Comments 56
На этом месте становится немного страшно
Случайные надписи на случайных картинках тоже могут выглядеть осмысленно, куча таких проектов было в интернете. Тут абсолютно то же самое, причём тезисы ТРИЗа изначально не несут прикладного смысла, хоть и выглядят иногда так, будто бы несут :).
Согласен с вами, глубокого понимания проблемы в решениях нейронной сети нет. Она просто тригерит на определенные слова в описании задачи, и если "вспоминает" что-то близкое из обучающей выборки, то выдает похожий ответ. Иногда, то что она "вспомнила" имеет смысл, иногда нет. Собственно говоря, похожие слова критики звучат в адрес проекта Github Copilot, который также работает на больших языковых моделях
Ну, в нейросетевых ассистентах IDE таки больше смысла, на мой взгляд, там и не нужно никакого глубокого понимания алгоритма, нужно просто подставить расхожий сниппет кода, сэкономив нажатия кнопок программистом. Писать за программиста программы такая штука тоже не сможет (но и не должна).
Иногда глубокое понимание алгоритма при написании кода тоже нужно. Например, когда вы пишете специфичный код завязанный на внешнюю систему (скажем, оптимизируете sql запрос для СУБД) или железо (пишите прошивку для роутера). В этом нетривиальном случае языковая модель вряд ли сможет вам помочь, ее "мышление" лежит в одной плоскости, т.к. в основном она училась по коду из GitHub перебирать элементы массива. Но даже если вы ей покажете как писать оптимизированные sql запросы, то далеко не факт, что ей будет удаваться писать их в 100% случаев. Для этого либо нужно предоставить модели огромную обучающую выборку с кодом, учитывающую все возможные тонкости работы с базой, либо нужно понимать как СУБД внутри работает. Именно за это понимание программисты и инженеры получают свои зарплаты, и пока на горизонте 5-10 лет им ничего не угрожает
Иногда и встроенная бритва с пылесосом могла бы быть удобной в IDE, да, но всё-таки ожидания от ассистента немного другие - подставить многобуквенный сниппет по нечёткому шаблону или совершить операцию рефакторинга, также "нечётко" угадав его по действиям/буквам программиста.
Либо, мы под пониманием тоже понимаем аналогию с некоторым образом, из которого делаем то или иное решение.
Случайные комменты к случайной статье тоже могут выглядеть осмсленно. Куча таких комментов... итд. А не нейронная ли вы сеть? А не нейронная сеть я? Как нам пройти тест тьюринга и что он покажет если мы оба лишь нейронная сеть?
А если серьезно - где грань между "пониманием" и подобной сеткой? Есть ли у нас это понимание или нам так кажется, что было удобнее разговаривать?
А если нерешаемые задачи скармливать? Ну то есть, первый пример с лампочкой и убрать из ТЗ вакуум, чтобы решение с дыркой/убиранием колбы стало неверным. В ML я профан, но из того что читал ранее - Искуственный Имбецилл не обратит на такой нюанс внимания и всё равно предложит это же самое решение. Т.е. понимание у них ОКОЛОНУЛЕВОЕ.
p.s. Ну, с одной стороны, наверное всё равно неплохо, т.к. школьную физику 40% населения земли не помнит. Но при желании вспомнят, а вот есть ли такой потенциал у НС текущего поколения - сильно сомневаюсь.
Текущая версия нейронной сети может очень сильно менять свои ответы в зависимости от наличия определенных слов в формулировке. В данном случае нейронная сеть обратила внимание на словосочетание перепад давления, поэтому и выдала такой ответ. Конечно никакого большого понимания контекста задачи там нет, о чем и написано в последнем абзаце статьи. Но кто знает, что исследователи искусственного интеллекта смогут придумать в будущем.
Самому стало интересно, переформулировал задачу следующим образом уже без вакуума: "Изобретение относится к осветительной технике.[SEP] Цель изобретения повышение прочности места соединение цоколя лампы со стеклянной колбой.[SEP] Известна лампа накаливания, содержащая нить вольфрама, колба которой заполнена инертным газом.[SEP] Недостатком является низкая прочность колбы в месте соединение цоколя, при механических воздействиях, которые могут возникать при сильных вибрациях в конструкции." На выходе получил ответ: "... отличающаяся тем, что с целью повышения прочности места соединение цоколя лампы со стеклянной колбой она снабжена под углом к вертикальной оси шкворня." Вообщем ответ получился совсем другой, не похоже конечно, что он несет большой смысл
Если описывать поведение языковой модели в терминах когнитивных операций, то достаточно легко предположить, что изобрести (придумать) она ничего не может, потому что может оперировать только ассоциациями. А на ассоциациях держатся только самые тупые формы аналогий (некоторые из которых могут, впрочем, внешне напоминать дедукцию и индукцию). Первобытные люди и малолетние дети, пользуясь только этими операциями и памятью, могут исключительно выявлять более удачные варианты из результатов случайной мутации того или иного метода (решения).
Именно поэтому инженеры и программисты получают свои большие зарплаты, за свою умственную работу, и пока не идет речи о том, чтобы их полностью заменил AI :)
К большому сожалению, речь очень даже идет о том, чтобы дать ИИ в помощь, например, кадровикам. Что может на практике, к сожалению, означать две вещи: живой кадровик будет автоматически превращать рекомендацию ИИ в "свое" решение, а в худшем случае - ИИ вообще будет вполне официально принимать решения, несмотря на то, что функционально он страдает паранойей и олигофренией одновременно.
Проблематика, которую вы описали касается комплексного вопроса, лежащего в двух областях: этики искусственного интеллекта (какие задачи можно доверить ИИ?) и валидации человеком решении ИИ (что можно считать корректным ответом?). Однозначного ответа на оба вопроса для любых задач пока нет, их еще предстоит найти
Однозначный ответ есть - "нет", пока не сформируется надежное понимание вопроса. Любые попытки противоположного подхода решать как можно более радикальными средствами противодействия, чтобы у принимающих такие решения охота исчезла на как можно более долгое время.
В компании, где я работаю, мне удалось обойтись без явных угроз в адрес руководства, когда я добивался отказа использования ИИ в кадровых вопросах (руководство сдалось, услышав описание того, как вендор ИИ-решения не моргая готов наживаться на клиентах). Но я был готов пойти на открытую конфронтацию, включая доходчивое объяснение проблемы сотрудникам, которые в этом случае свалят, остановив производство.
Я не специалист, но возможно стоит попробовать каким-то образом сформировать не языковую а смысловую модель, например при помощи уменьшения размеров нейросети (что-то вроде обобщения).
А еще, наверное, можно добавить в обучающую выборку примитивные паттерны, например, круглое можно катить, стекло можно разбить и т.д.
Вы правильно заметили. К данному вопросу можно подойти и с этой стороны, создать смысловую модель. Это можно сделать, скажем, если вместо слов на вход модели подавать категориальные признаки. Например, " для решения использовать круглую форму" или "для решения переиспользовать электрическое поле" и т.д. Однако в этом случае придется формировать обучающую выборку вручную. Можно сделать гибрид, который будет получать на вход текстовое описание и некоторый вектор "идеи", содержащий информацию о физических и химических эффектах.
www.youtube.com/watch?v=s1EMIVLoyOg&t=131s
— Зачем веревку принёс?
— Ну не знаю два дня назад мы точно так верёвкой Мурмана из колодца вытащили
Типичный случай использования конкретно-предметного мышления, ограниченного ассоциацией. Возможность предсказания результата через построение гипотезы на основании имеющихся знаний у показанных индивидуумов отсутствует, при том что опознать результат, как нежелательный, уже по факту произошедшего они вполне способны.
Простите пжлст, но... где же здесь ТРИЗ?
Такой подход к решению задач в принципе неверен. Не словами из описания в патенте надо жонглировать, а использовать для поиска решения законы развития (эволюции) систем, которых в описании патента нет и быть не может. Г. Альтшуллер при анализе патентов увидел глубину (смысл), скрывающиеся за словами — законы развития (эволюцию) систем, и возникающие противоречия, при попытках реализации этих законов. Вывод: ТРАНСФОРМЕР — это высокотехнологичный МПиО...
Надо алгоритмизировать не процесс решения задачи, а процесс эволюции системы, т.е. преобразование менее совершенной системы в более совершенную с помощью законов эволюции. Г.С.Альтшуллер: «...главное в изобретении … - это развитие технической системы... »[1]. Это как раз и означает, что в виде решения задачи (внешняя форма) выступает эволюция технической системы (внутреннее содержание). «Внешне АРИЗ представляет собой программу последовательной обработки изобретательских задач. Законы развития технических систем заложены в самой структуре программы или выступают в «рабочей одежде» - в виде конкретных операторов».
Это же предположил и В.Цуриков: «Похоже, что структура АРИЗ в неявном виде отразила ... закономерности развития структур любых систем...».
[1] Альтшуллер Г.С., Фильковский Г.Л. Современное состояние теории решения изобретательских задач, 1975, http://www.altshuller.ru/triz2.asp
[2] Альтшуллер Г.С. Творчество как точная наука. М., "Советское радио", 1979, с. 23
[3] Цуриков В.М. Проект ИМ: интеллектуальная среда поддержки инженерной деятельности. Журнал ТРИЗ, 2.1.91, с. 12 Выпуск "Проект ИМ"
Системы, которые базируются на ТРИЗ уже были представлены на рынке, например True Machine. И они имели определенный успех. Не хотелось повторяться. В свою очередь, данная публикация является скорее вычислительным экспериментом - попыткой создать Github Copilot, но для изобретателей.
Системы, которые базируются на ТРИЗ уже были представлены на рынке, например True Machine.
True Machina не основана на ТРИЗ! Основа ТРИЗ - законы развития (эволюции) систем, чего в True Machina нет. Можете сами проверить на их сайте, https://www.truemachina.com/:
One billion new inventions can be generated by combinatorial intelligence engine after True Machina knowledge base is fully completed
Один миллиард новых изобретений может быть получен с помощью движка комбинаторного интеллекта после того, как база знаний этого движка будет полностью заполнена (завершена).
С помощью комбинаторики ничего нового нельзя изобрести. Это попросту аналог Ars Magna Р.Луллия, правда, высокотехнологичный аналог. У Р.Луллия бумажные кольца с терминама, у Вас - ТРАНСФОРМЕР (супер-пупер нейросеть).
В процессе пользовательского тестирования было введено около 20 задач, из них только 3 были решены таким образом, что можно говорить о практической ценности данных решений.
Полученные результаты выглядят оптимистично
Меньше 2 из 10 с бессмысленными или бесполезными формулировками, в которых надо выискивать осмысленные части, при 300000 примеров абсолютно достоверных данных? Это не выглядит оптимистично, выглядит как случайное совпадение.
Таким образом можно сказать, что языковая модель выдает ответы, имеющие смысл приблизительно в 15% случаев.
Нет, так сказать нельзя. Сказать почему, или догадаетесь?
Статистическая выборка слишком маленькая.
Согласен с вами, выборка маленькая. Но дальнейшие эксперименты с моделью показали примерно такие же результаты. Тут важно понимать еще два момента. Первый момент: модель обученная в данной статье довольно маленькая (GPT3 в 1000 раз больше), чем больше модель, тем лучше качество генерации. Второй момент: 300000 примеров или 1.2 ГБ текста, тоже довольно маленький объем данных для языковых моделей (обычно их обучают на сотнях гигабайт текста). Было бы интересно взглянуть на работу большой языковой модели, весьма вероятно качество было бы лучше. Данная публикация скорее попытка обратить внимание на новый подход, а качество реализации идеи безусловно можно улучшить
Случайный набор фраз, где следующая продолжает предыдущую по последним словам, это далеко не новый подход. Изобрести что-то с его помощью можно не больше, чем придумал бы сам инженер, способный понять ее вывод.
Все-таки это не совсем случайный набор фраз. В примерах видно, что если задача, скажем, по металлургии, то модель выдает химическую формулу материала, а не совсем что-то из другой области. Безусловно инженеры все могут придумать и изобрести, но интерес заключался в том, чтобы попробовать автоматизировать этот процесс. Если вы считаете эту публикацию не имеющей практического смысла - это ок, но думаю кто-то нашел ее интересной. Быть может среди этих ребят будут те, кто сделает что-то подобное, но при этом сильно улучшит результаты.
... если задача, скажем, по металлургии, то модель выдает химическую формулу материала, а не совсем что-то из другой области.
Вот это-то и плохо, что не из другой области. Когда улучшаемая система исчерпала ресурсы для улучшения - это типичная ситуация, когда система находится на 3 или даже 4 этапе S-образной кривой развития, как правило решение ищут именно в другой области, куда инженеры без ТРИЗ никогда не заглянут. И решения получаются выского уровня, по-настоящему прорывными. Другая возможность - поискать для улучшаемой системы ей альтернативную. Это целая область в ТРИЗ - объединение альтернативных систем. Поищите, не пожалеете!
True Machine - Программный продукт на основе ТРИЗ в начале 00-ых неплохо продавался, и кажется, помогал своим пользователям создавать что-то новое. Поправьте, если я не прав https://habr.com/ru/post/596403/
Интересно. А как Вы можете утверждать чем пользовались изобретатели во всех патентах? Кто-то ведёт статистику?
Мне кажется проблема не в ТРИЗ. А в том что высокотехнологичная не военная промышленность и изобретатели не нужны. Если нет запроса на изобретения кто и зачем будет развивать методику или разрабатывать что-то более совершенное?
Вы описали 2 проблемы
1) патентные сл. перегружены. что может описывать как большое число заявок так и плохую организацию работы.
2) 35к заявок много. - что вроде немного выше чем в СССР в 70-80х. если смотрим на Китай там 1М+ патентов. но нам нужно знать сколько из них толковых. читая которые специалист скажет "круто это они придумали, надо купить патент".
UPD: востребованность специалистов довольно хорошо показывает зп. Если инженер изобетатель с опытом работы и стопкой патентов на предприятии оборонной отрасли получает меньше чем средний программист. вот тут и становится понятно кто нужен обществу, а без кого можно обойтись
Нету? о_О
Скажите это компаниям Жилетт, Самсунг, Боинг и прочим (многим) монстрам бизнеса, что учили своих специалистов ТРИЗу и формировали свои собственные инновационные подразделения?
У ТРИЗа есть только одна проблема: нет изобретений, на нём базирующихся.
Пустое и категоричное заявление! В ТРИЗ есть целая область - объединение альтернативных систем. Многие решения защищены патентами, решения реально внедрены. Ниже только один из примеров...
В США используются несложные, поэтому дешевые, датчики положения регулирующего органа (стержни защиты) на АЭС. В СССР аналогичные датчики были значительно сложнее и дороже. Казалось бы, именно они должны были работать лучше. Но из-за высокой сложности конструкции наши датчики не обеспечивали безопасность, необходимую на атомных станциях.
Зачем же их такими делали? У них было свое преимущество - малые по высоте габариты позволяли сильно экономить на высоте реакторных залов. С помощью подхода "Объединение альтернативных систем" объединили преимущества и американских, и советских датчиков. Уже много лет новые датчики - малогабаритные, простые и надежные - безотказно работают на АЭС в России и за рубежом. https://www.metodolog.ru/00807/00807.html
Самое интересное, что изобретатели нового датчика не были специалистами по реакторам и системам их управления/безопасности, но зато были специалистами ТРИЗ, умевшими ставить правильные задачи и их решать.
Есть публикация для Конференции по ТРИЗ, 2017, Москва. Доклад "Метод объединения альтернативных систем", автор В.Герасимов. Давайте адрес (email), пришлю весь файл.
Есть укороченная публикация как раз про датчики "Дешевая и безопасная техника" (2006) на сайте Методолог, https://www.metodolog.ru/00680/00680.html
Не обещаю, что будет быстро, но задача интересная.
Для начала познакомлюсь с областью "факторизация чисел". А-а-а, Рамануджан, Харди и Литтлвуд - знаком по фильму и есть в базе данных (картотека, 11300 карточек, карт. № 9821, Онтология по шифру: 22418 (философия, логика, математика), 322400 (информационный фонд) и Рамануджан).
Да, вот, пожалуйста: Гиндикин С. Загадка Рамануджана. Журнал «Квант», № 10, 1987 http://kvant.mccme.ru/1987/10/zagadka_ramanudzhana.htm
Ситуация с факторизацией
Бесконечность ряда натуральных чисел предполагает существование бесконечно длинного составного числа и, следовательно, бесконечного числа его делителей – простых чисел. Факторизация бесконечного составного числа, т.е. действия с бесконечным числом делителей этого числа, предполагает бесконечное время для совершения факторизации. Отсюда, факторизация бесконечно длинного составного числа требует практически бесконечной сложности вычислительного устройства.
В Википедии представлены около полутора десятков алгоритмов факторизации. Факторизация с полиномиальной сложностью возможна на квантовом компьютере с помощью алгоритма Шора. Также известен алгоритм Гровера — квантовый aлгоритм решения задачи перебором.
Теперь о применении ТРИЗ для факторизации...
Г. Альтшуллер при создании Теории решения изобретательских задач (ТРИЗ) выявил характерную и важнейшую черту изобретательских задач – наличие противоречия в задаче, описывающей ситуацию в системе. Решение задачи улучшения системы без выявления указаного противоречия приводит к устранению первичного недостатка и одновременно к возникновению нового недостатка, т.е. к необходимости решать новую задачу, а за ней возникшую следующую и т.д.
Ниже описан упрощенный метод решения изобретательских задач ТОЛЬКО c помощью изобретательских приемов разрешения противоречий. Современная ТРИЗ намного богаче, но это уже другая история...
Решение изобретательских задач, т.е. задач, содержащих противоречие, осуществляется с помощью т.н. изобретательских приемов. Изобретательский прием – это такое изменение системы, при котором из системы устраняется первичный недостаток, а новый недостаток в системе не возникает.
Г. Альтшуллер анализом описания эволюции техники (допатентный период) и формальнных описаний эволюции техники (патентный фонд) одновременно выявил и задачи, которые решали изобретатели, и противоречия, которые изобретатели разрешали, и приемы, которым эти противоречия разрешались. Замечу, что изобретатели и противоречия выявляли, и приемы их разрешения находили и использовали, но не никто не изучал именно этот процесс системно как Г. Альтшуллер.
Г. Альтшуллеру, хотя задач за всю историю развития техники были миллионы (!), типовых противоречий ему удалось выявить немногим более тысячи (!!), а типовых изобретательских приемов всего несколько десятков (!!!). Неожиданно, да? Всё многообразие эволюции техники (и не только техники) держится буквально на «горстке» типовых приемов преобразования систем, напоминающих чем-то генетический набор в биологии!
Но Г. Альтшуллер не просто выявил приемы, а свел их Таблицу приемов (Матрица Альтшуллера), в которой для поиска конкретного приема (приемов) дал описания типовых (около сорока) параметров систем – тех параметров, которые надо улучшить, и связанных с улучшениями тех, которые при этом ухудшаются.
Максимально суженная ситуация:
Бесконечность ряда натуральных чисел предполагает обязательное существование в этом ряду бесконечно длинного составного числа. Факторизация этого бесконечно длинного составного числа требует бесконечной сложности вычислительного устройства.
Математические противоречия (МП)
МП1: Существует вычислительное устройство для факторизации существующего небесконечного составного числа, но в такой факторизации уже нет необходимости
МП2: Есть необходимость факторизации существующего бесконечно длинного составного числа, но для такого бесконечно сложное вычислительное устройство не существует
Пояснение
Несмотря на то, что сами приемы были выявлены, а Таблица приемов разработана на примерах из технических отраслей - промышленности, сельского хозяйства, строительства, транспорта и пр., дальшейшее изучение показало, что за приемами преобразования систем стоят универсальные, объективные и естественные законы эволюции, главный среди которых - фундаментальный закон сохранения (существования, дления, бытия, жизни) любых объектов, явлений, эффектов и категорий, в т.ч. из математики. Поэтому использование указанной Таблицы приемов для данной ситуации с факторизацией вполне допустимо.
Обостренное противоречие
Факторизация существующего бесконечно длинного составного числа VS Вычислительное устройство.
Получено противоречие по типу «Казнить НЕЛЬЗЯ помиловать» - «Факторизовать НЕЛЬЗЯ Отказаться (получить ответ)», в котором представлены 2 половинки ситуации на выбор решающего:
· Факторизовать НЕЛЬЗЯ, Отказаться (от решения), т.к. Вычислительное устройство не существует – это уход от решения задачи;
· Факторизовать, НЕЛЬЗЯ Отказаться (от решения), т.е. нужно найти Вычислительное устройство – это нацеливание на решение сегодняшней задачи.
Таблица приемов (Матрица Альтшуллера) изобретательских приемов разрешения противоречий
Выбор улучшаемого и ухудшающегося парамеров из списка параметров в Таблице приемов:
Типовой улучшаемый параметр
№ 31. Снижение вредных факторов, создаваемых системой
Типовой ухудшающийся параметр, возникающий при улучшении параметра № 31
№ 36. Усложнение устройства (инструмента)
№№ типовых приемов, разрешающие противоречие:
«Попытка снизить сложность системы приводит к повышению сложности инструмента»
№ 19. Принцип периодического действия
19.1. Вместо непрерывного действия (Фрагментирования) используйте периодическое или пульсирующее действие.
19.2. Если действие (Фрагментирование) уже периодическое, измените величину периода или частоту.
19.3. Используйте паузы между импульсами, чтобы выполнить другое действие.
№ 01. Принцип дробления
1.1. Разделите Фрагментируемое число на независимые части.
1.2. Сделайте Фрагментируемое число легко разборным.
1.3. Увеличьте степень фрагментации (или сегментации) Фрагментируемого числа.
№ 31. Применение пористых материалов
31.1. Сделайте Фрагментируемое число "пористым" или добавьте пористые элементы (вставки, покрытия и т. д.).
31.2. Если Фрагментируемое число уже "пористое", используйте поры, чтобы ввести полезное вещество или приложить полезную функцию.
Пример интерпретации применения рекомендаций
"Пористое" Фрагментированное число - это ФЧ с некоторыми особенностями, которые позволяют обрабатывать по-разному части ФЧ. Это как раз помогает использовать принцип № 01.
Использование приемов, разрешающих противоречие, редко дает дословную формулировку решения задачи, а выводит, как правило, в узкую область подсказок, отвечающих условию задачи. Поэтому я всегда советую решать задачи с помощью приемов вместе со специалистом, который дал задачу.
ТРИЗ-специалист, владея инструментами анализа и решения, знает «КАК менять систему?» согласно подсказкам, найденным по приемам, а специалист-задачедатель, следуя этим подсказакам, знает «ЧТО можно менять в системе?». Таким образом ТРИЗ-специалист выводит специалиста-задачедателя в узкую область, где и только где находятся решения. И специалист-задачедатель должен сформулировать такие решения, которые укладываются в данную область.
Понятно, что для перевода рекомендаций, полученных с помощью приемов, на технический язык области, к которой принадлежит система, от специалиста-задачедателя требуется фантазия. Но эта работа в узкой области гораздо продуктивнее, чем попытки решать задачу методом проб и ошибок (МПиО), который для задач, требующих множества попыток, не дает направления к области решений.
Так, я вижу в рекомендациях, найденных с помощью приемов №№ 19, 01 и 31, область, в которую укладываются алгоритмы фрагментации, приведенные в Википедии. Но было бы интересно спросить специалистов-математиков, так ли это?
Хороши "междусобойчики": каждый год международные конференции, съезды, семинары и др. формы обмена опытом - обучение, представление результатов решения практических задач, новые разработки. Если хотите, посмотрите хотя бы материалы Конференции по ТРИЗ, 2017, Москва, https://trizofication.ru/conference2017
Не хотите, Ваше дело. Тогда только результаты работы по объединению датчиков: Конструкция защищена авторским свидетельством СССР № 1012708 (1980 – 1987 гг.); с 1997 г. – патентом РФ № 1012708 и патентом Украины № 7112.
Датчики ДПЛ установлены на всех АЭС с механизмами управления ВВЭР-1000 в России и за рубежом. Они безотказно работают уже много лет и вполне соответствуют определению «Дешевая и безопасная техника»
международные конференцииВ сравнении со свидетелями Иеговы — ещё мелочи.
Речь в целом — об этом?
Для контроля за положением стержней управления может быть использована любая система синхронной передачи угла или линейного перемещения приводного механизма. В реакторах канального типа, в которых приводы вынесены и доступны, индикация положения стержней не вызывает особых затруднений. Для этого могут быть использованы обычные механические (система зубчатых передач) и электромеханические (сельсины, потенциометры) схемы, обеспечивающие показание положения с любой практически нужной точностью. Значительно сложнее обеспечить непрерывный контроль за положением стержней в реакторах, работающих под давлением с герметизированным приводом. В этом случае обычно используют электромагнитные устройства. Для передачи вращения вала приводного двигателя применяются магнитные муфты, а при непосредственной передаче линейного перемещения стержня используются индукционные датчики.Где, собственно, ТРИЗстория развития этой системы? Раз Вы тут свободно пишете — должно существовать и открытое изложение истории. Иначе, по лезвию Оккама, следует считать, что успех изобретения объяснён ТРИЗом задним числом.
Ну да ладно, датчики и датчики. Если ТРИЗ-движение настолько развито и так широко используется — должны же быть и другие разработки? Более того, их должно быть (учитывая давность) много, и среди них должны быть несомненные и неоспариваемые.
Но, ещё раз ладно, не старайтесь — я уже не в первый раз в подобных обсуждениях (ровно потому, что сам лет сорок назад был крайне увлечён всем этим), и о том, что будет в ответ, догадываюсь. Ну и не надо, давайте закрывать. Спартак плохо играет в футбол — но я не собираюсь спорить с каждым его фанатом на эту тему.
Могут ли компьютеры изобретать? Создаем аналог ТРИЗ на нейронных сетях архитектуры Трансформер
В целом описание большинства патентов подчиняется определенному шаблону, в рамках которого эти предложения присутствуют. При этом идентифицировать определенный тип поля можно по ключевым фразам.
В качестве языковой модели была выбрана seq2seq модель T5 на базе архитектуры трансформер. Исследователи, создавшие ее, утверждают, что архитектура подходит для любых задач генерации последовательность из последовательности будь то машинный перевод, суммаризация, получение ответов на вопросы без контекста.
Аналог ТРИЗ. Вы серьёзно?
Википедия -> ТРИЗ.
Где АРИЗ, система приёмов, вещественно-полевой (вепольный) анализ?
Вы, наверное, создали хороший БОТ, который по смысловым конструкциям фраз находит подобные решения из патентов. Но это не ТРИЗ и не его аналог.
Один из критериев хорошей статьи - придумать цепляющий заголовок :) Было интересно привлечь сюда и ТРИЗовцев, а без такого заголовка Вы, наверное, сюда не зашли. В целом, перед тем как дать название статье я исходил из того что и ТРИЗ и нейросеть являются методами ускорения генерации инноваций, но по содержанию они конечно абсолютно разные
Могут ли компьютеры изобретать? Создаем аналог ТРИЗ на нейронных сетях архитектуры Трансформер