для потрепаться
- Автор темы Turbobazar
- Дата начала
Или правильнее спросить откуда берутся в итоге 20 таблиц? У вас скорее всего уже накопилась база из более, чем нескольких тысяч откатанных VE. Чисто в моем текущем понимании этого дела и отсутствии необходимости экономить ресурсы не будет ли лучше обучить нейронную сеть достраивать VE на существующих настроенных VE (создав ей обучающий набор рандомно вырезая сектора точек и помечая их как условно необкатанные+аугментация). А потом подсовывать уже обученной нейронной сети "желтые" точки, чтоб она просто достраивала VE. Там и критериев особо никаких не надо будет использовать.
Технологий написания ПО с помощью ИИ как известно нет и не будет. Ибо задачи бизнеса по написанию ПО сводятся не к внедрению ИИ а к сокращению числа бездельников программистов и снижению их квалификации (т.е. по должна уметь писать любая обезьяна и это должно стоить дешево) в итоге у нас есть в индустрии визуальное программирование и автогенерация кода из модели - как итог код разбухает в двое за пару лет а найм програмеромакак при этом так же в 2-е сокращается.
кстати этот ваш ИИ луну от светофора не может отличить!
http://img2.reactor.cc/pics/post/webm/тесла-луна-светофор-автопилот-6825169.webm
http://img2.reactor.cc/pics/post/webm/тесла-луна-светофор-автопилот-6825169.webm
По ряду вопросов он уже делает это существенно лучше человека. Вопрос в том что пока по сути ИИ это тупая дубина (на уровне ребенка 5 лет) как только выходит за рамки набора обучения. И у него несколько иное восприятие реальности. Есть также попытки обмана ии. Сейчас эти вопросы потихоньку решают.
Вот пример, что находится на этой картинке? Для ии есть очевидный ответ.
Вот пример, что находится на этой картинке? Для ии есть очевидный ответ.
По ряду вопросов он уже делает это существенно лучше человека. Вопрос в том что пока по сути ИИ это тупая дубина (на уровне ребенка 5 лет) как только выходит за рамки набора обучения. И у него несколько иное восприятие реальности. Есть также попытки обмана ии. Сейчас эти вопросы потихоньку решают.
Вот пример, что находится на этой картинке? Для ии есть очевидный ответ.
Вот пример, что находится на этой картинке? Для ии есть очевидный ответ.
Но это приоритет ИИ, первым указать сено. Для меня женщина имеет большую значимость, чем сено и лошадь. Если бы значимость женщины определялась площадью на картинке, то все любили бы толстых женщин. А это не так. И даже совсем наоборот. ИИ ошибается. Программисты не смогли значимые весовые коэффициенты задать, чтобы приблизить хоть чуть-чуть к осмысленной разумной деятельности человека.
По сути нет. Каждая проблема решается отдельно. Он вообще не человеческими категориями "видит".
Классический пример обмана системы управления беспилотным автомобилем. Увидев этот слегка измененный дорожный знак она не останавливает машину, а всего лишь сбрасывает скорость до 72 км/ч
Подходы разные. Раньше до 2017 года в основном было скользящее окно. Сейчас прямая сегментация. Если именно просто по фото сказать что на нем, то около 500 категорий тот же Алекснет распознает. На входе картинка размером 227*227 пикселей. По сути там будет на 70% сено, 7% девка, 10% лошадь.
Есть вариант сегментации по категориям. Типа детской раскраски. Там сейчас число категорий не превышает 15-20.
Над всем этим работают. Но до идеала это не доведено.
Пытаются заставить описывать ИИ что происходит на картинке и прочее.
GT - это ручная разметка.
Как пример нейросети подсовывали машину перевернутую крышей в озеро. Машину она там не узнает.
Чтобы обучать это дело на высоком уровне сейчас нужны видеокарты с 32 гигами видеооперативки и более. Штук по 10.
Та же капча гугла. Он ее не просто так придумал... Бесплатные человеки распознают квадратики.
По факту на фоне архитектуры человеческого мозга это все шляпа.
Google оцифровала кусочек человеческого мозга. Он весит 1,4 петабайта
Компания Google и ученые Гарвардской лаборатории Лихтмана перенесли один кубический миллиметр мозга в «цифру».
Такой объем ткани коры головного мозга сопоставим с более чем 700 жесткими дисками объемом 2ТБ каждый. С помощью новой разработки ученые смогли собрать необходимые данные. Метод просвечивающей электронной микроскопии имеет разрешение 4 нм. Исследователи разделили кусочек мозга на 5300 секций толщиной 30 нм.
Всего получилось 225 миллионов 2D-снимков. После сканирования изображения передали Google для создания 3D-картинки. При помощи системы облачных вычислений и ИИ-алгоритма Google объединила все фрагменты в 3D-модель, ее объем составил 1,4 петабайта. В дальнейшем инженеры планируют сжать полученную информацию с помощью машинного обучения.
Образец ткани мозга был получен во время операции пациента, страдающего от эпилепсии. Детальное изучение мозга на микроуровне поможет ученым понять природу заболеваний и научиться диагностировать их на ранних стадиях.
Классический пример обмана системы управления беспилотным автомобилем. Увидев этот слегка измененный дорожный знак она не останавливает машину, а всего лишь сбрасывает скорость до 72 км/ч
Подходы разные. Раньше до 2017 года в основном было скользящее окно. Сейчас прямая сегментация. Если именно просто по фото сказать что на нем, то около 500 категорий тот же Алекснет распознает. На входе картинка размером 227*227 пикселей. По сути там будет на 70% сено, 7% девка, 10% лошадь.
Есть вариант сегментации по категориям. Типа детской раскраски. Там сейчас число категорий не превышает 15-20.
Над всем этим работают. Но до идеала это не доведено.
Пытаются заставить описывать ИИ что происходит на картинке и прочее.
GT - это ручная разметка.
Как пример нейросети подсовывали машину перевернутую крышей в озеро. Машину она там не узнает.
Чтобы обучать это дело на высоком уровне сейчас нужны видеокарты с 32 гигами видеооперативки и более. Штук по 10.
Та же капча гугла. Он ее не просто так придумал... Бесплатные человеки распознают квадратики.
По факту на фоне архитектуры человеческого мозга это все шляпа.
Google оцифровала кусочек человеческого мозга. Он весит 1,4 петабайта
Компания Google и ученые Гарвардской лаборатории Лихтмана перенесли один кубический миллиметр мозга в «цифру».
Такой объем ткани коры головного мозга сопоставим с более чем 700 жесткими дисками объемом 2ТБ каждый. С помощью новой разработки ученые смогли собрать необходимые данные. Метод просвечивающей электронной микроскопии имеет разрешение 4 нм. Исследователи разделили кусочек мозга на 5300 секций толщиной 30 нм.
Всего получилось 225 миллионов 2D-снимков. После сканирования изображения передали Google для создания 3D-картинки. При помощи системы облачных вычислений и ИИ-алгоритма Google объединила все фрагменты в 3D-модель, ее объем составил 1,4 петабайта. В дальнейшем инженеры планируют сжать полученную информацию с помощью машинного обучения.
Образец ткани мозга был получен во время операции пациента, страдающего от эпилепсии. Детальное изучение мозга на микроуровне поможет ученым понять природу заболеваний и научиться диагностировать их на ранних стадиях.
а его и нет.
есть самонастраивающаяся программа на очень мощном железе.
вектор ее самонастройки задан программистом.
да - как она настроится программист уже не осилит. но смена вектора невозможна и автопилот теслы не начнет сбивать всех подряд пешеходов.
отличии ""ИИ"" от настоящего интеллекта в том, что настоящий интеллект всегда САМ ставит себе задачи. ЛЮБЫЕ.
задачи для ИИ всегда ставит настоящий И
есть самонастраивающаяся программа на очень мощном железе.
вектор ее самонастройки задан программистом.
да - как она настроится программист уже не осилит. но смена вектора невозможна и автопилот теслы не начнет сбивать всех подряд пешеходов.
отличии ""ИИ"" от настоящего интеллекта в том, что настоящий интеллект всегда САМ ставит себе задачи. ЛЮБЫЕ.
задачи для ИИ всегда ставит настоящий И