Abweichungen und Möglichkeiten in einem Multiversum?

[TomS]

Zitat von sirius

@ TomS

„Neuronale Netze“ würde ich da als Stichwort einwerfen.
Der Begriff deckt hardwaremäßig einiges ab …

… und ist letztlich triviale Algebra.

[Geku]

Zitat von TomS

Zum Bewusstsein: solange eine rein funktionale Definition, was Bewusstsein tatsächlich ausmacht, noch aussteht, ist die Diskussion um die Hardware eher irrelevant.

John Searls Gedankenexperiment zeigt, dass eine starre Abarbeitung eines Algorithmuses nicht zu Bewustsein führt.

https://de.m.wikipedia.org/wiki/Chinesisches_Zimmer

Anders würde es aussehen, wenn bei der Abarbeitung eine interne Wissensdatenbank (Gedächtnis) aufgebaut wird und diese auf zukünftigen Entscheidungen einen Einfluss hat. Diese Wissensdatenbank enthält die Vernetzung vergangener Ein/Ausgangsdaten.

Das Ergebnis von Ausgangsdaten auf Basis von Eingangsdaten steht nicht, wie bei Searles Gedankenexperiment von Anfang an durch den Algorithmus fest, sondern adaptiert sich mit der Zeit durch laufende Eingabedaten, die zum Teil aus dem Feedback der Ausgabedaten über die Umwelt entstehen.

Genau diese Anforderungen erfüllen neuronale Netzwerke.

Bewustsein könnte durch eine "Resonanz" der Eingangsdaten mit Gedächtnisinhalten entstehen. Diese "Resonanz" entspricht dem Muster, das beim Feuern der Neuronen entsteht.

[Einfels]

Zitat von Geku

Gibt es ohne Bewustsein Intelligenz?

Ja, natürlich, nur von welchem Grad an Intelligenz reden wir überhaupt?

Reicht die strunz dumme KI von Battlefield-Bots aus?

Nach dem, was manche Leute meinen oder denken, müsste jeder Battlefield-Bot ein Bewusstsein haben. Ich erinnere mich dahingehend an eine Diskussion, wo jemand meinte, Bewusstsein entsteht bei den Lebewesen, die Intelligent sind, nur hat er wohl nicht bedacht, dass es bei der Intelligenz wohl kleine Unterschiede geben kann und deshalb ein Bewusstsein demnach dann vom Grad der Intelligenz abhängig wäre.

Laut meiner Theorie, ist die Frage nach einer dem Menschen ebenbürtigen KI nur eine Frage dessen Programmierung, rein theoretisch kann KI so perfekt programmiert werden, dass sie der Intelligenz eines Menschen in nichts nachsteht, aber ich sage auch, dass nur wegen der Intelligenz alleine, die KI noch kein Bewusstsein besitzt und auch nicht entwickelt.


Auch wenn ich mich nun wiederhole, Bewusstsein hat meiner Meinung nach nicht das geringste mit Intelligenz zu tun, genau so wenig wie es etwas mit den Gedanken eines Menschen zu tun hat. Viele nehmen aber stets an bzw. gehen davon aus, dass Bewusstsein immer mit den Gedanken einhergeht.

Die Gedanken eines Menschen inklusive seines IQs, sind aber nicht vom Bewusstsein abhängig, genau so wenig wie das Bewusstsein vom IQ und den Gedanken beeinflussbar ist.

Das gilt natürlich alles für meine Theorie eines Bewusstseins, im Grunde kann sich ja jeder ganz leicht eine Theorie aus dem Arsch ziehen, wenn nicht mal die Wissenschaft genau umschreiben kann, was Bewusstsein genau ist und wo und wann es oder ob es überhaupt entsteht.

In diesem Sinne finde ich auch die Ausführungen von dem Herzchirurgen Pim van Lommel sehr interessant, in dessen Theorien er das Gehirn wie ein TV-Gerät bzw. als Empfänger umschreibt, der das Bewusstsein empfängt, das einer ganz anderen Quelle zu Grunde liegt als dem Gehirn.

So gesehen wird nach seiner Theorie das Bewusstsein von einer unbekannten Quelle gesendet, während es das Gehirn empfängt bzw. wiedergibt und wenn das Gehirn nun einen Schaden erleidet, entweder aufgrund von Gewalteinwirkung oder Krankheit, dann mag es zwar ein "gestörtes" Bild wiedergeben, die Quelle bzw. das Bewusstsein an sich, sind aber dennoch weder "krank" noch "gestört" und durch die physikalischen Veränderungen nicht beeinträchtigt oder veränderbar.

Zumindest habe ich seine Ausführungen so in Erinnerung, man möge mich eines besseren belehren, wer seinen Ausführungen nachgeht und herausfindet, ich habe mich irgendwo geirrt bzw. falsch erinnert.

[TomS]

Zitat von Geku

John Searls Gedankenexperiment zeigt, dass eine starre Abarbeitung eines Algorithmuses nicht zu Bewustsein führt.

Ich kenne das Argumentieren von Searle, und es klingt zunächst sehr überzeugend. Das Problem ist aber weiterhin, dass der Begriff „Bewusstsein“ auch bei Searle nicht präzise definiert ist.

Darum ging es mir aber nicht.

Es geht um die Aussage „Neuronale Netze würde ich da als Stichwort einwerfen. Der Begriff deckt hardwaremäßig einiges ab …“ und meine Antwort, dies sei triviale Algebra.

Ich behaupte nicht, dass neuronale Netze zu „Intelligenz“ oder „Bewusstsein“ führen oder nicht führen, lediglich dass neuronale Netze eine trivialen Algorithmus auf Basis simpler Algebra abarbeiten.

[Geku]

Zitat von TomS

Ich behaupte nicht, dass neuronale Netze zu „Intelligenz“ oder „Bewusstsein“ führen oder nicht führen, lediglich dass neuronale Netze eine trivialen Algorithmus auf Basis simpler Algebra abarbeiten.

Ein untrainiertes Neuronales Netzwerk ist "LEER". Man könnte bestenfalls die Anordnung und Verbindungen als "Algorithmus" sehen. Ein Computer (HW) benötigt ein Code (SW), um einen Algorithmus abarbeiten zu können.

Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems oder einer Klasse von Problemen. Algorithmen bestehen aus endlich vielen, wohldefinierten Einzelschritten.
Quelle: https://de.m.wikipedia.org/wiki/Algorithmus

Das Neurale Netzwerk (HW) muss sich seinen "Code" (SW) erarbeiten.

Im Gegensatz zu Computercode kann aus der Vernetzung der Neuronen nicht auf die Funktionalität geschlossen werden. Zwei parallele, gleiche Netzwerke mit gleicher Sensorik bilden nicht die gleiche Vernetzung aus. Schon kleinste Störungen verhindern das. Erinnert mich an das Mehrkörperproblem.

[TomS]

Zitat von Geku

Ein untrainiertes Neuronales Netzwerk ist "LEER". Man könnte bestenfalls die Anordnung und Verbindungen als "Algorithmus" sehen. Ein Computer (HW) benötigt ein Code (SW), um einen Algorithmus abarbeiten zu können.

Ja, es gibt letztlich zwei Algorithmen. Einmal den festen Algorithmus des Netzes, dann den durch die Parameter des Netzes repräsentierten Algorithmen.

Zitat von Geku

Das Neurale Netzwerk (HW) muss sich seinen "Code" (SW) erarbeiten.

Ja.

Zitat von Geku

Im Gegensatz zu Computercode kann aus der Vernetzung der Neuronen nicht auf die Funktionalität geschlossen werden. Zwei parallele, gleiche Netzwerke mit gleicher Sensorik bilden nicht die gleiche Vernetzung aus. Schon kleinste Störungen verhindern das.

Auch richtig.

Dennoch liegen zwei gewöhnliche Algorithmen vor. Letztlich ist sowohl das Training des Netzes als auch die spätere Benutzung triviale Algebra.

[Geku]

Zitat von TomS

Dennoch liegen zwei Letztlich ist sowohl das Training des Netzes als auch die spätere Benutzung triviale Algebra.

Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems (siehe Wikipadia).

Aus dieser Definition sind folgende Eigenschaften eines Algorithmus ableitbar: Das Verfahren muss in einem endlichen Text eindeutig beschreibbar sein (Finitheit). (siehe Wikipadia)

Dies trifft auf Neuronale Netzwerke nicht zu.

Informatien sind aus einem Neuronalen Netzwerk , nicht wie bei einem Algorithmus eines Computercodes, herauslesbar und in Schritten nachvollziehbar.

Grund: die Verstärkung der neuronalen Verbindungen (Hebb'sche Regel) ist eine Überlagerung aller Informationen. Diese Überlagerung kann auch zu einem Übertraining des Netzwerkes führen.
Eine durchaus menschliche Eigenschaft.

[TomS]

Zitat von Geku

Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems (siehe Wikipadia).

Aus dieser Definition sind folgende Eigenschaften eines Algorithmus ableitbar: Das Verfahren muss in einem endlichen Text eindeutig beschreibbar sein (Finitheit). (siehe Wikipadia)

Dies trifft auf Neuronale Netzwerke nicht zu.

Aber sicher trifft das zu.

Ein NN besteht aus einem endlichen Input x, einem endlichen Parametersatz p, einem festen Algorithmus = einer Funktion f, die aus Input und Parametersatz einen endlichen Output y erzeugt und (während des Lernens) den Parametersatz zu p’ anpasst. In endlicher Zeit, terminierend, deterministisch, turingberechenbar, mittels simpler Matrixoperationen und anderen algebraischen Operationen.

Man kann den Algorithmus je Durchlauf mittels (y,p’) = f(x,p) zusammenfassen

Zitat von Geku

Information sind aus einem Neuronalen Netzwerk , nicht wie bei einem Algorithmus eines Computercodes, herauslesbar und in Schritten nachvollziehbar.

Natürlich kann die Information aus dem NN gewonnen werden; indem man es in einem PC einspeist und den Algorithmus ablaufen lässt.

Dass man dies dem Algorithmus nicht unmittelbar ansieht bzw. nicht offensichtlich herauslesen kann, bedeutet nicht, dass es kein Algorithmus wäre. Zur Definition eines Algorithmus gehört nicht, dass er einfach verstehbar ist.


https://mathematical-tours.github.io...NetworksEN.pdf
Mathematics of Neural Networks
Gabriel Peyré
CNRS & DMA
PSL, École Normale Supérieure
… Neural networks are algorithms, which compute, from an input x, an output y … Mathematically, such an algorithm defines a function fw (i.e. y = fw(x)). The computer program that calculates this function is very simple: it is made up of a sequence of several stages, and each stage performs elementary calculations (additions, multiplications, and a maximum) … But what makes the huge difference between a “classical” algorithm and a neural network is that the latter depends on parameters, which are the weights of the neurons. Before using a neural network, these weights must be modified so that the algorithm can best solve the requested task. This is done using mathematical and algorithmic methods … Using these algorithms …


Die folgende Definition des Begriffs trifft vollumfänglich auf NNs zu:

https://de.m.wikipedia.org/wiki/Algorithmus

Eine Berechnungsvorschrift zur Lösung eines Problems heißt genau dann Algorithmus, wenn eine zu dieser Berechnungsvorschrift äquivalente Turingmaschine existiert, die für jede Eingabe, die eine Lösung besitzt, stoppt.

Aus dieser Definition sind folgende Eigenschaften eines Algorithmus ableitbar:

Das Verfahren muss in einem endlichen Text eindeutig beschreibbar sein (Finitheit).
Jeder Schritt des Verfahrens muss tatsächlich ausführbar sein (Ausführbarkeit).
Das Verfahren darf zu jedem Zeitpunkt nur endlich viel Speicherplatz benötigen (Dynamische Finitheit).
Das Verfahren darf nur endlich viele Schritte benötigen (Terminierung).

Darüber hinaus wird der Begriff Algorithmus in praktischen Bereichen oft auf die folgenden Eigenschaften eingeschränkt:
Der Algorithmus muss bei denselben Voraussetzungen das gleiche Ergebnis liefern (Determiniertheit).
Die nächste anzuwendende Regel im Verfahren ist zu jedem Zeitpunkt eindeutig definiert (Determinismus).

[Geku]

Zitat von TomS

Aber sicher trifft das zu.

Ein NN besteht aus einem endlichen Input x, einem endlichen Parametersatz p, einem festen Algorithmus = einer Funktion f, die aus Input und Parametersatz einen endlichen Output y erzeugt und (während des Lernens) den Parametersatz zu p’ anpasst. In endlicher Zeit, terminierend, deterministisch, turingberechenbar, mittels simpler Matrixoperationen und anderen algebraischen Operationen.

Man kann den Algorithmus je Durchlauf mittels (y,p’) = f(x,p) zusammenfassen

Das ist, wie bei S-Parameter, eine äußer Beschreibung einer Blackbox.

Natürlich kann ich durch Anlegen von Signalen an den Eingängen versuchen die Funktion des Neuronalen Netzwerkes zu ergründen. Wobei ich mit jedem Anlegen von Information, den Zustand des Netzwerkes (sofern Lernen und Normalbetrieb wie beim menschlichen Gerhirn nicht getrennt sind) verändere.

Gerade das ist beim "Deep Learning" ein Problem, denn es geht nicht hervor wie das Netzwerk zu seiner Entscheidung kommt. Geradezu eine menschliche Eigenschaft, sowie die Unschärfe der Aussage.

Dieser Artikel gibt einen guten Einblick zu diesem Thema:

Kapitel: Algorithmische Komplexität – Fluch und Segen, https://www.informatik-aktuell.de/be...black-box.html

Die Funktion des einzelnen Netzwerkknoten oder Neuron läßt sich mathematisch beschreiben. Auch die Gewichtung lässt sich bis zu einer gewissen Tiefe nachverfolgen, wie der Weg von Teilchen beim Mehrkörperproblem, aber mit einem rasch ansteigenden Aufwand. Die Gleichungen sind beim Mehrkörperproblem formulierbar, aber nicht lösbar.

Die Gewichtung der einzelnen Netzwerkknoten ändert sich bei jedem Lernvorgang, die Information verteilt sich über das gesamte Neuronale Netzwerk mit allen sein Schichten.

Neuronale Netzwerke bleiben, so wie das Gehirn, ein Black Box, ein Schlupfloch für das Bewustsein.

[TomS]

Alles richtig; und ich weiß das alles. Ich habe NNs sowohl selbst programmiert als auch verwendet.

Trotzdem ist ein NN ein einfacher Algorithmus (y,p’) = f(x,p).

Wenn dem nicht so wäre, müsstest du beweisen, dass das NN etwas kann oder tut, was ein Algorithmus nicht kann. Das wird dir nicht gelingen, denn erstens ist ein NN sogar ein sehr einfacher Algorithmus, es ist nämlich je Input x beweisbar terminierend; und zweitens ist ein NN trivialerweise ein Algorithmus, weil man ihn mittels Formeln oder einer Programmiersprache explizit aufschreiben kann.