ПРИЧИНЫ НЕ ИСПОЛЬЗОВАНИЯ ИИ

Тетерин А.Н.

Существующая теория искусственного интеллекта (ИИ)

1. Никем не доказана

2. К булевым функциям никакого отношения не имеет

3. Не объясняет принятое решение, и никогда не будет этого делать.

4. Ограничена в применении

4.1. Основана на отделимости выпуклых множеств.

4.2. Не применима к простейшим организмам.

5. Генеративный интеллект непредсказуем, и можно говорить о вероятности правильного ответа. Он принижает роль (фокусом предсказания с миллиардом параметров следующего слова в чат-GPT) ученых, писателей, художников, композиторов... Каких-то высот на этом поприще он все равно не достигнет (пункт 3,4). Отличным результатом будет обнаружение плагиата компьютерного и обычного.

6. Содержит произведение матриц

7. Не изменила сложность логических функций 2 в степени сn

8. Не предполагает никакой точности (точность и вес понятия мало совместимые)

9. Предполагает двойное обучение, говорит о слабой способности нейронной сети к запоминанию

10. Не учитывает ошибок в данных

Предлагаемая теория интеллекта.

1. Доказана (Американская ассоциация математиков)

2. Использована для булевых функций, еще одно доказательство ее правильности. Объединила математический анализ с дискретной математикой по булевым функциям

3. Объясняет принятое решение, не решение, не определенно скоростью, ускорением, временем, расстоянием до него (диагностика болезней, финансовое состояние… Можно двигаться и быть на полпути к болезни или финансовому краху с перечислением критических параметров…

4. 100% решает задачи классификации и задачи к ней сводящихся в n-мерном пространстве

4.1. Основана на отделимость ограниченных множеств с дырками

4.2. Применима к простейшим организмам

5. Создает безопасный, детерминированный интеллект

6. Избавляет от произведения матриц. Для сравнения используется операция вычитания

7. Доказала сложность логических функций 2n

8. Решает задачи с точностью, зависящей от объема данных (любая точность)

9. Предполагает однократный просмотра данных

10. Формирует класс ошибок

11. Решает задачи минимизации, равенства заданному числу и максимизации числа признаков. Последнее приводит к минимизации объема памяти

12. Делает способным один нейрон распознать несколько классов. Такой нейрон может отвечать за очень маленькую часть пространства признаков за счет использования параллельного программирования. Каждый новый слой нейронов позволяет получить более общее представление об объекте. Для решения задачи моделирования многослойной нейронной сети можно использовать грамматики не-Хомского.

ИИ посчитали достижением в физике, но это полный абсурд. Он легализует в ней использование безразмерной величины w (вес), что уже само по себе нонсенс. И это значит, вес может быть умножен на силу тока, массу … Это еще один нонсенс, таких формул в физике нет. И как улучшение предлагаемой теории умножение степени принадлежности к номеру класса на вес тоже полный абсурд...

Задача упорядочивания объектов существует и должна быть решена обычной сортировкой без умножения на вес (умножение на вес заложено в ИИ!) в пространстве важности объекта, массе… (массе, важности объекта…) ... Важность объекта принимает значения на интервале [0..1], может назначаться человеком или являться результатом решения задачи классификации в подпространстве (расстояние, скорость, ускорение…) и быть изменяющейся во времени величиной. Расстояние до движущегося объекта может рассчитываться еще в одном трехмерном подпространстве, что говорит о необходимости использования иерархической сети нестандартных нейронов. Роспотребнадзор, наверное, потребует другой сортировки по массе, важности…

Если хочется использовать вес, значит вам нужно решить задачу сортировки и/или классификации без него.