria ma non siano praticamente utilizzabili.
>
> deve esistere, a meno chè non credi che sia l'anima a guidare il cervello.
No. Potrebbe essere che il cervello sia composto da un gran numero di
moduli ciascuno specializzato a risolvere ed adattarsi ad una
determinata classe di problemi.
Invece di un unico approccio il cervello umano potrebbe utilizzare
tanti approcci ed euristiche separate, in gran parte evolutesi nel
corso di milioni di anni, e l'apprendimento potrebbe essere soltanto
poco più che una "messa a punto" di un'architettura fondamentalmente
stabilita dalla genetica.
> Io personalmente credo molto nel modello evolutivo essendo il più
> "naturale" fra tutti.
>
> > Il cervello umano in fin dei conti è composto da decine di tipi di
> > neuroni diversi, organizzati in centinaia di aree diverse
> > specializzate ciascuna per un certo insieme di compiti.
>
> sempre neuroni sono.
Quindi? Sempre atomi sono.
> > Ciascun neurone poi potrebbe avere la capacità di elaborazione di un
> > piccolo computer (altro che somma pesata degli ingressi)...
>
> è qui il punto (vedi capacità hardware).
Non è un punto meramente tecnologico ma anche teorico: le reti neurali
artificiali attuali sono basate su neuroni semplici, in genere tutti
uguali tra loro. Le reti neurali biologiche invece sono basate su
neuroni complessi e diversificati, in un certo senso potrebbero
somigliare di più alle reti di calcolatori distribuite che alle reti
neurali artificiali.
> Un rete neurale artificiale
> come la conosciamo oggi può apprendere qualsiasi funzione: per questo
> una rete può anche simulare un singolo neurone biologico, non è detto
> che ci debba essere un rapporto 1:1 (artificiale:biologico).
Il neurone biologico non è rappresentabile da una semplice funzione, è
un sistema fisico dotato di stato.
E' ragionevole supporre che ogni sistema fisico, quindi anche una rete
neurale biologica, possa essere simulato con precisione arbitraria su
un computer, in particolare fissato il sistema fisico e la precisione
desiderata si può supporre che esista un automa a stati finiti,
eventualmente supportato da un generatore di veri numeri casuali, che
sia in grado di simularlo.
Alcuni modelli di reti neurali ricorsive, se ben ricordo, hanno la
proprietà di poter rappresentare qualunque automa a stati finiti.
Questo però non assicura che la rappresentazione di un automa a stati
finiti di interesse pratico abbia dimensioni gestibili (in caso di
dipendenze esponenziali, le dimensione potrebbero diventare talmente
grandi da essere ingestibili su qualunque hardware che possiamo mai
ragionevolmente sperare di avere), o ancora non ci assicura che tale
rappresentazione sia apprendibile.
I teoremi sulla classe di rappresentazione di un dato modello sono
utili per dirci cosa tale modello non può fare, ad esempio quando
Minsky e Papert dimostrarono che i percettroni rappresentavano solo
funzioni linearmente separabili, provarono di conseguenza quali
funzioni essi non potevano rappresentare, spiegano così molti
insuccessi degli anni precedenti.
Tali teoremi però in genere, essendo non-costruttivi, non ci dicono
nulla su cosa un dato modello potrà fare nella pratica.
GiO
Il 05/05/2008 17.22 ha scritto:
> "Ma la prospettiva più affascinate è quella che riguarda l'intelligenza
> artificiale. Il Memristor permetterà di creare computer con funzioni molto
> evolute di riconoscimento della capacità visiva. Le nuove equipaggiate con i
> nuovi nanocircuiti, sarebbero in grado di riconoscere volti e oggetti,
> imparare e associare eventi passati, apprendendo dall'esperienza e prendendo
> decisioni. Esattamente come fa il cervello umano o le intelligenze
> artificiali di cui da anni ci parla la fantascienza."
Il fatto che, parlando di computer evoluti, si parli di IA in maniera
arronzata è del tutto regolare.
Avere una memoria non volatile di grande capacità, veloce come una RAM
(?), in pochissimo spazio e che consumi poco permette potenzialmente
molte applicazioni interessanti.
Non si parla, però, dei costi.
--
C++U,
GiO
Vend
Avere memorie di grandi capacità a basso costo può avere delle
ricadute positive nel campo dell'IA, ma dubito che possa rivoluzionare
il settore come lasciano intendere nell'articolo.
p51d
> Si, ma il punto è che se domani esce un computer un miliardo di volte
> più veloce di quelli attuali, non è che le reti neurali subito trovano
> applicazione in problemi su cui fino ad oggi non hanno dato risultati
> soddisfacenti.
subito ovviamente no, ma permetterebbe di esplorare percorsi finora
impossibili.
> No. Potrebbe essere che il cervello sia composto da un gran numero di
> moduli ciascuno specializzato a risolvere ed adattarsi ad una
> determinata classe di problemi.
per moduli intendi reti di neuroni?
> Invece di un unico approccio il cervello umano potrebbe utilizzare
> tanti approcci ed euristiche separate, in gran parte evolutesi nel
> corso di milioni di anni, e l'apprendimento potrebbe essere soltanto
> poco più che una "messa a punto" di un'architettura fondamentalmente
> stabilita dalla genetica.
si ma qual'è il motore dei moduli, degli approcci, delle euristiche
separate? Ci deve pur essere un elemento funzionalmente comune.
> Quindi? Sempre atomi sono.
forse non riesco a spiegarmi: la struttura del cervello è troppo
complessa per essere compresa e quindi replicata su una macchina, per
quanto questa sia composta da moduli ed euristiche. Occorre trovare
l'elemento funzionale di base, che per me è il neurone, e permettere
l'auto-organizzazione della rete di neuroni.
Un'auto organizzazione di una rete di neuroni (ma anche la sua
esecuzione, ed entrambe) non può essere ne sperimentata ne fatta con
l'hardware attuale.
Dire che le reti neurali non sono altro che "metodi di regressione
statistica" è quantomeno azzardato, almeno fin quando non si potrà fare
ricerca su sistemi con miliardi di unità.
> Non è un punto meramente tecnologico ma anche teorico: le reti neurali
> artificiali attuali sono basate su neuroni semplici, in genere tutti
> uguali tra loro. Le reti neurali biologiche invece sono basate su
> neuroni complessi e diversificati, in un certo senso potrebbero
> somigliare di più alle reti di calcolatori distribuite che alle reti
> neurali artificiali.
perchè un singolo neurone complesso non può essere sostituito da una
rete di neuroni artificiali?
> Il neurone biologico non è rappresentabile da una semplice funzione, è
> un sistema fisico dotato di stato.
una rete neurale artificiale può avere uno stato (non esistono solo feed
forward).
> E' ragionevole supporre che ogni sistema fisico, quindi anche una rete
> neurale biologica, possa essere simulato con precisione arbitraria su
> un computer, in particolare fissato il sistema fisico e la precisione
> desiderata si può supporre che esista un automa a stati finiti,
> eventualmente supportato da un generatore di veri numeri casuali, che
> sia in grado di simularlo.
mi pare di aver detto la stessa cosa!
> Alcuni modelli di reti neurali ricorsive, se ben ricordo, hanno la
> proprietà di poter rappresentare qualunque automa a stati finiti.
> Questo però non assicura che la rappresentazione di un automa a stati
> finiti di interesse pratico abbia dimensioni gestibili (in caso di
> dipendenze esponenziali, le dimensione potrebbero diventare talmente
> grandi da essere ingestibili su qualunque hardware che possiamo mai
> ragionevolmente sperare di avere), o ancora non ci assicura che tale
> rappresentazione sia apprendibile.
se pensi al cervello biologico come hardware, dimmi un solo motivo
perchè questo non possa essere concettualmente disponibile come macchina.
> I teoremi sulla classe di rappresentazione di un dato modello sono
> utili per dirci cosa tale modello non può fare, ad esempio quando
> Minsky e Papert dimostrarono che i percettroni rappresentavano solo
> funzioni linearmente separabili, provarono di conseguenza quali
> funzioni essi non potevano rappresentare, spiegano così molti
> insuccessi degli anni precedenti.
ok ma questa è preistoria. Le reti multistrato con funzione di
trasferimento non lineare possono approssimare qualsiasi funzione
deterministica.
Vend
> Vend ha scritto:
>
> > Si, ma il punto è che se domani esce un computer un miliardo di volte
> > più veloce di quelli attuali, non è che le reti neurali subito trovano
> > applicazione in problemi su cui fino ad oggi non hanno dato risultati
> > soddisfacenti.
>
> subito ovviamente no, ma permetterebbe di esplorare percorsi finora
> impossibili.
Ok.
> > No. Potrebbe essere che il cervello sia composto da un gran numero di
> > moduli ciascuno specializzato a risolvere ed adattarsi ad una
> > determinata classe di problemi.
>
> per moduli intendi reti di neuroni?
Intendo aree del cervello specializzate.
> > Invece di un unico approccio il cervello umano potrebbe utilizzare
> > tanti approcci ed euristiche separate, in gran parte evolutesi nel
> > corso di milioni di anni, e l'apprendimento potrebbe essere soltanto
> > poco più che una "messa a punto" di un'architettura fondamentalmente
> > stabilita dalla genetica.
>
> si ma qual'è il motore dei moduli, degli approcci, delle euristiche
> separate? Ci deve pur essere un elemento funzionalmente comune.
>
> > Quindi? Sempre atomi sono.
>
> forse non riesco a spiegarmi: la struttura del cervello è troppo
> complessa per essere compresa e quindi replicata su una macchina, per
> quanto questa sia composta da moduli ed euristiche. Occorre trovare
> l'elemento funzionale di base, che per me è il neurone, e permettere
> l'auto-organizzazione della rete di neuroni.
> Un'auto organizzazione di una rete di neuroni (ma anche la sua
> esecuzione, ed entrambe) non può essere ne sperimentata ne fatta con
> l'hardware attuale.
Il punto è che non è detto che ci sia un semplice elemento di base che
vada bene per tutto.
Non so cosa intendi per auto-organizzazione.
> Dire che le reti neurali non sono altro che "metodi di regressione
> statistica" è quantomeno azzardato,
Perchè, cosa sono?
> almeno fin quando non si potrà fare
> ricerca su sistemi con miliardi di unità.
Mi pare che nei modelli attuali aumentando il numero delle unità oltre
un certo limite le prestazioni diminuiscano.
> > Non è un punto meramente tecnologico ma anche teorico: le reti neurali
> > artificiali attuali sono basate su neuroni semplici, in genere tutti
> > uguali tra loro. Le reti neurali biologiche invece sono basate su
> > neuroni complessi e diversificati, in un certo senso potrebbero
> > somigliare di più alle reti di calcolatori distribuite che alle reti
> > neurali artificiali.
>
> perchè un singolo neurone complesso non può essere sostituito da una
> rete di neuroni artificiali?
In teoria si, così come lo si può sostituire con un programma scritto
in Jot (http://barker.linguistics.fas.nyu.edu/Stuff/Iota/), ma quale
sarebbe il vantaggio?
> > Il neurone biologico non è rappresentabile da una semplice
funzione, è
> > un sistema fisico dotato di stato.
>
> una rete neurale artificiale può avere uno stato (non esistono solo feed
> forward).
Hai parlato di funzioni, quindi pensavo che ti riferissi a reti senza
stato.
> > E' ragionevole supporre che ogni sistema fisico, quindi anche una rete
> > neurale biologica, possa essere simulato con precisione arbitraria su
> > un computer, in particolare fissato il sistema fisico e la precisione
> > desiderata si può supporre che esista un automa a stati finiti,
> > eventualmente supportato da un generatore di veri numeri casuali, che
> > sia in grado di simularlo.
>
> mi pare di aver detto la stessa cosa!
>
> > Alcuni modelli di reti neurali ricorsive, se ben ricordo, hanno la
> > proprietà di poter rappresentare qualunque automa a stati finiti.
> > Questo però non assicura che la rappresentazione di un automa a stati
> > finiti di interesse pratico abbia dimensioni gestibili (in caso di
> > dipendenze esponenziali, le dimensione potrebbero diventare talmente
> > grandi da essere ingestibili su qualunque hardware che possiamo mai
> > ragionevolmente sperare di avere), o ancora non ci assicura che tale
> > rappresentazione sia apprendibile.
>
> se pensi al cervello biologico come hardware, dimmi un solo motivo
> perchè questo non possa essere concettualmente disponibile come macchina.
Perchè a mio avviso le somiglianze tra il cervello biologico e le reti
neurali artificiali sono solo superficiali.
> > I teoremi sulla classe di rappresentazione di un dato modello sono
> > utili per dirci cosa tale modello non può fare, ad esempio quando
> > Minsky e Papert dimostrarono che i percettroni rappresentavano solo
> > funzioni linearmente separabili, provarono di conseguenza quali
> > funzioni essi non potevano rappresentare, spiegano così molti
> > insuccessi degli anni precedenti.
>
> ok ma questa è preistoria. Le reti multistrato con funzione di
> trasferimento non lineare possono approssimare qualsiasi funzione
> deterministica.
Possono rappresentare con approssimazione arbitraria (quasi) qualsiasi
funzione matematica.
Il che non vuol dire che nella pratica siano utili per farlo.
Per esempio è possibile in teoria rappresentare qualunque automa a
stati finiti mediante un calcolatore meccanico, questo non significa
che tale calcolatore sia praticamente realizzabile.
p51d
>> perchè un singolo neurone complesso non può essere sostituito da una
>> rete di neuroni artificiali?
>
> In teoria si, così come lo si può sostituire con un programma scritto
> in Jot (http://barker.linguistics.fas.nyu.edu/Stuff/Iota/), ma quale
> sarebbe il vantaggio?
il vantaggio sarebbe quello di poter usare neuroni artificiali come li
intendiamo oggi per qualsiasi funzione del cervello, anche laddove
questa usasse neuroni specializzati, complessi o come vuoi tu.
> Il punto è che non è detto che ci sia un semplice elemento di base che
> vada bene per tutto.
> Non so cosa intendi per auto-organizzazione.
si potrebbero applicare algoritmi generici non solo per trovare i pesi
ma anche per instaurare nuove connessioni fra neuroni e fra reti.
>> almeno fin quando non si potrà fare
>> ricerca su sistemi con miliardi di unità.
>
> Mi pare che nei modelli attuali aumentando il numero delle unità oltre
> un certo limite le prestazioni diminuiscano.
è per questo che l'hardware è determinante.
> Perchè a mio avviso le somiglianze tra il cervello biologico e le reti
> neurali artificiali sono solo superficiali.
anche un essere umano non assomiglia alle cellule di cui è composto.
> Possono rappresentare con approssimazione arbitraria (quasi) qualsiasi
> funzione matematica.
> Il che non vuol dire che nella pratica siano utili per farlo.
>
> Per esempio è possibile in teoria rappresentare qualunque automa a
> stati finiti mediante un calcolatore meccanico, questo non significa
> che tale calcolatore sia praticamente realizzabile.
...è per questo che l'hardware è determinante!
GiO
Il 09/05/2008 9.12 ha scritto:
> >> perchè un singolo neurone complesso non può essere sostituito da una
> >> rete di neuroni artificiali?
> >
> > In teoria si, così come lo si può sostituire con un programma scritto
> > in Jot (http://barker.linguistics.fas.nyu.edu/Stuff/Iota/), ma quale
> > sarebbe il vantaggio?
>
> il vantaggio sarebbe quello di poter usare neuroni artificiali come li
> intendiamo oggi per qualsiasi funzione del cervello, anche laddove
> questa usasse neuroni specializzati, complessi o come vuoi tu.
Se possibile, cambiate topic (es. "Discussione sulla validità delle reti
neurali" o qualcosa del genere).
Grazie mille. :)
--
C++U,
GiO
p51d
>
> Se possibile, cambiate topic (es. "Discussione sulla validità delle reti
> neurali" o qualcosa del genere).
ok, ma il messaggio originale faceva indirettamente riferimento alle
reti neurali...
Vend
> Vend ha scritto:
> >> perchè un singolo neurone complesso non può essere sostituito da una
> >> rete di neuroni artificiali?
> >
> > In teoria si, così come lo si può sostituire con un programma scritto
> > in Jot (http://barker.linguistics.fas.nyu.edu/Stuff/Iota/), ma quale
> > sarebbe il vantaggio?
>
> il vantaggio sarebbe quello di poter usare neuroni artificiali come li
> intendiamo oggi per qualsiasi funzione del cervello, anche laddove
> questa usasse neuroni specializzati, complessi o come vuoi tu.
E quale sarebbe il vantaggio di usare neuroni artificiali invece che
porte logiche o qualsiasi altra cosa che ti consenta di realizzare
automi a stati finiti?
> > Il punto è che non è detto che ci sia un semplice elemento di base che
> > vada bene per tutto.
> > Non so cosa intendi per auto-organizzazione.
>
> si potrebbero applicare algoritmi generici non solo per trovare i pesi
> ma anche per instaurare nuove connessioni fra neuroni e fra reti.
Sperando che la cosa funzioni.
> >> almeno fin quando non si potrà fare
> >> ricerca su sistemi con miliardi di unità.
>
> > Mi pare che nei modelli attuali aumentando il numero delle unità oltre
> > un certo limite le prestazioni diminuiscano.
>
> è per questo che l'hardware è determinante.
No, intendevo dire che a prescindere dalle prestazioni dell'hardware,
una rete neurale arficiale come quelle usate fino ad oggi non migliora
le sue caratteristiche aumentando il numero di unità sopra un certo
limite: in genere tende ad "imparare a memoria" il training set
perdendo la capacità di generalizzare, che è poi quello che interessa,
visto che per imparare il training set sono buone anche le tabelle.
> > Perchè a mio avviso le somiglianze tra il cervello biologico e le reti
> > neurali artificiali sono solo superficiali.
>
> anche un essere umano non assomiglia alle cellule di cui è composto.
Non è una questione di composizione.
Un neurone biologico non somiglia ad uno artificiale.
Che poi in teoria si possa simulare un neurone biologico con una rete
di neuroni artificiali ha poca rilevanza pratica secondo me.
> > Possono rappresentare con approssimazione arbitraria (quasi) qualsiasi
> > funzione matematica.
> > Il che non vuol dire che nella pratica siano utili per farlo.
>
> > Per esempio è possibile in teoria rappresentare qualunque automa a
> > stati finiti mediante un calcolatore meccanico, questo non significa
> > che tale calcolatore sia praticamente realizzabile.
>
> ...è per questo che l'hardware è determinante!
Si ma se usi un hardware moderno per simulare un calcolatore meccanico
che realizza un determinato automa non credo che ottieni grandi
risultati.
Le reti neurali artificiali sono una sorta di "hardware virtuale" in
questa analogia.
p51d
>> il vantaggio sarebbe quello di poter usare neuroni artificiali come li
>> intendiamo oggi per qualsiasi funzione del cervello, anche laddove
>> questa usasse neuroni specializzati, complessi o come vuoi tu.
>
> E quale sarebbe il vantaggio di usare neuroni artificiali invece che
> porte logiche o qualsiasi altra cosa che ti consenta di realizzare
> automi a stati finiti?
Non capisco la domanda, e non capisco perchè continui a parlare di
automi a stati finiti.
Inoltre non mi risulta che una porta logica sia un approssimatore
universale o un classificatore.
>> si potrebbero applicare algoritmi generici non solo per trovare i pesi
>> ma anche per instaurare nuove connessioni fra neuroni e fra reti.
>
> Sperando che la cosa funzioni.
nella mia esperienza ottimizzare una rete neurale feed forward con
backpropagation o con algoritmi genetici richiede lo stesso identico
tempo, con il vantaggio di quest'ultimi nell'evitare più facilmente
minimi locali.
> No, intendevo dire che a prescindere dalle prestazioni dell'hardware,
> una rete neurale arficiale come quelle usate fino ad oggi non migliora
> le sue caratteristiche aumentando il numero di unità sopra un certo
> limite:
il problema è nell'apprendimento. E' solo colpa di questo se la rete non
migliora all'aumentare del numero di unità.
> in genere tende ad "imparare a memoria" il training set
> perdendo la capacità di generalizzare, che è poi quello che interessa,
> visto che per imparare il training set sono buone anche le tabelle.
??!! è come dire posso insegnare a giocare a scacchi ad una macchina
inserendo tutte le possibili configurazioni della scacchiera in una LUT!
> Non è una questione di composizione.
> Un neurone biologico non somiglia ad uno artificiale.
...e non è detto che lo debba essere...
> Che poi in teoria si possa simulare un neurone biologico con una rete
> di neuroni artificiali ha poca rilevanza pratica secondo me.
...fondamentale secondo me!
> Si ma se usi un hardware moderno per simulare un calcolatore meccanico
> che realizza un determinato automa non credo che ottieni grandi
> risultati.
anche qui non sono d'accordo. I moderni hardware, per quanto xcore siano
non fanno altro che implementare più efficientemente la meccanica
per-seconda guerra mondiale....e mi pare che la differenza c'è.
Vend
> Vend ha scritto:
>
> >> il vantaggio sarebbe quello di poter usare neuroni artificiali come li
> >> intendiamo oggi per qualsiasi funzione del cervello, anche laddove
> >> questa usasse neuroni specializzati, complessi o come vuoi tu.
>
> > E quale sarebbe il vantaggio di usare neuroni artificiali invece che
> > porte logiche o qualsiasi altra cosa che ti consenta di realizzare
> > automi a stati finiti?
>
> Non capisco la domanda, e non capisco perchè continui a parlare di
> automi a stati finiti.
Puoi approssimare arbitrariamente bene il cervello biologico come un
automa a stati finiti.
Quindi qualunque cosa che consente di realizzare automi a stati finiti
consente in teoria di simulare il cervello.
Il che non significa che in pratica vada bene.
> Inoltre non mi risulta che una porta logica sia un approssimatore
> universale o un classificatore.
Una porta logica no, ma una rete di porte logiche si.
Considera semplicemente che il computer sul quale fai girare le tue
reti neurali artificiali è fatto da porte logiche.
> >> si potrebbero applicare algoritmi generici non solo per trovare i pesi
> >> ma anche per instaurare nuove connessioni fra neuroni e fra reti.
>
> > Sperando che la cosa funzioni.
>
> nella mia esperienza ottimizzare una rete neurale feed forward con
> backpropagation o con algoritmi genetici richiede lo stesso identico
> tempo, con il vantaggio di quest'ultimi nell'evitare più facilmente
> minimi locali.
Bene.
Ma prova ad usare un algoritmo generico per far apprendere ad una rete
neurale artificiale (tipo un multi-layer perceptron con feed-back) a
simulare un neurone biologico.
> > No, intendevo dire che a prescindere dalle prestazioni dell'hardware,
> > una rete neurale arficiale come quelle usate fino ad oggi non migliora
> > le sue caratteristiche aumentando il numero di unità sopra un certo
> > limite:
>
> il problema è nell'apprendimento. E' solo colpa di questo se la rete non
> migliora all'aumentare del numero di unità.
Appunto. La rete in se è solo un substrato di rappresentazione,
l'algoritmo di apprendimento è ciò che importa.
Il fatto che il substrato di rappresentazione abbia proprietà di
universalità conta poco se non ci sono algoritmi di apprendimento in
grado di lavorare su esso con buone prestazioni.
Gli algoritmi di apprendimento per reti neurali disponibili al momento
hanno prestazioni paragonabili a quelle di altri metodi statistici di
regressione e per questo sono usati come tali.
> > in genere tende ad "imparare a memoria" il training set
> > perdendo la capacità di generalizzare, che è poi quello che interessa,
> > visto che per imparare il training set sono buone anche le tabelle.
>
> ??!! è come dire posso insegnare a giocare a scacchi ad una macchina
> inserendo tutte le possibili configurazioni della scacchiera in una LUT!
In teoria si, in pratica no, comunque una LUT è meglio di una rete
neurale che non generalizza.
> > Non è una questione di composizione.
> > Un neurone biologico non somiglia ad uno artificiale.
>
> ...e non è detto che lo debba essere...
>
> > Che poi in teoria si possa simulare un neurone biologico con una rete
> > di neuroni artificiali ha poca rilevanza pratica secondo me.
>
> ...fondamentale secondo me!
Si può simulare un neurone biologico con tante cose, perchè pensi che
le reti neurali artificiali abbiano qualcosa di speciale in tal senso?
> > Si ma se usi un hardware moderno per simulare un calcolatore meccanico
> > che realizza un determinato automa non credo che ottieni grandi
> > risultati.
>
> anche qui non sono d'accordo. I moderni hardware, per quanto xcore siano
> non fanno altro che implementare più efficientemente la meccanica
> per-seconda guerra mondiale....
Non mi sembra, a cosa ti riferisci?
p51d
> Puoi approssimare arbitrariamente bene il cervello biologico come un
> automa a stati finiti.
> Quindi qualunque cosa che consente di realizzare automi a stati finiti
> consente in teoria di simulare il cervello.
> Il che non significa che in pratica vada bene.
aspetta, questo è vero se consideri il cervello come un semplice
risolutore di problemi (per quanto questi problemi possano essere
complessi). Fatto sta che il cervello non è semplicemente un risolutore
di problemi, quindi non riesco a credere che sia approssimabile da un
automa a stati finiti.
> Una porta logica no, ma una rete di porte logiche si.
> Considera semplicemente che il computer sul quale fai girare le tue
> reti neurali artificiali è fatto da porte logiche.
ovviamente vero, però come avevi scritto precedentemente sembrava che le
stesse cose che fa un neurone le può fare una porta logica.
> Bene.
> Ma prova ad usare un algoritmo generico per far apprendere ad una rete
> neurale artificiale (tipo un multi-layer perceptron con feed-back) a
> simulare un neurone biologico.
se sapessi come funziona esattamente un neurone biologico lo potrei fare
senza problemi.
>> il problema è nell'apprendimento. E' solo colpa di questo se la rete non
>> migliora all'aumentare del numero di unità.
>
> Appunto. La rete in se è solo un substrato di rappresentazione,
> l'algoritmo di apprendimento è ciò che importa.
> Il fatto che il substrato di rappresentazione abbia proprietà di
> universalità conta poco se non ci sono algoritmi di apprendimento in
> grado di lavorare su esso con buone prestazioni.
diciamo la stessa cosa.
> In teoria si, in pratica no, comunque una LUT è meglio di una rete
> neurale che non generalizza.
se ho una rete neurale che non generalizza vuol dire che ho sbagliato
qualcosa nell'addrestramento.
> Si può simulare un neurone biologico con tante cose, perchè pensi che
> le reti neurali artificiali abbiano qualcosa di speciale in tal senso?
perchè no?
>
>>> Si ma se usi un hardware moderno per simulare un calcolatore meccanico
>>> che realizza un determinato automa non credo che ottieni grandi
>>> risultati.
>> anche qui non sono d'accordo. I moderni hardware, per quanto xcore siano
>> non fanno altro che implementare più efficientemente la meccanica
>> per-seconda guerra mondiale....
>
> Non mi sembra, a cosa ti riferisci?
scusa forse non ho capito io a cosa ti riferivi.
Marino
> Vend ha scritto:
>> Puoi approssimare arbitrariamente bene il cervello biologico come un
>> automa a stati finiti.
>> Quindi qualunque cosa che consente di realizzare automi a stati finiti
>> consente in teoria di simulare il cervello.
>> Il che non significa che in pratica vada bene.
>
> aspetta, questo è vero se consideri il cervello come un semplice
> risolutore di problemi (per quanto questi problemi possano essere
> complessi). Fatto sta che il cervello non è semplicemente un risolutore
> di problemi, quindi non riesco a credere che sia approssimabile da un
> automa a stati finiti.
In cosa il cervello "non è semplicemente un risolutore di problemi"?
Marino
p51d
> In cosa il cervello "non è semplicemente un risolutore di problemi"?
>
che tipo di problema è la coscienza di se stessi? Cosa sono le emozioni
ed i sentimenti?
Cos'è l'appagamento intellettuale dopo aver risolto un problema?
Soprattutto: come si dimostra che il cervello è semplicemente un
risolutore di problemi, quando ancora non si sa neanche cosa sia
l'intelligenza?
Marino
> Marino ha scritto:
>> In cosa il cervello "non è semplicemente un risolutore di problemi"?
>>
>
> che tipo di problema è la coscienza di se stessi?
Non è un problema, nè una funzione, è un'"istanza" soggettiva associata
a determinati stati del cervello.
Non si ha la piu' pallida idea idea del meccanismo che la faccia
emergere, ma il considerarla o meno non cambia nulla nella spiegazione
compiuto del *comportamento* osservabile oggettivamente.
Volendo buttarsi sul filosofico, potrei chiederti di dimostrare
l'esistenza stessa della coscienza...
Cosa sono le emozioni ed i sentimenti?
La manifestazione cosciente di reward positivi o negativi, codificati
dalle aree che esprimono benessere/piacere contro malessere/dolore:
nucleus accumbens, locus coeruleus, corteccia dell'insula, del cingolo e
amici vari sparsi in tutto il sistema limbico.
Mangiamo e facciamo sesso, e siamo disposti a combattere guerre per
farlo, perchè ne ricaviamo piacere, e allo stesso modo rifuggiamo il
dolore e il dispiacere; queste sensazioni, arricchite da complesse
strutture cognitive, le chiamiamo emozioni o sentimenti.
> Cos'è l'appagamento intellettuale dopo aver risolto un problema?
Un altro reward positivo; è bene si risolva problemi e il cervello si è
evoluto (o cresce, fai tu) in modo da fornire una sensazione positiva in
caso di successo. Con molta probabilità i meccanismi implicati sono
simili a quelli di cui sopra.
In questo direi che siamo *molto* simili a Deep Blue che batte Kasparov.
Magari anche lui ha provato esattamente lo stesso "appagamento
intellettuale" (come lo dimostri?)
> Soprattutto: come si dimostra che il cervello è semplicemente un
> risolutore di problemi, quando ancora non si sa neanche cosa sia
> l'intelligenza?
Beh, "intelligenza" è solo una parola, la quale per motivi storici ha
assunto molti significati; non è che non si sa cosa sia, è solo che ci
sono molte definizioni...
Ha senso solamente riferirsi a problemi specifici.
Anche "dimostrare che il cervello è semplicemente un risolutore di
problemi" mi pare linguisticamente ambiguo... un martello è un
risolutore di problemi? Un neurone è un risolutore di problemi? E poi
cosa intendi per "dimostrare"? Matematicamente?
Evolutivamente, il sistema nervoso serve a coordinare le attività di un
organismo in tutto ciò che concerne la sopravvivenza, e tutte le
funzioni che sono state associate ad aree cerebrali sono "meccanismi per
la risoluzione di problemi"...
L'alternativa qual è? Ci sono porzioni del cervello che si sono evolute
(o crescono) senza nessuno scopo utile? Mmmmhhhh....
Marino
p51d
>> che tipo di problema è la coscienza di se stessi?
>
> Non è un problema, nè una funzione, è un'"istanza" soggettiva associata
> a determinati stati del cervello.
> Non si ha la piu' pallida idea idea del meccanismo che la faccia
> emergere, ma il considerarla o meno non cambia nulla nella spiegazione
> compiuto del *comportamento* osservabile oggettivamente.
> Volendo buttarsi sul filosofico, potrei chiederti di dimostrare
> l'esistenza stessa della coscienza...
se noi fossimo un ente esterno con il compito di studiare l'uomo e
replicarlo in una macchina probabilmente neanche ci porremmo il problema
della coscienza, e considereremmo realmente l'uomo come una macchina a
stati finiti. Ma noi abbiamo coscienza di essere coscienti, e questo ci
crea qualche problema nel definirci.
> La manifestazione cosciente di reward positivi o negativi, codificati
> dalle aree che esprimono benessere/piacere contro malessere/dolore...
un flag?
> In questo direi che siamo *molto* simili a Deep Blue che batte Kasparov.
> Magari anche lui ha provato esattamente lo stesso "appagamento
> intellettuale" (come lo dimostri?)
anche se fosse successo, probabilmente semplicisticamente c'era una
variabile che gli indicava di quanto stava vincendo, non ne era
cosciente. E' come dire che una porta logica AND è cosciente di aver
svolto bene il suo lavoro.
> Beh, "intelligenza" è solo una parola, la quale per motivi storici ha
> assunto molti significati; non è che non si sa cosa sia, è solo che ci
> sono molte definizioni...
> Ha senso solamente riferirsi a problemi specifici.
ha senso riferirsi a problemi specifici fin tanto che non sarà chiaro
cosa sia effettivamente. Un po' come in fisica dove in attesa della
fantomatica teoria del tutto si applicano singole teorie ad ogni aspetto
della realtà.
>
> Anche "dimostrare che il cervello è semplicemente un risolutore di
> problemi" mi pare linguisticamente ambiguo... un martello è un
> risolutore di problemi? Un neurone è un risolutore di problemi? E poi
> cosa intendi per "dimostrare"? Matematicamente?
io infatti sostengo che il cervello non è solo un risolutore di
problemi, è probabilmente molto altro.
> Evolutivamente, il sistema nervoso serve a coordinare le attività di un
> organismo in tutto ciò che concerne la sopravvivenza, e tutte le
> funzioni che sono state associate ad aree cerebrali sono "meccanismi per
> la risoluzione di problemi"...
> L'alternativa qual è? Ci sono porzioni del cervello che si sono evolute
> (o crescono) senza nessuno scopo utile? Mmmmhhhh....
se fosse solo così saremmo troppo razionali, mi viene in mente Spock...
Marino
> Marino ha scritto:
>>> che tipo di problema è la coscienza di se stessi?
>>
>> Non è un problema, nè una funzione, è un'"istanza" soggettiva
>> associata a determinati stati del cervello.
>> Non si ha la piu' pallida idea idea del meccanismo che la faccia
>> emergere, ma il considerarla o meno non cambia nulla nella spiegazione
>> compiuto del *comportamento* osservabile oggettivamente.
>> Volendo buttarsi sul filosofico, potrei chiederti di dimostrare
>> l'esistenza stessa della coscienza...
>
> se noi fossimo un ente esterno con il compito di studiare l'uomo e
> replicarlo in una macchina probabilmente neanche ci porremmo il problema
> della coscienza, e considereremmo realmente l'uomo come una macchina a
> stati finiti. Ma noi abbiamo coscienza di essere coscienti, e questo ci
> crea qualche problema nel definirci.
Il problema è che, finchè non se ne trovi un correlato fisico, si tratta
di un'esperienza puramente soggettiva. E' un problema filosofico anche
solo il chiedersi se possa ricadere all'interno di cio' che e'
studiabile scientificamente...
>> La manifestazione cosciente di reward positivi o negativi, codificati
>> dalle aree che esprimono benessere/piacere contro malessere/dolore...
>
> un flag?
No, perchè sono modulati.
>> In questo direi che siamo *molto* simili a Deep Blue che batte
>> Kasparov. Magari anche lui ha provato esattamente lo stesso
>> "appagamento intellettuale" (come lo dimostri?)
>
> anche se fosse successo, probabilmente semplicisticamente c'era una
> variabile che gli indicava di quanto stava vincendo, non ne era
> cosciente. E' come dire che una porta logica AND è cosciente di aver
> svolto bene il suo lavoro.
E se la coscienza dipendesse dal potenziale di azione di un solo neurone
(ben nascosto)? Sarebbe tanto diverso?
>> Beh, "intelligenza" è solo una parola, la quale per motivi storici ha
>> assunto molti significati; non è che non si sa cosa sia, è solo che ci
>> sono molte definizioni...
>> Ha senso solamente riferirsi a problemi specifici.
>
> ha senso riferirsi a problemi specifici fin tanto che non sarà chiaro
> cosa sia effettivamente. Un po' come in fisica dove in attesa della
> fantomatica teoria del tutto si applicano singole teorie ad ogni aspetto
> della realtà.
Mh.. vuoi dire "finchè non sara chiaro cosa sia l'intelligenza"? A me
sembra che dipenda cosa uno voglia intendere per intelligenza, è
semplicemente un concetto vago.
Avrà mai risposta la domanda: "è piu' intelligente un gatto o Deep
Blue?" ? La risposta c'è già, a seconda di cosa si intenda per
intelligenza...
>>
>> Anche "dimostrare che il cervello è semplicemente un risolutore di
>> problemi" mi pare linguisticamente ambiguo... un martello è un
>> risolutore di problemi? Un neurone è un risolutore di problemi? E poi
>> cosa intendi per "dimostrare"? Matematicamente?
>
> io infatti sostengo che il cervello non è solo un risolutore di
> problemi, è probabilmente molto altro.
Ok, ma su che basi?
>> Evolutivamente, il sistema nervoso serve a coordinare le attività di
>> un organismo in tutto ciò che concerne la sopravvivenza, e tutte le
>> funzioni che sono state associate ad aree cerebrali sono "meccanismi
>> per la risoluzione di problemi"...
>> L'alternativa qual è? Ci sono porzioni del cervello che si sono
>> evolute (o crescono) senza nessuno scopo utile? Mmmmhhhh....
>
> se fosse solo così saremmo troppo razionali, mi viene in mente Spock...
Quindi avremmo parti del cervello manifestamente inutili? Evolutivamente
come lo spieghi?
E poi... troppo razionali rispetto a cosa? Il tuo è un argomento di tipo
"romantico"? :-)
Marino
Vend
> Vend ha scritto:
>
> > Puoi approssimare arbitrariamente bene il cervello biologico come un
> > automa a stati finiti.
> > Quindi qualunque cosa che consente di realizzare automi a stati finiti
> > consente in teoria di simulare il cervello.
> > Il che non significa che in pratica vada bene.
>
> aspetta, questo è vero se consideri il cervello come un semplice
> risolutore di problemi (per quanto questi problemi possano essere
> complessi). Fatto sta che il cervello non è semplicemente un risolutore
> di problemi, quindi non riesco a credere che sia approssimabile da un
> automa a stati finiti.
E' approssimabile da un automa a stati finiti (eventualmente
probabilistico) in quanto sistema fisico finito.
> > Una porta logica no, ma una rete di porte logiche si.
> > Considera semplicemente che il computer sul quale fai girare le tue
> > reti neurali artificiali è fatto da porte logiche.
>
> ovviamente vero, però come avevi scritto precedentemente sembrava che le
> stesse cose che fa un neurone le può fare una porta logica.
>
> > Bene.
> > Ma prova ad usare un algoritmo generico per far apprendere ad una rete
> > neurale artificiale (tipo un multi-layer perceptron con feed-back) a
> > simulare un neurone biologico.
>
> se sapessi come funziona esattamente un neurone biologico lo potrei fare
> senza problemi.
Potresti progettare la funzione di fitness dell'algoritmo genetico, ma
non avresti nessuna garanzia che l'algorimo riesca a trovare un ottimo
soddisfacente di tale funzione in un tempo pratico.
> >> il problema è nell'apprendimento. E' solo colpa di questo se la rete non
> >> migliora all'aumentare del numero di unità.
>
> > Appunto. La rete in se è solo un substrato di rappresentazione,
> > l'algoritmo di apprendimento è ciò che importa.
> > Il fatto che il substrato di rappresentazione abbia proprietà di
> > universalità conta poco se non ci sono algoritmi di apprendimento in
> > grado di lavorare su esso con buone prestazioni.
>
> diciamo la stessa cosa.
>
> > In teoria si, in pratica no, comunque una LUT è meglio di una rete
> > neurale che non generalizza.
>
> se ho una rete neurale che non generalizza vuol dire che ho sbagliato
> qualcosa nell'addrestramento.
O semplicemente che sei arrivato al limite pratico di quel modello.
> > Si può simulare un neurone biologico con tante cose, perchè pensi che
> > le reti neurali artificiali abbiano qualcosa di speciale in tal senso?
>
> perchè no?
>
Perchè si?
Si può teoricamente simulare un neurone biologico con un programma
scritto in assembler x86.
Sempre in teoria, si può pensare di usare un'algoritmo genetico per
fare evolvere programmi in assembler x86 fino a trovarne uno che
approssima bene il comportamento di un neurone biologico.
Pensi che un approccio del genere funzionerebbe in pratica? Se no,
perchè le reti neurali artificiali dovrebbero funzionare meglio?
p51d
>>> La manifestazione cosciente di reward positivi o negativi, codificati
>>> dalle aree che esprimono benessere/piacere contro malessere/dolore...
>>
>> un flag?
>
> No, perchè sono modulati.
cosa intendi esattamente per modulati?
>> anche se fosse successo, probabilmente semplicisticamente c'era una
>> variabile che gli indicava di quanto stava vincendo, non ne era
>> cosciente. E' come dire che una porta logica AND è cosciente di aver
>> svolto bene il suo lavoro.
>
> E se la coscienza dipendesse dal potenziale di azione di un solo neurone
> (ben nascosto)? Sarebbe tanto diverso?
però così consideri la coscienza come uno stato o come un'azione. Qui
ogn'uno può dire la sua e stiamo scrivendo in questo lugoo proprio per
questo motivo: io credo è la coscienza non abbia luogo, ma sia
semplicemente ditribuita in tutto il cervello.
Nella coscienza (secondo me...) vanno ricercati i sentimenti e tutto ciò
che non è razionale nell'uomo.
>
> Mh.. vuoi dire "finchè non sara chiaro cosa sia l'intelligenza"? A me
> sembra che dipenda cosa uno voglia intendere per intelligenza, è
> semplicemente un concetto vago.
> Avrà mai risposta la domanda: "è piu' intelligente un gatto o Deep
> Blue?" ? La risposta c'è già, a seconda di cosa si intenda per
> intelligenza...
Ovviamente un gatto, fa più cose di Deep Blue, mentre ques'ultimo ne fa
una sola, anche se bene.
>> io infatti sostengo che il cervello non è solo un risolutore di
>> problemi, è probabilmente molto altro.
>
> Ok, ma su che basi?
esperienza quotidiana
>> se fosse solo così saremmo troppo razionali, mi viene in mente Spock...
>
> Quindi avremmo parti del cervello manifestamente inutili? Evolutivamente
> come lo spieghi?
è il contrario. L'irrazionalità potrebbe aiutare ad eplorare cammini nuovi.
> E poi... troppo razionali rispetto a cosa? Il tuo è un argomento di tipo
> "romantico"? :-)
forse si
p51d
> E' approssimabile da un automa a stati finiti (eventualmente
> probabilistico) in quanto sistema fisico finito.
su questo non sono molto preparato quindi non posso che darti ragione...
>> se sapessi come funziona esattamente un neurone biologico lo potrei fare
>> senza problemi.
>
> Potresti progettare la funzione di fitness dell'algoritmo genetico, ma
> non avresti nessuna garanzia che l'algorimo riesca a trovare un ottimo
> soddisfacente di tale funzione in un tempo pratico.
il tempo pratico è dato dall'hardware, e quindi si ritorna al topic
originale.
>> se ho una rete neurale che non generalizza vuol dire che ho sbagliato
>> qualcosa nell'addrestramento.
>
> O semplicemente che sei arrivato al limite pratico di quel modello.
il limite pratico è dato dal numero di unità e ovviamente della
tipologia di rete.
> Si può teoricamente simulare un neurone biologico con un programma
> scritto in assembler x86.
> Sempre in teoria, si può pensare di usare un'algoritmo genetico per
> fare evolvere programmi in assembler x86 fino a trovarne uno che
> approssima bene il comportamento di un neurone biologico.
> Pensi che un approccio del genere funzionerebbe in pratica? Se no,
> perchè le reti neurali artificiali dovrebbero funzionare meglio?
questa è una questione pratica. E' più semplice far evolvere un vettore
di float che una serie di istruzioni.
Tempo fa lo feci (....ehm io sono hobbista dell'AI...): inventai un
micro linguaggio a stack con pochissime istruzioni del tipo MOLTIPLICA,
ADDIZIONA, SALTA SE...etc.. si partiva da una serie di istruzioni per
ogni individuo e poi la popolazione evolveva come al solito.
Per approssimare una semplicissima funzione occorreva un tempo superiore
di migliaia di volte rispetto ad una rete neurale addrestrata con lo
stesso metodo.
Tutto può simulare tutto: solo che le reti neurali artificiali lo fanno
nel modo più semplice.
Marino
> Marino ha scritto:
>>>> La manifestazione cosciente di reward positivi o negativi,
>>>> codificati dalle aree che esprimono benessere/piacere contro
>>>> malessere/dolore...
>>>
>>> un flag?
>>
>> No, perchè sono modulati.
>
> cosa intendi esattamente per modulati?
Un flag puo' indicare un insieme discreto e molto limitato di valori. Mi
aspetto che lo spettro di "valori" in gioco sia piu' ampio, tutto qua.
>>> anche se fosse successo, probabilmente semplicisticamente c'era una
>>> variabile che gli indicava di quanto stava vincendo, non ne era
>>> cosciente. E' come dire che una porta logica AND è cosciente di aver
>>> svolto bene il suo lavoro.
>>
>> E se la coscienza dipendesse dal potenziale di azione di un solo
>> neurone (ben nascosto)? Sarebbe tanto diverso?
>
> però così consideri la coscienza come uno stato o come un'azione. Qui
> ogn'uno può dire la sua e stiamo scrivendo in questo lugoo proprio per
> questo motivo: io credo è la coscienza non abbia luogo, ma sia
> semplicemente ditribuita in tutto il cervello.
> Nella coscienza (secondo me...) vanno ricercati i sentimenti e tutto ciò
> che non è razionale nell'uomo.
Beh, dove stia la coscienza e' una questione che al momento non ha
alcuna risposta, quindi ognuno puo' pensare cio' che vuole...
Tuttavia, attraverso la coscienza passano sia i sentimenti (che non sono
sicuro non siano "razionali"), sia il "pensiero razionale": quando
risolvi un problema di matematica non sei forse cosciente? Il fenomeno
e' lo stesso...
>>
>> Mh.. vuoi dire "finchè non sara chiaro cosa sia l'intelligenza"? A me
>> sembra che dipenda cosa uno voglia intendere per intelligenza, è
>> semplicemente un concetto vago.
>> Avrà mai risposta la domanda: "è piu' intelligente un gatto o Deep
>> Blue?" ? La risposta c'è già, a seconda di cosa si intenda per
>> intelligenza...
>
> Ovviamente un gatto, fa più cose di Deep Blue, mentre ques'ultimo ne fa
> una sola, anche se bene.
Quindi l'intelligenza e' legata al *numero* di cose che sai fare, a
prescindere da come le fai?
>>> se fosse solo così saremmo troppo razionali, mi viene in mente Spock...
>>
>> Quindi avremmo parti del cervello manifestamente inutili?
>> Evolutivamente come lo spieghi?
>
> è il contrario. L'irrazionalità potrebbe aiutare ad eplorare cammini nuovi.
?
Marino
p51d
> Un flag puo' indicare un insieme discreto e molto limitato di valori. Mi
> aspetto che lo spettro di "valori" in gioco sia piu' ampio, tutto qua.
un fuzzy-flag?
Non posso pensare sia così semplice.
Anche se l'assunzione di alcuni farmaci/droghe porta ad un cambiamento
dell'uomore, chissà.... resta il fatto però della coscienza.
>> Ovviamente un gatto, fa più cose di Deep Blue, mentre ques'ultimo ne
>> fa una sola, anche se bene.
>
> Quindi l'intelligenza e' legata al *numero* di cose che sai fare, a
> prescindere da come le fai?
potrebbe essere. La genericità del cervello nel risolvere, anche male,
un gran numero di problemi diversi. Pensa ad un solo algoritmo per tutti
i problemi: non sarebbe una gran cosa?
Bigblue ne risolve uno solo, anche se bene.
>> è il contrario. L'irrazionalità potrebbe aiutare ad eplorare cammini
>> nuovi.
nel senso trovare velocemente soluzioni ad un problema che con la pura
ragione avrebbero richiesto più tempo e ragionamenti.
Marino
>>> è il contrario. L'irrazionalità potrebbe aiutare ad eplorare cammini
>>> nuovi.
>
> nel senso trovare velocemente soluzioni ad un problema che con la pura
> ragione avrebbero richiesto più tempo e ragionamenti.
E questa distinzione tra "pura ragione" e "irrazionalità" su cosa si basa?
Marino
GiO
Ok per dire... il topic è rimasto il vecchio. :)
Il messaggio originale faceva riferimento a una tecnologia e alle sue
applicazioni: state parlando di un argomento più generale (e di
interessa più generale) per cui, secondo me, sarebbe bene che si potesse
seguire / cercare la discussione più facilmente. Ma vabbe'. :)
--
C++U,
GiO
GiO
Il 11/05/2008 19.26 ha scritto:
>> E' approssimabile da un automa a stati finiti (eventualmente
>> probabilistico) in quanto sistema fisico finito.
> su questo non sono molto preparato quindi non posso che darti ragione...
Va bene che il cervello è un sistema fisico finito, ma è un fatto
semplice e chiaro che non può essere approssimato così facilmente.
Il cervello, infatti, da solo, non fa proprio un bel niente ed è tutto
da dimostrare che un cervello perfettamente emulato possa in qualche
modo servire a qualcosa.
C'è un modo semplice e pratico per costruire un emulatore perfettamente
funzionante di cervello con tutti gli annessi e connessi:
l'accoppiamento umano.
Personalmente, trovo piuttosto triste il fatto che si debba così spesso
solo parlare in termini di emulazione e non di obiettivi e di contesti.
Dimostrare che il cervello umano è finito non è utile in termini
operativi. Definire obiettivi e contesti, sì.
Oddio... a leggere questo messaggio sembra che sono convinto del
contrario di quello di cui sono convinto. Vabbe'... cercate di leggere
con buona disposizione.
--
C++U,
GiO
p51d
>> nel senso trovare velocemente soluzioni ad un problema che con la pura
>> ragione avrebbero richiesto più tempo e ragionamenti.
>
> E questa distinzione tra "pura ragione" e "irrazionalità" su cosa si basa?
non so a te ma a me pare chiara la distinzione. Se vuoi metterla sul
filosofico non stai parlando con la persona giusta!
GiO
A questo proposito(*) mi permetto di consigliare "Change" di Paul
Watzlawick.
Si trova anche in italiano con una traduzione decente.
--
C++U,
GiO
(*) a proposito dei metodi apparentemente non razionali per la
risoluzione dei problemi.
Vend
> Vend ha scritto:
>
> > E' approssimabile da un automa a stati finiti (eventualmente
> > probabilistico) in quanto sistema fisico finito.
>
> su questo non sono molto preparato quindi non posso che darti ragione...
>
> >> se sapessi come funziona esattamente un neurone biologico lo potrei fare
> >> senza problemi.
>
> > Potresti progettare la funzione di fitness dell'algoritmo genetico, ma
> > non avresti nessuna garanzia che l'algorimo riesca a trovare un ottimo
> > soddisfacente di tale funzione in un tempo pratico.
>
> il tempo pratico è dato dall'hardware, e quindi si ritorna al topic
> originale.
In parte, ma in alcuni casi un dato algoritmo richiede così tante
operazioni per risolvere un dato problema che anche con il migliore
hardware che possiamo sperare di avere nel futuro prevedibile il tempo
richiesto non sarebbe pratico.
Per quanto riguarda il futuro non prevedibile, non ha senso fare
previsioni, per definizione.
> >> se ho una rete neurale che non generalizza vuol dire che ho sbagliato
> >> qualcosa nell'addrestramento.
>
> > O semplicemente che sei arrivato al limite pratico di quel modello.
>
> il limite pratico è dato dal numero di unità e ovviamente della
> tipologia di rete.
Mi riferisco ad un limite che potrebbe essere intrinseco
nell'algoritmo di apprendimento, tale che oltre ad un certo livello di
complessità del problema (definita in qualche modo opportuno) non è
più in grado di generalizzare correttamente.
> > Si può teoricamente simulare un neurone biologico con un programma
> > scritto in assembler x86.
> > Sempre in teoria, si può pensare di usare un'algoritmo genetico per
> > fare evolvere programmi in assembler x86 fino a trovarne uno che
> > approssima bene il comportamento di un neurone biologico.
> > Pensi che un approccio del genere funzionerebbe in pratica? Se no,
> > perchè le reti neurali artificiali dovrebbero funzionare meglio?
>
> questa è una questione pratica. E' più semplice far evolvere un vettore
> di float che una serie di istruzioni.
Perchè?
> Tempo fa lo feci (....ehm io sono hobbista dell'AI...): inventai un
> micro linguaggio a stack con pochissime istruzioni del tipo MOLTIPLICA,
> ADDIZIONA, SALTA SE...etc.. si partiva da una serie di istruzioni per
> ogni individuo e poi la popolazione evolveva come al solito.
Tipo questo? http://adam.ierymenko.name/nanopond.shtml
> Per approssimare una semplicissima funzione occorreva un tempo superiore
> di migliaia di volte rispetto ad una rete neurale addrestrata con lo
> stesso metodo.
Tuttavia è possibile sempre costruire un problema che venga risolto
più efficientemente da un algoritmo genetico su istruzioni per una
determinata macchina che da uno su un determinato modello di reti
neurali.
> Tutto può simulare tutto: solo che le reti neurali artificiali lo fanno
> nel modo più semplice.
Perchè?
p51d
>> questa č una questione pratica. E' piů semplice far evolvere un vettore
>> di float che una serie di istruzioni.
>
perchč nella pratica č cosě.
>
>> Tempo fa lo feci (....ehm io sono hobbista dell'AI...): inventai un
>> micro linguaggio a stack con pochissime istruzioni del tipo MOLTIPLICA,
>> ADDIZIONA, SALTA SE...etc.. si partiva da una serie di istruzioni per
>> ogni individuo e poi la popolazione evolveva come al solito.
>
> Tipo questo? http://adam.ierymenko.name/nanopond.shtml
no, questo sembra piů roba da artificial life.
>
>> Per approssimare una semplicissima funzione occorreva un tempo superiore
>> di migliaia di volte rispetto ad una rete neurale addrestrata con lo
>> stesso metodo.
>
> Tuttavia č possibile sempre costruire un problema che venga risolto
> piů efficientemente da un algoritmo genetico su istruzioni per una
> determinata macchina che da uno su un determinato modello di reti
> neurali.
come lo dimostri questo?
>
>> Tutto puň simulare tutto: solo che le reti neurali artificiali lo fanno
>> nel modo piů semplice.
>
> Perchč?
vedi prima risposta.
Vend
Più che altro non capisco cosa volevi dire.
GiO
Il 15/05/2008 1.56 ha scritto:
> Più che altro non capisco cosa volevi dire.
Volevo dire che la filosofia teoretica conta fino a un certo punto. Le
applicazioni pratiche contano di più.
Ammettiamo di avere un cervello perfettamente emulato: esso
funzionerebbe come il cervello normale che (come si sa dall'esperienza)
non riesce a funzionare senza l'interfaccia costituita dall'esperienza
sensoriale e, soprattutto, necessita dei tempi che conosciamo per
l'apprendimento, ecc.
Se si vuole emulare pure quella in tutto e per tutto, mi sa che conviene
più creare un essere umano tramite accoppiamento che un computer. Ma
perché desiderarlo?
Ovviamente era una provocazione, ma mi si sta parlando di cose che
nessuno conosce approfonditamente (non esiste una mappatura di tutti i
neuroni del cervello umano, né una spiegazione scientifica universale ed
esaustiva dei processi mentali) per cui affermare gratuitamente che il
cervello umano sia perfettamente emulabile magari è anche condivisibile,
ma non è operativamente utile.
--
C++U,
GiO
Vend
Non ho detto che sia utile.
Era una discussione teorica.
Vend
> >> di float che una serie di istruzioni.
>
>
> perchè nella pratica è così.
Come vedi nella pratica certi teoremi contano poco.
> >> Tempo fa lo feci (....ehm io sono hobbista dell'AI...): inventai un
> >> micro linguaggio a stack con pochissime istruzioni del tipo MOLTIPLICA,
> >> ADDIZIONA, SALTA SE...etc.. si partiva da una serie di istruzioni per
> >> ogni individuo e poi la popolazione evolveva come al solito.
>
> > Tipo questo?http://adam.ierymenko.name/nanopond.shtml
>
> no, questo sembra più roba da artificial life.
Si.
> >> Per approssimare una semplicissima funzione occorreva un tempo superiore
> >> di migliaia di volte rispetto ad una rete neurale addrestrata con lo
> >> stesso metodo.
>
> > Tuttavia è possibile sempre costruire un problema che venga risolto
> > più efficientemente da un algoritmo genetico su istruzioni per una
> > determinata macchina che da uno su un determinato modello di reti
> > neurali.
>
> come lo dimostri questo?
>
Dai teoremi "No free lunch": http://en.wikipedia.org/wiki/No_free_lunch_in_search_and_optimization
Semplificando un po' il discorso, una volta definito uno spazio di
soluzioni, le prestazioni di tutti gli algoritmi di ottimizzazione
mediate sull'insieme di tutti i problemi di ottimizzazione (e quindi
di apprendimento) definiti su tale spazio di soluzioni sono uguali.
Il che significa che se per qualche problema di ottimizzazione
definito su tale spazio di soluzioni un algoritmo di apprendimento ha
prestazioni migliori di un altro, allora esistono degli altri problemi
sullo stesso spazio di soluzioni in cui la differenza di prestazioni è
opposta, poichè la media su tutti i problemi deve essere uguale.
(Le prestazioni in questo caso sono misurate in numero di soluzioni
cadidate valutate, non in termini di cicli macchina o utilizzo di
memoria).
Questo fatto non ha grandissima rilevanza pratica, poichè i problemi
di ottimizzazione che si incontrano nel mondo reale non sono
uniformemente distribuiti.
Però è utile per rendersi conto che è non bisogna fare affidamento su
un determinato algoritmo pensando che sia migliore di tutti gli altri
solo perchè ha dato buoni risultati su alcuni problemi.
>
> >> Tutto può simulare tutto: solo che le reti neurali artificiali lo fanno
> >> nel modo più semplice.
>
> > Perchè?
>
> vedi prima risposta.
Il mago delle comete
wrote:
>E' ragionevole supporre che ogni sistema fisico, quindi anche una rete
>neurale biologica, possa essere simulato con precisione arbitraria su
>un computer, in particolare fissato il sistema fisico e la precisione
>desiderata si può supporre che esista un automa a stati finiti,
>eventualmente supportato da un generatore di veri numeri casuali, che
>sia in grado di simularlo.
Il quale vero generatore di numeri casuali non e' programmabile su una
macchina digitale. Dirai, poco male, collego un dispositivo fisico
esterno al mio computer, tipo un contatore di sorgente radioattiva, e
lascio alla mia simulazione di rete biologica il compito di
interfacciarvisi, solo che non potrebbe essere un automa a stati
finiti, perche' non potrebbe essere mai invariante, nel senso che non
potrebbe avere la stessa evoluzione a parita' di stati inseriti. Poi
bisogna riflettere anche sul generatore di numeri casuali, serve
davvero solo questo, cioe' un qualcosa che mi spari fuori numeri
secondo una certa statistica (nell'esempio del contatore, una
distribuzione di Poisson), oppure qualcosa di piu' profondo e
sostanzialmente non-computabile, per cui non e' possibile definire una
funzione esatta ma solo delle approssimazioni numeriche valide solo
sotto certe condizioni fisiche un po' stiracchiate (mi riferisco alla
meccanica quantistica)?
Il vero punto secondo me e' stabilire se l'intelligenza possa emergere
da un tipo qualsiasi di non-computabilita' o sia vincolata a un tipo
specifico.
--
Omega e' omega e basta
Vend
wrote:
> On Wed, 7 May 2008 16:16:54 -0700 (PDT), Vend <ven...@virgilio.it>
> wrote:
>
> >E' ragionevole supporre che ogni sistema fisico, quindi anche una rete
> >neurale biologica, possa essere simulato con precisione arbitraria su
> >un computer, in particolare fissato il sistema fisico e la precisione
> >desiderata si può supporre che esista un automa a stati finiti,
> >eventualmente supportato da un generatore di veri numeri casuali, che
> >sia in grado di simularlo.
>
> Il quale vero generatore di numeri casuali non e' programmabile su una
> macchina digitale. Dirai, poco male, collego un dispositivo fisico
> esterno al mio computer, tipo un contatore di sorgente radioattiva,
O anche una webcam.
> e
> lascio alla mia simulazione di rete biologica il compito di
> interfacciarvisi, solo che non potrebbe essere un automa a stati
> finiti, perche' non potrebbe essere mai invariante, nel senso che non
> potrebbe avere la stessa evoluzione a parita' di stati inseriti.
Non capisco, spiegati meglio.
> Poi
> bisogna riflettere anche sul generatore di numeri casuali, serve
> davvero solo questo, cioe' un qualcosa che mi spari fuori numeri
> secondo una certa statistica (nell'esempio del contatore, una
> distribuzione di Poisson), oppure qualcosa di piu' profondo e
> sostanzialmente non-computabile, per cui non e' possibile definire una
> funzione esatta ma solo delle approssimazioni numeriche valide solo
> sotto certe condizioni fisiche un po' stiracchiate (mi riferisco alla
> meccanica quantistica)?
Anche la meccanica quantistica è probabilisticamente computabile.
La differenza stà nella complessità temporale: alcuni problemi
risolvibili in tempo polinomiale da un computer quantistico richiedono
invece un tempo esponenziale su uno classico.
Comunque, per quanto ne sappiamo, il cervello biologico non fa
elaborazioni quantistiche.
Il mago delle comete
wrote:
>> Il quale vero generatore di numeri casuali non e' programmabile su una
>> macchina digitale. Dirai, poco male, collego un dispositivo fisico
>> esterno al mio computer, tipo un contatore di sorgente radioattiva,
>
>O anche una webcam.
In linea teorica va bene, ma aggiunge un livello di complessita' non
necessario (su quali pixel calibrare il generatore casuale, visto che
non tutti sono indipendenti l'uno dall'altro) e di possibilita' di
manipolazione (una scimmia con due bandierine rossa e verde davanti
all'obiettivo).
>> e
>> lascio alla mia simulazione di rete biologica il compito di
>> interfacciarvisi, solo che non potrebbe essere un automa a stati
>> finiti, perche' non potrebbe essere mai invariante, nel senso che non
>> potrebbe avere la stessa evoluzione a parita' di stati inseriti.
>
>Non capisco, spiegati meglio.
Voglio dire che un vero generatore di numeri casuali incorporato in un
automa a stati finiti ne violerebbe uno degli assunti fondamentali:
l'invarianza, in quanto lo stato attuale non dipende piu' solamente da
quello precedente e dai dati in ingresso, e potrei ottenere
comportamenti differenti a parita' di condizioni. Inoltre nelle
computazioni di livello superiore probabilmente si otterrebbero
risultati non in linea con i requisiti formali di questa classe di
sistemi o addirittura incoerenti.
>> Poi
>> bisogna riflettere anche sul generatore di numeri casuali, serve
>> davvero solo questo, cioe' un qualcosa che mi spari fuori numeri
>> secondo una certa statistica (nell'esempio del contatore, una
>> distribuzione di Poisson), oppure qualcosa di piu' profondo e
>> sostanzialmente non-computabile, per cui non e' possibile definire una
>> funzione esatta ma solo delle approssimazioni numeriche valide solo
>> sotto certe condizioni fisiche un po' stiracchiate (mi riferisco alla
>> meccanica quantistica)?
>
>Anche la meccanica quantistica è probabilisticamente computabile.
Se prendi una definizione meno stretta, aggiungendo
probabilisticamente, allora hai ragione, ma ci saranno da fare
comunque una precisazione e una differenziazione. Ma prima e' meglio
dare un cenno di cosa si intende con probabilisticamente computabile.
Bisogna partire dal principio di Heisenberg, che mise la fisica
nell'impossibilita' di non poter piu' descrivere il micromondo con le
equazioni conosciute fino ad allora. La soluzione, dovuta a
Schrodinger, consistette nel cambiare la geometria di riferimento,
passando da uno spazio euclideo a uno Hilbertiano, modificando la
classica equazione d'onda togliendo il termine quadratico sulla
derivata del tempo e incorporandovi le relazioni sulle grandezze poste
da Heisenberg. Lo spazio Hilbertiano si caratterizza per il fatto che
ogni stato del sistema puo' essere descritto come una combinazione
lineare, con opportuni coefficienti, di una collezione di
funzioni-mattoncino (chiamato base completa o vettore di stato)
specifica per ogni problema. Queste funzioni hanno in genere parti
complesse, ma lavorando in un ulteriore sottospazio (quello
Hermitiano, specificando una nuova relazione sulle grandezze) si puo'
avere la certezza che almeno le grandezze siano reali. Fino a questo
punto tutto va bene, l'evoluzione nel tempo del sistema (che poi e' in
effetti l'evoluzione dei coefficienti) puo' essere descritto tramite
una funzione ed e' quindi computabile; il problema e' che adesso e'
necessario tornare indietro allo spazio reale, in cui si possano
effettuare delle misure. L'idea, dovuta a Bohr, consiste
nell'interpretare i quadrati dei coefficienti come delle probabilita',
e quindi un osservatore vedra' il sistema in una sequenza di stati
non prevedibile (riduzione del pacchetto d'onda).
La precisazione (1). La computabilita' della meccanica quantistica e'
valida strettamente solo per sistemi molto semplici, a livello atomico
solo per l'atomo di idrogeno, a livello molecolare solo per la
molecola-ione di idrogeno, e solo nell'approssimazione di considerare
i nuclei immobili rispetto agli elettroni (Born-Oppenheimer). Per
tutto il resto si hanno delle funzioni (orbitali) solo al prezzo di
approssimazioni ancora piu' drastiche, che a volte cozzano malamente
con i dati sperimentali.
La differenziazione (2). Rispetto ai sistemi macroscopici, le
probabilita' quantistiche di un sistema stazionario sono in genere
molto diverse tra loro, mentre per uno non-stazionario sono in
cambiamento continuo.
>La differenza stà nella complessità temporale: alcuni problemi
>risolvibili in tempo polinomiale da un computer quantistico richiedono
>invece un tempo esponenziale su uno classico.
Penso che qui abbiamo proprio opinioni diverse. Tu pensi che simulare
un cervello sia solo questione di velocita' di calcolo e di praticita'
nell'implementare un certo algoritmo, io, per le ragioni riportate in
(1) e (2), penso sia anche di avere un dispositivo esterno che tenga
conto di queste evidenze, oppure avere un computer quantistico che non
funzioni esclusivamente in base all'algebra di Boole. Ovviamente non
ho la minima idea di come fare.
>Comunque, per quanto ne sappiamo, il cervello biologico non fa
>elaborazioni quantistiche.
Io penso il contrario, ma siamo nel campo dell'azzardo, quindi e'
criticabile quanto si vuole. Per quanto ne sappiamo, a me sembra
plausibile che il cervello faccia elaborazioni quantistiche. La
ragione che pongo sta nel fallimento dell'IA forte, o sono sbagliati i
modelli per la mancanza di un certo tipo di non-computabilita', o sono
sbagliate le condizioni al contorno per la mancanza dei sensi
affinche' ne possa emergere l'intelligenza. Io tenderei a considerare
la seconda meno importante, in quanto a una rappresentazione
ambientale piu' primitiva dovrebbe corrispondere in ogni modo un certo
grado di intelligenza. Citandomi, questo lungo discorso (chiedo
scusa!) esplicita tutte le insidie che avevo in mente quando ho
scritto:
[quote]
Il vero punto secondo me e' stabilire se l'intelligenza possa emergere
da un tipo qualsiasi di non-computabilita' o sia vincolata a un tipo
specifico.
[/quote]
Vend
wrote:
> On Mon, 19 May 2008 01:16:36 -0700 (PDT), Vend <ven...@virgilio.it>
> wrote:
>
> >> Il quale vero generatore di numeri casuali non e' programmabile su una
> >> macchina digitale. Dirai, poco male, collego un dispositivo fisico
> >> esterno al mio computer, tipo un contatore di sorgente radioattiva,
>
> >O anche una webcam.
>
> In linea teorica va bene, ma aggiunge un livello di complessita' non
> necessario (su quali pixel calibrare il generatore casuale, visto che
> non tutti sono indipendenti l'uno dall'altro)
Se hai una funzione di hash crittografica di cui ti fidi puoi darle in
pasto un frame o anche una parte di frame, magari concatenata ad un
contatore e/o un timestamp per ottenere dei un uscita ipoteticamente
casuali con probabilità unifrome.
Se vuoi rimanendo sul teorico/paranoico invece e non fidarti dunque
delle proprietà non dimostrate delle funzioni di hash crittografiche
in circolazione potresti comunque prendere pixel sparsi in coppie non
sovrapposte di frame (al limite anche un solo pixel per coppia di
frame) e sottrarli (considerando un unico canale di colore). Il
risultato dovrebbe essere approssimativamente gaussiano.
> e di possibilita' di
> manipolazione (una scimmia con due bandierine rossa e verde davanti
> all'obiettivo).
Puoi mettere la webcam in una scatola buia chiusa (il che fa aumentare
anche il fattore di amplificazione e dunque il rumore).
Comunque considera che in ogni applicazione di sicurezza se
l'avversario ha accesso fisico al sistema allora la compromissione è
solo una questione di tempo e soldi.
> >> e
> >> lascio alla mia simulazione di rete biologica il compito di
> >> interfacciarvisi, solo che non potrebbe essere un automa a stati
> >> finiti, perche' non potrebbe essere mai invariante, nel senso che non
> >> potrebbe avere la stessa evoluzione a parita' di stati inseriti.
>
> >Non capisco, spiegati meglio.
>
> Voglio dire che un vero generatore di numeri casuali incorporato in un
> automa a stati finiti ne violerebbe uno degli assunti fondamentali:
> l'invarianza, in quanto lo stato attuale non dipende piu' solamente da
> quello precedente e dai dati in ingresso, e potrei ottenere
> comportamenti differenti a parita' di condizioni.
Infatti diventa un automa a stati finiti probabilistico.
Che equivale ad un automa a stati finiti deterministico con un
ingresso proveniente da un processo casuale.
> Inoltre nelle
> computazioni di livello superiore probabilmente si otterrebbero
> risultati non in linea con i requisiti formali di questa classe di
> sistemi o addirittura incoerenti.
No, basta ignorare l'ingresso casuale.
Ok.
> La precisazione (1). La computabilita' della meccanica quantistica e'
> valida strettamente solo per sistemi molto semplici, a livello atomico
> solo per l'atomo di idrogeno, a livello molecolare solo per la
> molecola-ione di idrogeno, e solo nell'approssimazione di considerare
> i nuclei immobili rispetto agli elettroni (Born-Oppenheimer). Per
> tutto il resto si hanno delle funzioni (orbitali) solo al prezzo di
> approssimazioni ancora piu' drastiche, che a volte cozzano malamente
> con i dati sperimentali.
Non sono sicuro, ma penso che tu qui stia intendendo la possibilità di
risolvere le equazioni in forma chiusa.
Il che non mi pare abbia molto a che vedere con la computabilità delle
funzioni coinvolte.
> La differenziazione (2). Rispetto ai sistemi macroscopici, le
> probabilita' quantistiche di un sistema stazionario sono in genere
> molto diverse tra loro, mentre per uno non-stazionario sono in
> cambiamento continuo.
Quindi?
> >La differenza stà nella complessità temporale: alcuni problemi
> >risolvibili in tempo polinomiale da un computer quantistico richiedono
> >invece un tempo esponenziale su uno classico.
>
> Penso che qui abbiamo proprio opinioni diverse. Tu pensi che simulare
> un cervello sia solo questione di velocita' di calcolo e di praticita'
> nell'implementare un certo algoritmo, io, per le ragioni riportate in
> (1) e (2), penso sia anche di avere un dispositivo esterno che tenga
> conto di queste evidenze, oppure avere un computer quantistico che non
> funzioni esclusivamente in base all'algebra di Boole. Ovviamente non
> ho la minima idea di come fare.
Un computer quantistico risolve esattemente gli stessi problemi di uno
classico.
La differenza sta nelle diverse classi di complessità temporale.
Ad esempio, il problema di Deutsch-Jozsa ha complessità esponenziale
su un computer classico e complessità polinomiale (costante per la
precisione) su un computer quantistico.
> >Comunque, per quanto ne sappiamo, il cervello biologico non fa
> >elaborazioni quantistiche.
>
> Io penso il contrario, ma siamo nel campo dell'azzardo, quindi e'
> criticabile quanto si vuole. Per quanto ne sappiamo, a me sembra
> plausibile che il cervello faccia elaborazioni quantistiche. La
> ragione che pongo sta nel fallimento dell'IA forte, o sono sbagliati i
> modelli per la mancanza di un certo tipo di non-computabilita', o sono
> sbagliate le condizioni al contorno per la mancanza dei sensi
> affinche' ne possa emergere l'intelligenza.
O semplicemente ci mancano la capacità di calcolo, i giusti algoritmi,
e l'ignegnosità/fortuna equivalente ad un miliardo di anni di
evoluzione.
Il mago delle comete
wrote:
>Se vuoi rimanendo sul teorico/paranoico invece e non fidarti dunque
>delle proprietà non dimostrate delle funzioni di hash crittografiche
>in circolazione potresti comunque prendere pixel sparsi in coppie non
>sovrapposte di frame (al limite anche un solo pixel per coppia di
>frame) e sottrarli (considerando un unico canale di colore). Il
>risultato dovrebbe essere approssimativamente gaussiano.
Sono tutti metodi equivalenti tra di loro e a quello della sorgente
radioattiva, salvo per le loro specifiche statistiche, ma restano
sempre povere, se mi passi il termine, rispetto alla complessita'
delle probabilita' quantistiche, ancora per le ragioni in (1) e in (2)
del precedente post, sulle quali io penso possa fondarsi il
funzionamento del cervello. La scelta tra queste alternative infatti
resta marginale in quanto, secondo me, non condurrebbero al sorgere di
un'intelligenza.
>Puoi mettere la webcam in una scatola buia chiusa (il che fa aumentare
>anche il fattore di amplificazione e dunque il rumore).
>Comunque considera che in ogni applicazione di sicurezza se
>l'avversario ha accesso fisico al sistema allora la compromissione è
>solo una questione di tempo e soldi.
Vero, ma credo che almeno sia preferibile che i problemi di
compromissione siano possibili solo sul computer e non sul dispositivo
esterno, in modo che ne sia garantita la non-computabilita'. Per dire,
dato che non siamo in grado di creare un campo elettrodebole, la
sorgente radioattiva sarebbe praticamente al sicuro.
>Infatti diventa un automa a stati finiti probabilistico.
>Che equivale ad un automa a stati finiti deterministico con un
>ingresso proveniente da un processo casuale.
Chiaro.
>> Inoltre nelle
>> computazioni di livello superiore probabilmente si otterrebbero
>> risultati non in linea con i requisiti formali di questa classe di
>> sistemi o addirittura incoerenti.
>
>No, basta ignorare l'ingresso casuale.
Potrebbe non essere per niente semplice riconoscere questa necessita'
e soprattutto effettuare una tale separazione quando si lavora nei
livelli superiori, pensa alla teoria degli insiemi di Cantor-Frege,
sembrava utile ed elegante ma si dovette rifondarla.
>> La precisazione (1). La computabilita' della meccanica quantistica e'
>> valida strettamente solo per sistemi molto semplici, a livello atomico
>> solo per l'atomo di idrogeno, a livello molecolare solo per la
>> molecola-ione di idrogeno, e solo nell'approssimazione di considerare
>> i nuclei immobili rispetto agli elettroni (Born-Oppenheimer). Per
>> tutto il resto si hanno delle funzioni (orbitali) solo al prezzo di
>> approssimazioni ancora piu' drastiche, che a volte cozzano malamente
>> con i dati sperimentali.
>
>Non sono sicuro, ma penso che tu qui stia intendendo la possibilità di
>risolvere le equazioni in forma chiusa.
>Il che non mi pare abbia molto a che vedere con la computabilità delle
>funzioni coinvolte.
Sono equazioni che, nella loro forma esatta, non possono essere
risolte ne' con uno sviluppo in serie finito ne' in altro modo. Per
questo si introducono dei metodi approssimati: quello perturbativo in
cui si introduce uno sviluppo infinito (utile quando si ha una base
completa di un sistema esatto simile) oppure quello variazionale in
cui di introduce per principio un limite inferiore sull'energia (utile
quando si conosce l'hamiltoniano esatto del sistema). Ma entrambi,
come in tutta la meccanica quantistica, si riducono ad essere un
problema agli autovalori, dove ad ogni valore deve corrispondere una o
piu' funzioni. Quindi, nei fatti, avere delle approssimazioni sui
valori significa non avere funzioni computabili per il sitema reale.
Un caso che si puo' portare ad esempio e' quello degli incroci
evitati, dove in una prima approssimazione i livelli dell'energia
potenziale elettronica di stati diversi si incrociano, mentre
reintroducendo la correzione della repulsione tra gli elettroni
(tramite il metodo delle interazioni di configurazione), essi tornano
ad allontanarsi, come prescritto dai requisiti di simmetria.
In sostanza: porre un limite alla precisione numerica desiderata puo'
anche significare la perdita di comportamenti qualitativi.
>> La differenziazione (2). Rispetto ai sistemi macroscopici, le
>> probabilita' quantistiche di un sistema stazionario sono in genere
>> molto diverse tra loro, mentre per uno non-stazionario sono in
>> cambiamento continuo.
>
>Quindi?
Quindi si pone il dilemma se una simulazione del cervello che non
incorpori gli aspetti peculiari della non-computabilita' quantistica
accontentandosi di quella di dispositivi esterni macroscopici possa
effettivamente sviluppare l'intelligenza.
>> Penso che qui abbiamo proprio opinioni diverse. Tu pensi che simulare
>> un cervello sia solo questione di velocita' di calcolo e di praticita'
>> nell'implementare un certo algoritmo, io, per le ragioni riportate in
>> (1) e (2), penso sia anche di avere un dispositivo esterno che tenga
>> conto di queste evidenze, oppure avere un computer quantistico che non
>> funzioni esclusivamente in base all'algebra di Boole. Ovviamente non
>> ho la minima idea di come fare.
>
>Un computer quantistico risolve esattemente gli stessi problemi di uno
>classico.
>La differenza sta nelle diverse classi di complessità temporale.
>
>Ad esempio, il problema di Deutsch-Jozsa ha complessità esponenziale
>su un computer classico e complessità polinomiale (costante per la
>precisione) su un computer quantistico.
Si', stiamo dicendo la stessa cosa, solo che tu pensi sia sufficiente
usare i processi quantistici per costruire un computer piu' veloce, io
penso a un computer diverso, non digitale e non basato sulla logica di
Boole (se pensi che questa sia metafisica o sia semplicemente
impossibile anche solo immaginarlo, sei pienamente giustificato). Ma
mi accontento anche di avere un dispositivo esterno che effettui delle
misure su un opportuno processo quantistico e invii dei segnali
consoni a un normale computer su cui giri un opportuno algoritmo (che
magari non e' un automa a stati finiti, ma qui sei piu' esperto tu).
>> Io penso il contrario, ma siamo nel campo dell'azzardo, quindi e'
>> criticabile quanto si vuole. Per quanto ne sappiamo, a me sembra
>> plausibile che il cervello faccia elaborazioni quantistiche. La
>> ragione che pongo sta nel fallimento dell'IA forte, o sono sbagliati i
>> modelli per la mancanza di un certo tipo di non-computabilita', o sono
>> sbagliate le condizioni al contorno per la mancanza dei sensi
>> affinche' ne possa emergere l'intelligenza.
>
>O semplicemente ci mancano la capacità di calcolo, i giusti algoritmi,
>e l'ignegnosità/fortuna equivalente ad un miliardo di anni di
>evoluzione.
Certo anche questa e' una spiegazione, sicuramente e' la piu'
economica. Viene pero' da chiedersi se sia piu' saggio tentare la via
della simulazione e vedere se funziona oppure se studiare direttamente
l'architettura del cervello biologico. O magari la virtu' sta proprio
nel mezzo.
Vend
wrote:
> On Tue, 20 May 2008 14:06:41 -0700 (PDT), Vend <ven...@virgilio.it>
> wrote:
>
> >Se vuoi rimanendo sul teorico/paranoico invece e non fidarti dunque
> >delle proprietà non dimostrate delle funzioni di hash crittografiche
> >in circolazione potresti comunque prendere pixel sparsi in coppie non
> >sovrapposte di frame (al limite anche un solo pixel per coppia di
> >frame) e sottrarli (considerando un unico canale di colore). Il
> >risultato dovrebbe essere approssimativamente gaussiano.
>
> Sono tutti metodi equivalenti tra di loro e a quello della sorgente
> radioattiva, salvo per le loro specifiche statistiche, ma restano
> sempre povere, se mi passi il termine, rispetto alla complessita'
> delle probabilita' quantistiche, ancora per le ragioni in (1) e in (2)
> del precedente post, sulle quali io penso possa fondarsi il
> funzionamento del cervello. La scelta tra queste alternative infatti
> resta marginale in quanto, secondo me, non condurrebbero al sorgere di
> un'intelligenza.
Mah.
> >Puoi mettere la webcam in una scatola buia chiusa (il che fa aumentare
> >anche il fattore di amplificazione e dunque il rumore).
> >Comunque considera che in ogni applicazione di sicurezza se
> >l'avversario ha accesso fisico al sistema allora la compromissione è
> >solo una questione di tempo e soldi.
>
> Vero, ma credo che almeno sia preferibile che i problemi di
> compromissione siano possibili solo sul computer e non sul dispositivo
> esterno, in modo che ne sia garantita la non-computabilita'. Per dire,
> dato che non siamo in grado di creare un campo elettrodebole, la
> sorgente radioattiva sarebbe praticamente al sicuro.
Si ma si potrebbe manomettere ovunque dal sensore all'elettronica al
cavo al connettore.
(banalmente, stacchi il dispositivo e lo sostituisci con uno che
emette una sequenza pseudocasuale deterministica).
> >Infatti diventa un automa a stati finiti probabilistico.
> >Che equivale ad un automa a stati finiti deterministico con un
> >ingresso proveniente da un processo casuale.
>
> Chiaro.
>
> >> Inoltre nelle
> >> computazioni di livello superiore probabilmente si otterrebbero
> >> risultati non in linea con i requisiti formali di questa classe di
> >> sistemi o addirittura incoerenti.
>
> >No, basta ignorare l'ingresso casuale.
>
> Potrebbe non essere per niente semplice riconoscere questa necessita'
> e soprattutto effettuare una tale separazione quando si lavora nei
> livelli superiori, pensa alla teoria degli insiemi di Cantor-Frege,
> sembrava utile ed elegante ma si dovette rifondarla.
Non capisco cosa intendi.
Su questo non sono esperto quindi non so cosa dirti.
Comunque non sono sempre simulabili numericamente i sistemi
quantistici?
> >> La differenziazione (2). Rispetto ai sistemi macroscopici, le
> >> probabilita' quantistiche di un sistema stazionario sono in genere
> >> molto diverse tra loro, mentre per uno non-stazionario sono in
> >> cambiamento continuo.
>
> >Quindi?
>
> Quindi si pone il dilemma se una simulazione del cervello che non
> incorpori gli aspetti peculiari della non-computabilita' quantistica
> accontentandosi di quella di dispositivi esterni macroscopici possa
> effettivamente sviluppare l'intelligenza.
Chiedevo cosa significasse il discorso che hai fatto sulle probabilità
tra sistemi stazionari e non-stazionari.
> >> Penso che qui abbiamo proprio opinioni diverse. Tu pensi che simulare
> >> un cervello sia solo questione di velocita' di calcolo e di praticita'
> >> nell'implementare un certo algoritmo, io, per le ragioni riportate in
> >> (1) e (2), penso sia anche di avere un dispositivo esterno che tenga
> >> conto di queste evidenze, oppure avere un computer quantistico che non
> >> funzioni esclusivamente in base all'algebra di Boole. Ovviamente non
> >> ho la minima idea di come fare.
>
> >Un computer quantistico risolve esattemente gli stessi problemi di uno
> >classico.
> >La differenza sta nelle diverse classi di complessità temporale.
>
> >Ad esempio, il problema di Deutsch-Jozsa ha complessità esponenziale
> >su un computer classico e complessità polinomiale (costante per la
> >precisione) su un computer quantistico.
>
> Si', stiamo dicendo la stessa cosa, solo che tu pensi sia sufficiente
> usare i processi quantistici per costruire un computer piu' veloce, io
> penso a un computer diverso, non digitale e non basato sulla logica di
> Boole (se pensi che questa sia metafisica o sia semplicemente
> impossibile anche solo immaginarlo, sei pienamente giustificato).
In che senso non digitale?
Il mago delle comete
wrote:
>Si ma si potrebbe manomettere ovunque dal sensore all'elettronica al
>cavo al connettore.
>(banalmente, stacchi il dispositivo e lo sostituisci con uno che
>emette una sequenza pseudocasuale deterministica).
Vero, ma dal connettore al monitor lo si puo' comunque chiamare tutto
come computer, e posso dormire sonni tranquilli sapendo che il
dispositivo esterno e' concettualmente inataccabile mentre il computer
e' protetto dagli accoliti del malvagio Preside. E si', sto
sottilizando, una manipolazione in qualsivoglia punto avrebbe lo
stesso effetto.
>> >No, basta ignorare l'ingresso casuale.
>>
>> Potrebbe non essere per niente semplice riconoscere questa necessita'
>> e soprattutto effettuare una tale separazione quando si lavora nei
>> livelli superiori, pensa alla teoria degli insiemi di Cantor-Frege,
>> sembrava utile ed elegante ma si dovette rifondarla.
>
>Non capisco cosa intendi.
Voglio dire che se sviluppi un sistema formale basato su certi assiomi
e poi ne inserisci uno che e' in contraddizione con gli altri, i
risultati delle elaborazioni successive possono diventare incerti, e
puo' essere difficile decidere se quella specifica contraddizione
rende incoerente una certa classe di teroremi o meno.
>> Sono equazioni che, nella loro forma esatta, non possono essere
>> risolte ne' con uno sviluppo in serie finito ne' in altro modo. Per
>> questo si introducono dei metodi approssimati: quello perturbativo in
>> cui si introduce uno sviluppo infinito (utile quando si ha una base
>> completa di un sistema esatto simile) oppure quello variazionale in
>> cui di introduce per principio un limite inferiore sull'energia (utile
>> quando si conosce l'hamiltoniano esatto del sistema). Ma entrambi,
>> come in tutta la meccanica quantistica, si riducono ad essere un
>> problema agli autovalori, dove ad ogni valore deve corrispondere una o
>> piu' funzioni. Quindi, nei fatti, avere delle approssimazioni sui
>> valori significa non avere funzioni computabili per il sitema reale.
>> Un caso che si puo' portare ad esempio e' quello degli incroci
>> evitati, dove in una prima approssimazione i livelli dell'energia
>> potenziale elettronica di stati diversi si incrociano, mentre
>> reintroducendo la correzione della repulsione tra gli elettroni
>> (tramite il metodo delle interazioni di configurazione), essi tornano
>> ad allontanarsi, come prescritto dai requisiti di simmetria.
>> In sostanza: porre un limite alla precisione numerica desiderata puo'
>> anche significare la perdita di comportamenti qualitativi.
>
>Su questo non sono esperto quindi non so cosa dirti.
>Comunque non sono sempre simulabili numericamente i sistemi
>quantistici?
Puoi applicare i metodi numerici direttamente sulle equazioni
differenziali esatte, ma perderesti l'uguaglianza agli autovalori e
non potresti piu' usare nessuna proprieta' del sistema della meccanica
quantistica. Personalmente non sono a conoscenza di questo modo di
procedere.
>> >> La differenziazione (2). Rispetto ai sistemi macroscopici, le
>> >> probabilita' quantistiche di un sistema stazionario sono in genere
>> >> molto diverse tra loro, mentre per uno non-stazionario sono in
>> >> cambiamento continuo.
>>
>> >Quindi?
>>
>> Quindi si pone il dilemma se una simulazione del cervello che non
>> incorpori gli aspetti peculiari della non-computabilita' quantistica
>> accontentandosi di quella di dispositivi esterni macroscopici possa
>> effettivamente sviluppare l'intelligenza.
>
>Chiedevo cosa significasse il discorso che hai fatto sulle probabilità
>tra sistemi stazionari e non-stazionari.
Immagina di mettere a confronto il capitano Kidd che lancia una coppia
di dadi e Lord Buckingam che riporta le sue osservazioni su un sistema
quantistico singolo (o giu' di li') non-stazionario, sul primo
potresti classificare una statistica, sul secondo no, e i canoni di
imprevedibilita' dei nostri due personaggi si invertirebbero.
>> >Ad esempio, il problema di Deutsch-Jozsa ha complessità esponenziale
>> >su un computer classico e complessità polinomiale (costante per la
>> >precisione) su un computer quantistico.
>>
>> Si', stiamo dicendo la stessa cosa, solo che tu pensi sia sufficiente
>> usare i processi quantistici per costruire un computer piu' veloce, io
>> penso a un computer diverso, non digitale e non basato sulla logica di
>> Boole (se pensi che questa sia metafisica o sia semplicemente
>> impossibile anche solo immaginarlo, sei pienamente giustificato).
>
>In che senso non digitale?
Non basato su porte logiche a due ingressi con uscita deterministica.
Per andare un po' sul concreto, mi sbilancio e faccio una proposta su
un argomento di cui non so molto: che ne pensi di una rete neurale
feedforward con bp in cui la funzione di accettazione (non so se si
chiama cosi') anziche' essere una sigmoide sia un processore in logica
fuzzy basato sul nostro chiacchierato dispositivo esterno? E' gia'
stato fatto? Dico rete neurale piuttosto che automa a stati finiti
perche' almeno c'e' una vaga somiglianza architetturale col cervello
biologico.
Vend
wrote:
> On Wed, 21 May 2008 13:21:05 -0700 (PDT), Vend <ven...@virgilio.it>
> wrote:
>
> >Si ma si potrebbe manomettere ovunque dal sensore all'elettronica al
> >cavo al connettore.
> >(banalmente, stacchi il dispositivo e lo sostituisci con uno che
> >emette una sequenza pseudocasuale deterministica).
>
> Vero, ma dal connettore al monitor lo si puo' comunque chiamare tutto
> come computer,
Intendevo il cavo dal contatore di radiazioni al computer.
> e posso dormire sonni tranquilli sapendo che il
> dispositivo esterno e' concettualmente inataccabile
Non sono un esperto, ma sei sicuro che un contatore di radiazioni sia
concettualmente inattaccabile?
Non è possibile realizzare una sorgente di radiazioni controllata (sto
pensando a qualcosa tipo ad una sorgente intensa con un filtro che si
apre e si chiude), o ingannarlo in altro modo?
> mentre il computer
> e' protetto dagli accoliti del malvagio Preside. E si', sto
> sottilizando, una manipolazione in qualsivoglia punto avrebbe lo
> stesso effetto.
>
> >> >No, basta ignorare l'ingresso casuale.
>
> >> Potrebbe non essere per niente semplice riconoscere questa necessita'
> >> e soprattutto effettuare una tale separazione quando si lavora nei
> >> livelli superiori, pensa alla teoria degli insiemi di Cantor-Frege,
> >> sembrava utile ed elegante ma si dovette rifondarla.
>
> >Non capisco cosa intendi.
>
> Voglio dire che se sviluppi un sistema formale basato su certi assiomi
> e poi ne inserisci uno che e' in contraddizione con gli altri, i
> risultati delle elaborazioni successive possono diventare incerti, e
> puo' essere difficile decidere se quella specifica contraddizione
> rende incoerente una certa classe di teroremi o meno.
Se in un sistema formale introduci un assioma in contraddizione con
gli altri, tutti i teoremi diventano contraddizioni, almeno nella
logica classica.
Ma non capisco cosa c'entri questo con gli automi a stati finiti
probabilistici.
Le simulazioni di sistemi quantistici in pratica come si fanno?
> >> >> La differenziazione (2). Rispetto ai sistemi macroscopici, le
> >> >> probabilita' quantistiche di un sistema stazionario sono in genere
> >> >> molto diverse tra loro, mentre per uno non-stazionario sono in
> >> >> cambiamento continuo.
>
> >> >Quindi?
>
> >> Quindi si pone il dilemma se una simulazione del cervello che non
> >> incorpori gli aspetti peculiari della non-computabilita' quantistica
> >> accontentandosi di quella di dispositivi esterni macroscopici possa
> >> effettivamente sviluppare l'intelligenza.
>
> >Chiedevo cosa significasse il discorso che hai fatto sulle probabilità
> >tra sistemi stazionari e non-stazionari.
>
> Immagina di mettere a confronto il capitano Kidd che lancia una coppia
> di dadi e Lord Buckingam che riporta le sue osservazioni su un sistema
> quantistico singolo (o giu' di li') non-stazionario, sul primo
> potresti classificare una statistica, sul secondo no, e i canoni di
> imprevedibilita' dei nostri due personaggi si invertirebbero.
Boh, non capisco bene cosa tu voglia dire.
> >> >Ad esempio, il problema di Deutsch-Jozsa ha complessità esponenziale
> >> >su un computer classico e complessità polinomiale (costante per la
> >> >precisione) su un computer quantistico.
>
> >> Si', stiamo dicendo la stessa cosa, solo che tu pensi sia sufficiente
> >> usare i processi quantistici per costruire un computer piu' veloce, io
> >> penso a un computer diverso, non digitale e non basato sulla logica di
> >> Boole (se pensi che questa sia metafisica o sia semplicemente
> >> impossibile anche solo immaginarlo, sei pienamente giustificato).
>
> >In che senso non digitale?
>
> Non basato su porte logiche a due ingressi con uscita deterministica.
> Per andare un po' sul concreto, mi sbilancio e faccio una proposta su
> un argomento di cui non so molto: che ne pensi di una rete neurale
> feedforward con bp in cui la funzione di accettazione (non so se si
> chiama cosi') anziche' essere una sigmoide sia un processore in logica
> fuzzy basato sul nostro chiacchierato dispositivo esterno?
Credo proprio di no.
> E' gia'
> stato fatto? Dico rete neurale piuttosto che automa a stati finiti
> perche' almeno c'e' una vaga somiglianza architetturale col cervello
> biologico.
Un automa a stati finiti non è un'architettura, è un modello teorico.
Tutte le reti neurali artificiali digitali usate praticamente fino ad
ora, essendo implementate su computer o al limite su hardware digitale
dedicato, possono sempre essere rappresentate come automi a stati
finiti.
Il mago delle comete
wrote:
>> >Si ma si potrebbe manomettere ovunque dal sensore all'elettronica al
>> >cavo al connettore.
>> >(banalmente, stacchi il dispositivo e lo sostituisci con uno che
>> >emette una sequenza pseudocasuale deterministica).
>>
>> Vero, ma dal connettore al monitor lo si puo' comunque chiamare tutto
>> come computer,
>
>Intendevo il cavo dal contatore di radiazioni al computer.
Anch'io.
>Non sono un esperto, ma sei sicuro che un contatore di radiazioni sia
>concettualmente inattaccabile?
>Non è possibile realizzare una sorgente di radiazioni controllata (sto
>pensando a qualcosa tipo ad una sorgente intensa con un filtro che si
>apre e si chiude), o ingannarlo in altro modo?
Hai ragione, non ci avevo pensato, una lastrina di piombo
telecomandata funzionerebbe, ma bisognerebbe progettarla a spessore
completamente variabile per ottenere tutte le frequenze possibili, e
una manipolazione completamente controllabile.
>> >> >No, basta ignorare l'ingresso casuale.
>Se in un sistema formale introduci un assioma in contraddizione con
>gli altri, tutti i teoremi diventano contraddizioni, almeno nella
>logica classica.
>
>Ma non capisco cosa c'entri questo con gli automi a stati finiti
>probabilistici.
Gli automi a stati finiti semplici presuppongono l'invarianza, quelli
probabilistici come si regolano con essa? Forse ho capito male io, ma
prima la contemplano e poi la eliminano? O semplicemente e ' un caso
con assiomi meno stringenti dall'inizio?
Vedi sopra a proposito dei metodi perturbativo e variazionale, in
realta' il loro numero e' legione, ma questi sono i due tipi generali.
Se vuoi lo sviluppo nei particolari di un metodo, cerca su Internet
quello di Hartree-Fock, che e' un po' la base e di solito il primo che
si insegna. Poi se ne hai voglia anche Moeller-Plesset.
>> >> >> La differenziazione (2). Rispetto ai sistemi macroscopici, le
>> >> >> probabilita' quantistiche di un sistema stazionario sono in genere
>> >> >> molto diverse tra loro, mentre per uno non-stazionario sono in
>> >> >> cambiamento continuo.
>>
>> >> >Quindi?
>>
>> >> Quindi si pone il dilemma se una simulazione del cervello che non
>> >> incorpori gli aspetti peculiari della non-computabilita' quantistica
>> >> accontentandosi di quella di dispositivi esterni macroscopici possa
>> >> effettivamente sviluppare l'intelligenza.
>>
>> >Chiedevo cosa significasse il discorso che hai fatto sulle probabilità
>> >tra sistemi stazionari e non-stazionari.
>>
>> Immagina di mettere a confronto il capitano Kidd che lancia una coppia
>> di dadi e Lord Buckingam che riporta le sue osservazioni su un sistema
>> quantistico singolo (o giu' di li') non-stazionario, sul primo
>> potresti classificare una statistica, sul secondo no, e i canoni di
>> imprevedibilita' dei nostri due personaggi si invertirebbero.
>
>Boh, non capisco bene cosa tu voglia dire.
Voglio dire che la casistica del risultato del lancio di due dadi e'
ben nota (che al limite si potrebbe usare nel dispositivo esterno),
quella di un sistema quantistico singolo non-stazionario e'
imprevedibile, ergo ripropongo il dilemma di cui sopra, che mi sta
particolarmente a cuore.
>> Non basato su porte logiche a due ingressi con uscita deterministica.
>> Per andare un po' sul concreto, mi sbilancio e faccio una proposta su
>> un argomento di cui non so molto: che ne pensi di una rete neurale
>> feedforward con bp in cui la funzione di accettazione (non so se si
>> chiama cosi') anziche' essere una sigmoide sia un processore in logica
>> fuzzy basato sul nostro chiacchierato dispositivo esterno?
>
>Credo proprio di no.
Qui non capisco se stai rispondendo alla domanda se questa strada sia
gia' stata tentata o se non ne pensi nulla di buono.
>> E' gia'
>> stato fatto? Dico rete neurale piuttosto che automa a stati finiti
>> perche' almeno c'e' una vaga somiglianza architetturale col cervello
>> biologico.
>
>Un automa a stati finiti non è un'architettura, è un modello teorico.
>Tutte le reti neurali artificiali digitali usate praticamente fino ad
>ora, essendo implementate su computer o al limite su hardware digitale
>dedicato, possono sempre essere rappresentate come automi a stati
>finiti.
Io ho detto che e' il cervello biologico ad avere un'architettura, e
che quella concettualizzabile dal modello rete neurale e' piu' simile
rispetto a quella di un automa a stati finiti. E' un problema di
ridurre la realta' al modello giusto per farne emergere le proprieta'
che si vogliono studiare eliminando le complessita' non necessarie,
quindi senza ricorrere a simulazioni di simulazioni. Del resto penso
che anche un automa a stati finiti possa essere rappresentato da una
rete neurale, bisognerebbe dimostrare che su ambedue si puo' costruire
una macchina di Turing.
Vend
wrote:
> On Fri, 23 May 2008 08:16:41 -0700 (PDT), Vend <ven...@virgilio.it>
> wrote:
>
> >> >Si ma si potrebbe manomettere ovunque dal sensore all'elettronica al
> >> >cavo al connettore.
> >> >(banalmente, stacchi il dispositivo e lo sostituisci con uno che
> >> >emette una sequenza pseudocasuale deterministica).
>
> >> Vero, ma dal connettore al monitor lo si puo' comunque chiamare tutto
> >> come computer,
>
> >Intendevo il cavo dal contatore di radiazioni al computer.
>
> Anch'io.
Con la tecnologia attuale anche all'interno di un connettore si
potrebbe nascondere un microchip che simula il generatore di veri
numeri casuali, generando però una sequenza deterministica nota
all'avversario.
Probabilmente più pratico che attaccare il principio fisico del
generatore in se.
> >Non sono un esperto, ma sei sicuro che un contatore di radiazioni sia
> >concettualmente inattaccabile?
> >Non è possibile realizzare una sorgente di radiazioni controllata (sto
> >pensando a qualcosa tipo ad una sorgente intensa con un filtro che si
> >apre e si chiude), o ingannarlo in altro modo?
>
> Hai ragione, non ci avevo pensato, una lastrina di piombo
> telecomandata funzionerebbe, ma bisognerebbe progettarla a spessore
> completamente variabile per ottenere tutte le frequenze possibili, e
> una manipolazione completamente controllabile.
All'avversario non serve la controllabilità completa, gli basta
abbassare il valore di entropia sicura (min-entropy) della sorgente
dal suo punto di vista ad un valore che lui è in grado di attaccare a
forza bruta (circa 32 - 64 bit con le tecnologie attuali).
> >> >> >No, basta ignorare l'ingresso casuale.
> >Se in un sistema formale introduci un assioma in contraddizione con
> >gli altri, tutti i teoremi diventano contraddizioni, almeno nella
> >logica classica.
>
> >Ma non capisco cosa c'entri questo con gli automi a stati finiti
> >probabilistici.
>
> Gli automi a stati finiti semplici presuppongono l'invarianza, quelli
> probabilistici come si regolano con essa? Forse ho capito male io, ma
> prima la contemplano e poi la eliminano? O semplicemente e ' un caso
> con assiomi meno stringenti dall'inizio?
Semplicemente negli automi probabilistici hai uno (o più) ingressi in
più che ti forniscono dati casuali.
Volendo le regole di transizione di stato e di generazione di uscita
dell'automa possono essere scelte in modo da ignorare questi ingressi
casuali.
Quindi qualunque computazione possa essere fatta da un automa a stati
finiti deterministico può essere fatta anche da uno probabilistico.
Ok, ci darò un'occhiata, grazie.
> >> >> >> La differenziazione (2). Rispetto ai sistemi macroscopici, le
> >> >> >> probabilita' quantistiche di un sistema stazionario sono in genere
> >> >> >> molto diverse tra loro, mentre per uno non-stazionario sono in
> >> >> >> cambiamento continuo.
>
> >> >> >Quindi?
>
> >> >> Quindi si pone il dilemma se una simulazione del cervello che non
> >> >> incorpori gli aspetti peculiari della non-computabilita' quantistica
> >> >> accontentandosi di quella di dispositivi esterni macroscopici possa
> >> >> effettivamente sviluppare l'intelligenza.
>
> >> >Chiedevo cosa significasse il discorso che hai fatto sulle probabilità
> >> >tra sistemi stazionari e non-stazionari.
>
> >> Immagina di mettere a confronto il capitano Kidd che lancia una coppia
> >> di dadi e Lord Buckingam che riporta le sue osservazioni su un sistema
> >> quantistico singolo (o giu' di li') non-stazionario, sul primo
> >> potresti classificare una statistica, sul secondo no, e i canoni di
> >> imprevedibilita' dei nostri due personaggi si invertirebbero.
>
> >Boh, non capisco bene cosa tu voglia dire.
>
> Voglio dire che la casistica del risultato del lancio di due dadi e'
> ben nota (che al limite si potrebbe usare nel dispositivo esterno),
> quella di un sistema quantistico singolo non-stazionario e'
> imprevedibile, ergo ripropongo il dilemma di cui sopra, che mi sta
> particolarmente a cuore.
Cioè non si possono calcolare le probabilità dei risultati delle
osservazioni?
> >> Non basato su porte logiche a due ingressi con uscita deterministica.
> >> Per andare un po' sul concreto, mi sbilancio e faccio una proposta su
> >> un argomento di cui non so molto: che ne pensi di una rete neurale
> >> feedforward con bp in cui la funzione di accettazione (non so se si
> >> chiama cosi') anziche' essere una sigmoide sia un processore in logica
> >> fuzzy basato sul nostro chiacchierato dispositivo esterno?
>
> >Credo proprio di no.
>
> Qui non capisco se stai rispondendo alla domanda se questa strada sia
> gia' stata tentata o se non ne pensi nulla di buono.
Credo che non sia stata tentata, e non esprimo giudizi in quanto
troppo vaga.
> >> E' gia'
> >> stato fatto? Dico rete neurale piuttosto che automa a stati finiti
> >> perche' almeno c'e' una vaga somiglianza architetturale col cervello
> >> biologico.
>
> >Un automa a stati finiti non è un'architettura, è un modello teorico.
> >Tutte le reti neurali artificiali digitali usate praticamente fino ad
> >ora, essendo implementate su computer o al limite su hardware digitale
> >dedicato, possono sempre essere rappresentate come automi a stati
> >finiti.
>
> Io ho detto che e' il cervello biologico ad avere un'architettura, e
> che quella concettualizzabile dal modello rete neurale e' piu' simile
> rispetto a quella di un automa a stati finiti. E' un problema di
> ridurre la realta' al modello giusto per farne emergere le proprieta'
> che si vogliono studiare eliminando le complessita' non necessarie,
> quindi senza ricorrere a simulazioni di simulazioni.
Capito. Hai ragione che occorrono i modelli giusti.
Il problema è che secondo me la maggiorparte di modelli di reti
neurali artificiali usate fino ad ora si distanziano molto da quelle
biologiche.
> Del resto penso
> che anche un automa a stati finiti possa essere rappresentato da una
> rete neurale, bisognerebbe dimostrare che su ambedue si puo' costruire
> una macchina di Turing.
La macchina di Turing è più generale rispetto ad entrambi i modelli
(semplificando un po', è una sorta di automa a stati infiniti
discreti).
Comunque è vero che ogni automa ha stati finiti è rappresentabile come
una rete neurale dei tipi attualmente usati.
Purtroppo questo non ci garantisce che sia apprendibile.
Il mago delle comete
wrote:
>> >> Vero, ma dal connettore al monitor lo si puo' comunque chiamare tutto
>> >> come computer,
>>
>> >Intendevo il cavo dal contatore di radiazioni al computer.
>>
>> Anch'io.
>
>Con la tecnologia attuale anche all'interno di un connettore si
>potrebbe nascondere un microchip che simula il generatore di veri
>numeri casuali, generando però una sequenza deterministica nota
>all'avversario.
>Probabilmente più pratico che attaccare il principio fisico del
>generatore in se.
Infatti in questa separazione ideale avevo messo anche il cavo dalla
parte del computer, considerandola un'interfaccia, in ogni modo il tuo
commento successivo sull'entropia minima pare rendere comunque tutto
attaccabile.
>> Hai ragione, non ci avevo pensato, una lastrina di piombo
>> telecomandata funzionerebbe, ma bisognerebbe progettarla a spessore
>> completamente variabile per ottenere tutte le frequenze possibili, e
>> una manipolazione completamente controllabile.
>
>All'avversario non serve la controllabilità completa, gli basta
>abbassare il valore di entropia sicura (min-entropy) della sorgente
>dal suo punto di vista ad un valore che lui è in grado di attaccare a
>forza bruta (circa 32 - 64 bit con le tecnologie attuali).
Ma questo discorso, oltre che per un generatore pseudo casuale, vale
anche per uno reale?
>Semplicemente negli automi probabilistici hai uno (o più) ingressi in
>più che ti forniscono dati casuali.
>Volendo le regole di transizione di stato e di generazione di uscita
>dell'automa possono essere scelte in modo da ignorare questi ingressi
>casuali.
Va bene.
>> >> >> >> La differenziazione (2). Rispetto ai sistemi macroscopici, le
>> >> >> >> probabilita' quantistiche di un sistema stazionario sono in genere
>> >> >> >> molto diverse tra loro, mentre per uno non-stazionario sono in
>> >> >> >> cambiamento continuo.
>> Voglio dire che la casistica del risultato del lancio di due dadi e'
>> ben nota (che al limite si potrebbe usare nel dispositivo esterno),
>> quella di un sistema quantistico singolo non-stazionario e'
>> imprevedibile, ergo ripropongo il dilemma di cui sopra, che mi sta
>> particolarmente a cuore.
>
>Cioè non si possono calcolare le probabilità dei risultati delle
>osservazioni?
Si' che si possono calcolare, sono i quadrati dei coefficenti nello
spazio di Hilbert di cui si parlava, solo che variano ad ogni istante
di tempo (per un sistema non-stazionario).
>Capito. Hai ragione che occorrono i modelli giusti.
>Il problema è che secondo me la maggiorparte di modelli di reti
>neurali artificiali usate fino ad ora si distanziano molto da quelle
>biologiche.
Si' lo penso anch'io, secondo me ogni neurone (artificiale) dovrebbe
essere in grado di processare in base a parametri meno prevedibili di
quelli usati finora, in base a questo pensavo alla funzione di
selezione in logica fuzzy.
Vend
wrote:
Si.
Un generatore pseudo casuale non genera alcuna vera entropia, al
massimo ha l'entropia del seme usato per inizializzarlo.
> >Semplicemente negli automi probabilistici hai uno (o più) ingressi in
> >più che ti forniscono dati casuali.
> >Volendo le regole di transizione di stato e di generazione di uscita
> >dell'automa possono essere scelte in modo da ignorare questi ingressi
> >casuali.
>
> Va bene.
>
> >> >> >> >> La differenziazione (2). Rispetto ai sistemi macroscopici, le
> >> >> >> >> probabilita' quantistiche di un sistema stazionario sono in genere
> >> >> >> >> molto diverse tra loro, mentre per uno non-stazionario sono in
> >> >> >> >> cambiamento continuo.
> >> Voglio dire che la casistica del risultato del lancio di due dadi e'
> >> ben nota (che al limite si potrebbe usare nel dispositivo esterno),
> >> quella di un sistema quantistico singolo non-stazionario e'
> >> imprevedibile, ergo ripropongo il dilemma di cui sopra, che mi sta
> >> particolarmente a cuore.
>
> >Cioè non si possono calcolare le probabilità dei risultati delle
> >osservazioni?
>
> Si' che si possono calcolare, sono i quadrati dei coefficenti nello
> spazio di Hilbert di cui si parlava, solo che variano ad ogni istante
> di tempo (per un sistema non-stazionario).
Ma sapendo la legge con cui variano si possono calcolare quindi.
> >Capito. Hai ragione che occorrono i modelli giusti.
> >Il problema è che secondo me la maggiorparte di modelli di reti
> >neurali artificiali usate fino ad ora si distanziano molto da quelle
> >biologiche.
>
> Si' lo penso anch'io, secondo me ogni neurone (artificiale) dovrebbe
> essere in grado di processare in base a parametri meno prevedibili di
> quelli usati finora, in base a questo pensavo alla funzione di
> selezione in logica fuzzy.
Bho, la logica fuzzy mi pare che sia un po' passata di moda, poi non
so di preciso.
Comunque resta il discorso che ogni implementazione di sistema a
logica fuzzy su hardware digitale si riduce sempre alla logica
binaria.
Il mago delle comete
wrote:
>> >> >> >> >> La differenziazione (2). Rispetto ai sistemi macroscopici, le
>> >> >> >> >> probabilita' quantistiche di un sistema stazionario sono in genere
>> >> >> >> >> molto diverse tra loro, mentre per uno non-stazionario sono in
>> >> >> >> >> cambiamento continuo.
>> >> Voglio dire che la casistica del risultato del lancio di due dadi e'
>> >> ben nota (che al limite si potrebbe usare nel dispositivo esterno),
>> >> quella di un sistema quantistico singolo non-stazionario e'
>> >> imprevedibile, ergo ripropongo il dilemma di cui sopra, che mi sta
>> >> particolarmente a cuore.
>>
>> >Cioè non si possono calcolare le probabilità dei risultati delle
>> >osservazioni?
>>
>> Si' che si possono calcolare, sono i quadrati dei coefficenti nello
>> spazio di Hilbert di cui si parlava, solo che variano ad ogni istante
>> di tempo (per un sistema non-stazionario).
>
>Ma sapendo la legge con cui variano si possono calcolare quindi.
Certo, ma si tratta di probabilita', ritornando al discorso di prima,
la possibilita' che su un dado esca la faccia con un asso e' 1/6 e
rimane invariata per tutti i lanci, cosicche' si puo' verificare
l'accordo nei grandi numeri e costruirci una statistica, la qual cosa
non si verifica per un sistema quantistico singolo non-stazionario.
>> Si' lo penso anch'io, secondo me ogni neurone (artificiale) dovrebbe
>> essere in grado di processare in base a parametri meno prevedibili di
>> quelli usati finora, in base a questo pensavo alla funzione di
>> selezione in logica fuzzy.
>
>Bho, la logica fuzzy mi pare che sia un po' passata di moda, poi non
>so di preciso.
>Comunque resta il discorso che ogni implementazione di sistema a
>logica fuzzy su hardware digitale si riduce sempre alla logica
>binaria.
Qui dovrebbe intervenire il dispositivo esterno, anche se e' tutto da
stabilire il modo in cui possa venire sfruttato all'interno di una
simile implementazione.
Vend
wrote:
> On Mon, 26 May 2008 13:26:31 -0700 (PDT), Vend <ven...@virgilio.it>
> wrote:
>
>
>
> >> >> >> >> >> La differenziazione (2). Rispetto ai sistemi macroscopici, le
> >> >> >> >> >> probabilita' quantistiche di un sistema stazionario sono in genere
> >> >> >> >> >> molto diverse tra loro, mentre per uno non-stazionario sono in
> >> >> >> >> >> cambiamento continuo.
> >> >> Voglio dire che la casistica del risultato del lancio di due dadi e'
> >> >> ben nota (che al limite si potrebbe usare nel dispositivo esterno),
> >> >> quella di un sistema quantistico singolo non-stazionario e'
> >> >> imprevedibile, ergo ripropongo il dilemma di cui sopra, che mi sta
> >> >> particolarmente a cuore.
>
> >> >Cioè non si possono calcolare le probabilità dei risultati delle
> >> >osservazioni?
>
> >> Si' che si possono calcolare, sono i quadrati dei coefficenti nello
> >> spazio di Hilbert di cui si parlava, solo che variano ad ogni istante
> >> di tempo (per un sistema non-stazionario).
>
> >Ma sapendo la legge con cui variano si possono calcolare quindi.
>
> Certo, ma si tratta di probabilita', ritornando al discorso di prima,
> la possibilita' che su un dado esca la faccia con un asso e' 1/6 e
> rimane invariata per tutti i lanci, cosicche' si puo' verificare
> l'accordo nei grandi numeri e costruirci una statistica, la qual cosa
> non si verifica per un sistema quantistico singolo non-stazionario.
Ma non capisco quale sia il problema.
Se le probabilità le puoi calcolare dalla legge, a che ti serve
stimare una statistica?
> >> Si' lo penso anch'io, secondo me ogni neurone (artificiale) dovrebbe
> >> essere in grado di processare in base a parametri meno prevedibili di
> >> quelli usati finora, in base a questo pensavo alla funzione di
> >> selezione in logica fuzzy.
>
> >Bho, la logica fuzzy mi pare che sia un po' passata di moda, poi non
> >so di preciso.
> >Comunque resta il discorso che ogni implementazione di sistema a
> >logica fuzzy su hardware digitale si riduce sempre alla logica
> >binaria.
>
> Qui dovrebbe intervenire il dispositivo esterno, anche se e' tutto da
> stabilire il modo in cui possa venire sfruttato all'interno di una
> simile implementazione.
Che genere di dispositivo di preciso?
Il mago delle comete
wrote:
>> >> >> >> >> >> La differenziazione (2). Rispetto ai sistemi macroscopici, le
>> >> >> >> >> >> probabilita' quantistiche di un sistema stazionario sono in genere
>> >> >> >> >> >> molto diverse tra loro, mentre per uno non-stazionario sono in
>> >> >> >> >> >> cambiamento continuo.
>> >> >> Voglio dire che la casistica del risultato del lancio di due dadi e'
>> >> >> ben nota (che al limite si potrebbe usare nel dispositivo esterno),
>> >> >> quella di un sistema quantistico singolo non-stazionario e'
>> >> >> imprevedibile, ergo ripropongo il dilemma di cui sopra, che mi sta
>> >> >> particolarmente a cuore.
>>
>> >> >Cioè non si possono calcolare le probabilità dei risultati delle
>> >> >osservazioni?
>>
>> >> Si' che si possono calcolare, sono i quadrati dei coefficenti nello
>> >> spazio di Hilbert di cui si parlava, solo che variano ad ogni istante
>> >> di tempo (per un sistema non-stazionario).
>>
>> >Ma sapendo la legge con cui variano si possono calcolare quindi.
>>
>> Certo, ma si tratta di probabilita', ritornando al discorso di prima,
>> la possibilita' che su un dado esca la faccia con un asso e' 1/6 e
>> rimane invariata per tutti i lanci, cosicche' si puo' verificare
>> l'accordo nei grandi numeri e costruirci una statistica, la qual cosa
>> non si verifica per un sistema quantistico singolo non-stazionario.
>
>Ma non capisco quale sia il problema.
>Se le probabilità le puoi calcolare dalla legge, a che ti serve
>stimare una statistica?
Il punto e' proprio che non si possa stimarne una statistica, e che
quindi una serie di osservazioni sia meno prevedibile (o contenga meno
informazione) del lancio di due dadi (per i quali altrettanto conosco
le probabilita' di ogni singolo evento). Eravamo anche partiti dallo
stabilire una differenziazione tra i sistemi quantistici e quelli
macroscopici per poter fornire una possibile spiegazione all'emergere
dell'intelligenza nel cervello biologico.
>> Qui dovrebbe intervenire il dispositivo esterno, anche se e' tutto da
>> stabilire il modo in cui possa venire sfruttato all'interno di una
>> simile implementazione.
>
>Che genere di dispositivo di preciso?
Quello di cui abbiamo parlato finora: un vero generatore di numeri
casuali, che secondo me deve includere la misurazione di un sistema
quantistico singolo non-stazionario, collegato a un opportuno metodo
di elaborazione.
Vend
wrote:
Meno prevedibile = più informazione.
> Eravamo anche partiti dallo
> stabilire una differenziazione tra i sistemi quantistici e quelli
> macroscopici per poter fornire una possibile spiegazione all'emergere
> dell'intelligenza nel cervello biologico.
Si ma non ho ben capito cosa c'entri questo discorso sui sistemi
stazionari e non-stazionari.
Anche in un sistema classico caotico non-stazionario le probabilità
dei risultati delle misure cambiano nel tempo, no? Anzi forse sono in
pratica ancora più imprevedibili rispetto a quelli di un sistema
quantistico, poichè, se ben ricordo, i sistemi quantistici sono
generalmente meno propensi a comportamenti caotici.
> >> Qui dovrebbe intervenire il dispositivo esterno, anche se e' tutto da
> >> stabilire il modo in cui possa venire sfruttato all'interno di una
> >> simile implementazione.
>
> >Che genere di dispositivo di preciso?
>
> Quello di cui abbiamo parlato finora: un vero generatore di numeri
> casuali, che secondo me deve includere la misurazione di un sistema
> quantistico singolo non-stazionario, collegato a un opportuno metodo
> di elaborazione.
Ma fai misurazioni su un sistema quantistico esterno, senza inviargli
dati da elaborare, a cosa serve?
Il mago delle comete
wrote:
>> >Ma non capisco quale sia il problema.
>> >Se le probabilità le puoi calcolare dalla legge, a che ti serve
>> >stimare una statistica?
>>
>> Il punto e' proprio che non si possa stimarne una statistica, e che
>> quindi una serie di osservazioni sia meno prevedibile (o contenga meno
>> informazione) del lancio di due dadi (per i quali altrettanto conosco
>> le probabilita' di ogni singolo evento).
>
>Meno prevedibile = più informazione.
Non nel senso dell'equazione di Boltzman, intendevo nella
possibilita', sui grandi numeri, di avere una casistica riproducibile,
e quindi un sistema che basa su di essa il proprio input giocoforza
avra' una 'impronta' di funzionamento definita. Naturalmente niente si
puo' dire dell'ordine temporale delle misurazioni, qui bisogna vedere
se il sistema sia conformato per trarne vantaggio.
>> Eravamo anche partiti dallo
>> stabilire una differenziazione tra i sistemi quantistici e quelli
>> macroscopici per poter fornire una possibile spiegazione all'emergere
>> dell'intelligenza nel cervello biologico.
>
>Si ma non ho ben capito cosa c'entri questo discorso sui sistemi
>stazionari e non-stazionari.
>Anche in un sistema classico caotico non-stazionario le probabilità
>dei risultati delle misure cambiano nel tempo, no? Anzi forse sono in
>pratica ancora più imprevedibili rispetto a quelli di un sistema
>quantistico, poichè, se ben ricordo, i sistemi quantistici sono
>generalmente meno propensi a comportamenti caotici.
Anche in un sistema classico non-caotico e non-stazionario le misure
cambiano nel tempo. Semplicemente in un sistema caotico le equazioni
differenziali sono malposte e per piccole variazioni degli stati
iniziali si hanno grosse fluttuazioni in quelli finali, e' solo un
problema di precisione con cui si fanno i calcoli, non di vera
non-computabilita'. Anche se si introducono anche li' delle
probabilita', le ragioni sono meno forti rispetto alla meccanica
quantistica. Pero' in questo senso hai ragione, i sistemi quantistici
sono poco propensi a comportamenti caotici e le equazioni
differenziali hanno in genere un'ottima convergenza.
>> >> Qui dovrebbe intervenire il dispositivo esterno, anche se e' tutto da
>> >> stabilire il modo in cui possa venire sfruttato all'interno di una
>> >> simile implementazione.
>>
>> >Che genere di dispositivo di preciso?
>>
>> Quello di cui abbiamo parlato finora: un vero generatore di numeri
>> casuali, che secondo me deve includere la misurazione di un sistema
>> quantistico singolo non-stazionario, collegato a un opportuno metodo
>> di elaborazione.
>
>Ma fai misurazioni su un sistema quantistico esterno, senza inviargli
>dati da elaborare, a cosa serve?
Nella schematizzazione di cui avevamo parlato il dispositivo esterno
era solo un vero generatore di numeri casuali, direi che
l'elaborazione va fatta sui dati in uscita. Naturalmente poi posso
essere d'accordo con te che il cervello biologico possa usare i
fenomeni quantistici per effettuare delle elaborazioni dirette, ma per
le nostre conoscenze attuali questo sarebbe davvero troppo da
simulare.
Vend
wrote:
<snip>
> >> >> Qui dovrebbe intervenire il dispositivo esterno, anche se e' tutto da
> >> >> stabilire il modo in cui possa venire sfruttato all'interno di una
> >> >> simile implementazione.
>
> >> >Che genere di dispositivo di preciso?
>
> >> Quello di cui abbiamo parlato finora: un vero generatore di numeri
> >> casuali, che secondo me deve includere la misurazione di un sistema
> >> quantistico singolo non-stazionario, collegato a un opportuno metodo
> >> di elaborazione.
>
> >Ma fai misurazioni su un sistema quantistico esterno, senza inviargli
> >dati da elaborare, a cosa serve?
>
> Nella schematizzazione di cui avevamo parlato il dispositivo esterno
> era solo un vero generatore di numeri casuali, direi che
> l'elaborazione va fatta sui dati in uscita.
Ok, mi ero perso sul discorso della stazionarietà.
Comunque credo che quasi ogni generatore di numeri casuali non-
digitale abbia una componente quantistica.
ldat
SR2 ha scritto:
> * tinyurl . com /4j62ju
>
>"Ma la prospettiva più affascinate è quella che riguarda l'intelligenza
>artificiale. Il Memristor permetterà di creare computer con funzioni molto
>evolute di riconoscimento della capacità visiva. Le nuove equipaggiate con i
>nuovi nanocircuiti, sarebbero in grado di riconoscere volti e oggetti,
>imparare e associare eventi passati, apprendendo dall'esperienza e prendendo
>decisioni. Esattamente come fa il cervello umano o le intelligenze
>artificiali di cui da anni ci parla la fantascienza."
>
>Quale sarebbe il nesso fra questa memoria non volatile e l'IA?
>C'è realmente una branca dell'IA che attendeva una possibilità
>del genere per materializzarsi... oppure hanno pigiato un po'
>troppo sul tasto del marketing?
>:-)
>
>
--
Questo articolo e` stato inviato dal sito web http://www.nonsolonews.it
da.qu...@parte.it
mamma mia
guardatevi un po' di teoria della complessità per capire che siete
partiti da presupposti completamente errati.
al massimo si puo dire che il cervello è un sistema
detereministicamente complesso che è una cosa diversa da dire che
è deterministico (e anche probabilistico)
poi cercate di capire le differenze tra deterministicamente complesso
e casuale (non causale)
Ciao
p51d
> al massimo si puo dire che il cervello è un sistema
> detereministicamente complesso che è una cosa diversa da dire che
> è deterministico (e anche probabilistico)
mi potresti spiegare cosa significa "deterministicamente complesso"? (da
come scrivi sembra che il concetto "deterministicamente complesso" non
sia l'unione dei concetti di "deterministico" e di "complesso")
Ciao
p51d
> *deterministico*, dalle mie parti vuol dire che....
subito un grazie 1000 per la risposta...ora devo studiarmela con clama!!
Ciao
da.qu...@parte.it
completamente fuori strada
vedi risposta che do a p51d
On Tue, 13 Jan 2009 18:46:33 GMT, info@omaha-beachTOGLI_CODESTO.net
(6502) wrote:
>p51d <p5...@tiscali.it> wrote:
>
>> da.qu...@parte.it ha scritto:
>> > al massimo si puo dire che il cervello č un sistema
>> > detereministicamente complesso che č una cosa diversa da dire che
>> > č deterministico (e anche probabilistico)
>>
>> mi potresti spiegare cosa significa "deterministicamente complesso"? (da
>> come scrivi sembra che il concetto "deterministicamente complesso" non
>> sia l'unione dei concetti di "deterministico" e di "complesso")
>*deterministico*, dalle mie parti vuol dire che:
> -e' relativo ad un problema chiuso
> -puo' essere anche un problema aperto, che pero' e' chiudibile
>con delle ipotesi od assunzioni non troppo distanti dalla realta
> -e' calcolabile
>
>*complesso*, dalle mie parti vuol dire che:
> -e' influenzato da variabili,
> -e' inflluenzato da mutabili,
> -e' articolabile in sub.sistemi
>
>Ad es, la logica dei sub.sistemi o dei sistemi.
>
>y = f ( x, y, z, ecc, e)
>x,y,x = variabili
>ecc = componenti numerizzati dovuti a stima di mutabili o casuali
>e = componente erratica, di solito residuale
>
>y* = f ( x, y, z, ecc, e)
>cuol dire che il sistema e' calcolabile ed il valore y* rappresenta una
>buona stima ed approssimazione del valore y.
>
>( y* - y ) = scarto residuale di solito misurabile se il sistema e'
>appunto calcolabile, magari entro un ragionevole dubbio fissato a
>priori.
>
>Es di logica dei sistemi o sub.sistemi :#)
>
> !-------------!
> ! !
>input-->>! !--->output
> ! !
> !-------------!
>
>il disegnino esprime la teoria input/output dove:
>
>output=y=f(input)=f ( x, y, z, ecc, e)
>
>d'altronde per ridurre la componente "e" si puo' disaggregare
>ulteriormente il problema, costruendo altri sub.sistemi i quali
>risultati influenzano il risultato finale, oltre che entrambi i le
>variabili.
>
> !------!------!
> ! -!-> !
>input-->>! A ! B !--->output
> ! <-!- !
> !------!------!
>
>Adesso l'output e' influenzato da:
> -A ossia quanto la teoria sull'output di A sia buona,
> -B ossia da quanto la teoria sull'output di B sia buona,
> -da come A influenza o puo' influenzare B ed il suo output
> -da come B influenza o puo' influenzare A ed il suo output
>
>f ( A(x),B(y),z,...,e)
>
>analiticamente magari per cogliere e/o mettere a fuoco in modo maggiore
>i rapporti di causa/effetto, a patto di migliorare il coeffciente
>erratico, rendendolo ancora piu' marginale, si puo' andare a
>"decomporre" il problema risolto da A(x) e B(y) in ulteriori
>sub.problemi ossia sub.sistemi, per cui
>
>
> !------!---!--!
> ! ! 1 !2 !
>input-->>! A !___!__!--->output
> ! ! 3 ! 4!
> !------!---!--!
>
>Adesso l'output e' influenzato da:
> -A ossia quanto la teoria sull'output di A sia buona,
> -1 ossia quanto la teoria sull'output di 1 sia buona,
> -2 ossia quanto la teoria sull'output di 2 sia buona,
> -3 ossia quanto la teoria sull'output di 3 sia buona,
> -4 ossia quanto la teoria sull'output di 4 sia buona,
> -da come A influenza o puo' influenzare 1
> -da come A influenza o puo' influenzare 2 (tramite 1)
> -da come A influenza o puo' influenzare 4 (tramite 3)
> -da come A influenza o puo' influenzare 3
> -da come 1 influenza o puo' influenzare A
> -da come 2 influenza o puo' influenzare A (tramite 1)
> -da come 4 influenza o puo' influenzare A (tramite 3)
> -da come 3 influenza o puo' influenzare A
>oltre ovviamente alle logiche interne al sub.sistema 1,2,3,4 ossia:
> -da come l'output di 3 influenza l'output di 4
> -da come l'output di 3 influenza l'output di 2
> -da come l'output di 3 influenza l'output di 1
> -da come l'output di 1 influenza l'output di 2
> -da come l'output di 1 influenza l'output di 3
> -da come l'output di 1 influenza l'output di 4
> -da come l'output di 2 influenza l'output di 1
> -da come l'output di 2 influenza l'output di 3
> -da come l'output di 2 influenza l'output di 4
> -da come l'output di 4 influenza l'output di 1
> -da come l'output di 4 influenza l'output di 3
> -da come l'output di 4 influenza l'output di 2
>
> Un bell'esempio *tutto economico* :) ed ovviamente OFF TOPIC, ma
>io vengo da li' :@) come studi... e' quello AFAIR di un problema reso
>chiuso, reso calcolabile, complesso ma deterministico tipico della
>programmazione economica di un sistema economico chiuso, di leontief
>AFAIR per cui prese il nobel per l'economia.
>
>:)
>
>Bello, ma chiuso AFAIR, poi ci fece anche la versione "aperta", con le
>esportazioni :) e cosi' che il risultato non fu niente male come modello
>economico complesso per l'analisi e le correlazioni e le cause ed
>effetti tra i settori economici primario, secondario e terziario (di
>solito terziario avanzato).
>
da.qu...@parte.it
infatti non si capisce dall'unione dei concetti
per stare sul semplice già da qua capisci qualcosa
http://it.wikipedia.org/wiki/Sistema_complesso
il titolo dell'articolo è abbastanza impreciso: starebbe meglio
Sistema deterministicamente complesso
il punto è questo:
\hai un sistema = insieme di enti che interagiscono tra loro
\deterministico = le interazioni sono definite, quindi calcolabili,
quindi si possono fare previsioni
\complesso questo è più difficile da definire, in realtà funziona un
po' come una etichetta
La cosa si può spiegare in tanti modi diversi:
per essere terra terra: qundo un sistema deterministico diventa grande
diventa impossibile calcolare la sua evoluzione e quindi simularlo.
Come mai (intuitivamente)?
se hai 2 enti che interagiscono, dovrai calolare 1 interazione
se ne hai 3 3 interazioni
4: 3 + 2 + 1 = 8
5: 5 + 4 + 3 +2 +1 =13
6:19
7:26
8:34
(questo è molto a spanne, basta disegnare dei punti su un foglio e
connetterli tra loro per visualizzare la cosa)
Il numero di interazioni cresce molto più velocemente del numero di
enti.
Quante molecole d'acqua ci sono in una goccia?
Di fronte a questi semplici ragionamenti la possibilità di
rappresentare il cervello come automa a stati finiti(cosa sarebbe uno
stato in questo caso? e quanti stati ci sono?) diventa immediatamente
irrealistica
Alla fine puoi dirla anche così: alle volte ho un sistema
deterministico (che anche questa non è cosa di tutti i giorni vedi poi
il discorso sul modello), se è complesso: sarà anche deterministico ma
dal tuo punto di vista è casuale perchè non puoi farci calcoli o
previsioni.
Tutto questo è materia di studio della teoria della complessità.
Cambiando punto di vista le cose cambiano: con le leggi della fisica
atomica non puoi scoprire la fisica 'ordinaria' perchè avresti a che
fare con un modello enorme e incalcolabile e tuttavia abbiamo scoperto
delle leggi che rendono la fisica ordinaria una cosa utile, con cui
facciamo previsioni e su cui costruiamo tecnologie.
Modello: in fisica, e nelle scenze in generale, si costruiscono dei
modelli, che sono una cosa diversa dalla realtà, ma che, anche se non
sono buoni in tutte le situazioni possibili, spesso sono utili.
Per esempio: se lancio un mazzo di chiavi e un sasso entrambi
dovrebbero cadere seguendo una traiettoria parabolica. Nel caso del
sasso potrebbe essere agevole capire l'errore, che è uno dei limiti
del modello mentre nel caso del mazzo di chiavi la cosa diventa più
difficile. Dove piazzi il baricentro di un mazzo di chiavi?
Altro esempio: devi costruire una nave lunga 150 metri e vuoi capire
come lo scafo tiene il mare: puoi costruire un modello in scala? No
perchè l'acqua si comporta in maniera diversa (certo dovresti
costruire un moello in dimensioni reali, ma quello sarebbe un
prototipo e quanto verrebbe a costare?)
Consiglio libro, molto bello e in italiano: Complessità autore
Walldrop
Spero di aver dato un'idea
Ciao!
da.qu...@parte.it
(6502) wrote:
><da.qu...@parte.it> wrote:
>
>> complimenti per la buona volontą dell'interpretazione ma sei
>direi proprio di no :-) noi aziendalisti ed economisti siamo "avvezzi" a
>confrontarci con situazioni complesse, ibride, influenzate sia da
>fattori quantitativi che qualitativi modellizzabili in problemi chiusi
>ed aperti. Siamo avvezzi a prendere decisioni in situazioni di perenne
>asimmetria informativa per lo piu' :-)
>[cut]
direi che tutti sono avvezzi a confrontarsi con sistemi complessi ogni
singolo giorno della loro vita. Poi bisonga vedere cosa si intende con
i nomi complesso, ibrido eetc.., visto che ogni disciplina/settore li
riutilizza un po' secondo le prorpie esigenze. Io ho cercato di
rispondere al problema originale.
Riguardo le teorie collegate all'economia di cui parlavi, non le
conosco, ma a memoria ricordo che sono 'robe inventate' che si spera
aiutino ad interpretare la realtą, senza nessuna garanzia (come dire
niente a che fare con la fisica). Questo non vuol dire che non siano
utili, quella che hai citato secondo me non si adatta bene al problema
originale