К определению понятия сложности

Ben Goertzel предложил широко цитируемое ныне определение AGI: “the ability to achieve complex goals in complex environments using limited computational resources.” Отталкиваясь от этого определения, можно попробовать собрать сколь-нибудь нормируемое понятие сложности.
Определение «достижение сложных целей в сложных условиях» распадается на три части:
  1. метрику сопособности;
  2. метрику целей;
  3. метрику условий.
Совокупная сложность — соотношение трёх метрик.

Способность

об определении «способности» также немного здесь.

У интеллекта есть паттерны решения задач, количество и качество которых определяют метрику способности агента к действию.  Они появляются у агента в процессе обучения. Паттерн определяется как набор эффекторных сигналов, отрабатывающий по совокупности аффекторных сигналов и организованный для достижения системы целей в некоторых ограниченных условиях. Вариативность применения паттерна достигается через параметризацию — устранение некоторых моментов определённости относительно целей, условий и действий.
Для исполнения паттерна, агент/процессор должен опознать цели применения и идентифицировать условия, где паттерн применим для достижения данных целей. То есть, идентифицировать целевое и наличное состояния, сущее и должное. После, на основании этой пары — найти у себя в банке памяти патттерн, который обеспечивает действие, переводящее одно состояние в другое.  Вариативность условий и целей, в том числе с учётом временого порядка, создаёт неопределённость — какой паттерн и с какими параметрами применять, а если их несколько — в каком 4d-порядке. 
Норма способности (здесь и далее выровнены по базисам):
  1. Применить существующий паттерн, одиночно;
  2. Применить существующие паттерны серийно (один уровень организации исполнения — затраты на организацию мизерны);
  3. Собрать и применить существующий паттерн из паттернов (4d-структура, несколько уровней организации, и т.д.);
  4. Собрать новый паттерн;
  5. Перестроить схему связывания, построения, применения паттернов.

Отдельным множителем в меру способности входят моторные характеристики: способность выполнить каждое отдельное действие: «могу легко 70 кг поднять» или «могу легко 140 кг поднять».

Цели и условия

Целевые состояния и состояния среды для рефлексивного агента отличаются только вариативностью и поставщиком: сенсорные состояния идут от сенсорных систем и более вариантивны, целевые состояния — менее вариативны, абстрактны, параметризованы и извлекаются из памяти.
Цели или целевые, должные состояния измеряются чёткостью их идентификации: если мы хорошо опознаём цель, т.е. целевое состояние присутствует в инвентарном списке обучения, неопределённость падает. Норма опознания состояния:
  1. Единичное состояние;
  2. Множество состояний, слабо связанных;
  3. Структура состояний с сильной связью: сети, или, например, несколько уровней, связанных через генерализацию или агрегацию состояний.
  4. Неидентифицируемые: опознаются как аттракторы, как состояния с границами («в пределах»), но лежат вне правил идентификации — для них нет коррелятов опыта.
  5. Неопределяемые: агент не способен выделить состояние из фона — «нет предела».

Сложность

Соответственно, сложность задачи для агента — его оценка меры затрат на решение задачи, полученная с помощью симуляции, куда входят затраты на опознание целей, затраты на опознание условий, затраты на сборку сценария и фактическое исполнение паттернов.

Читайте также:

Добавить комментарий