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:
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):
Применить существующий паттерн, одиночно;
Применить существующие паттерны серийно (один уровень организации исполнения — затраты на организацию мизерны);
Собрать и применить существующий паттерн из паттернов (4d-структура, несколько уровней организации, и т.д.);
Собрать новый паттерн;
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:
Единичное состояние;
Множество состояний, слабо связанных;
Структура состояний с сильной связью: сети, или, например, несколько уровней, связанных через генерализацию или агрегацию состояний.
Неидентифицируемые: опознаются как аттракторы, как состояния с границами («в пределах»), но лежат вне правил идентификации — для них нет коррелятов опыта.
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.
Канал: https://t.me/hyperonym
Чат: https://t.me/anticomplexity
Управляемая эпистемология, действие-центричные онтологии, моделе-ориентированное вычислительное право и связанные с этим вопросы концептуального конструирования.