Адаптивные эмуляторы (обучение путем эмуляции) играют решающую роль в развитии интеллекта. Это важнейший механизм обучения и развития познания. По словам Бострома, они также будут играть решающую роль в эволюции интеллектуальных систем.
Эмуляция не может научиться, если это не делает наблюдатель, а наблюдатель должен уметь учиться. Это называется лазейкой для наблюдателя. Это простейшее объяснение так называемой проблемы социального интеллекта. На практике лазейка для наблюдателя заставляет эмуляции выглядеть как настоящие интеллектуальные агенты. Но у них есть все присущие им ограничения.
Эмуляция также терпит неудачу, если у эмулируемой системы есть проблемы, о которых наблюдатель не знает. Если наблюдатель не может сказать, что у эмулируемой системы есть проблемы, он не может учиться на этих проблемах.
Это подводит нас к последней проблеме с эмуляцией: обучение с помощью эмуляции только один из механизмов, с помощью которого интеллектуальные системы могут развиваться. Настоящий адаптивный агент интеллектуален, потому что он разработан, чтобы развиваться с учетом характеристик развивающейся системы.
Эмуляция полезна для обучения тому, как создавать интеллектуальные системы, похожие на интеллектуальные системы. Однако он не может узнать, что интеллектуальная система может и что не может делать, в отличие от интеллектуального агента. Это подводит нас к очень важному вопросу: действительно ли эмуляция является методом изучения сложных интеллектуальных систем?
И для того, чтобы философия дизайна работала, было важно убедиться, что мы можем не только узнавать об адаптивных эмуляторах, но и улучшать их. Поэтому мы тщательно изучили адаптивные эмуляторы и разработали систему, которая могла бы учиться на них. Этот процесс обучения начался с умения определять адаптивные эмуляторы. Затем случайно появился немного лучший метод их идентификации, который позволил нам создать адаптивный эмулятор с очень высокой пригодностью.
Кибернетика развивалась способами, которые отличают кибернетику первого порядка (о наблюдаемых системах) от кибернетики второго порядка (о системах наблюдения) в частности, кибернетика второго порядка обычно ассоциируется с системами, которые контролируют и действуют друг на друга и отличается от современной кибернетика в основном в том, что касается вопросов о том, имеет ли рефлексивность или рефлексия объяснительную роль.
В кибернетике явления времени и пространства идентичны физическим явлениям в том, что существуют фундаментальные проблемы теории и измерения.
Концепция кибернетики первого порядка это концепция наблюдателя. Кибернетика второго порядка это теоретическая практика кибернетики. Кибернетика второго порядка не делает различий между кибернетикой и моделированием. Этот подход был основополагающим принципом кибернетики применительно к физическим системам. Это также предполагает, что кибернетика это не модель, а инструмент для понимания явлений и систем.
Кибернетический интеллект может использовать логико-лингвистическую систему для преобразования коммуникационных данных в машинные команды. Такая система может использовать хорошо известное преобразование Фишера-Саймона для преобразования команд в данные. Это позволяет системе напрямую переводить из синтаксических форм, что, в свою очередь, позволяет системе понимать язык в статистическом смысле. Эта идея теоретически предполагает, что кибернетическая система может воздействовать на третью сторону (например, человека), и он может действовать как посредник между человеком и компьютером или наоборот.
Кибернетический автомат это гипотетическая (хотя и математически возможная) система, имитирующая физическую систему (например, машину).
Дизайн саморегулирующихся систем управления для плановой экономики в реальном времени был изучен в 1950-х годах. Хорошим примером является метод рационального программиста, который утверждает, что метод рационального планирования может использоваться для проектирования систем управления. Этот метод, хотя и несколько абстрагированный, можно понять с точки зрения теории управления с обратной связью. Основная идея, лежащая в основе метода рациональных программистов, заключалась в том, что плановые экономики в реальном времени, подобные тем, которые были разработаны в Советском Союзе, можно было планировать с использованием метода рациональных программистов. Рациональный планировщик управляет системой рациональных правил, думая в терминах программ и систем управления.
В рациональной системе управления планировщик не должен знать обо всех действиях, которые выполняет система. Вместо этого планировщик должен принимать решения на основе наблюдаемых данных и улучшать систему, например, создавая более «рациональные» правила и более «эффективные» механизмы обработки данных. Многие «запрограммированные» системы управления используют обратную связь для автоматического улучшения системы с течением времени. Примеры включают большую часть автоматизации производства и промышленных роботов, а также многие системы управления технологическими процессами.
Моделирование процесса
Итан Чжан разработал ряд подходов к созданию самомодифицирующихся систем. Среди прочего, Чжан описал проблему разработки и применения надежных средств управления.
Вот пример самомодифицирующейся системы управления. Один из способов подумать о такой системе это то, что она похожа на контроллер с обратной связью, где существует некоторое влияние системы на контроллер, а контроллер в некоторой степени является входом или выходом системы.
Моделирование процесса это процесс преобразования данных из физической среды в графическое представление и предоставление пользователю возможности взаимодействовать с этой средой. Сложные технологические системы требуют эффективного и мощного моделирования. Сюда входят методы адаптивного моделирования и оценки, прогнозная аналитика и анализ сквозного поведения системы, такого как общая стоимость жизненного цикла, экономические последствия и возможность сбоя. Цифровое управление процессами включает множество подсекторов. Они различаются по конкретным задачам предметной области. Несмотря на то, что обеспечивается контроль над работой машин, цифровое управление процессами дает возможность получать глубокие сведения о поведении машин и информационном потоке между ними. Моделирование процесса позволяет операторам удаленно контролировать, устранять неполадки и автоматизировать действия процесса. Он сочетает в себе моделирование, симуляцию и управление для оптимизации и управления общей производительностью процесса, оборудования или производственной линии.
Управление устройствами вывода автоматизированной системы часто требует определенных знаний о системе; эти знания можно смоделировать на компьютере, и эти инструменты моделирования можно использовать для удаленного моделирования производительности оборудования, автоматизации системы и качества производимых деталей. Эти симуляторы также являются обычным способом доступа к внутренней информации о системе.
Кибернетика изучает системы контроля как концепцию, пытаясь открыть основные принципы, лежащие в основе таких вещей, как поведение, мотивация, обучение и стремление к цели.