Практика разработок ИИ изобилует модельными подходами. Моделируются: нейронные сети, классификации (матрицы, деревья, иные выборки), оптимизационные решения (статистика, эволюция, ГА... что то еще), БД и правила к ним (эвристики и пр.), пространства признаков (куб решений, кластеры, квантуемые системы и т.п.). Все это конечно создавалось не как некий чистый ИИ продукт, а прилагаемым некоей гамме заказывающих инфраструктур в которых обязательным является возврат вложений. Т.е. в основном все модели носят утилитарный характер, исключая конечно ряд тех изысков которые предпринимались на свой страх и риск подвижниками ИИ (коих на нашем форуме тоже есть ).
Из чего следует что в большинстве случаев, само построение модели совершается в неких известных условиях и предназначены они для обслуживания этих самых условий. Сами эти условия никакой загадочности в общем то и не представляют, в конечном итоге это всего лишь доступные знания, всех их роднит одна триада важнющих обстоятельств, как то многомерность-массивность-объемность. И все. Именно для этой глыбы знаний, потребны компьютеры и специальные методы их обучения (статистика, распозаванье). Глыба то не дробится, глыба прирастает , потому как требуется обучение людей "понимающих" компьютеры.
Все это конечно давным-давно поняли прежде всего те кто создав методы machine learning, были неприятно удивлены в свое время, что чем "сильнее" машины нагружены ИИ, тем больше надо усилий потратить на людей которые будут работать или рядом с ИИ, или неосредственно с ИИ-продуктами. И тогда появились мечты о "сильном" ИИ но поскольку все двигается людьми которые вложив свои деньги или приложив свою власть, жаждут отдачи, работы начались. Опять таки в ход пошли модели, но какие ведь условия то изменились и не просто изменились, а регулярно меняются в связи с быстродействием компьютеров же снабжающих нас все новыми и новыми данными, пополняющими знания же.
Прежняя триада многомерность-массивность-объемность не вдруг и не сразу но таки превращается в тетраду многомерность-массивность-объемность-неизвестность. Ведь известность получается только после обучения, а вовсе не из открытия нового. Поэтому в ходу ныне модели успешно вскрывающие ... прежние модели среди которых и БД, и нейросети, и проч. т.е. модели нацеленные на диагностику
ситуаций с неизвестными условиями.
В общем чем дальше тем более знания сложноупорядочиваются, но это ли цель создания ИИ? Создать такие знания в которых без ИИ не разобраться
_________________
====================
"знание сплетено с властью... оно лишь тонкая маска, наброшенная на структуры господства" (Фуко).
В целом за фабрикацию знаний кто то ведь в обществе да и ответственен, для чего то ведь знания производятся, выделываются, вводятся в быт, в науку, в образование, в технику, в искусство. И ведь это уже реальность, есть ИИ-наука, ИИ-техника, ИИ-развлечения... и наступает ИИ-быт. Какими то силами знания конфигурированы посредством культивируемых обществом практик. Вот эти самые практики отлично предсказаны и описаны Фуко и еще поименованы термином диспозитив.
Фуко: "Что я пытаюсь ухватить под этим именем, так это, во-первых, некий ансамбль - радикально гетерогенный, - включающий в себя дискурсы, интуиции, архитектурные планировки, регламентирующие решения, законы, административные меры, научные высказывания, философские, но также моральные и филантропические положения, - стало быть: сказанное, точно так же, как и не-сказанное, - вот элементы диспозитива. Собственно диспозитив - это сеть, которая может быть установлена между этими элементами. Во-вторых, что я хотел бы выделить в понятии диспозитива - это как раз природа связи между этими гетерогенными явлениями. Так, некий дискурс может представать то в качестве программы некой институции, то, напротив, в качестве элемента, позволяющего оправдать и прикрыть практику, которая сама по себе остается немой, или же, наконец, функционировать как переосмысление этой практики, давать ей доступ в новое поле рациональности. Под диспозитивом, в-третьих, я понимаю некоторого рода - скажем так - образование, важнейшей функцией которого в данный исторический момент оказывалось: ответить на некоторую неотложность. Диспозитив имеет, стало быть, преимущественно стратегическую функцию".
Вот так вот интересно исходная цель получения знаний потребная нам для оценки пределов опыта фактически приближает нас к власти стратегией которой является фабрикация знаний. Именно в господствующих структурах в первую очередь рождаются ощущения проблемы и стремления к её решению, которые передаются в общество
через систему требований. Ответной реакцией общества является активация способности создавать алгоритмы решения задач, а не только послушно выполнять задачи поставленные властью. И в конечном итоге кульминацией становится установление такой связности знания общества о себе самом, которое становится свойством самого общества в процессе самообучения созданию алгоритмов на вызовы власти.
обратившись к эпистемиологии фабрикации нетрудно убедиться что в любом случае речь идет о переносе изначального смысла действия заданного "в сукнах", "в полотнах" т.е. в изделиях. исходно нет речи об образовании в культурном, в просветительском, в цивилизационном, в прогрессивном плане, потому как по характеру действия эти достижения иные, они сами являются задающими. таким образом между действительными началами образования и фабрикации
заложены расхождения реляции задающего и заданного.
задающему принадлежат причины и предпосылки формирования и становления нового знания, новой науки, новых школ, а заданному прочие действия в зачет направлений существующего развития знания, наук, корректур.
вся суть различий между задающим и заданным сводится к установлению отношений в том что задающее только определяется с понятиями, а заданное понятия эксплуатирует. это последнее многое объясняет во взаимоотношениях между носителями задающего и заданного, они состоят в залоге эксплуатации.
_________________
Usus est optimus magister
