Здравствуйте, Shmj, Вы писали:

_>>Сколько команд надо что бы описать систему солнце? И то что она делает? И что из-за него твориться на земле.
S>Такие вещи нужно абстрагировать, то есть выделять главное.
Имено вы строите модель и уже потом пытаетесь моделировать, что-то что вас интересует. Например вы хотите получить полезную информацию: сколько еще проживёт солнце. Как вы это опишите алгоритмически?

_>>>>Для решения задачи не обязателен код, нужен решатель.
S>И? Что хотел сказать?
То что для решения задач не обязательно использовать код или последовательность операций. Можно использовать физические процессы.
Например задача переместить вас на 100км от текщего местоположения, не решается командами x86.

_>>Классика же f(z)=c+z*z
S>А где же тут увеличение полезной вычислительной сложности? Требуется, грубо говоря, чтобы программа на выходе выдавала алгоритм, который решает некую специфическую задачу.
Пример задачи приведите. Тут простой алгоритм отображения начальной точки в конечную z0--(solver)-->zn, полезность в наглядности возрастания сложности отображения.

S>При этом сложность выходного алгоритма должна превышать сложность программы, которая этот алгоритм генерирует, в n раз (где n вы задаете). Для n-1 алгоритм будет проще и не настолько качественно решать задачу, как для n.
Что тут не понятного. Берём линейное уравнение: y=A*x+b применяя линейныое преобразованиее много раз получает опять линейной => сложность не растёт.
Теперь применяем нелинейное и при некоторых условиях (нелинейность и граниченность) сложность начинает расти экспоненциально (перемножаясь на каждой итерации). Ваши нейронные сети эксплуатируют неленейную функцию активации именно по этой причине.
Алгоритм на каждом шаге имеет оду и туже сложность, а сложность преобразование возрастает.

_>>Оглянитесь вокруг — жизнь на планете вас не настораживает? Правда с полезностью, опять проблемы. Зато какое разнообразие сложностей.
S>В том то и дело — вы берете за аксиому, что жизнь возникла без воздействия сознания. Но при этом, не зная что такое сознание, какова его природа — не разумно выбирать такую аксиоматику.
Для образования сложных структур сознание нафиг не упало. Посмотрите обычные на снежинки.


S>По этому требуется решение в общем виде, то есть воссоздать алгоритмически.
Решение чего? Алгоритмически решение можно получить только в рамках ограниченной модели.

_>>Что бы что-то оценивать нужна модель этой системы.
S>Какой системы, простите? Попробуйте выражаться яснее.
Решение которой вы хотите получить.
Если вы оперируете полезностью. Определите скалярный функционал полезности и ищие его максимум.

_>>Все ограничения связаны именно с физикой, реальными ресурсами и их доступностью.
S>Нет. Ограничения в повышении сложности — чисто алгоритмические. К примеру, нейросеть для игры в шахматы не становится лучше, если увеличить количество нейронов в 10 млн. раз — есть некий лимит, после которого увеличение нейросети ничего не дает. Т.е. сложность упирается в некий лимит именно алгоритмический, хотя ресурсы не проблема.
Это обычное насыщение. Для увеличения "полезности" нейросети важно не мощность(количество) нейронов, а их топология.
Вам надо на каждом этапе эволюции усложнять условия выживания что бы получить что-то новое. А если получающиеся при этом подсистемы сами усложняют себе жизнь это просто превосходный способ наращивания сложности. Эта положительная связь или убъёт всех или вы получите что-то очень неожиданное.
У живых организмов функция полезности очень простая: выжить и размножиться по максимуму те кто это отрицают быстро вымирают, освобождая ресурсы оставшимся.
И еще у живых организмов мозг очень энергозатратное устройство, и простое увеличение его мощности (кол-ва нейронов) ведёт к немедленной гибели популяции из-за невозможности прокормить эту подсистему. Поэтому усложнение у них идёт иными путями нежели простое наращивание вычислительных блоков.