>мозг, составленный из искусственных нейросетей, по сложности сопоставимый настоящему
Если ты это умеешь делать, ты уже миллиардер.
Если ты это умеешь делать, ты уже миллиардер.
Заебись. Собираемся пилить с моей бригадой студентов аналогичную хуйню, но без таких амбиций. ПРосо ээг+НС+обратная связь.
Восьмой технологический уклад, сука. Эти идеи витают в воздухе, а мы с тобой просто их проводники.
Восьмой технологический уклад, сука. Эти идеи витают в воздухе, а мы с тобой просто их проводники.
привет, коллега. А как обратную связь реализуете?
что именно ты не понял в предложении?
> Понятное дело, что такой эксперимент я смогу провести очень и очень не скоро.
>Привет, двач. Я магистр компьютерных наук в области нейросетей.
Ну, положим что на самом деле, школьник-хуесос. И дальнейший твой текст, это подтверждает.
Ну когда сможешь - приходи. А альтернативный твой эксперимент не сработает. Без шансов.
На твоём месте, школьник-хуесос, я бы заткнулся и сидел в ридонли до тех пор, пока научился бы ставить знаки препинания в правильных местах.
лол. Если бы мне было не похуй на твое мнение, я бы выложил скан диплома.
аргументируй
Не могу сказать, братиш.
неужто магнитными полями мозг долбить будете? Или через стандартные органы чувств?
Что вы можете сказать по поводу гиперсетевой модели мозга?
>теоретически, после запуска искусственного мозга начнется синхронизация
>попытается им управлять
>начнет транслировать
>ощущать второе тело и управлять им
Драйверочки-драйвера завезли?
Еблан ты малолетний, а не магистр.
Иди на хуй, магистр школьных наук.
>Еблан ты малолетний, а не магистр.
Магистр уровня /mg.
Не хочется верить, что в рашке наука до того вперде, что одаренность магистров позволяет им считать сырую ЭЭГ ЭЭГ, Карл! чем-то подходящим для нейросети, а нейросеть чем-то подходящим для заявленных в оп-посте целей. Я сколько раз уже писал на этой подмывальне, что функциональные зависимости такого типа, как вы пытаетесь найти, нужно аппроксимировать совсем иначе. Впрочем, очевидно что не в коня корм, балуйтесь дальше.
Пришёл, выебнулся, ничего толком не сказал, ушёл. Типичный рузский учОный.
Ну ты хотя бы понимаешь, почему озвученные икспирименды есть "наука" уровня басни Крылова "мартышка и очки"? Подсунуть перцептрону сырую ЭЭГ, попытаться связать ее с неким выходом ничем не лучше надевания очков на пенис с целью посмотреть как при этом изменится близорукость.
Лично я в сабже не шарю вообще. Просто подумай, что по факту произошло. Вот ты пришёл, потешил своё чсв, и ничего при этом не объяснил (а я с интересом бы почитал, да и не только я). Как жёлтая пресса какая-то. "Всем известно, что..." Зачем - не понятно. Ну, разве что чсв потешить, да.
Анон, я тут подумал. Я тут поиграл в одну игру (нужно тапать по экрану в нужное время), так вот, эта игра прямо просиь интерфейс мозг-компьютер
>Имею одну теорию.
А ты не хочешь свою "теорию" хоть как-то обосновать?
>мозг, составленный из искусственных нейросетей, по сложности сопоставимый настоящему
1. Где взять столько энергии?
2. Как преодолеть ограниченность нейросетей?
Это ты местным школьникам можешь рассказывать про сложность, сопоставимую с человеческим мозгом. Как ты, интересно, реализуешь области, отвечающие за зрительное восприятие, например? Воздвигнешь какой-нибудь неокогнитрон на миллиард нейронов? Или воспроизведешь точную копию мозга до последнего нейрона со всеми связями?
3. Что из себя представляет сопряжение искуственного мозга с естественным?
>после запуска искусственного мозга начнется синхронизация
>Мозг человека распознает искусственный и попытается им управлять
>искусственный мозг начнет транслировать в живой картинку с камер, тактильные ощущения, звук и т.п.
>человек начнет ощущать второе тело и управлять им
На основании каких данных ты пришел к этим выводам?
Что заставляет тебя предполагать подобное развитие событий?
На какие источники ты опираешься в своих исследованиях?
Вообще, заявленное опом реализуемо, как минимум, частично. Но конечно же не так, как он пишет.
>какой-нибудь неокогнитрон
Лол, причем тут вообще эта шляпа, для которой автор в лохматых 80-х даже алгоритма обучения написать не удосужился? А я ведь даже приводил пример достаточно подходящих для подобных задач алгоритмов.
>3. Что из себя представляет сопряжение искуственного мозга с естественным?
Функцию преобразования одного в другое. Возьмем по 2 множества сигналов, со стороны мозга - адекватные афферентные сенсорные входы любой модальности А и эфферентные выходы В опять же любой модальности. Со стороны нейросети или другого подходящего алгоритма мягких вычислений, соотв-но множество входных векторов С (регрессоры) и множество выходных векторов Д (регрессанды). Функциональные отображения Д в А, В в С и будут искомыми функциями, т.к. представляют собой как раз графики пар (пикрелейтед).
>На основании каких данных ты пришел к этим выводам?
Вообще, основания предполагать такое есть. В случае т.н. биологической обратной связи мозг получает возможность сознательно управлять процессами, в норме не поддающимися сознательному контролю. http://gen.lib.rus.ec/book/index.php?md5=faa53d0d4533424670273a7f4296098d например, очень годная книжка. Теперь предположим вместо независимых переменных в биофидбэке предъявление линейных функций в правилах модели Такаги-Сугено или в перцептроне и среднеквадратичную ошибку вывода. Если задаться целью ее минимизировать, то получаем настройку нейросети или TS-модели и т.д. с помощью биофидбэка. Возможно, излагаю не очень, но я сам такую хуйню хотел попробовать, лениво просто. При этом перцептрон или что там (главное чтобы универсальный аппроксиматор) соответственно, со снижением среднеквадратичного отклонения будет аппроксимировать функции отображения н-р входов ЦНС в выходы. Причем, в случае нечетких моделей, даже в читабельном прозрачном для экспертного анализа виде. Обобенно, если воспользоваться финграмами http://www.softcomputing.es/fingrams/ Самая главная проблема - достаточно продвинутый биофидбэк. Разумеется, это должна быть не ЭЭГ, а что-то поинтереснее, например, многоканальный fNIRS (только для коры), fMRI высокого разрешения (для коры и древесины головного мозга, если нужны более глубокие структуры) и т.п. Насчет нейросетей и т.п., разумеется, нужны аппаратные реализации на FPGA. Что уже конечно очень дорого.
Освятил.
Здравствуй, петушочек.
добра тебе.
Вообще, тема не про ближайшее будущее. Сейчас работаю над алгоритмом генетического обучения нейросетей и нелинейную структуру, т.е. не слой за слоем, а рандомное соединение нейронов, как в биологическом мозге. Ну и когда работаешь над таким, постоянно представляешь где бы это могло быть использовано, если получится.
Так что все написанное, это пока только идея, ничего практического в этом направлении еще не сделано. ОП.
>рандомное соединение нейронов, как в биологическом мозге
Найс.
Сможет переключать внимание, как и в настоящее время. Например сконцентрироваться на ощущениях в ноге и игнорируя в других местах и даже зрение, пока какой нибудь сигнал от других мест не переключит на них или внимане не уйдет от ноги. Также, играя в игры, чувствуешь себя там, но можешь спокойно вылазить в комнату, в которой сидит за компом тело и соединять эти воспринимаемые пространства в одно целостное. Если сделать с полным подсоединением (такое вообще теоретически возможно без разрыва связи со своими органами чувств?), то добавится проблема одновременного управления обоими телами, как у лунатиков во сне. А просто подсоединить к мозгу или нервам, будет пятая нога/третий глаз, крановщик с нейроинтерфейсом.
>Сейчас работаю над алгоритмом генетического обучения нейросетей и нелинейную структуру, т.е. не слой за слоем, а рандомное соединение нейронов, как в биологическом мозге.
Генетические алгоритмы, хотя и очень эффективны, но и очень требовательны к ресурсам. Если интересуешься эволюционными алгоритмами - смотри в сторону меметических алгоритмов. Для R есть годный пакет https://cran.r-project.org/web/packages/Rmalschains/index.html там же ссылка на статьи. Очень круто, решения, аппроксимирующие тысячемерные функции, причем с кучей локальных минимумов (ф-я Расстригина, н-р), сходятся за минуты, чисто программно, без специальных аппаратных реализаций. Многослойные структуры из нейросетей, нечетких и т.п. алгоритмов вещь перспективная, но вряд ли рандомные связи нужны, там удобнее соединять в нечто, могущее аппроксимировать дельты функций / дельты времени, т.е. динамическое поведение анализируемых систем, причем без дополнительных костылей типа нелинейных моделей временных рядов типа NARMAX.
Ты правда думаешь, что структура связей нейронов в мозге рандомна? Я более чем уверен, определенная структура и закономерность есть и она довольно сложна. Гугли тему complex networks, целая наука про это - изучаются в контексте очень больших графов разные структуры реального мира(транспортные магистрали, социальные связи, интернет, даже кровеносные сосуды). Может быть, например, что там есть иерархия зон/уровней связности(отделы мозга сильнее связаны внутри, чем во вне) по определенным законам и.т.д. Эдакий очень сложный mesh, со своими распределениями и пространственной структурой. Вообще реальный мозг очень-очень сложнее нейросетей - там дохуя не до конца изученных процессов, разных видов синапсов и связей и так далее.
млп
>Я магистр компьютерных наук в области нейросетей
Лол. Дальше не читал, ибо утонул в подливе.
>млп
My Little Poni разве что. Сдается мне, с перцептронами все не так однозначно. Если кто-то тута кроме меня читал Розенблатта, то этот кто-то не мог не удивиться разнице между тем, что сейчас называется многослойным перцептроном, и тем, что описывал Розенблатт. У последнего все гораздо сложнее, чем традиционное для перцептрона линейное представление у=ах+б. Там и ковариации и множества и много чего еще. Далее. Вотетой книжки ROSENBLATT, F. The perceptron: A theory of statistical separability in cognitive systems. Buffalo: Cornell Aeronautical Laboratory, Inc. Rep. No. VG-1196-G-1, 1958. не смог найти нигде. Вот эта книжка Принципы нейродинамики. Перцептроны и теория механизмов мозга (М., 1965) в русском переводе на 200 страниц худее оригинала. Сам Розенблатт, кстати, утонул.
>Сейчас работаю над алгоритмом генетического обучения нейросетей и нелинейную структуру, т.е. не слой за слоем, а рандомное соединение нейронов, как в биологическом мозге.
Я тоже о таком думал в 19 лет. Мысль очень свежая, удачи, лол.
Нейросеть нелинейна, иначе она ничем не будет отличаться от простого умножения входа на матрицу.
>Нейросеть нелинейна, иначе она ничем не будет отличаться от простого умножения входа на матрицу.
Для начала, смотря о какой нейросети речь. Если об МЛП, то это и есть умножение входа на матрицу + смещение пикрелейтед. Фишка в том, что сколь угодно нелинейную проблему можно представить как совокупность линейных. Так и работает многслойный перцептрон и много чего еще. Однослойный же линеен, поэтому может классифицировать только линейно разделимые классы. По этой жи причине однослойный перцептрон не может в XOR, т.к. эта задача линейно неразделима.
>Для начала, смотря о какой нейросети речь.
О любой. Если нейросеть линейна, это не нейросеть, а хуевый способ представления линейного классификатора.
>Если нейросеть линейна, это не нейросеть, а хуевый способ представления линейного классификатора.
Нет. Я ж говорю, нелинейная проблема (классификация, н-р) сводится к совокупности линейных. Минский в своей работе доказал то, что я написал выше - однослойный перцептрон не может в линейно неразделимую классификацию. И что дальше? Колмогоров доказал, что многослойный перцептрон способен аппроксимировать любые конечные функции, заданные на ограниченном компакте. Роватти доказал универсальные аппроксимационные свойства линейных моделей Такаги-Сугено. Даже совсем линейных, с однородными линейными функциями у=ах. Я к тому, что правильная совокупность (набор правил, стек и т.п.) линейных моделей - это уже нечто гораздо большее, чем одиночная линейная модель.
>Я ж говорю, нелинейная проблема (классификация, н-р) сводится к совокупности линейных.
Совокупность линейных проблем - линейная проблема.
>Минский в своей работе доказал то, что я написал выше - однослойный перцептрон не может в линейно неразделимую классификацию.
Однослойный персептрон - оксюморон. Минский - просто мудак.
>Совокупность линейных проблем - линейная проблема.
А вот и еще один спесьялист. Немного классики на тему твоей неправоты http://takagiken.com/ts-model охуей, как могут. И это только один метод из очень многих. Роватти я уже упоминал и тоже в связи с моделями Такаги-Сугено.
>Минский - просто мудак.
Возможно. Однако его работа привела к тому, что до сих пор(!) находятся те, кто не понимая вопроса на нее ссылаются, утверждая что нейросети не могут в линейно неразделимые задачи.
Да, вот я даже тебе картинку нашел. Нелинейная проблема аппроксимируется моделью Такаги-Сугено с тремя линейными функциями вида у=ах+б.
>Немного классики на тему твоей неправоты
Какая тут может быть неправота? Без нелинейной активаторной функции нейросеть - просто хуево заданный линейный классификатор. С нелинейной функцией - это уже не "совокупность линейных проблем".
>Однако его работа привела к тому, что до сих пор(!) находятся те, кто не понимая вопроса на нее ссылаются, утверждая что нейросети не могут в линейно неразделимые задачи.
Так потому и мудак. Выдумал ебанистический "однослойный персептрон", до которого даже Розенблат не додумался, потому что его ебанистичность очевидна любому.
Кусочно-линейная функция не является линейной.
Решать нелинейную задачу методом кусочного апроксимирования - иногда весьма плохо. Например может понадобиться много кусков для приличной апроксимации/классифицирующая функция имеет много локальных экстремумов(волнообразная функция) или вообще имеет много разрывов.
другой-анон
Ты не понял. Там не кусочно-линейная функция, там 3 линейных. Они отдельные. На каждую по правилу.
И тебе картинку покажу. Консеквенты модели Такаги-Сугено - линейные функции (хотя можно любые, конечно). Без всяких нелинейных функций активации. Однако, такая модель есть универсальный аппроксиматор любых функций.
Однако, для практических целей такой аппроксимации обычно хватает.
Блядь, тупое ты говно, эти "правила" и есть нелинейность.
Школуйне ничего не докажешь, это я давно понял. Сколько уже раз говорил себе, что не буду на эту парашу ничего писать. Правила модели Такаги-Сугено содержат отдельные линейные функции. Выше я уже говорил, что любую нелинейность можно свести к совокупности линейных участков, т.е. отдельных линейных функций. Даже картинку показал. Бесполезно. Нелинейные участки в TS модели присутствуют только в областях интерполяции между линейными функциями, сама форма аппроксиманда задается линейными функциями. Ну я уже просто не знаю, как еще объяснить.
Да иди нахуй отсюда, фрик. Говорили о нейросетях - и тут ты вспомнил свой любимый дроч. Я помню, ты некоторое время назад уже носился с этими "универсальными аппроксиматорами", как будто это что-то решает. Основная проблема обучения - это обобщение, прогнозирование, фильтрация шумов, да еще, желательно, без учителя, а аппроксиматоров с переобучением, как грязи, однако ты до сих пор носишься с этой хуйней 1985 года. И да, тебе лучше в эту парашу ничего не писать, потому что тебя тут будут хуесосить, а это больно.
>Говорили о нейросетях
>Основная проблема обучения - это обобщение, прогнозирование, фильтрация шумов, да еще, желательно, без учителя
Можно было бы написать и даже доказать ссылками на источники, что любое прогнозирование, в которое могут нейросети, сводится к аппроксимации NARMAX-моделей, для которых доказана сводимость к ним любой динамической системы, что TS-модель существует в виде в том числе нейросетевых реализаций, и даже с обучением без учителя, если строится по параметрам кластеров, полученных алгоритмами Густаффсона-Кесселя или Гата-Гева. Что приличная нечуствительность к шуму была показана уже в статье Такаги 1985 года. И так далее. Но, учитывая место и контингент, лучше будет написать, что я твоего папку ебал)))
>Можно было бы написать и даже доказать ссылками на источники
Это называется богословием. Ты работающую модель давай, где твой state of art ILSVRC2015? Нету? Конечно нет, потому что дрочишь ты исключительно на теоретическую сводимость одного класса функций к другому. Отсюда и каша в голове, с который ты одновременно дрочишь на универсальные аппроксиматоры, а с другой - хуяк, нечувствительность к шуму.
Поэтому ты не нужен.
Пиздец смешной. Попробуй примени свои нейросети для моделирования сложных физических процессов - для которых используются весьма непростые непрерывные модели на дифурах с численными методами. Или в предсказании погоды - где используются комбинированные методы, но основа - дифуры. Хуёв же соснёшь.
Предсказание погоды нейронечеткими моделями - один из самых распространенных примеров их использования, начиная хоть с той самой работы Такаги и Хаяши для их родной конторы Мацушита, где впервые и было озвучено само понятие neuro-fuzzy. Японцы вообще очень любят погоду предсказывать, давеча читал опять же японскую работу по двунаправленным сетям Кохонена http://dx.doi.org/10.4236/ojapps.2014.45024 , один из примеров - погода. Насчет физических процессов - конкретнее давай. Нейросети и нечеткие модели даже хаотические системы моделируют прекрасно, ну там аттракторы Лоренца, Рёсслера, ряды Маккея-Гласса, вот это все вотетавот. Дифуры для нормального алгоритма не проблема совсем.
Дело не в этом. Дело в том, что местные школопитеки лезут спорить на темы, в которых понимают хуй и нихуя. Я уверен, тут единицы понимают суть работы хотя бы перцептрона. Для вас "нейросети" это просто такое сильное калдунство, которое может что-то там предсказывать. А уж понять, что конкретный алгоритм вообще не очень важен, важны сами данные и их представление в вид, пригодном для анализа, это я вообще не вижу, чтобы тут кто-то понимал.
>алгоритм вообще не очень важен, важны сами данные и их представление в вид
Ты живешь в прошлом веке с manually designed features. Важен прежде всего алгоритм. В идеале даже PCA и whittening делать не нужно.
>Дело в том, что местные школопитеки лезут спорить на темы, в которых понимают хуй и нихуя.
Это ты нихуя не понимаешь. Типичный гуманитарный склад мышления.
>Важен прежде всего алгоритм.
>гуманитарный склад мышления.
Да я так и понял. Кукарекать тут хорошо умеют. А чтобы хоть одно возражение по существу, этого пока не было. Впрочем, ничего нового.
Ты "по существу" ничего не пишешь, чтобы тебе возражать. Просто мусор из каши случайных статей. И любой, самый тупой факт облекаешь в эту кашу. "Японцы вообще очень любят погоду предсказывать" - это что, утверждение? Нет, это говно, призванное замусорить эфир. Тебе сказали - попробуй, примени, без ссылок на раздел "выводы" унылых статей этих азиатов, а сам примени.
>Просто мусор из каши случайных статей. И любой, самый тупой факт облекаешь в эту кашу
Я ж говорю, так и понял. Все непонятное надо просто называть кашей. Ты ведь не скажешь, что нихуя не понял, ты скажешь что это у меня каша.
>"Японцы вообще очень любят погоду предсказывать" - это что, утверждение? Нет, это говно, призванное замусорить эфир.
Читать не умеешь? Это был ответ на заявление, что нейросетями нельзя погоду предсказывать. Я вот показал, что можно. Даже две работы назвал. И что? Мне в ответ стандартное кукареканье про гуманитарный склад ума.
>Тебе сказали - попробуй, примени, без ссылок на раздел "выводы" унылых статей этих азиатов, а сам примени.
Применял же, прогноз ставок на бейсбол. там, правда, свои сложности, я уже позже понял, в чем был не совсем прав, качество прогноза можно заметно улучшить. И даже картинку показывал. И еще раз покажу. Помогло? Хуй там. Одно кукареканье про кашу.
>Все непонятное надо просто называть кашей.
Твои посты - каша не потому что ты что-то непонятное пишешь, а потому что ты ебанат с расфокусированным вниманием. Начинаешь про бузину, заканчиваешь про дядьку. Пример - твоя последняя ссылка, которая никакого отношения к предсказанию погоды не имеет, ты просто решил фактами забросать, как всегда. И так - во всем, и продираться через твое балабольство нет никакого желания. Единственный факт, который ты указал, что "алгоритм вообще не очень важен, важны сами данные и их представление в вид", и вот это вот - хуйня, сейчас 2015 год и данных до жопы, кругом одни данные, а вот алгоритмов, способных их обрабатывать - довольно мало, и эти мамонты из 1985 года (ну или из 2014 - не суть, там тот же мамонтизм) никакого живого интереса не представляют.
>Начинаешь про бузину, заканчиваешь про дядьку.
Я так и сказал, ты не видишь связи просто потому что слабо понимаешь о чем вообще речь.
>мамонты из 1985 года (ну или из 2014 - не суть, там тот же мамонтизм)
То есть, алгоритмы правильные, только если они не ранее 2015 года? Или что ты вот этим хочешь сказать? Какой еще мамонтизм?
>кругом одни данные, а вот алгоритмов, способных их обрабатывать - довольно мало,
Ты так и скажи, что тебе их известно примерно 1,5. Алгоритмов полно на самом деле. Опять же, какой смысл давать ссылки, все равно опять будет все та же шарманка про кашу.
>Я так и сказал, ты не видишь связи просто потому что слабо понимаешь о чем вообще речь.
Ты пишешь "Японцы вообще очень любят погоду предсказывать" и далее даешь ссылку, которая к предсказанию погоды относится как пикрелейтед. И так у тебя везде, продираться сквозь это желания нет, проще просто очередной раз напомнить тебе, кто ты есть. При этом придираться к тебе тяжело, потому что отдельные факты каши могут иметь смысл.
>То есть, алгоритмы правильные, только если они не ранее 2015 года?
Правильный алгоритм - тот, который умеет обрабатывать датасет образца 2015 года с приемлемым перформансом. А не игрушечные задачи из 1985.
>Ты так и скажи, что тебе их известно примерно 1,5.
Какая разница, что известно мне. Мне может быть вообще ничего не известно, я таких тонн каши и не генерирую.
Можешь дать фейкомыло для нубовопросов?
мимоинтересующийся анализом данных
>При этом придираться к тебе тяжело, потому что отдельные факты каши могут иметь смысл.
Я тебе больше скажу, общая картина тоже имеет смысл. Просто ты ее не видишь, потому что не можешь связать отдельные факты в нечто более общее.
>Правильный алгоритм - тот, который умеет обрабатывать датасет образца 2015 года с приемлемым перформансом. А не игрушечные задачи из 1985.
Ну покажи "датасет 2015 года", который нельзя обработать упомянутыми мной алгоритмами. Ну и пару примеров правильных алгоритмов.
>Мне может быть вообще ничего не известно
Это заметно.
Да тут спрашивай, чо. Если знаю - поясню.
>Я тебе больше скажу, общая картина тоже имеет смысл.
Не, не имеет. Говорю - ты говоришь о предсказании погоды и тут же прямо лжешь, давая фальшивую ссылку, которую или сам не читал, или надеешься, что никто читать не будет.
Я так понимаю, эта ссылка с погодой - единственная претензия по-существу?
> Так вот, теоретически, после запуска искусственного мозга начнется синхронизация. Мозг человека распознает искусственный и попытается им управлять (как он это делает с искусственными конечностями). Соответственно, искусственный мозг начнет транслировать в живой картинку с камер, тактильные ощущения, звук и т.п. После того как он обработает ее самостоятельно и преобразует в язык нейросетей.
Настало время теоретических историй
"так у тебя везде, продираться сквозь это желания нет".
Первое, что меня напрягло еще в прошлом треде, это то, что ты постоянно носишься с универсальными аппроксиматорами, хотя любая lookup-табличка уже является таким аппроксиматором и в принципе ничего интересного в этом нет.
Отсюда (из веры в универсальные аппроксиматоры) идет следующее: "Функцию преобразования одного в другое. Возьмем по 2 множества сигналов, со стороны мозга - адекватные афферентные сенсорные входы любой модальности А и эфферентные выходы В опять же любой модальности. Со стороны нейросети или другого подходящего алгоритма мягких вычислений, соотв-но множество входных векторов С (регрессоры) и множество выходных векторов Д (регрессанды). Функциональные отображения Д в А, В в С и будут искомыми функциями, т.к. представляют собой как раз графики пар (пикрелейтед).".
И в подтверждение: "При этом перцептрон или что там (главное чтобы универсальный аппроксиматор)"
Действительно, нахуя люди парятся, ведь достаточно просто взять множества А и Д и скормить их универсальному аппроксиматору! И похуй, что это будет пере-/недо- обученным говном, незнающим ничего о реальной системе, главное - чтобы универсальный аппроксиматор.
Вот это "главное чтобы универсальный аппроксиматор" - концентрированная чушь (одно предложение на пост), однако эта чушь запрятана за кашей слов типа "афферентный", "эфферентный", "регрессоры", "регрессанДы.
"Генетические алгоритмы, хотя и очень эффективны, но и очень требовательны к ресурсам." - генетические алгоритмы не эффективны, остальная часть поста - восторженные фантазии после чтения графы "результаты" у пейпера. Как и 99% твоих остальных высеров.
>хотя любая lookup-табличка уже является таким аппроксиматором
Да. Любая функция это не более чем график пар. Проблема в том, что для того, чтобы содержать все возможные функциональные отображения одного множества в другое, такая табличка должна быть декартовым произведений булеанов этих множеств пикрелейтед (множеством всех подмножеств). И если такие множества состоят хотя бы из тысячи элементов, табличка будет больше, чем хотелось бы. Для практических целей это малопригодно.
>Вот это "главное чтобы универсальный аппроксиматор" - концентрированная чушь
Что не так с универсальной аппроксимацией? Тем более в задачах, сводимых к аппроксимации функциональных зависимостей?
>генетические алгоритмы не эффективны
Потому что ты так сказал? Или будет конкретика?
Гипотетических, еблан.
>И если такие множества состоят хотя бы из тысячи элементов, табличка будет больше, чем хотелось бы.
Так с кусочно-линейными функциями () то же самое. На самом деле это и есть такая табличка, только с линейной интерполяцией между узлами вместо ближайшего соседа как ты подумал. Факт, что что-то есть универсальный аппроксиматор - штука сильно теоретическая.
>Что не так с универсальной аппроксимацией? Тем более в задачах, сводимых к аппроксимации функциональных зависимостей?
Я уже писал, что - сейчас все модели очень толстые и с большим числом параметров, они склонны к переобучению, поэтому мы НЕ хотим как можно более точно описывать A->B, мы хотим добиться оптимального перформанса одновременно на trainning и validation множествах. То есть "универсальность аппроксиматора" вовсе не главное, главное - подобрать модель с нужной предсказательной силой на validation-множестве. И это очень вряд ли будет MLP. Потому что из-за структуры его связей (каждый с каждым - дохрена), overfit происходит быстро и с песней.
>Потому что ты так сказал? Или будет конкретика?
ГА хороши для малоразмерных задач со сложным видом параметров - например, когда есть что-то дискретное, что-то непрерывное. Когда все непрерывное, мне больше нравится Particle Swarm Optimization - лучше и проще параллелится на GPU, но не суть (бредор.avi). Что касается многоразмерных задач, то в них в общем случае сходимость становится очень медленной, и простой градиентный спуск рулит - из-за большой размерности есть много способов обойти точки, в которых алгоритм застревает. Это как раз случай обучения нейросетей. Локальные методы тут решают. Да и мозг явно так же работает - локально.
Мой аргумент - любой специалист по динамическим системам тебе скажет, что закон функционирования системы нельзя понять по её динамике(грубо говоря по графику функции), нужно вникать в её устройство, строить модель(дискретную, непрерывную - не суть). Пример - механический маятник, модель экосистемы(хищник-жертва хотя бы), гидродинамика, электродинамика и так далее. Подход чёрного ящика входы-выходы тут хуи сосёт в общем случае, а вот вывод из первичных фундаментальных принципов(физических законов, априорных модельных представлений) - рулит.
В простейших случаях твои нейросети обучатся "как обезьяны" на наборе параметров, а вот если выйти за пределы обучения - они сосут хуи. Тем более - они по природе дискретны, аналитический анализ моделей может нам море инфы о принципиально разных "режимах" работы системы при разном наборе параметров и так далее.
сажа приклеилась
А в случае задач распознования/классификации - встаёт проблема выборки. Даже огромная выборка может быть нерепрезентативной и модель построенная на ней, без модели(чёрный ящик) - нихуя предсказать не сможет. Пример - поробуй построить космологическую модель, взяв за основу "чёрноящиковой" модели данные(выборку каких-либо параметров) из Солнечной системы. Априорно сосёшь хуи.
Как-то странно она у тебя приклеилась.
>закон функционирования системы нельзя понять по её динамике(грубо говоря по графику функции), нужно вникать в её устройство, строить модель(дискретную, непрерывную - не суть).
Это делает твой мозг, который, по современным представлениям, мы считаем сложной нейросетью. Принципиально все реально, нужно больше данных. Хотя в целом ты прав.
Вот тут-то я и проиграл. Сравнивать человеческий мозг с компьютерной нейросетью. Это как сравнивать ящик-автомат на реле с квантовым компьютером - а что, принципы-то похожие, да?
Скажу больше - строить работающие абстрактные модели процессов и вообще мыслить, что-то понимать - пока может только мозг. Никакие современные нейросети тут и близко не стоят - они не являются даже близко моделью мозга, просто базовые идеи их построения(нейроны и связи) - взяты из биологии.
>мне больше нравится Particle Swarm Optimization
Вот уж точно более чем спорная вещь. Стандартный SPSO2006 и 2007 я бы вообще назвал "хуйня из-под коня". Ибо при размерности задачи более 50 частицы просто улетают в закат. В СПСО2011 вроде пофиксили, но оно все равно для задач высокой размерности не очень подходит, как я понял. Различные же варианты улучшенных почти нигде не реализованы. Автор MD-PSO на емейл не отвечает, хотя в его книге написано, что можно код попросить. Тута http://sci2s.ugr.es/EAMHCO есть статьи и код многих подобных алгоритмов оптимизации, в т.ч. разных допиленных ПСО. Я упоминал меметические алгоритмы, типа генетических, но с локальным поиском. Показана их эффективность даже на 1000-мерных функциях с локальными минимумами.
>закон функционирования системы нельзя понять по её динамике(грубо говоря по графику функции)
Кто тебе такое сказал? Система полностью описывается динамикой функций. Любая динамика любой системы сводится к ее представлению в виде NARMAX-модели. Идентификацией таких моделей можно выявить все режимы функционирования системы. При условии адекватного выбора регрессоров и регрессандов, и при наличии репрезентативной выборки данных разумеется.
>Подход чёрного ящика входы-выходы тут хуи сосёт в общем случае, а вот вывод из первичных фундаментальных принципов(физических законов, априорных модельных представлений) - рулит.
Нечетким моделированием и последующим представлением полученной модели в виде финграмов можно получить полностью прозрачную и интерпретируемую модель системы.
>встаёт проблема выборки. Даже огромная выборка может быть нерепрезентативной и модель построенная на ней, без модели(чёрный ящик) - нихуя предсказать не сможет.
Про черный ящик уже сказал - существуют другие варианты, серые и белые ящики. Проблема нерепрезентативности выборки и неадекватного выбора регрессоров и регрессандов - это не проблема алгоритмов. Предсказательные возможности модели - вопрос правильной ее постройки. Как правило, все проще чем кажется. Могу точно сказать из собственного опыта, что для вполне удовлетворительных экстраполяционных качеств модели предсказаний результатов матчей американского бейсбола достаточно алгоритма Ванга-Менделя. Притом, модель полностью прозрачна в виде финграммов, хорошо видно что да как.
Хуйню несешь, поверь.
>Вот уж точно более чем спорная вещь.
Я и не претендую. Мне научрук предлагал ГА, а попробовал их, но PSO оказался лучше, в том числе тем, что замечательно лег на CUDA. В итоге, правда, по-моему победил рандомный тык+градиентный спуск + хитрый алгоритм кластеризации, отделяющий тру-локальные минимумы от не-тру.
> Различные же варианты улучшенных почти нигде не реализованы.
Реализация на GPU с помощью thrust::transform_reduce делается в две простенькие функции. Движение частиц - transfrom (вычисление функции, сравнение с локальным минимумом, движение), поиск глобального минимума - reduce (просто попарно проходим по частицам и ищем глобальный минимум). Этим он мне и нравится. Вообще алгоритм очень простой (даже на хабре был 5 лет назад) и не понятно, что там реализовывать.
Размерность у меня была 11 вроде.
>Я упоминал меметические алгоритмы, типа генетических, но с локальным поиском. Показана их эффективность даже на 1000-мерных функциях с локальными минимумами.
У этих функций должен быть специфический вид. Какая-нибудь задача Коммивояджера.
>Любая динамика любой системы сводится к ее представлению в виде NARMAX-модели.
Тут та же ловушка, что и с универсальным аппроксиматором. Сводиться-то оно сводится, только с каким количеством коэффициентов? Давай что-нибудь экстремальное, типа x'=sin(1/(100-x)).
Я хочу вот это понимать.
Пиши, что учить.
Перва-прогромист
> любой специалист по динамическим системам тебе скажет, что закон функционирования системы нельзя понять по её динамике(грубо говоря по графику функции)
Как специалист по динамическим системам, скажу, что любой такой специалист должен быть знаком с понятием идентификации.
>Хуйню несешь, поверь.
Отвечай за слова. Ну-ка по полочкам написал, когда, где и кем создан искусственный мыслящий мозг. Именно мыслящий, а не распознающий/подгоняющий одну хуйню под другую.
закон функционирования системы нельзя понять по её динамике(грубо говоря по графику функции)
>Кто тебе такое сказал? Система полностью описывается динамикой функций.
Ты рассуждаешь как статистик(причём туповатый). Я же тебя прошу "включить" физика. Непрерывную параметризованную функцию, к примеру - конечным набором дискретных точек не задать в принципе. Можно только "дискретизировать" её и рассматривать такой вот суррогат. Это чтоб ты понимал о чём я.
>Нечетким моделированием и последующим представлением полученной модели в виде финграмов можно получить полностью прозрачную и интерпретируемую модель системы.
Под моделью я понимаю модель в общем смысле(это может быть и диф. ур, и СЛАУ, и нагруженный граф, произвольный алгоритм - описывающий систему). А ты зациклился на своей теоретизированной хуйне для статистиков, у которых всё задается распределениями/целевыми функциями.
У тебя уже "нейросеть головного мозга". Нейросеть - не серебряная пуля, в теории япошек у них может быть "всё заебись"(видимо дырки теории - не вникал), но на практике налицо ограничения при решении реальных задач. Куча задач где нейросети вообще не применяются(надеюсь, ты понимаешь о чём я). Ты сам как нейросеть стал - повторяешь то, чему "обучен", не способен выйти за рамки "обучающей выборки" и помыслить самостоятельно. Завязывай дрочить на нейросети.
Специалист, вы хотя бы понимаете о чём говорите? Идентификация - подгонка параметров(а не вида функции/самой модели/закона функционирования) модели под реальный объект. Пройдите курсы по преодолению профессиональной некомпетентности.
лол, не говорил я такого. Структура связей в мозгу рандомна изначально, при формировании мозга. Так уж устроены нейроны - они рандомно поключаются к ближайшим. А потом уже, при работе мозга, образуются синапсы и связи изменяются. Стартовая же конфигурация синапсов - рандомна
>Структура связей в мозгу рандомна изначально
Именно с этим(вернее в том числе с этим) я и не согласен. Для меня это как сказать "схема CPU Intel ... на начальном этапе разработки была рандомной". Пруфани.
>Стартовая же конфигурация синапсов - рандомна
Сама концепция инстинкта ссыт тебе в лицо, разумеется.
Анон, ты гений! Как я сам до этого не додумался.
Бамп вопросу.
Программисты дураки кричат они
Много быдлокодеров развелось кричат они.
Спроси их о чём полезном
Тишина будет тебе ответом.
У тебя своя личная война с нейросетями, это ты на них зациклился, не слыша ничего остального, что тебе говорит оппонент.
мимоинтересующийся анализом данных
Научи дурака богу молиться - он себе лоб расшибёт.
У меня скорее личная война с долбоебами и восторженными дурачками, считающими что на нейросетях свет клином сошёлся. Или с идеями вида нейросеть=мозг человека.
Тут уже другой анон нелестно отзывался о теории "универсальных аппроксиматоров". Значит я не единственный скептически настроенный человек тут.
А вот ты, что характерно, не смог ответить по существу на мои аргументы.
Ты продолжаешь воевать с невидимой армией в своей голове.
>А вот ты, что характерно, не смог ответить по существу на мои аргументы.
Аргументы о том, что все кругом нейросетевое быдло? Какое посущество ты тут хочешь услышать?
Вот конкретные вопросы.
1. Опровержения на мой тезис
>Никакие современные нейросети тут и близко не стоят - они не являются даже близко моделью мозга, просто базовые идеи их построения(нейроны и связи) - взяты из биологии
2. Какие накладывются ограничения применения нейросетей в моделировании - каком угодно.
а) Взять хотя бы предсказание мировых цен на товары/акции/валюты. Поясните, как нейросети могут быть здесь эффективно применены без построения глобальной экономической модели.
б) Возможно ли с помощью нейросетей моделировать "классические" инженерные и физические задачи - расчёт электрических цепей, динамики жидкости и газа, решать механические задачи. Если нет - то почему.
в) Моделирование транспортного траффика, классически выполняющегося на графах - как это сделать в нейросетях?
г) Как применять нейросети для аппроксимации, если выборка значений параметризованной многомерной функции мала в сравнении с размерностью параметров/вектора значений функции.
фикс первого вопроса
Опровергните тезис
1. Скажу больше - строить работающие абстрактные модели процессов и вообще мыслить, что-то понимать - пока может только мозг. Никакие современные нейросети тут и близко не стоят - они не являются даже близко моделью мозга, просто базовые идеи их построения(нейроны и связи) - взяты из биологии.
>Что скажете? Может сработать?
Я бы сказал, что надо упростить задачу. Взять животное типа крысы и попытаться связать их мозги вместе. Не надо будет придумывать ни искусственный интеллект, ни адаптировать камеры/датчики, ни искусственное тело. Без билогического интерфейса вся эта затея не имеет смысла, а ты не биолог.
Как можно опровергнуть определение? Ты декларируешь, что считаешь реальный мозг сильно сложнее нейросетевых моделей. Что тут можно опровергнуть? Формализовал бы хоть какой-то признак мозга, невоспроизводимого искусственными нейросетями, чтобы можно было говорить более предметно, а не о твоих эмоциональных оценках сложности. И да, я мимокрокодил, и подписался таковым, в вашем перекидывании какашками не участвовал до сего комментария.
Тест Тьюринга(разговор с человеком на естественном языке), игра в шахматы, решение школьных задач на естественном языке, прохождение IQ-теста. Но проблема с IQ - даже "подогнав" ответы под вопросы на куче тестов(т.е. просто запомнив сочетания вопрос-ответ) машина мыслить не научиться в моём понимании. Похожая шняга с "анализом" кучи шахматных партий и задач. Надо подбирать методологию.
>Никакие современные нейросети тут и близко не стоят - они не являются даже близко моделью мозга, просто базовые идеи их построения(нейроны и связи) - взяты из биологии
Этот тезис ты написал мне. При этом я - тот анон, который скептически относится к универсальным аппроксиматорам. Поэтому на твои вопросы не понятно, как отвечать. Я с тобой согласен частично.
В том плане, что текущие сетки - хуевая идея для моделирования динамических систем. Нейросеть можно научить делать то, что умеет мозг. Мозг моделирует динамические системы хуево. Пример тут в соседнем треде, с линейкой и молотком.
Зато мозг неплохо занимается символьными преобразованиями, позволяющими моделировать динамические системы. Вот так и смотри. Классификация изображений, распознавание лиц, распознавание речи -это ок. Какое-то времени анти-нейросетевой подход решал, но за последние лет 5 нейросети по перформансу ушли вперед, и дальше уйдут еще дальше. Дальше, с ростом производительности, мощные рекуррентные сети будут образовывать внутри себя "мысли" за счет внутреннего состояния, начнут думать и говорить с тобой. Они уже сейчас умеют делать лсд-подобные глюки, при том, что никто такой целью не задавался.
Подбирай. Дискутировать-то не о чём, пока нет результатов или контекста, в котором эти результаты предполагаются. Ты перечислил не свойства мозга, а задачи, которые и не каждый естественный мозг способен решить. Ты уже написал свою симфонию?
Я вижу принципиальную разницу в том, что мозг мыслит(в т.ч. абстрактными идеями, образами - почерпанными из реального мира но не сводящимися к нему), а нейросеть - аппроксимирует, на основе тех данных которые ей скормили. Я счЕтаю, нейросеть неспособна в абстрагирование, интуицию, образное мышление которая есть у мозга.
Это как с игрой в шахматы - комп обыгрывает человека, но "мыслит" совсем по-другому, точнее совсем не мыслит в обычном понимании.
define мысль
Может еще define время, define пространство? Это сложный философский вопрос, тут не может быть ясного, чисто формального определения.
Ты мало знаешь и о когнитивистике, и о шахматных движках. Всё тобою сказанное - не более чем религиозный страх перед смертью души в шестерёнках и байтах.
Я и правда чайник в этом. Давай, просвети меня. Без всякой задней мысли.
Может быть практическая задача, для которой определение может быть полезным или бесполезным.
Если не может быть определения, то твоя фраза "мозг мыслит" болдом не имеет никакого смысла, потому что это значит "мозг робит незнамо що".
Патологический формализьм. Если прямая, время, пространство - неопределяемые понятия - значит их не существует, так?
ПроблЭмка в том, что задач с "мышлением" много, но все они разрешимы алгоритмически как правило-грубо говоря(т.е. программист может закодить программу, решающую данный класс задач).
И "мышление" будет в каждом случае своё. Узреваю такие свойства мозга - универсальность, рефлексия(способность отражать реальный мир и своё место в нём) и самообучаемость.
Проблэмка в том, что без выбора задачи все рассуждения о умности/неумности нейросетей не несут никакого смысла. Можно попричитать и о жестокости бога с точно таким же практическим результатом.
>Если прямая, время, пространство - неопределяемые понятия - значит их не существует, так?
Значит разговаривать о них нет никакого смысла. Т.е. тебя спросили о чем-то, ты ответил "Я вижу принципиальную разницу в том, что мозг мыслит", при этом не знаешь, что такое "мыслит".
Умней самостоятельно и приходи тогда, когда будешь чем-то интересен тому, от кого хочешь получить знания.
Весьма несут они смысл. Попробуй порассуждать чуть-чуть по-философски.
Из "практических" примеров - сделай мне андроида-друга, полностью равного человеку в "интеллектуальном" смысле. Либо склонируй мою личность в нейросеть. Весьма прикладной аспект же.
Ну это же Бертран Рассел головного мозга получается. Да, я не знаю(вернее не могу сформулировать) что такое мышление - но могу попробовать указать на некие свойства, которыми оно обладает(как в случае с неопределяемыми понятиями и аксиомами).
А понты тогда к чему были? Подтекло что-то?
Ты может быть и в боженьку веруешь, клован?
>в теории япошек у них может быть "всё заебись"(видимо дырки теории - не вникал)
Во что ты там вообще вникнуть можешь, дифиченто? Если ты даже нейросеть от нечеткой модели не отличаешь?
PSO - алгоритмы оптимизации. Как и генетические и меметические. Т.е. как я понимаю, их задача в том, чтобы на заданном пространстве поиска найти решения, максимизирующие или минимизирующие функцию приспособленности, fitness function. Которая в явном виде задается пользователем. Так вот, где ты возьмешь эту функцию для неизвестной системы? Допустим, у тебя есть данные. Допустим, их можно разделить на входы и выходы. Допустим даже, что есть априорные знания, что выходы как-то зависят от входов. Как в данном случае без идентификации системы получить функции зависимости выходов от входов? Оптимизация тут вообще не при делах, не?
>Из "практических" примеров - сделай мне андроида-друга, полностью равного человеку в "интеллектуальном" смысле. Либо склонируй мою личность в нейросеть. Весьма прикладной аспект же.
Пиздёшь с тобой никак не помогает реализации этих проектов. Даже наоборот.
>Ну это же Бертран Рассел головного мозга получается. Да, я не знаю(вернее не могу сформулировать) что такое мышление - но могу попробовать указать на некие свойства, которыми оно обладает(как в случае с неопределяемыми понятиями и аксиомами).
Так ты пробуй, указывай. А не перди в лужу о важности своих указаний. Может, действительно что-то удачно подметишь и сформулируешь.
>А понты тогда к чему были? Подтекло что-то?
Понтами ты воспринимаешь любое указание на голословность твоих утверждений?
Да не надо ничего указывать. Мысль - это состояние мозга, наблюдаемое самим мозгом. В мозгу обратных связей больше, чем прямых, он постоянно за собой следит. У большинства нейросетей сейчас нет состояния, они чисто feed-forward. Однако с языком работают уже рекуррентные нейросети, с внутренним состоянием, они так или иначе мыслят.
О PSO, мы как раз и сравнивали PSO, генетические алгоритмы и т. п. При чем тут идентификация систем?
>Ты может быть и в боженьку веруешь, клован?
Ну да, нейродрочер опетушился и совсем в жир ударился. Бугурт означает, что истина где-то там.
>Понтами ты воспринимаешь любое указание на голословность твоих утверждений?
Понтами я называю случай, когда ты утверждаешь что я невежда, а ты шаришь - а потом сливаешься показать "на пальцах" в чём я не прав, наверное из показного снобизма и высокомерия.
>Так ты пробуй, указывай. А не перди в лужу о важности своих указаний.
>Узреваю такие свойства мозга - универсальность(алгоритм "мышления" универсален и постоянен для любой "умственной задачи), рефлексия(способность отражать реальный мир и своё место в нём) и самообучаемость(не нужно явное программирование и достаточно небольшого набора данных для обобщения и прогнозирования), а также возможность закладывать/выбирать из системы "понятия" их связи и умозаключения(грубым приближением будут предикаты - но надо сохранить семантику). То есть, система должна сама определять "понятия", их семантику и связи в какой-либо области, делать из них выводы на основе базовых "метаправил". Еще очень желательно, чтобы был интерфейс к ИИ через естественный язык, а не формальные структуры.
Также пробампую нерешенные вопросики нейрооптимистам:
>2. Какие накладывются ограничения применения нейросетей в моделировании - каком угодно.
а) Взять хотя бы предсказание мировых цен на товары/акции/валюты. Поясните, как нейросети могут быть здесь эффективно применены без построения глобальной экономической модели.
б) Возможно ли с помощью нейросетей моделировать "классические" инженерные и физические задачи - расчёт электрических цепей, динамики жидкости и газа, решать механические задачи. Если нет - то почему.
в) Моделирование транспортного траффика, классически выполняющегося на графах - как это сделать в нейросетях?
г) Как применять нейросети для аппроксимации, если выборка значений параметризованной многомерной функции мала в сравнении с размерностью параметров/вектора значений функции.
Я ответил на твои вопросы. У нейросетей получается хорошо то, чему легко (в течение часов) можно обучить человека.
Есть в этом треде алгосос, который гнобил тульповодов? Пусть пояснит за раздвоения личности, голоса в голове и прочие функциональные нарушения.
Не знаю, о ком ты, но тульпы во сне - вполне себе физиологическая норма, что в этом может быть интересного? Мозг - это больше, чем модель одной личности.
>У нейросетей получается хорошо то, чему легко (в течение часов) можно обучить человека.
Но ведь... самая мякотка - это то, на что уходят годы величайших умов. Как пример с симфонией.
Пример. Далеко не среднего ума дядя Ньютон несколько лет парился над законом всемирного тяготения - и он открыл его(как раз тот самый случай "символьных пертурбаций" и обобщения. Можно приводить кучу случаев из разных наук - где сыграло не только мышление(в высших его проявлениях), но и интуиция, удача. Способна ли на это самая мощная нейросеть?
>а) Взять хотя бы предсказание мировых цен на товары/акции/валюты. Поясните, как нейросети могут быть здесь эффективно применены без построения глобальной экономической модели.
Идентификацией динамической системы, представленной в виде NARMAX-модели. Цены - это числовой ряд.
>б) Возможно ли с помощью нейросетей моделировать "классические" инженерные и физические задачи - расчёт электрических цепей, динамики жидкости и газа, решать механические задачи. Если нет - то почему.
Да, возможно.
>г) Как применять нейросети для аппроксимации, если выборка значений параметризованной многомерной функции мала в сравнении с размерностью параметров/вектора значений функции.
Берешь и применяешь. Ошибка аппроксимации будет высокая.
>Можно приводить кучу случаев из разных наук - где сыграло не только мышление(в высших его проявлениях), но и интуиция, удача. Способна ли на это самая мощная нейросеть?
Я тебе обратный пример приведу. Менделеев над периодическим законом работал долгое время, а что-нибудь вроде SOM Кохонена решила бы эту задачу за доли секунды. Потому что там делов-то - расставить на двумерной плоскости в топологически правильном порядке около 80 векторов размерностью не выше 10.
define мышление, define интуиция, define удача. В моих определениях - да, способна. Лично ты не умеешь повторять стиль Ван Гога, а эта система, основанная на нейросети - умеет. Причем никто ее этому не учил, это просто следствия умения классифицировать изображения.
Симфония - неудачный пример, потому что это музыка и теория музыки - это подбор таких звуков человеком, чтобы человек получал максимум удовольствия. Особого смысла это за собой не несет.
>Лично ты не умеешь повторять стиль Ван Гога, а эта система, основанная на нейросети - умеет.
Говно же. Технарям, может, и сойдёт, они слепые нахуй.
>Потому что там делов-то
Там делов - сформулировать задачу, шлюхин сын. Может твоя нейросеть сформулировать задачу?
Говно, не говно - ты так не умеешь, а чтобы умел, надо будет учить годами.
Умею. В том, чтоб подражать заданному стилю, нет совершенно ничего сложного. Подражать ему хуёво, подставляя рандомные кусочки (как у тебя на пике), человек действительно не сможет, у него кровь из глаз раньше потечёт.
Ну давай, вперед. Такая картина рисуется один час. Жду от тебя результатов через час.
Я могу дать тебе хуй пососать. Сможет ли нейросеть дать тебе хуй пососать? Не думаю. Шах и мат.
Манька портфельная, что ты вообще можешь знать за формулировку задачи? Тебе ИТТ полную панаму хуев уже наложили, тебе недостаточно? Любая формулировка любой задачи сводится к минимизации, максимизации либо поддержанию на заданном уровне энтропии системы либо взаимодействующих систем. В случае анализа данных - шенноновской энтропии.
По факту ты можешь только визгливо кукарекать.
Засливан.
Ну, в общем, если ты принесёшь работы своей нейросети на продажу, тебе предложат то же самое вместо тысяч долларов, которые стоит мазня живого человека. Потому что картины с это просто механический коллаж. Можешь в пейнтаче спросить, если не веришь, технарик.
Нахуй иди.
Чего ты ссылаешься на меня, я все еще жду от тебя рисунка, который ты потом продашь за тысячи долларов в /p/. Только почему-то ты не понесешь свою мазню, потому что 1) рисовать ты ее будешь месяц 2) она нахуй никому не нужна. Потому что ты тупой и о чем идет речь не понимаешь.
>рисовать ты ее будешь месяц
Это разумный срок, именно столько она и рисуется. А говноколлажик за пять минут я могу доверить нейросети.
>она нахуй никому не нужна
Как и продукция твоей нейросети. Очередная крипота, доказывающая, что до человека его собственным поделиям ещё срать и срать тысячи лет.
Тут-то я и проиграл. Сравнивать ориджинал контент и высокое творчество(в т.ч. научное) с механическими(но довольно искусными для машины) коллажами на основе полных выборок картин художников. Причём наверняка программисты тоже постарались с выбором структуры нейросети и вспомогательными алгоритмами обработки изображений(эту часть не сами собствна нейросети делали, а мозг человеческий).
>Идентификацией динамической системы, представленной в виде NARMAX-модели. Цены - это числовой ряд.
>Да, возможно.
Примеры удачных применений в студию. Даже из говна можно звездолёт построить теоретически так-то. Насколько мне известно - в торговых системах/ботах нейросети соснули, ибо там тенденция не механическая, не выводимая из конечной исторической выборки.
В общем, чё-то расхотелось мне с тобой дискутировать. Хотя наверно в нейросетях ты и прошарен до определенного уровня. Слишком много фанатизма.
> с механическими(но довольно искусными для машины) коллажами на основе полных выборок картин художников.
Блядь, какой же ты тупой ебанат. Нет там никаких коллажей и полных выборок картин. Просто тупые ебанаты не способны читать статьи и по уровню интеллекта находятся чуть ниже двуслойного персептрона.
>Нет там никаких коллажей
Да ты что! Прямо как настоящей кистью рисовали, да?
Я говорил тебе, что ты слепошарый кретин, поэтому повторяться не буду.
>Примеры удачных применений в студию.
Д. Бэстенс, В. Ван Ден Берг, Д. Вуд - Нейронные сети и финансовые рынки
Дебок Г., Кохонен Т. - Анализ финансовых данных с помощью самоорганизующихся карт
>Насколько мне известно - кок пок, кокореку
Да я уж понял, что тебе известно.
Здравствуй, петушочек.
Петросян, ты не в курсе, что такое коллаж.
Ну он утверждал, что тульпы невозможны и мозг просто сам убеждает себя, что они есть, но это суть описание, а не сам предмет.
Ну да, опять какие-то апостолы от нейросетей с "японцами". Никаких нейросетевых миллионеров на горизонте не наблюдается. Удачи тебе, бугурто-фанатик. Может правда чего-то дельного создашь. А может и нет.
Тогда мозг убеждает себя, что видит сон. Демагогия какая-то. За неправильное спряжение "суть" - мук и страданий тебе.
>и мозг просто сам убеждает себя, что они есть
Ну начнём с того, что мозг убеждает себя, что он себя осознаёт. Мозг убеждает себя, что он имеет личность, волю, разум и взаимодействует с миром. Всё, что ты можешь увидеть или почувствовать - это продукция мозга.
Поэтому ты несёшь невероятную чушь. Ясен хуй, что мозг убеждает себя. Это его работа блядь.
>опять какие-то апостолы от нейросетей с "японцами".
>Врети, ваши пруфи не пруфи!!111
Он как только начинает сосать, скатывается в ad hominem. А так как это происходит буквально начиная со второго ответа, скатывается в ad hominem он часто.
Дружище, не шкварь себя спорами с этими обосратышами. Это я тебе как человек регулярно ссущий им на головы говорю. Это группа крайне упертых, отрицающих манек которая до крови дрочит на книги, отказываются читать свежие статьи и зачастую прибегают к технике подтасовки фактов. Они конченные, я тебе говорю.
А ты кто, пидарок из группы поддержки? Глубже в горло бери, твоему кумиру нужно расслабиться, он устал от оппонентов отбиваться.
Зарекаюсь больше не вступать в дискуссии с
>Я магистр компьютерных наук в области нейросетей. Имею одну теорию. Идея создать искусственное тело (как на пикче), содержащее мозг, составленный из искусственных нейросетей, по сложности сопоставимый настоящему
Ну вот и опять все вернулось на круги своя. Полтора каких-то тупых унтерменша игнорируя любые конструктивные посты, все закукарекали гуманитарным бредом ни о чем. Это я к тому, что стоило ли писать уже 10й раз все, что я в очередной раз написал? У кого мозги и минимальные знания по теме есть, тому я вряд ли сообщу что-то новое. А полтора портфельных петуха все равно ничего никогда не поймут, потому что понимать нечем.
>У кого мозги и минимальные знания по теме есть
У того к сожалению, нет минимального соображения и научного кругозора. Как и способности выйти за рамки представлений, сложившихся по надроченным тяжким трудом книгам.
Ad hominem - это не конструктивные посты, это и есть гуманитарный бред.
Ad hominem - это из риторики, гуманитарной науки(точнее искусства). Поэтому только что ты сказал
>гуманитарный бред
Ты еще научный метод гуманитарным бредом назови.
>Лично ты не умеешь повторять стиль Ван Гога, а эта система, основанная на нейросети - умеет. Причем никто ее этому не учил, это просто следствия умения классифицировать изображения.
Говноеды скатили мое сообщение в тупой срач, потому что говноеды тупы. Суть-то во втором предложении - нейросеть берется любая, победитель задачи классификации картинок, она ничего не знает о художниках, все, чему она обучилась - это отличать кошек от собак. Далее вход нейросети оптимизируется так, чтобы определенные нейроны давали тот же выход, который давали бы, если бы на нее подали Ван Гога. И вход начинает быть похожим на картину Ван Гога. Т.е. нейросеть, которую обучили на собаках, начинает уметь отделять информацию о стиле рисунка от информации о контенте. Это очень важный результат - который, вкупе с тем, что нейросети "глючат" почти так же, как люди, говорит о том, что визуальная кора у человека работает по тем же принципам.
Что, в купе с тем, что мы считаем, что весь мозг работает по одному и тому же алгоритму обучения, говорит о том, что алгоритм этот понятен. И да, это backpropagation. Остальное - вопрос количественный, а не качественный. Будут толще GPU, будут толще результаты.
Говноеды скатили мое сообщение в тупой срач, потому что говноеды тупы. Суть-то во втором предложении - нейросеть берется любая, победитель задачи классификации картинок, она ничего не знает о художниках, все, чему она обучилась - это отличать кошек от собак. Далее вход нейросети оптимизируется так, чтобы определенные нейроны давали тот же выход, который давали бы, если бы на нее подали Ван Гога. И вход начинает быть похожим на картину Ван Гога. Т.е. нейросеть, которую обучили на собаках, начинает уметь отделять информацию о стиле рисунка от информации о контенте. Это очень важный результат - который, вкупе с тем, что нейросети "глючат" почти так же, как люди, говорит о том, что визуальная кора у человека работает по тем же принципам.
Что, в купе с тем, что мы считаем, что весь мозг работает по одному и тому же алгоритму обучения, говорит о том, что алгоритм этот понятен. И да, это backpropagation. Остальное - вопрос количественный, а не качественный. Будут толще GPU, будут толще результаты.
>вкупе с тем, что нейросети "глючат" почти так же, как люди, говорит о том, что визуальная кора у человека работает по тем же принципам.
>создай машину, действующую по принципам визуальной коры
>обсирайся от счастья, когда оказывается, что принципы визуальной коры похожи на принцип действия машины
Поздравляю тебя, шарик, ты балбес.
С ad hominem нахуй иди.
Нет, я указываю тебе очевидный изъян в твоей логической цепочке, шарик. Это не адхоминем.
Ты хуйню указываешь. Самолет не машет крыльями.
Кроме аналогий какие-то конструктивные возражения будут?
Мы можем воплотить в нейросетях только известные нам механизмы.
Ложное утверждение. Например, более "биологическая" активация заменена на ReLU.
И как это приводит нас к ложности моего утверждения?
Принципы работы визуальной коры нам неизвестны. Неизвестны настолько, что чтобы заменить sigmoid (который вроде как похож на единичный нейрон) на ReLU, ушло полвека. Известны только некоторые частности, ради которых приходится убивать кучу крыс. Повторение в лоб не работает - эмуляция биологических нейронов неэффективна хотя бы потому, что они спайковые и связью с помощью нейромедиаторов, а нам лучше одна операция multiple-add на одну связь. Поэтому тот факт, что получившаяся система работает по похожим принципам говорит о том, что мы идем на верном пути, используя другую базовую технологию. И начинаем больше понимать о себе самих.
Для тебя же "создай машину, действующую по принципам визуальной коры" - раз плюнуть, ну удачи.
>используя другую базовую технологию
Разве ReLU это не грубая симуляция работы нейромедиаторов? Мне показалось, что она работает именно поэтому.
Ну, допустим, но еще в 2009 об этом не знали, получается? А упорно использовали функции "с насыщением" (sigmoid, tanh), считая, что это более биологично (согласно модели нейрона из 50-х). А потом ReLU заработал и появились объясняторы, что это он более биологичен. Т.е. реальности объяснение найдется всему, но нужно-то что-то, что работает. И тогда мы более-менее поймем в том числе и то, что в визуальной коре работает, а что - просто особенности "белковой технологии" или вообще эволюционные атавизмы.
Он утверждал о невозможности построения галлюцинаций волевым усилием. Потечь крышей по собственному желанию не получится (ну, либо съесть килограмм спайса, но вряд ли сгаллюцинируется что-то, что тебе понравилось и было бы похоже на тульпу).
Есть ещё такое понятие как псевдогаллюцинации. Вот они как раз про тульп и прочих мюнхгаузенов. Т.е., это слегка разогнанная фантазия, о которой носитель врёт (патологически), что видит её в реальности.
мимоИИшизик
https://ru.m.wikipedia.org/wiki/%D0%A1%D0%B8%D0%BD%D0%B4%D1%80%D0%BE%D0%BC_%D0%9C%D1%8E%D0%BD%D1%85%D0%B3%D0%B0%D1%83%D0%B7%D0%B5%D0%BD%D0%B0
Похоже, связь есть и с гиперопекой (см. делегированный синдром, "ой, какой ты у меня непутёвый"). Т.е., тульпы не зря "водятся" у корзин под мамкиной гиперопекой. И сама женская суть тульпы - фрустрация и попытка вытеснить женский образ, импринтированный матерью.
И как всегда, "обсуждение" закончилось вещами, в которых никто нихуя не понимает. В данном случае, скатились к тульпам. А причина одна - безблагодатность. Очевидный факт заключается в том, что вне математики (в общем случае - метаматематики) в принципе не может быть никаких доказательств. Любое нематематическое доказательство либо тривиально сводится к матлогике (исчислению высказываний или предикатов на основе непротиворечивой аксиоматики), либо является противоречивым или просто бесполезным набором слов, не несущем никакой реальной смысловой нагрузки и польза от него равна пользе от великого стихотворения "Дыр Був Щир". Собственно, вся быдлофилософия - дупин и прочая деррида, как раз по этой части.
А вот и мамкин Бертран Рассел пожаловал. Про быдлофилософию - согласен.
Но как быть с годной философией? Философия познаёт смысл, интерпретацию - а не формализмы, в отличие от математики. Хотя порой гонка за смыслом оборачивается жуткой хуетой(вроде того же дубина). Ты забываешь, что кроме формального мышления(на которое надрачиваешь) - есть еще интуитивное и образное. Эвристика еще есть, "догадки". И во многих сферах деятельности(окромя математики) оно работает. Взять даже физику - кроме формул они пытаются ухватить какой-то неведомый "физический смысл", "суть", ухватить интуитивное/жизненное понимание. Которое ты с лёгкой руки всё это обозвал
>противоречивым или просто бесполезным набором слов
Ну и конечно исторически-социальный аспект. Вся эта громада и машина строгих формализмов и "мета" появилась не так давно - но успела себя зарекомендовать. До этого же вполне успешно применялся более "мягкий" и человечный подход - акцент на понимание, а не на строгость - что тоже приносило результаты(в т.ч. науках, инженерии). Не надо вот вот этого вот математического шовинизма и дроча.
>Но как быть с годной философией?
Например.
>Философия познаёт смысл, интерпретацию - а не формализмы, в отличие от математики.
В отрыве от науки философия - кал и манямиры. В науке же она - лишний элемент, без которого можно обойтись. Смысл - не более чем функциональное отображение объективных вещей и явлений в буковки, звуки и т.п. Еще Гильберт показал, что матлогика работает безотносительно того, присваевается ли какой-то смысл элементам исчисления высказываний и предикатов, или нет.
>вполне успешно применялся более "мягкий" и человечный подход - акцент на понимание, а не на строгость
Какое может быть понимание без строгого определения? Либо понимание сводится к определению, либо понимания просто нет как такового.
>Либо понимание сводится к определению, либо понимания просто нет как такового.
Чтобы дать определение, требуется метатеория. Чтобы была метатеория, нужна метаметатеория. Чтобы была метаметатеория, нужна метаметаметатеория. И это не закончится никогда. Поэтому человек ничего не понимает и никогда не буде ничего понимать.
>Философия познаёт смысл, интерпретацию - а не формализмы, в отличие от математики.
Ты уходишь в религию, что похвально, но при чем тут наука? Если что-то есть и я его просто наблюдаю - это замечательно. Но любая попытка одеть наблюдения в слова приведет к потере истинного опыта.
>Например.
Ну что ты от меня ждёшь? Я тебе сейчас вот перечислю, а ты назовешь это "переоцененным говном" и толчением воды в ступе.
Ну давай начнём с тех же Попперов, Кунов и иже с ними. Тебе бы с твоим мировоззрение хорошо позитивизм пошёл. Так проще будет - они таки занимались философией науки, на которую ты так дрочишь акцентируешь внимание. Есть философия "других сфер" - общества, морали, религии, личности. Как ты сопоставишь совершенно ортогональные вещи(математику и мораль, к примеру)?
>Смысл - не более чем функциональное отображение объективных вещей и явлений в буковки, звуки и т.п.
Нонсенс. Т.е. по-твоему смысл - это набор буковок? Как быть с проблемой "интерпретатора" этих буковок? Без сущности(или способа), интерпретирующей эти буковки - это просто параша поехавшего. Вот например, сказал тебе кто-нибудь на древневавилонском - нахуй иди, маня - как ты уловишь их смысл, не зная языка ведь буковки/звуки в принципе те же? Информация - это комбинация 0 и 1, но нахуя тогда языки программирования, алгоритмы, весь этот дроч - если это просто рандомный набор буковок?
>Какое может быть понимание без строгого определения?
Советую прочитать "Как забыть про Бурбаки и начать жить". Как тебя в детстве учили словам - помнишь? Как читать/писать/считать учился - наверное получше? Сможешь объяснить на естественном языке как что-то выпилить из дерева/нарисовать/сыграть на гитаре? Вот тебе пожалуйста - понимание без всяких формул и метадрочева.
>Потечь крышей по собственному желанию не получится
Недоказуемо как-то звучит, неуверенно. Если человек хотел поехать и поехал - значит, он и так был поехавший. Охуенная логика, достойная борцуна с фелосафией.
Ага, в философии именно так дела и обстоят.
>Как быть с проблемой "интерпретатора" этих буковок? Без сущности(или способа), интерпретирующей эти буковки - это просто параша поехавшего.
Сущность эти буковки интерпретирует по заданным правилам интерпретации буковок. Т.е. это тоже функция.
>Советую прочитать "Как забыть про Бурбаки и начать жить".
Ты так говоришь "Бурбаки", как будто это что-то плохое. Между прочим, я нигде не встречал определение понятия функции лучше, точнее, проще и понятнее, чем у бурбаков.
>Сможешь объяснить на естественном языке как что-то выпилить из дерева/нарисовать/сыграть на гитаре? Вот тебе пожалуйста - понимание без всяких формул и метадрочева.
Только все вышеперечисленное легко сводится к чертежу, схеме, нотам там, вот это все вотетавот. А вот пикрелейтед - типичный чертеж философских концепций. Очевидно же, что и в голове у него нечто похожее. А он, между прочим, считается выдающимся философом современности.
Видишь ли, я пытаюсь с тобой про философию - а ты всё переводишь на Дубина со словами - "И вот так вот везде". Подумай, в чём ты неправ.
>Сущность эти буковки интерпретирует по заданным правилам интерпретации буковок. Т.е. это тоже функция.
Ну это просто платина. Самое главное не поспоришь же. Могу только попытаться подселить "духа сомнения" - приведи пример универсальной практической реализации этой "функции", отображающей любые буковки в смысл. А то как-то неконструктивненько получается.
>Ты так говоришь "Бурбаки", как будто это что-то плохое.
Я просто пытаюсь с помощью юмора навести тебя на мысль, в чём ты не прав. Аки Сократ. Скажешь прямолинейно - тонны бугурта потекут.
>А он, между прочим, считается выдающимся философом современности.
Очень спорно. Он скорее "официозный" проправительственный "философ на подсосе". Судить справедливо не могу т.к. не слушал его лекций, но видимо сорт оф говноКургинян.
Еще хотел бы добавить - философия изучает скорее "зачем и почему?", а "прикладные науки" - "как и что". Впрочем, метатеории в математике - имхо "философия в камне математике".
Наша дискуссия тащемта - пикрилейтед.
>А вот пикрелейтед - типичный чертеж философских концепций. Очевидно же, что и в голове у него нечто похожее.
Ты, наверное, и Сальвадора Дали считаешь хуёвым рисовакой, потому что у него часы полужидкие. Ты думаешь, что он не осилил нарисовать твёрдые часы.
Мимо
>Попперов
На самом деле все довольно просто и я хотел нписать об этом в прошлом посте, но не написал.
Дело в том, что лежащая в основе методологии науки поппера идея проста: теории, опровергаемые экспериментом. Но разные ученые, просто мудилы мудилы, и в том числе поппер, по крайней мере делают вид, что они словами смогут описать нечто, что позволит всем знаниям стать проверенными, позволит любому избавиться от своих страхов, комплексов, и увидеть мир таким, какой он есть.
А правда в том, что слова этому только мешают. Но поскольку дрочить на пиздобольство в последнее время стало модно, поэтому всяких попперов и превозносят, хотя я не думаю, что поппер выразил оригинальную идею. Я же просто использую поппера как авторитет, из-за чьей спины можно кукарекать, потому что особо не попиздишь против меня, когда я говорю словами авторитетов.
>смысл - это набор буковок?
Смысл - это мои фантазии по поводу сути наблюдаемых явлений.
>Сможешь объяснить на естественном языке как что-то выпилить из дерева/нарисовать/сыграть на гитаре
Ты не сможешь определить что такое понимание - вот о чем он говорил.
>А он, между прочим, считается выдающимся философом современности.
Пиздобол, распиаренный парашкинскими властями, потому что угоден им (диды воивали).
А ты его наверное, считаешь гениальным художником, потому что он жидкие часы рисовал?
>приведи пример универсальной практической реализации этой "функции", отображающей любые буковки в смысл. А то как-то неконструктивненько получается.
Разные языки - разные буковки, даже для одного и того же смысла. Универсального языка нет, поэтому и функции такой тоже нет, очевидно же. Так-то и на пикрелейтед что-то там написано.
Нет, имеется ввиду полное обследование пациента, установления его душевного здоровья, и гарантирование, что без серьёзных стрессов данный пациент по щелчку пальцев не сможет призвать дракона.
Есть такое популярное мнение, что у многих детей есть воображаемые друзья. Очевидно, что если ребёнок всем о своём розовом слоне рассказывает, то это Мюнхгаузен. А если нет - тогда это, выходит, тульпа?
P.S.: Галлюцинации фиксируются в том числе на томографе по активности зрительной или слуховой зон, в зависимости от типа галлюцинации при отсутствии раздражения зрительных и слуховых рецепторов.
Так ты против того, что в кольцо самоубеждения в восприятии что-то можно вклинить полусознательно, или допускаешь такую возможность?
Ты верно про детей подметил, но детей рассматривают отдельно. Ребёнок ещё не совсем личность, а как раз разрозненанная куча ощущений, лингвистически выливающаяся в формулировки, похожие на описание галлюцинаций. Но это игра и этап освоения языка. Интересно, что примитивные племена, осваивая европейский язык, тоже не сразу лингвистически интегрировали себя в языковую схему, в культуру европейцев. В том числе это выражается в неумении пользоваться личными и притягательными местоимениями. Им тоже объясняли способ их употребления на слонах и яблоках.
А вот взрослый здоровый человек уже должен иметь интегрированную систему социальных ролей, ассоциируемую со своим "Я". По-сути, это уметь пользоваться словами, в том числе отвечать за слово "Я". Взрослый человек способен представить себе слона, но назовёт его фантазией. Просто именно такое значение у этого слова.
Личность всегда будет отдавать себе отчёт в этом вклинивании. Если ты скажешь, что это твоя тульпа задушила проститутку, посадят всё равно тебя. И назовут вменяемым.
>Личность всегда будет отдавать себе отчёт в этом вклинивании.
Ты как будто не в курсе об охуенной куче механизмов компенсации и подавления таких отчётов. Которые функциклируют и у "здоровых" людей, делая их, собственно, "здоровыми".
Лингвистику свою любимую снова приплёл, ну ё-моё.
Вряд ли дело в примитивности, русско китайский пиджин тоже использует моя вместо я, хотя Россия и Китай далеки от взаимоотношений англичан с рабами например.
Может, пример с туземцами был слегка притянут за уши, согласен. Но это не отменяет остальное.
>магистр компьютерных наук в области нейросетей
>мозг, составленный из искусственных нейросетей
>Мозг человека распознает искусственный и попытается им управлять
>транслировать в живой картинку с камер, тактильные ощущения, звук
>такой эксперимент я смогу провести очень и очень не скоро
Я УЖЕ НЕ /SCI, БЛЯ, Я ПОПАДАНЕЦ НАХУЙ!
Все эти комплексы гораздо проще автономных галлюцинаций.
Я невромогистр камплюхтерных сетей! Понял?!
Понятное дело, что такой эксперимент я смогу провести очень и очень не скоро. На данный момент собираюсь провести эксперимент попроще. Подать в нейросеть данные с ЕЕГ, а выход подсоединить к электродам на коже. В теории, нейросеть обученная распознавать какие-нибудь объекты, сможет сигналить мне об их местонахождении с помощью электрических разрядов (прощай, долгий поиск носков).
Предлагаю обсудить.