딥 러닝이 강력한 AI를 생성하지 못하게하는 과학적 / 수학적 주장이 있습니까?

나는 Judea Pearl의 The Book of Why를 읽습니다. 이 책 에서 그는 딥 러닝은 영광스러운 곡선 맞춤 기술이며 인간과 같은 지능을 만들 수는 없다고 언급합니다.

그의 책에는 세 가지 수준의인지 능력을 보여주는이 도표가 있습니다 :

아이디어는 현재의 딥 러닝 기술에 의해 생성 된 "지능"이 단지 연결 수준에 있다는 것입니다. 따라서 AI는 "Y는 어떻게 할 수 있습니까?"(개입) 및 "내가 다르게 행동하면 X는 여전히 일어날 것인가?"와 같은 질문을하는 수준에 근접하지 않습니다. (맞춤법), 곡선 맞춤 기술이 더 높은 수준의인지 능력에 더 가까워 질 가능성은 거의 없습니다.

나는 그의 주장이 직관적 인 수준에서 설득력이 있다는 것을 알았지 만,이 주장에 대해 의심을 불러 일으키거나 의심 할 수있는 물리 법칙이나 수학적 법칙을 찾을 수 없었다.

딥 러닝이 강력한 AI (인간 유사 지능)를 생성하지 못하게하는 과학 / 물리적 / 화학적 / 생물학적 / 수학적 주장이 있습니까?

ACM.org에 대한 Judea Pearl의 2018 년 논평은 진정으로 지능적인 기계를 만들려면, 원인과 결과를 가르치는 것은 진실을 꿰뚫고 있습니다.

딥 러닝의 모든 인상적인 성과는 곡선 맞춤에 달려 있습니다.

$\mathbb{R}^n$

1. 인공 네트워크는 논리를 수행 할 수 없습니다.
2. 인공 네트워크는 AI에 대한 최선의 접근 방식입니다.

합리성을 지능의 중요한 인간 특징 목록에서 어떻게 배제 할 수 있습니까?이 두 주장이 함께 의미하는 것은 무엇입니까?

인간의 두뇌는 정교한 곡선 피팅의 네트워크입니까? 마빈 민스키 (Marvin Minsky)의 유명한 인용문 인 "뇌는 고기 기계가된다"는 증거없이 제시되었으며, 인간의 뇌에 대한 사소한 증거 나 뇌가 튜링 계산의 범위를 넘어선다는 증거도 제시되지 않았다. .

이 단어를 읽을 때 신경망이 다음과 같은 곡선 맞춤 시퀀스를 수행하고 있습니까?

• 망막 봉과 원뿔의 가장자리
• 가장자리에서 선
• 선 모양
• 도형의 편지
• 문자 그룹의 언어 요소
• 요소의 언어 구조
• 언어 구조에서 이해

처음 5 개는 모델의 수렴 메커니즘이며 모든 머신 러닝 구조는 데이터를 모델에 맞추는 방법 일뿐입니다.

마지막 두 개의 글 머리 기호 항목은 패러다임이 붕괴되는 곳이며 많은 AI 연구자와 저자들은 다층 학습과 컨볼 루션 커널 레이어에만 기반 할 때 머신 러닝에 상당한 한계가 있다고 올바르게 지적했습니다. 또한 마지막 글 머리 기호 항목은 현재 상태, 아마도 수십 배로 크게 단순화되었습니다. Minsky가 뇌가하는 일을 컴퓨터가 수행 할 수있는 것이 옳더라도이 단락을 읽고 이해하는 과정은 대규모 병렬 처리를 통해 내부 워크 플로 패턴에 수천 가지 종류의 고유 한 프로세스 구성 요소를 쉽게 가질 수 있습니다. 이미징 기술은이 가능성을 나타냅니다. 가장 단순한 주변 레이어 만 모델링하는 컴퓨터가 있습니다.

딥 러닝이 강력한 AI를 생성하지 못하게하는 과학적 / 수학적 주장이 있습니까? — 아닙니다. 그러나 그러한 주장을 보장하는 그러한 주장은 없습니다.

여기서 다른 질문들은이 정교한 곡선 피팅이 집단화 또는 추론의 요소를 수행 할 수 있는지 여부를 조사합니다.

• 신경망이 소수를 감지 할 수 있습니까?
• 이론을 증명하기 위해 딥 네트워크를 훈련시킬 수 있습니까?

질문의 이미지에서보고, 행하고, 상상하는 세 가지 토템은 특히 완전하거나 정확하거나 통찰력이 없습니다.

• 인간에게는 적어도 5 가지의 감각 패러다임이 있으며, 하나는 아닙니다.
• 인간의 감각보다 수십억 년 앞선 박테리아는
• 상상은 세트 경험을 결합하고 무작위 돌연변이를 주입하기 위해 세트 함수를 적용하는 몇 가지 방법으로 과거 경험 모델의 시나리오 재생보다 상당히 높은 프로세스가 아닙니다.
• 창의성은 이전 글 머리 기호 항목에서 상상 한 후 시장 지향적 품질 기준으로 쓸모없는 상상력 결과를 제거하고 판매하는 인상적인 창의적인 제품을 남길 수 있습니다.

더 높은 형태는 감사, 과학적 측정 범위를 벗어난 현실감, 합법적 인 의심, 사랑, 타인의 이익 또는 인류를위한 희생입니다.

많은 사람들은 AI 기술의 현재 상태가 "어떻게 Y를 만들 수 있을까?" 또는 "다른 행동을해도 X가 계속 발생합니까?"

작은 곡선 맞춤 요소의 일부 조합이 지능에 대해 이해하지 못하거나 수학적 용어로 정의하는 방법에 대한 이해가 충분하지 않기 때문에 작은 곡선 맞춤 요소의 일부 조합이 일반적인 인간이 할 수있는 것뿐만 아니라 이러한 질문에 대답 할 수있는 능력을 달성 할 수 있거나 달성 할 수 없다는 수학적 증거는 없습니다.

또한 인간 지능이 전혀 존재하지 않을 수도 있으며, 그에 대한 언급은 우리가 다른 종보다 종으로서 높다는 종교적 신념에 근거하고 있습니다. 우리가 채우고 소비하고 절멸 할 수있는 것은 실제로 지능적인 지능 개념이 아닙니다.

인간 지능이 우리를 다른 포유 동물과 차별화시키는 적응이라는 주장은 우리가 잘 적응하는지 여부와 충돌합니다. 우리는 테스트를받지 않았습니다. Chicxulub 분화구 유성의 충격파와 다음 몇 천 년의 태양 겨울이 뒤 따르는 다음 유성 글로벌 킬러를 만나 우리는 160,000 년의 존재인지 또는 박테리아의 4000,000,000 년의 존재인지 알 수 있습니다. 더 지속 가능합니다. 인생의 타임 라인에서, 인간 지능은 아직 적응 적 특성으로서 중요한 것으로 입증되지 않았습니다.

인공 지능 개발에 대해 분명한 것은 다른 종류의 시스템이 다층 퍼셉트론 개념과 엄밀히 표면 적합자인 컨볼 루션 커널을 기반으로 깊은 학습자와 함께 역할을 수행하고 있다는 것입니다.

Q- 러닝 구성 요소,주의 기반 구성 요소 및 단기 단기 메모리 구성 요소는 모두 표면 맞춤의 정의를 상당히 늘리는 것만으로도 표면 맞춤 자입니다. 실시간 적응 속성과 상태를 가지므로 튜링이 완료 될 수 있습니다.

퍼지 논리 컨테이너, 규칙 기반 시스템, Markovian 속성이있는 알고리즘 및 기타 여러 구성 요소 유형도 그 역할을 수행하며 표면 적합 장치가 아닙니다.

요약하면, 타당성 또는 유쾌한 직관적 품질 이상의 기초를 두는 점이 있지만, 이러한 저자 중 다수는 정의, 응용, 명예, 이론, 증명 또는 심지어 생각할 수있는 사고 실험을 갖춘 수학적 프레임 워크를 제공하지 않습니다. 정식으로 면밀히 조사했다.

역설이지만 딥 러닝 머신 (NeuralNet 변형으로 정의)은 아무것도 배울 수 없습니다. 유연하고 구성 가능한 하드웨어 / 소프트웨어 아키텍처로, 많은 문제를 해결하기 위해 매개 변수화 할 수 있습니다. 그러나 문제를 해결하기위한 최적의 파라미터는 외부 시스템, 즉 역 전파 알고리즘에 의해 얻어진다.

역 전파 서브 시스템은 일반적인 프로그래밍 패러다임을 사용하며 신경망은 아니다. 이 사실은 지식의 학습과 사용이 동일한 시스템 (마음)에 의해 수행되는 인간의 마음에 절대적으로 반대합니다.

NN 외부에서 실제로 흥미로운 일이 모두 이루어지면 NN (어떤 변형이든)이 AGI에서 개발 될 수 있다고 주장하기가 어렵습니다.

더 많은 차이점을 찾을 수도 있습니다. 신경망은 인터페이스와 내부에서 강력하게 수치화됩니다. 이러한 관점에서, 이들은 서포트 벡터 머신의 진화이다.

AGI를 기대하기에는 너무 많은 차이와 제한이 있습니다.

참고 : 나는 원래 질문에 포함 된 추첨에 강력히 동의하지 않습니다. "보고", "하고", "영상"은 절대적으로 잘못된 수준입니다. 기본 및 일반적인 소프트웨어 개념에서 "추상화"또는 "프로그램 상태"(Touring 단어)를 무시합니다. AI를 "예측"으로 적용; 그리고 "자유 의지", "목표와 감정"으로서의 AGI, ...