Торможение ИИ технологии
Принципы научной методологии
Увеличить прибыльность ИИ
Вопреки революционной продуктивности Метода языковых генеративных нейросетей, текущий масштаб применения ИИ корпорациями и соответствующая прибыль создателей нейросетей – в десятки раз меньше ожиданий энтузиастов этой технологии на старте массового распространения её 2 года назад.
К настоящему времени, почти все знания Человечества уже записаны в основные нейросети.
Основные технические идеи Метода уже задействованы.
Поэтому, скорость развития индустрии нейросетей замедляется.
В текущих обстоятельствах, основной фактор торможения индустрии ИИ, который может быть минимизирован, есть недостаточное качество большой части знаний, которые вносятся в нейросети для обучения и для использования их.
ИИ оперирует максимально эффективно знаниями в формализованных форматах, которые соответствуют классическим принципам научной методологии – http://linkedin.com/pulse/method-eugene-gershman
Принцип первый – знания должны быть представлены в дискретном формате, то есть в форме структурированных наборов отдельных коротких описаний элементарных свойств исследуемых или проектируемых объектов.
Принцип второй – описания проектов и гипотез должны состоять из трёх обязательных частей :
Описание текущего состояния исследуемого или проектируемого объекта и проблем, которые должны быть устранены;
Описание целевого состояния объекта и критериев достижения его;
Описание процесса преобразования объекта из текущего состояния в целевое, необходимых и доступных ресурсов для этого процесса.
Принцип третий – знания должны быть представлены в дискуссионном формате и быть результатом обсуждений возможных ошибок гипотезы или проекта между их пропонентами (авторами) и оппонентами (критиками), а также возможных ошибок аргументов дискутантов.
Ошибки есть :
некорректные слова, значения которых не соответствуют смыслу содержащих их описаний и утверждений;
логические противоречия между утверждениями;
несоответствия описаний и утверждений известным фактам.
Формализованные обсуждения гипотез и проектов могут проводиться тремя способами : между экспертами, между экспертами и ИИ-агентами, между ИИ-агентами.
Соблюдение этих классических принципов требует существенно более интенсивного напряжения сознания.
Поэтому, значительная часть экспертов и менеджеров игнорирует и даже отрицает эти принципы и нарушает их в своей деятельности.
Поэтому, значительная часть знаний, которые эти эксперты продуцируют, и которые затем вводятся в нейросети, не соответствует принципам научной методологии и содержит ошибки.
В результате этого, нейросети оперируют ошибочными знаниями и закономерно компилируют из них ошибочные утверждения.
То есть, ИИ получает много малоструктурированной, ошибочной риторики и производит из неё бесполезные или даже вредоносные текстовые потоки.
Таким образом, полезность ИИ может быть существенно увеличена в результате улучшения качества вводимой в него информации посредством её форматирования согласно принципам научной методологии.
Поэтому, процессы распространения технологий ИИ должны сопровождаться насаждением процедур научного форматирования смысловой информации в деятельности пользователей.
Производители нейросетей должны включать описания этих процедур в руководства по использованию ИИ.
Корпорации – производители систем ИИ должны агитировать корпоративное бизнес сообщество США исполнять эти процедуры и соблюдать научную методологию посредством публикаций примеров их продуктивной практики интеллектуальных процессов.
Для этого, они должны выполнять эти процедуры в их внутренней деятельности – в процессах управления, в форматах документов и в принятиях решений и публиковать информацию о них и их большой эффективности.
Использование информации, которая форматирована согласно научной методологии, увеличит прибыльность производства и применения ИИ в несколько раз.
Е. Гершман
___
Оцените пост
(голосовало: 1, средняя оценка: 5,00 из 5)
Загрузка...
