Тема избитая, но это лучшая научно-популярная статья на тему корпускулярно-волнового дуализма и эффекта "наблюдателя". С мракобесием и мистицизмом нужно бороться вот такими статьями. От себя добавлю, что в случаи интерпретации эксперимента с учётом теории волны Пилота, и вовсе экпертменты приобретают вполне логичное объяснение, даже более "понимабельное" для нашего сознания имеющего опыт лишь с макро объектами.
Я старый айтишник и пришел из далеких годов, когда начинали писать код на 386/486 ПК и могу сказать, что вот то "крутое ИТ" было где-то с 2005 по 2015 год. Вначале в конце 90х и начале 2000х куда не пни ты везде первый, любая мелкая прожка упорядочивающая файлы или фотки могла принести тебе деньги. Но в 90х люди массово не поняли, что Интернет изменит всю структуру бизнеса. И массовый наплыв начался где-то в 2005 году, когда компании сгоряча платили бешеные деньги за микромодуль к их софту. Сайты для компаний могли стоит каких-то баснословных денег, и сегодня такую работу требуют от джуна. Сегодня ИТ и особенно прогинг это рутина. Реальный уровень входа очень высокий.
Приветствую. Если бы Вы делали игру "5 в ряд", возможно тогда бы эта задача имела академический интерес. В такой версии игры у нее есть стремящееся к бесконечности количество вариантов исходов. И далее чем 3-5 ходов простой перебор уже не работает, так как получается, что-то вроде (50~200)^n вариантов которые особенно на Python не перебрать. И вот здесь как нельзя кстати подойдет машинное обучение. Обычные крестики нолики имеют всего 2^9 вариантов и при этом только 1/4 уникальная (остальные варианты симметричны). А это всего навсего 128 вариантов. При этом только 8 из них выигрышные. Потому все эти 8 комбинаций могут быть просто заданы, ну или в другом случае перебрать все варианты тоже не составит труда. Потому при всем уважении к количеству написанного, я не совсем понял смысл проделанной работы.
Интересная работа. Сам много лет, как хобби делаю подобные симуляторы время от времени. Но в этом году делаю уже ЭМ взаимодействие заряженных частиц с учетом ТО методом учета потенциалов Лиенара-Вихерта и как следствие в 3d. Проблеме интегрирования (и взрыва) посвятил много вечеров, в конечном итоге пришел к формуле, которая конечно усложняет вычисление одной пары, но значительно уменьшает ошибку. Суть ее в том, что силу между точками интегрирования, нужно проинтегрировать и получить среднее. Скажем для кулоновской силы F = k / (R[t] * R[t+1]), действующая сила будет зависеть от будущего положения :) но у этого парадокса таки есть решение, которым поделюсь если найду силы и вдохновение опубликоваться на хабре. В вашем случае потенциалов "6-12" даже проще, вам нужно учесть, что суммы энергий не изменились до и после просчета для каждой пары: Vi+Ui +Vj+Uj = const . Кстати такая поправка уменьшает проблему порядка расчета и проблему float32 ошибки. Кстати эти размышления приводят к необходимости введения квантования энергии)) Для контроля ошибки можно применять такие показатели:
% отклонения энергии всей системы
средне квадратичное отклонение между расчетами с разными шагами интегрирования (например, 1 секунда за 10 шагов, против 1 секунда за 1000 шагов) Предлагаю создать чат группу Telegram - любителей симуляции частиц))
Пару лет назад (в 18 году) мы разрабатывали охранные датчики под батарейки АА. И какое же наше было удивление, когда в процессе эксплуатации оказалось, что алкалиновая ашановская АА, работает не хуже чем дорогущая (в х10 раз) Дураселла. Потому по показателю Энергия/Цена у нее один из худших показателей.
Спасибо. Почитал про Li-FeS2, меня в частности больше интересовал их график напряжения при разряде. Нашел на энерждайзеры и получается что 90% заряда они отдают: при токе 0.1А U от 1.55 до 1.35 при токе 0.2А U от 1.5 до 1.28 при токе 1.0А U от 1.38 до 1.05 максимальный ток 3А (1С) , Operating Temp: -40°C to 60°C, низкий саморазряд Хорошо бы такие тесты иметь и на данный тип батареек, но думаю GoPower +- должны давать подобные характеристики. Вывод: Li-FeS2 - неплохой выбор для датчиков с низким потреблением.
(А с преобразователем спросил потому как видел такие ААА и АА на АлиЭкспресс, у них там еще даже гнездо подзарядки есть, но у таких будет сильный саморазряд и невысокие токи)
Скажите пожалуйста по технологии. Правильно ли я понимаю, что внутри находится встроенный импульсный преобразователь 3-3.7 Вольт в 1.5 Вольт ? Потому как я не понимаю какой материал с литием дает разницу потенциалов в 1.5 Вольта
Lyra очень интересный проект и я уверен, что именно ML поможет достигнуть предела.
Например CODEC2 уже достиг разборчивого голоса при 700 бит/с (без ML) http://www.rowetel.com/?page_id=452
Качество звучания на 2-3кбит/с мне даже кажется лучше чем у Lyra при 3 кбит/с.
А где предел?
Если классифицировать все голоса на 8 млрд типов (в реальности хватит 65535 типов) то эти данные можно передать единожды, а значит далее можно передавать только текст и интонацию сказанного.
Например 1 байт на звук + 1 байт на интонацию, итого:
Средняя скорость разговора 2 слова/сек 8 букв/слово 8 бит = 128 бит/с для текста
и 128бит/с для интонации. Итого достаточно 256 бит/с и это не предел потому как этот поток можно сжать.
Думаю предел лежит приблизительно 160-256 бит/с.
Если интерференция появляется только тогда, когда отсутствует наблюдение
Вот здесь и кроется ваша ошибка, потому как интерференция для фотонов происходит всегда, потому-как нет способа наблюдать за фотоном, кроме как "поглотить" его. Вам следует еще раз пересмотреть лекции, потому как "пропадание" интерференции при вмешательстве в эксперимент наблюдателя, касается таких частиц как электроны. И тут также не стоит строить "теорий" , потому как измерение можно произвести только провзаимодействовав с полем исследуемой частицы. Это как если бы вы измеряли траекторию полета бильярдных шаров, обстреливая исследуемый шар, другими такими же шарами.
Очень неудобно иметь 2 ПК, потому выбор ноутбук + монитор + клава +мышь + подставка охлаждения. Чем это отличается от Десктопа?
Факт что АРМы уже вытеснили х86-64 из области МультиМедиа. Но врядли ближайшие 10 лет они смогут стать полноценной заменой в профессиональной области.
Еще хочу добавить: По настоящему этот подход не настолько глуп и не безперспективен. Дело в том, что мониторинг статей (на arxiv.org, researchgate.net) по ключевым словам Decision-making, Fuzzy Temporal Logic, Temporal representation, Reasoning in Artificial Intelligence, показывает, что это новая старая тема вновь становится популярной в узких научных кругах и прикладной области Natural Language Processing.
Простите, совершенно не хотел Вас упрекнуть.
В целом прочитал 3 Ваших последние статьи и они мне понравились.
В действительности, Вы сделали довольно интересные выводы.
И мне хотелось показать Вам, целый пласт научных исследований, которые остался в тени хайпа Машинного обучения и Нейросетей.
Я тоже в свое время пришел к идее построение символьного моделирования мышления применяя логический вывод. Пытался разработать базовую модель, чувств:
свел их к 2м базовым категориям {боль; приятно}, {интересно; индифферентно}.
Потом пытался написать алгоритм логических выводов смеси темпоральной и нечеткой логики.
Возможно Вы читали, может нет, но есть огромное количество статей и строгих доказательств, тупиковости логического и символьного подхода к ИИ. Попытки классифицировать все объекты и свойства, и ограниченности логических выводов на таких базах знаний. Хотя такая методология успешно применяеться в экспертных системах особенно в области медецины и биологии.
И в отличи от Вас, мои идеи дальше экспериментов и размышлений в душе (яркий пример который приводит символьную машину вывода в замешательство) не обрели материального воплощения.
А вы пишите интересные статьи.
Типичным примером знаний в базе CYC являются «Всякое дерево является растением» и «Растения смертны». Если спросить «умирают ли деревья?», машина логического вывода может сделать очевидный вывод и дать правильный ответ. База знаний (англ. Knowledge Base или KB) содержит более миллиона занесённых туда людьми утверждений, правил и общеупотребительных идей.
Уважаемый автор, Вы написали статью затронув достаточно интересную тему, хоть и напутали с терминологией. teology довольно резкий собеседник, хотя его аргументы имеют смысл с инженерной точки зрения
Я занимаюсь системами ИИ и нейросетями 13 лет, это моя работа и хобби.
И могу сказать Вам, что Вы правы, сегодня методы компьютерного зрения это инструмент решения прикладных и инженерных задач в узкоспециализированной области — обработки видео и изображений.
А вот нейросети — это методология решение фундаментальной задачи поиска от интерполяции до поиска закономерности в данных, другими словами поиска функции зависимости Y от Х. И как пытался донести teology множеством {Y}, {X} может быть все что угодно.
Все 7 пунктов «проблем» которые вы указали имеют решение в современной теории ИИ.
Так почему же Сильного ИИ все еще нет?
Я Вам дам пищу для ума, и если Вам будет интересно можете почитать и поразмышлять на досуге.
Смысл в том, что в теории ИИ до сих пор нет «времени».
Логика и нечеткая логика вообще не имеет такого понятия как Время.
Все виды нейросетей, кроме мало изученной области рекуррентных нейросетей не могут оперировать понятием времени.
По сути любая задача так красиво решающаяся алгоритмами машинного обучения сводится к задаче найти Y от Х. Получить из плохой фотографии хорошую. Получить класс объекта. В задаче «Спрогнозировать Y по Х» только человек знает, что Y это некоторое возможное будущее значения показания стрелки некоторого условного параметра на некотором условном приборе, и не более того.
А понятие времени вводится только с помощью обучения алгоритма методом:
найти Y от {Х[t0], X[t-1], X[t-2]}.
И как легко можно заметить данный подход имеет сильные ограничения. Например, изображение будет анализироваться только по 1,2 или n кадрам. И чем больше n, тем пропорционально сложнее решение с вычислительной точки зрения. Потому в большинстве прикладных задач оперируют жестко ограниченным набором данных из прошлого, а подавляющее большинство алгоритмов и методов вообще не учитывает прошлые состояния.
То есть все методы работают со статическими состояниями объектов.
С точки зрения философии и психологии:
Заметьте человек практически основную долю вербальной информацию подает в форме выражения «действий». Встал, проснулся, позавтракал, пошел на роботу… Сижу, смотрю, бежит, встаю, подхожу, спрашиваю, не отвечает…
В то время как весь мир программирования оперирует «состоянием объекта», а действие выражается созданием программистом функции, которая при запуске изменяет состояние объекта методом присваивания переменным новых значений, вводя объект в новое статическое состояние. Это даже имеет соответствующее название «программирование машины состояний».
Если Х=«Красный» ТОГДА Y=747
Есть новое течение темпоральные логики высших порядков, возможно они дадут нам решение данной проблемы.
Мой прогноз, что задатки сильного ИИ появятся в течении 5-7 лет. А до 2100 ИИ станет самым разумным существом во вселенной человека.
Тема избитая, но это лучшая научно-популярная статья на тему корпускулярно-волнового дуализма и эффекта "наблюдателя". С мракобесием и мистицизмом нужно бороться вот такими статьями.
От себя добавлю, что в случаи интерпретации эксперимента с учётом теории волны Пилота, и вовсе экпертменты приобретают вполне логичное объяснение, даже более "понимабельное" для нашего сознания имеющего опыт лишь с макро объектами.
Я старый айтишник и пришел из далеких годов, когда начинали писать код на 386/486 ПК и могу сказать, что вот то "крутое ИТ" было где-то с 2005 по 2015 год. Вначале в конце 90х и начале 2000х куда не пни ты везде первый, любая мелкая прожка упорядочивающая файлы или фотки могла принести тебе деньги. Но в 90х люди массово не поняли, что Интернет изменит всю структуру бизнеса. И массовый наплыв начался где-то в 2005 году, когда компании сгоряча платили бешеные деньги за микромодуль к их софту. Сайты для компаний могли стоит каких-то баснословных денег, и сегодня такую работу требуют от джуна.
Сегодня ИТ и особенно прогинг это рутина. Реальный уровень входа очень высокий.
Приветствую. Если бы Вы делали игру "5 в ряд", возможно тогда бы эта задача имела академический интерес. В такой версии игры у нее есть стремящееся к бесконечности количество вариантов исходов. И далее чем 3-5 ходов простой перебор уже не работает, так как получается, что-то вроде (50~200)^n вариантов которые особенно на Python не перебрать. И вот здесь как нельзя кстати подойдет машинное обучение.
Обычные крестики нолики имеют всего 2^9 вариантов и при этом только 1/4 уникальная (остальные варианты симметричны). А это всего навсего 128 вариантов. При этом только 8 из них выигрышные. Потому все эти 8 комбинаций могут быть просто заданы, ну или в другом случае перебрать все варианты тоже не составит труда.
Потому при всем уважении к количеству написанного, я не совсем понял смысл проделанной работы.
Интересная работа. Сам много лет, как хобби делаю подобные симуляторы время от времени. Но в этом году делаю уже ЭМ взаимодействие заряженных частиц с учетом ТО методом учета потенциалов Лиенара-Вихерта и как следствие в 3d.
Проблеме интегрирования (и взрыва) посвятил много вечеров, в конечном итоге пришел к формуле, которая конечно усложняет вычисление одной пары, но значительно уменьшает ошибку.
Суть ее в том, что силу между точками интегрирования, нужно проинтегрировать и получить среднее.
Скажем для кулоновской силы F = k / (R[t] * R[t+1]), действующая сила будет зависеть от будущего положения :) но у этого парадокса таки есть решение, которым поделюсь если найду силы и вдохновение опубликоваться на хабре.
В вашем случае потенциалов "6-12" даже проще, вам нужно учесть, что суммы энергий не изменились до и после просчета для каждой пары: Vi+Ui +Vj+Uj = const . Кстати такая поправка уменьшает проблему порядка расчета и проблему float32 ошибки. Кстати эти размышления приводят к необходимости введения квантования энергии))
Для контроля ошибки можно применять такие показатели:
% отклонения энергии всей системы
средне квадратичное отклонение между расчетами с разными шагами интегрирования (например, 1 секунда за 10 шагов, против 1 секунда за 1000 шагов) Предлагаю создать чат группу Telegram - любителей симуляции частиц))
Пару лет назад (в 18 году) мы разрабатывали охранные датчики под батарейки АА. И какое же наше было удивление, когда в процессе эксплуатации оказалось, что алкалиновая ашановская АА, работает не хуже чем дорогущая (в х10 раз) Дураселла. Потому по показателю Энергия/Цена у нее один из худших показателей.
Спасибо.
Почитал про Li-FeS2, меня в частности больше интересовал их график напряжения при разряде. Нашел на энерждайзеры и получается что 90% заряда они отдают:
при токе 0.1А U от 1.55 до 1.35
при токе 0.2А U от 1.5 до 1.28
при токе 1.0А U от 1.38 до 1.05
максимальный ток 3А (1С) , Operating Temp: -40°C to 60°C, низкий саморазряд
Хорошо бы такие тесты иметь и на данный тип батареек, но думаю GoPower +- должны давать подобные характеристики.
Вывод: Li-FeS2 - неплохой выбор для датчиков с низким потреблением.
(А с преобразователем спросил потому как видел такие ААА и АА на АлиЭкспресс, у них там еще даже гнездо подзарядки есть, но у таких будет сильный саморазряд и невысокие токи)
Скажите пожалуйста по технологии. Правильно ли я понимаю, что внутри находится встроенный импульсный преобразователь 3-3.7 Вольт в 1.5 Вольт ?
Потому как я не понимаю какой материал с литием дает разницу потенциалов в 1.5 Вольта
Lyra очень интересный проект и я уверен, что именно ML поможет достигнуть предела.
Например CODEC2 уже достиг разборчивого голоса при 700 бит/с (без ML)
http://www.rowetel.com/?page_id=452
Качество звучания на 2-3кбит/с мне даже кажется лучше чем у Lyra при 3 кбит/с.
А где предел?
Если классифицировать все голоса на 8 млрд типов (в реальности хватит 65535 типов) то эти данные можно передать единожды, а значит далее можно передавать только текст и интонацию сказанного.
Например 1 байт на звук + 1 байт на интонацию, итого:
Средняя скорость разговора 2 слова/сек 8 букв/слово 8 бит = 128 бит/с для текста
и 128бит/с для интонации. Итого достаточно 256 бит/с и это не предел потому как этот поток можно сжать.
Думаю предел лежит приблизительно 160-256 бит/с.
Вот здесь и кроется ваша ошибка, потому как интерференция для фотонов происходит всегда, потому-как нет способа наблюдать за фотоном, кроме как "поглотить" его.
Вам следует еще раз пересмотреть лекции, потому как "пропадание" интерференции при вмешательстве в эксперимент наблюдателя, касается таких частиц как электроны.
И тут также не стоит строить "теорий" , потому как
измерениеможно произвести только провзаимодействовав с полем исследуемой частицы. Это как если бы вы измеряли траекторию полета бильярдных шаров, обстреливая исследуемый шар, другими такими же шарами.Факт что АРМы уже вытеснили х86-64 из области МультиМедиа. Но врядли ближайшие 10 лет они смогут стать полноценной заменой в профессиональной области.
В целом прочитал 3 Ваших последние статьи и они мне понравились.
В действительности, Вы сделали довольно интересные выводы.
И мне хотелось показать Вам, целый пласт научных исследований, которые остался в тени хайпа Машинного обучения и Нейросетей.
Я тоже в свое время пришел к идее построение символьного моделирования мышления применяя логический вывод. Пытался разработать базовую модель, чувств:
свел их к 2м базовым категориям {боль; приятно}, {интересно; индифферентно}.
Потом пытался написать алгоритм логических выводов смеси темпоральной и нечеткой логики.
Возможно Вы читали, может нет, но есть огромное количество статей и строгих доказательств, тупиковости логического и символьного подхода к ИИ. Попытки классифицировать все объекты и свойства, и ограниченности логических выводов на таких базах знаний. Хотя такая методология успешно применяеться в экспертных системах особенно в области медецины и биологии.
И в отличи от Вас, мои идеи дальше экспериментов и размышлений в душе (яркий пример который приводит символьную машину вывода в замешательство) не обрели материального воплощения.
А вы пишите интересные статьи.
А слыхали про Prolog? Он уже 1970-х давал ответ на Ваш вопрос:
машут ли какаду в полете крыльями?
Советую вначале прочитать Википедию:
Типичным примером знаний в базе CYC являются «Всякое дерево является растением» и «Растения смертны». Если спросить «умирают ли деревья?», машина логического вывода может сделать очевидный вывод и дать правильный ответ. База знаний (англ. Knowledge Base или KB) содержит более миллиона занесённых туда людьми утверждений, правил и общеупотребительных идей.
teology довольно резкий собеседник, хотя его аргументы имеют смысл с инженерной точки зрения
Я занимаюсь системами ИИ и нейросетями 13 лет, это моя работа и хобби.
И могу сказать Вам, что Вы правы, сегодня методы компьютерного зрения это инструмент решения прикладных и инженерных задач в узкоспециализированной области — обработки видео и изображений.
А вот нейросети — это методология решение фундаментальной задачи поиска от интерполяции до поиска закономерности в данных, другими словами поиска функции зависимости Y от Х. И как пытался донести teology множеством {Y}, {X} может быть все что угодно.
Все 7 пунктов «проблем» которые вы указали имеют решение в современной теории ИИ.
Так почему же Сильного ИИ все еще нет?
Я Вам дам пищу для ума, и если Вам будет интересно можете почитать и поразмышлять на досуге.
Смысл в том, что в теории ИИ до сих пор нет «времени».
Логика и нечеткая логика вообще не имеет такого понятия как Время.
Все виды нейросетей, кроме мало изученной области рекуррентных нейросетей не могут оперировать понятием времени.
По сути любая задача так красиво решающаяся алгоритмами машинного обучения сводится к задаче найти Y от Х. Получить из плохой фотографии хорошую. Получить класс объекта. В задаче «Спрогнозировать Y по Х» только человек знает, что Y это некоторое возможное будущее значения показания стрелки некоторого условного параметра на некотором условном приборе, и не более того.
А понятие времени вводится только с помощью обучения алгоритма методом:
найти Y от {Х[t0], X[t-1], X[t-2]}.
И как легко можно заметить данный подход имеет сильные ограничения. Например, изображение будет анализироваться только по 1,2 или n кадрам. И чем больше n, тем пропорционально сложнее решение с вычислительной точки зрения. Потому в большинстве прикладных задач оперируют жестко ограниченным набором данных из прошлого, а подавляющее большинство алгоритмов и методов вообще не учитывает прошлые состояния.
То есть все методы работают со статическими состояниями объектов.
С точки зрения философии и психологии:
Заметьте человек практически основную долю вербальной информацию подает в форме выражения «действий». Встал, проснулся, позавтракал, пошел на роботу… Сижу, смотрю, бежит, встаю, подхожу, спрашиваю, не отвечает…
В то время как весь мир программирования оперирует «состоянием объекта», а действие выражается созданием программистом функции, которая при запуске изменяет состояние объекта методом присваивания переменным новых значений, вводя объект в новое статическое состояние. Это даже имеет соответствующее название «программирование машины состояний».
Если Х=«Красный» ТОГДА Y=747
Есть новое течение темпоральные логики высших порядков, возможно они дадут нам решение данной проблемы.
Мой прогноз, что задатки сильного ИИ появятся в течении 5-7 лет. А до 2100 ИИ станет самым разумным существом во вселенной человека.