История изменений

Перебор в явном виде (выбор правила по списку, попытка сделать алгоритм по нему, если не получилось, то следующее).

Произвольный бэктрекинг добавь, и поймешь, о чем я. Перебор происходит в «бессознательном» (взял в кавычки специально, потому что я тут уже выхожу за рамки «стандартной модели» разума). А то, что проецируется в «сознание» — это уже сильно отфильтрованная его версия. Некоторые тут используют аналогию с коллапсом волновой функции из QM. На мой взгляд, эта аналогия валидная, но слишком простая. Поэтому я её очень редко использую и всегда с оговорками.

В смысле? Ответа заранее нет, он появляется долгое время. Или при умножении 20-значных чисел тоже ответ человек знает заранее, а на листочке только его рационализирует?

Знаменитый эксперимент Либета. В отношении него очень много критики, и в отношении того, что я выше говорю про «бессознательный поиск», эксперимент Либета покрывает лишь отчасти. Но идея лежит именно в этом направлении.

Дело в том, что «стандартная модель» разума, состоящая из сознания и бессознательного сейчас уже неадекватна накопленному корпусу феноменологии субъективного. Я, например, активно пользуюсь понятием частичности осознания, и, соотвественно, выделяю степень осознания того или иного переживания. Здесь мы ничего и никогда не осознаем «на 100%» (степень 1.0). Возможно, что абсолютного бессознательного тоже не существует (степень 0.0), но я не уверен.

Фактор частичности осознания приводит к тому, что реальный момент принятия решения вовсе не обязательно атрибутируется субъектом к точному моменту времени, как и видно в эксперименте Либета. Точно так же, «перебор правил», о котором ты говоришь — всего лишь небольшой срез (частичная модель) полного процесса подбора решения, происходящего в разуме. То же самое и с перемножением чисел на листочке. Листочек здесь — это всего лишь продолжение кратковременной памяти.

Я практикуюсь в слышании речи почти с рождения.

Какова цель этого «слышания»? Разве ты практикуешься с детства в создании компьютерных систем распознавания или даже понимания речи? Может быть, но не уверен. Цель «слышания» обычно лежит вне самого слышания, поэтому рефлексия на слышание и не развивается дальше некоторого минимально-достаточного уровня. Тебе даже никто не задаст вопрос «а как ты слышишь», только «а что ты слышишь». Если культурно обобщать, то твое внутреннее состояние само по себе мало кому интересно вообще, пока твое поведение («что ты слышишь») находится в заданных пределах. Если нет, то корректируют именно поведение, а не внутреннее состояние.

Когда же мы программируем, у нас все же возникает объективная потребность объяснить, почему мы пришли к тем или иным решениям, ради их социализации. Т.е., вопрос «как» всё же возникает, что и создает основу для развития процессной интроспекции. В случае же образного восприятия, такой потребности нет, если ты не артист. Но и в этом случае есть другие препятствия.

Или можешь указать, что не является ни одним из трёх?

Коды, разумеется. Кодировки. Но дело не в этом. Структура данных в общем случае — это кодировка в рамках заданной модели памяти, поддерживающая некоторое множество операций. И вот от этого множества операций и нужно «скакать». Давай, я приведу тебе практические примеры.

В Мемории обычные построчные таблицы сделаны следующим образом (к сожалению, оно у меня всё еще не описано, поэтому, «на словах, без картинок»):

Есть два динамических массива: массив байтов (где и будут храниться данные строк) и символьная последовательность с поддержкой операций rank(s, x) и select(s, i). rank(s, x) возвращает количество символов s в последовательности вплоть до позиции x. А select(s, i) возвращает позицию x i-го по счету символа s в последовательности. В этой последовательности, каждую позицию начала строки мы помечаем символом 1, а начало каждой колонки в строке — символом 2. С помощью операций rank и select можно делать быструю навигацию по структуре таблицы (проекция по колонкам, например в очень широкой таблице), если rank и select имеют быструю реализацию — логарифмическую сложность или вообще константную. Это возможно, если запоминать для символьной последовательности немного дополнительной информации о распределении символов по её блокам. Последовательность эта будет содержать большое количество символов 0, поэтому она будет хорошо RLE-сжимаемой, и не будет давать значительного оверхеда по сравнению с вектором данных.

Или вот другой пример. Упорядоченное дерево с метками узлов, с пространственной сложностью 2 бита на узел. Которое можно иногда еще и сжать, и будет еще меньше: LOUDS Tree.

Т.е., видишь как, я запоминаю дополнительные биты информации в сопутствующих структура, я комбинирую примитивные структуры типа символьной последовательности и обычного динамического массива в более высокоуровневые контейнеры, и т.д.

Тут же рядом находятся т.н. «сжатые структуры данных», которые иногда могут дополнительно использоваться для вероятностного вывода. Так как высокая степень сжатия данных означает их высокую предсказуемость.

Т.е. идти нужно от задач, задачи определяют множество операций над данными, и временнЫе требования. И вот уже от этих требований проектируются кодировки в заданной модели памяти, обеспечивающие выполнение этих требований.

Напоминаю историю:

Популярная в 70-80-х постановка теста Тьюринга в виде диалоговой системы оказалась ненадежной. Оказалось, что даже довольно простые боты, типа Элизы, могут обмануть человека. Однако, такой обман неустойчивый. И довольно быстро человек обнаруживает, что бот либо повторяется, либо уходит в «рандом». А большого количества тем он вообще избегает, и не может вести сразу несколько линий разговора, перескакивая от одного к другому. Это, как раз таки и есть, манифестация ограниченности субъективных отчетов, порождаемых действующими алгоритмами. Такие дела.

Я давал разным ботам «интроспективные тесты», пытаясь обсуждать либо их переживания, либо переживания известных персонажей. Они либо отшучиваются и переводят тему (есть готовые заглушки), либо эпично тупят и тоже переводят тему (заглушки не предусмотрели). Тогда как человек очень любит поговорить о своих переживаниях :)

Т.е. у бота нет персональной теории разума, а у человека она всегда есть. Причем, весьма развитая и содержательная.

Перебор в явном виде (выбор правила по списку, попытка сделать алгоритм по нему, если не получилось, то следующее).

Произвольный бэктрекинг добавь, и поймешь, о чем я. Перебор происходит в «бессознательном» (взял в кавычки специально, потому что я тут уже выхожу за рамки «стандартной модели» разума). А то, что проецируется в «сознание» — это уже сильно отфильтрованная его версия. Некоторые тут используют аналогию с коллапсом волновой функции из QM. На мой взгляд, эта аналогия валидная, но слишком простая. Поэтому я её очень редко использую и всегда с оговорками.

В смысле? Ответа заранее нет, он появляется долгое время. Или при умножении 20-значных чисел тоже ответ человек знает заранее, а на листочке только его рационализирует?

Знаменитый эксперимент Либета. В отношении него очень много критики, и в отношении того, что я выше говорю про «бессознательный поиск», эксперимент Либета покрывает лишь отчасти. Но идея лежит именно в этом направлении.

Дело в том, что «стандартная модель» разума, состоящая из сознания и бессознательного сейчас уже неадекватна накопленному корпусу феноменологии субъективного. Я, например, активно пользуюсь понятием частичности осознания, и, соотвественно, выделяю степень осознания того или иного переживания. Здесь мы ничего и никогда не осознаем «на 100%» (степень 1.0). Возможно, что абсолютного бессознательного тоже не существует (степень 0.0), но я не уверен.

Фактор частичности осознания приводит к тому, что реальный момент принятия решения вовсе не обязательно атрибутируется субъектом к точному моменту времени, как и видно в эксперименте Либета. Точно так же, «перебор правил», о котором ты говоришь — всего лишь небольшой срез (частичная модель) полного процесса подбора решения, происходящего в разуме. То же самое и с перемножением чисел на листочке. Листочек здесь — это всего лишь продолжение кратковременной памяти.

Я практикуюсь в слышании речи почти с рождения.

Какова цель этого «слышания»? Разве ты практикуешься с детства в создании компьютерных систем распознавания или даже понимания речи? Может быть, но не уверен. Цель «слышания» обычно лежит вне самого слышания, поэтому рефлексия на слышание и не развивается дальше некоторого минимально-достаточного уровня. Тебе даже никто не задаст вопрос «а как ты слышишь», только «а что ты слышишь». Если культурно обобщать, то твое внутреннее состояние само по себе мало кому интересно вообще, пока твое поведение («что ты слышишь») находится в заданных пределах. Если нет, то корректируют именно поведение, а не внутреннее состояние.

Когда же мы программируем, у нас все же возникает объективная потребность объяснить, почему мы пришли к тем или иным решениям, ради их социализации. Т.е., вопрос «как» всё же возникает, что и создает основу для развития процессной интроспекции. В случае же образного восприятия, такой потребности нет, если ты не артист. Но и в этом случае есть другие препятствия.

Или можешь указать, что не является ни одним из трёх?

Коды, разумеется. Кодировки. Но дело не в этом. Структура данных в общем случае — это кодировка в рамках заданной модели памяти, поддерживающая некоторое множество операций. И вот от этого множества операций и нужно «скакать». Давай, я приведу тебе практические примеры.

В Мемории обычные построчные таблицы сделаны следующим образом (к сожалению, оно у меня всё еще не описано, поэтому, «на словах, без картинок»):

Есть два динамических массива: массив байтов (где и будут храниться данные строк) и символьная последовательность с поддержкой операций rank(s, x) и select(s, i). rank(s, x) возвращает количество символов s в последовательности вплоть до позиции x. А select(s, i) возвращает позицию x i-го по счету символа s в последовательности. В этой последовательности, каждую позицию начала строки мы помечаем символом 1, а начало каждой колонки в строке — символом 2. С помощью операций rank и select можно делать быструю навигацию по структуре таблицы (проекция по колонкам, например в очень широкой таблице), если rank и select имеют быструю реализацию — логарифмическую сложность или вообще константную. Это возможно, если запоминать для символьной последовательности немного дополнительной информации о распределении символов по её блокам. Последовательность эта будет содержать большое количество символов 0, поэтому она будет хорошо RLE-сжимаемой, и не будет давать значительного оверхеда по сравнению с вектором данных.

Или вот другой пример. Упорядоченное дерево с метками узлов, с пространственной сложностью 2 бита на узел. Которое можно иногда еще и сжать, и будет еще меньше: LOUDS Tree.

Т.е., видишь как, я запоминаю дополнительные биты информации в сопутствующих структура, я комбинирую примитивные структуры типа символьной последовательности и обычного динамического массива в более высокоуровневые контейнеры, и т.д.

Тут же рядом находятся т.н. «сжатые структуры данных», которые иногда могут дополнительно использоваться для вероятностного вывода. Так как высокая степень сжатия данных означает их высокую предсказуемость.

Т.е. идти нужно от задач, задачи определяют множество операций над данными, и временнЫе требования. И вот уже от этих требований проектируются кодировки в заданной модели памяти, обеспечивающие выполнение этих требований.

Напоминаю историю:

Популярная в 70-80-х постановка теста Тьюринга в виде диалоговой системы оказалась ненадежной. Оказалось, что даже довольно простые боты, типа Элизы, могут обмануть человека. Однако, такой обман неустойчивый. И довольно быстро человек обнаруживает, что бот либо повторяется, либо уходит в «рандом». А большого количества тем он вообще избегает, и не может вести сразу несколько линий разговора, перескакивая от одного к другому. Это, как раз таки и есть, манифестация ограниченности субъективных отчетов, порождаемых действующими алгоритмами. Такие дела.

Я давал разным ботам «интроспективные тесты», пытаясь обсуждать либо их переживания, либо переживания известных персонажей. Они либо отшучиваются и переводят тему (есть готовые заглушки), либо эпично тупят и тоже переводят тему (заглушки не предусмотрели). Тогда как человек очень любит поговорить о своих переживаниях :)

Перебор в явном виде (выбор правила по списку, попытка сделать алгоритм по нему, если не получилось, то следующее).

Произвольный бэктрекинг добавь, и поймешь, о чем я. Перебор происходит в «бессознательном» (взял в кавычки специально, потому что я тут уже выхожу за рамки «стандартной модели» разума). А то, что проецируется в «сознание» — это уже сильно отфильтрованная его версия. Некоторые тут используют аналогию с коллапсом волновой функции из QM. На мой взгляд, эта аналогия валидная, но слишком простая. Поэтому я её очень редко использую и всегда с оговорками.

В смысле? Ответа заранее нет, он появляется долгое время. Или при умножении 20-значных чисел тоже ответ человек знает заранее, а на листочке только его рационализирует?

Знаменитый эксперимент Либета. В отношении него очень много критики, и в отношении того, что я выше говорю про «бессознательный поиск», эксперимент Либета покрывает лишь отчасти. Но идея лежит именно в этом направлении.

Дело в том, что «стандартная модель» разума, состоящая из сознания и бессознательного сейчас уже неадекватна накопленному корпусу феноменологии субъективного. Я, например, активно пользуюсь понятием частичности осознания, и, соотвественно, выделяю степень осознания того или иного переживания. Здесь мы ничего и никогда не осознаем «на 100%» (степень 1.0). Возможно, что абсолютного бессознательного тоже не существует (степень 0.0), но я не уверен.

Фактор частичности осознания приводит к тому, что реальный момент принятия решения вовсе не обязательно атрибутируется субъектом к точному моменту времени, как и видно в эксперименте Либета. Точно так же, «перебор правил», о котором ты говоришь — всего лишь небольшой срез (частичная модель) полного процесса подбора решения, происходящего в разуме. То же самое и с перемножением чисел на листочке. Листочек здесь — это всего лишь продолжение кратковременной памяти.

Я практикуюсь в слышании речи почти с рождения.

Какова цель этого «слышания»? Разве ты практикуешься с детства в создании компьютерных систем распознавания или даже понимания речи? Может быть, но не уверен. Цель «слышания» обычно лежит вне самого слышания, поэтому рефлексия на слышание и не развивается дальше некоторого минимально-достаточного уровня. Тебе даже никто не задаст вопрос «а как ты слышишь», только «а что ты слышишь». Если культурно обобщать, то твое внутреннее состояние само по себе мало кому интересно вообще, пока твое поведение («что ты слышишь») находится в заданных пределах. Если нет, то корректируют именно поведение, а не внутреннее состояние.

Когда же мы программируем, у нас все же возникает объективная потребность объяснить, почему мы пришли к тем или иным решениям, ради их социализации. Т.е., вопрос «как» всё же возникает, что и создает основу для развития процессной интроспекции. В случае же образного восприятия, такой потребности нет, если ты не артист. Но и в этом случае есть другие препятствия.

Или можешь указать, что не является ни одним из трёх?

Коды, разумеется. Кодировки. Но дело не в этом. Структура данных в общем случае — это кодировка в рамках заданной модели памяти, поддерживающая некоторое множество операций. И вот от этого множества операций и нужно «скакать». Давай, я приведу тебе практические примеры.

В Мемории обычные построчные таблицы сделаны следующим образом (к сожалению, оно у меня всё еще не описано, поэтому, «на словах, без картинок»):

Есть два динамических массива: массив байтов (где и будут храниться данные строк) и символьная последовательность с поддержкой операций rank(s, x) и select(s, i). rank(s, x) возвращает количество символов s в последовательности вплоть до позиции x. А select(s, i) возвращает позицию x i-го по счету символа s в последовательности. В этой последовательности, каждую позицию начала строки мы помечаем символом 1, а начало каждой колонки в строке — символом 2. С помощью операций rank и select можно делать быструю навигацию по структуре таблицы (проекция по колонкам, например в очень широкой таблице), если rank и select имеют быструю реализацию — логарифмическую сложность или вообще константную. Это возможно, если запоминать для символьной последовательности немного дополнительной информации о распределении символов по её блокам. Последовательность эта будет содержать большое количество символов 0, поэтому она будет хорошо RLE-сжимаемой, и не будет давать значительного оверхеда по сравнению с вектором данных.

Или вот другой пример. Упорядоченное дерево с метками узлов, с пространственной сложностью 2 бита на узел. Которое можно иногда еще и сжать, и будет еще меньше: LOUDS Tree.

Т.е., видишь как, я запоминаю дополнительные биты информации в сопутствующих структура, я комбинирую примитивные структуры типа символьной последовательности и обычного динамического массива в более высокоуровневые контейнеры, и т.д.

Тут же рядом находятся т.н. «сжатые структуры данных», которые иногда могут дополнительно использоваться для вероятностного вывода. Так как высокая степень сжатия данных означает их высокую предсказуемость.

Т.е. идти нужно от задач, задачи определяют множество операций над данными, и временнЫе требования. И вот уже от этих требований проектируются кодировки в заданной модели памяти, обеспечивающие выполнение этих требований.

Напоминаю историю:

Популярная в 70-80-х постановка теста Тьюринга в виде диалоговой системы оказалась ненадежной. Оказалось, что даже довольно простые боты, типа Элизы, могут обмануть человека. Однако, такой обман неустойчивый. И довольно быстро человек обнаруживает, что бот либо повторяется, либо уходит в «рандом». А большого количества тем он вообще избегает, и не может вести сразу несколько линий разговора, перескакивая от одного к другому. Это, как раз таки и есть, манифестация ограниченности субъективных отчетов, порождаемых действующими алгоритмами. Такие дела.