Пипа, где ты взяла идеи полусубъективности и корреляции?
Писал ли кто-то еще что-то похожее?
Пожалуй, относительно корреляции я смогу проследить, откуда взялась идея. В истоке идеи лежит весьма развитая к нашему времени теория нейронных сетей. Нет, это не из области физиологии, а оттуда, откуда и термины "нейрокомпьютер" и "нейропроцессор". С нервной системой там схож только общий принцип - построение системы обработки на элементах типа
перцептрона:
Это, отнюдь, не попытка скопировать функции биологического нейрона (нервной клетки), а лишь линейная (т.е. самая простая) реализация общего принципа - сетевого способа обработки сигнала.
Биологический нейрон - скорее нелинейный (т.е. пороговый) элемент, тогда как перцептрон реализуется как умножение (в алгебраическом смысле) входных величин на матрицу, элементы которой можно изменять/настраивать. Отсюда и термин "линейность". Однако в данном случае замена нелинейного элемента на линейный не является упрощением, а, напротив, придает элементу сети гибкость, которую пороговые элементы обычно не обеспечивают.
В своей теме "Вокалоиды" я уже предельно ясно намекала, что в "мыслительном" плане они не манекены, повторяющие функции/реакции человека, хотя и загнанные в антропоморфные тела. И разница между вокалоидом и человеком здесь примерно такая же, как между методом, которым современные компьютерные процессоры выполняют миллиарды арифметических операций в секунду, и методом умножения столбиком на бумаге, которым пользуется человек. Т.е. считают они ДРУГИМ СПОСОБОМ (более эффективным), который человеческим способностям недоступен. Вот и перцептроны тоже делают свое дело ДРУГИМ СПОСОБОМ, нежели человеческие нейроны. Причем, так же с повышенной эффективностью.
Тем не менее, умножение есть умножение, а потому его результат все равно будет одним и тем же, независимо от того, каким способом его считали. А потому и результаты работы биологических нейросетей и нейропроцессоров довольно схожи между собой, хотя элементы этих сетей довольно сильно различаются. Я бы даже сказала, что они различаются в той же степени, в какой конь отличается от автомобиля – у последнего ноги заменены колесами. Т.е. скорость достигается не за счет быстроты переставления ног, а посредством полной замены стопохождения на совершенно иной способ передвижения.
Вот и тут получается, что, заменив ноги на колеса (т.е. нейрон на перцептрон), мы получаем иную реализацию способа перемещения, тем не менее, сама транспортная функция осталась той же самой. Именно поэтому, так называемые, "нейросетевые алгоритмы" решения задач могут быть реализованы как на сетях, построенных из биологических нейронов, так и из электронных перцептронов. Впрочем, нынче их перцептронами уже не называют, а чаще зовут "матричными умножителями" или "нейропроцессорами", выполняющими за один такт множество параллельных умножений векторов на матрицы. Тем не менее, на алгоритмическом уровне аналогия между работой биологической и электронной сетями в значительной мере сохраняется. Отсюда и аналогия - как прямая, так и обратная.
Прямой аналогией назовем случай, когда посредством
искусственной нейронной сети мы пытаемся эмулировать поведенческие функции человека или животных. Это как раз тот случай ИИ (искусственного интеллекта), примером которого могут служить вокалоиды. А то, что я позволила себе сделать в этой теме на благо суфизма
, то это - обратная аналогия, когда распространяют алгоритмы работы искусственных нейросетей на нейросистему человека (в т.ч. и на его сознание). Здесь я использую тот принцип, что если между двумя явлениями имеет место аналогия, то она равным образом распространяется в обе стороны. Т.е. не только второе можно назвать аналогией первого, но и первое можно назвать аналогией второго. Вот это самое я и сделала.
А дальше уже проще - начинаются тривиальные вещи, на которые я специально сошлюсь ссылкой через Википедию, чтобы подчеркнуть их тривиальность:
Так вот, все три подчеркнутых мной в этой цитате метода распознавания образов используют факторизацию матрицы взаимной КОРРЕЛЯЦИИ (или ковариации) всех входящих сигналов (= исходных данных). Или, по меньшей мере, использует эту факторизацию на начальном этапе. Так уж получилось (случайно), что "image processing/recognition" это и есть мое математическое/программистское хобби, а потому термины "дискриминантный, факторный и кластерный анализ" для меня не просто слова, а целые области, в которых я раньше практически работала. И на КП кое-что об этом уже писала. Например, в темах: "
Магия и физика в одном...баллоне", "
Научное мировоззрение", "
Численный анализ многокубитных систем" и др.
В сильно упрощенной форме (чтобы все-таки за научными терминами стало понятно, о чем идет речь) вышеупомянутые методы решения задач распознавания образов сводятся примерно к тому, как построить в пространстве заданной размерности объемную структуру (граф) из точек/узлов, когда их координаты нам неизвестны, но известны взаимные расстояния между ними (хотя бы частично). При этом заданное пространство может иметь хоть 3, хоть 4 или даже больше измерений, т.к. с увеличением числа измерений, в котором допустимо расставлять эти узлы, задача не только не усложняется, а, напротив, упрощается. Наиболее тяжко расставлять их в маломерных пространствах, где приходится в буквальном смысле натягивать расстояния на конструкцию, допуская значительно расхождение между заданными расстояниями и теми, что получаются у объемной конструкции. И такая мера вынужденная, т.к. иначе задача не будет иметь решения.
Можно (и я как раз склоняю к этому!) рассматривать сборку такой объемной конструкции как ... СБОРКУ МИРА (!), когда в роли расстояния между элементами восприятия выступает какая-либо МЕРА СВЯЗНОСТИ/ПОДОБИЯ. Я назвала их "корреляциями" по аналогии с нейрокомпьютингом, где такое подобие имеет смысл линейной корреляции. Тогда как в чисто математических формулировках таких задач обычно задается не расстояние, а скалярное произведение (оно, в отличие от расстояния, величина безразмерная, а потому к осям координат непривязанная). В отношении же человеческого сознания роль такого расстояния играет способность органов чувств РАЗЛИЧАТЬ разные предметы друг от друга. Т.е. мера различия, за неимением альтернативы, тоже годится в качестве расстояния для выполнения "сборки мира".
В этом же месте особо замечу, что, несмотря на субъективизм сенсорного восприятия, "различение" является объективным фактом! Т.е. если, руководствуясь одной и той же инструкцией, разные люди способны сортировать предметы единообразно, то такая сортировка, несомненно, отражает объективную сторону реальности, поскольку если бы объективной разницы не существовало, то никак нельзя было бы научить людей единообразному распознаванию. А когда "мера подобия" в значительной степени объективна, то и "сборка мира", производимая на ее основе, так же должна обладать какими-то объективными чертами, отражающими свойства реального мира. Тем не менее, мир, собранный подобным методом, останется "полусубъективным", поскольку качество такой сборки будет сильно зависеть как от точности оценок "расстояния" по количественной шкале, так и от качества найденного решения.
P.S. Прошу не тащить это на Суфизм, т.к. для тамошних участников взгляд с этой стороны интереса не представляет, тем более что они там заняты скорее самоутверждением в глазах друг друга, нежели искренним желанием разобраться с обсуждаемыми вопросами.
