Без заголовка

***-- мой любимый текст из good old AI -- это про accretion model of theory formation от Douglas Lenat, про программу Eurisco, которая должна была изобретать теорию и успешно её изобретала. мысль правильная, что надо машину которая будет изобретать новую теорию, очень правильная точнее это должен быть алгоритм по генерации и использованию моделей и это будет тогда сильны ИИ ***Но вычислительных мощностей тогда не хватало (вот тут я повторяю основные постулаты этой теории в связи с онтосинтезом, 2016: и сейчас результаты будут никакие, вопрос тут именно в подходе правильном к созданию такого алгоритма, а там был плохой подход ****Идея в том, что сегодня и про алгоритмику известно много больше, и про open-endedness, и вычислительных мощностей у нас много больше. Так что интересно было бы даже просто взять и запустить современную Eurisco на современных компьютерах с GPU и поглядеть, что получится. и ничего хорошего не получится, вопрос не в желез, а правильном подходе и как следствие в правильной структуре такого алгоритма ***Тут, кстати, железо может быть нужно более общее, чем именно ускорители нейронных сетей, так что NVIDIA GPU, которые целятся в том числе на сегмент высокопроизводительных вычислений (HPC), могут оказаться для этих open-ended алгоритмов к месту, в отличие от чисто тензорных вычислителей. ну буде еще один чуть более мощный "калькулятор", ну хорошо, но по сути неважно ***-- получается, что льюисовские возможные миры и контрфактуальность -- это тоже в каком-то смысле ход на получение рассуждений, выживающих во всех этих мирах. Всё более и более сложные миры-проблемы, всё более и более сложное выживание в этих мирах. Нужны не все миры, нужны интересные миры. Вот на этих интересных, goldilocks мирах и нужно сосредотачиваться. только бы еще отличать интересные миры от неинтересных )) а интересные миры обычно суперсложны к тому же так что новые модели и это по сути и есть новые возможные миры вопрос только как их правильно генерировать