Сколько сетей ты собрал и обучил?
Ладно.
Даже идиот может собрать свою:
http://neuralnetworksanddeeplearning.com/
Заходи, делай по шагам.
Студентам даю.
Там примерно такое и происходит — вырождение текущей структуры коэффициентов.
Как лечить и как подмешивать данные правильно — пока неясно.
Плюс еще проблемка — в отличие от человека деградирует он не за годы, а прям за несколько итераций обучения — слишком интенсивное, как вариант.
Но там опытные люди голову уже не один год ломают…
Я, как бывший сотрудник IBM, вынужден разоблачить твоё враньё ;)
IBM Watson уже 8 лет как нейросеть.
С 2017 года емнип.
Но да, начиналась она когда-то как экспертная система.
Остальное нет смысла тогда уже комментить :D
Приколи — не может пока.
Где-то в структуре слоев или в структуре связей, как ее понимаем и делаем мы есть дефект.
Когда он учится на данных, которые сгенерил он сам — обучение серьезно теряет в качестве.
Как так — пока неясно.
Или, как вариант, мы неправильно учим.
Пока неясно.
[зевает]
Специально для тех, кто разморозился из 60х — экспертных систем уже 30 лет как нет в природе.
Я впервые столкнулся с нейросетями (аналитическими) в конце 90х на проекте идентификации целей для танков израильской армии.
И да, в нейросетях нет никаких алгоритмов, только сложение и умножение :)
Факторный анализ, он такой :D
С разморозкой вас, дорогой товарищ.
Компьютерный шахматист разрывает Карлсена нашего Магнуса просто в какаху.
И шахматист этот сейчас живёт в телефоне, даже сервер не нужен.
Но.
Эта статья — тогда бред, а написавший ее sjw фрик.
Потому что шахматные программы не использовали ни тогда, ни сейчас, никаких нейросетей и никакого факторного анализа.
Шахматные программы используют перебор, оценку качества позиции и тот факт, что вероятность того, что ухудшение качества позиции приведёт к хорошему ходу уменьшается в квадрате геометрической прогрессии с каждым ходом.
Дип блю имел какие-то примитивные и очень лажовые расчеты качества позиции и ему для работы надо было считать 10-12 ходов вперёд.
Сейчас оценка позиции такая крутая, что ее используют прямо при комментировании ЧМ — там всегда слева или справа столбик.
И считать надо на 3-4 хода вглубь, чтобы выиграть у мастера и на 5 ходов, чтоб у международного мастера.
Я, как бывший ракетчик, тебя сейчас сильно огорчу — ловушки в ик диапазоне имеют те же сигнатуры, что и цель — в этом смысл их создания :D
Отличить радаром нельзя, можно отличить только по вспомогательным каналам — например, по тому, как двигается.
И это тоже крайне непросто.
LLM не связаны с данными напрямую и поэтому не могут быть использованы как поисковые системы. Вообще.
Можно подключить LLM к поисковику и тогда, рассуждая, она сможет заодно и искать точные данные.
Бинг так умеет.
Факторный анализ был придуман и описан уже 150 лет назад.
Ты думаешь, там можно что-то кардинально новое добавить?
Ну а то, что реализация стала возможна только сейчас, так это элементная база подросла и метод дообучения появился только 30 лет назад всего.
Ладно.
Даже идиот может собрать свою:
http://neuralnetworksanddeeplearning.com/
Заходи, делай по шагам.
Студентам даю.
Ничего тупее я в жизни не слышал.
Ты попутал нейросети с поиском в ширину или с поиском в глубину, но это не оно ;)
Как лечить и как подмешивать данные правильно — пока неясно.
Плюс еще проблемка — в отличие от человека деградирует он не за годы, а прям за несколько итераций обучения — слишком интенсивное, как вариант.
Но там опытные люди голову уже не один год ломают…
Сколько сетей ты собрал и обучил?
Ладно.
Даже идиот может собрать свою:
http://neuralnetworksanddeeplearning.com/
Заходи, делай по шагам.
Расскажешь потом, где ты там нашел «алгоритмы».
IBM Watson уже 8 лет как нейросеть.
С 2017 года емнип.
Но да, начиналась она когда-то как экспертная система.
Остальное нет смысла тогда уже комментить :D
Оказывается число — это алгоритм :D
Вот это поворот!!! (tm)
Где-то в структуре слоев или в структуре связей, как ее понимаем и делаем мы есть дефект.
Когда он учится на данных, которые сгенерил он сам — обучение серьезно теряет в качестве.
Как так — пока неясно.
Или, как вариант, мы неправильно учим.
Пока неясно.
Да никакой.
Как и алгоритмов.
Это просто копия мозгов, ее куда точнее называть local factor analytics.
Специально для тех, кто разморозился из 60х — экспертных систем уже 30 лет как нет в природе.
Я впервые столкнулся с нейросетями (аналитическими) в конце 90х на проекте идентификации целей для танков израильской армии.
И да, в нейросетях нет никаких алгоритмов, только сложение и умножение :)
Факторный анализ, он такой :D
Компьютерный шахматист разрывает Карлсена нашего Магнуса просто в какаху.
И шахматист этот сейчас живёт в телефоне, даже сервер не нужен.
Но.
Эта статья — тогда бред, а написавший ее sjw фрик.
Потому что шахматные программы не использовали ни тогда, ни сейчас, никаких нейросетей и никакого факторного анализа.
Шахматные программы используют перебор, оценку качества позиции и тот факт, что вероятность того, что ухудшение качества позиции приведёт к хорошему ходу уменьшается в квадрате геометрической прогрессии с каждым ходом.
Дип блю имел какие-то примитивные и очень лажовые расчеты качества позиции и ему для работы надо было считать 10-12 ходов вперёд.
Сейчас оценка позиции такая крутая, что ее используют прямо при комментировании ЧМ — там всегда слева или справа столбик.
И считать надо на 3-4 хода вглубь, чтобы выиграть у мастера и на 5 ходов, чтоб у международного мастера.
Люди вообще не могут оценить качество ничего — и твой комментарий — яркая тому иллюстрация.
Отличить радаром нельзя, можно отличить только по вспомогательным каналам — например, по тому, как двигается.
И это тоже крайне непросто.
Можно подключить LLM к поисковику и тогда, рассуждая, она сможет заодно и искать точные данные.
Бинг так умеет.
Ты думаешь, там можно что-то кардинально новое добавить?
Ну а то, что реализация стала возможна только сейчас, так это элементная база подросла и метод дообучения появился только 30 лет назад всего.
Эти как раз из них.
Но кпд не главное, у них плохо еще и с напряжением.
Даже СССР промышленно выпускал «ядерные» батарейки.