Тема форума: «Эксклюзивные занятия по МВАП: Развитие мышления по схемотехническим принципам. Распознаватели.»

Если пуля хоть немного больше, она не пройдет, а вот если хоть сколько-то меньше, она вылетит. Требования стрелка тут ни причем. Попробуй сделать ствол, чтобы пуля вылетала только когда она точного диаметра. Вот где у тебя проблема: ты привносишь лишнее в принцип.

Про замок – то же что про пулю: сможет он провернуться через прорезь, сделанную для его язычка или нет.

>>> Попробуй сделать ствол, чтобы пуля вылетала только когда она точного диаметра.

Нужно создать условия при которых пуле требуется накопить достаточное давление воздуха, чтобы вылететь. Если пуля будет меньше ствола, то газ, который создаёт дополнительное давление, будет через неё просачиваться и необходимое давление не возникнет.

Это не обязательно должна быть пуля в стволе. Это может быть водяной столб, отрицательное давление, всасывание, как в пылесосе. Тут важна общая идея, что создаётся разница давлений за счёт достаточно плотной закупорки трубы.

Ну и ясен пень, что это решение работает только для объектов шарообразной формы.

>>> может он провернуться через прорезь, сделанную для его язычка или нет.

Если можно трогать язычок и окно входа, то задача тривиальная. Язычок делаем пустым, оставляя только его каркас в виде проволоки. А прорезь в виде буквы "П", так чтобы каркас из проволоки через неё идеально проходил.

>>> Вот где у тебя проблема: ты привносишь лишнее в принцип.

Какой принцип?

Кто-нибудь возьмется объяснить Айку?

Мой вариант: "принцип резкого усложнения механизма при попытке учитывать не только воздействующий параметр, но и его отсутствие". Так как его упомянули последним в обсуждении.

Но он, вроде как, в контекст разговора не вписывается :)

В случае с ключом со строго определенным язычком - это обычный сувальдный замок. Прорези ключа приподнимают сувальды строго на определенную высоту, освобождая проход для фиксатора ригельной пластины. Если хоть одна прорезь будет больше или меньше - ключ не провернется.

Если рассматривать механизм замка как фигурный паз, в котором надо провернуть ключ - то просто спилив все выступы на ключе мы легко это сделаем. А вот если выступ ключа должен совершить строго определенное действие, в данном случае поднять сувальду точно на заданную высоту - что в свою очередь позволит совершиться другому действию - движению ригельной пластины, тогда придется задать точный параметр ключа, высоту его выступа.

Точно так же работает распознаватель, его можно представить по аналогии с ригельными пластинами. Пока на его входы не будут поданы строго определенные по интенсивности сигналы, он не "провернется".

Я видимо не совсем правильно обозначил через термин «сюжет», что хотел сказать. Вообще, я плохо представляю, в каком состоянии сейчас развитие искусственных нейросетей. Читал только несколько статей, где некие авторитеты признавались, что зашли в тупик непонимания – куда двигаться дальше. Как один из них говорит: «читаешь написанный машиной текст, вроде все нормально, связанные слова, предложения. Но на 2-3 странице понимаешь, что это бред».

Я думаю это потому, что если человек что-то пишет – он пытается что-то донести до читателя, какую-то важную для него мысль. У машины этого нет. Допустим нейросеть распознала правила грамматики, особенности стиля автора – но при попытке сгенерить аналогичный текст получатся отрывки. Потому, что это будет просто сборка выделенных примитивов, связанных по принципу (как я представляю логику работы таких сетей): сборка похожа по ключевым признакам на оригинал или нет? И последующие уточнения. И тут действительно, можно бесконечно уточнять и уточнять – потолка тут нет. Но…

Для машины в тексте нет никакого смысла, никакой цели – просто отформатированный набор нулей и единиц. Хотя внешне выглядит как осмысленное сообщение. Но попытка диалога с таким «интеллектом» будет подобна разговору с журчанием ручья. Наше сознание просто дорисует отсутствующие «смыслы» и возникнет иллюзия, что ручей чего-то рассказывает. И в этом главный затуп, который вроде как понимают разработчики искусственных нейросетей – как сделать так, чтобы нейросеть сама себе придумывала сюжеты, без указания оператора. Точнее нет понимания, что такое произвольность выбора, на чем она должна основываться. Это явно не средне/хаотично/арифметичное – а что то другое. Может какая то функция, может результат каких то вычислений.

Если задача получить гранулы строго определенного размера, то при помощи сита это решается только набором последовательно расположенных сит с уменьшающимися размерами ячеек. В каждом из них будут оставаться только гранулы провалившиеся из верхнего и не провалившиеся в нижнее

С замком все излишне усложняется, несмотря на конкретный рисунок, ладно, пофиг замок, давайте просто сито, которое фильтрует только по размеру не больше определенного, а меньше - пожалуйста. Я не привожу других примеров, в надежде, что их приведут участники.

Если это распознаватель типа даже идеальный персептрон, то он провернется, если если входы имеют веса 1 (полный контакт) и хоть на один придет сигнал от датчика "ко мне дотронулись" (тактильный датчик, способный вызвать зудеж от самого легкого прикосновения). А вот организовать сразу сложное распознавание при самообучении на уровне датчиков - попробуй :)

В твоих примерах распознавателя это делалось установкой весов (сопротивлений) на входах. То есть только при определенном сочетании сигналов распознаватель сработает. В случае самообучения - это экспонирование сигналов на матрицу распознавателя. То есть те датчики, что чаще получали более интенсивный сигнал, созревают быстрее, у них соответственно фиксируется более высокий вес входа. Таким образом автоматически фиксируется некая закономерность, повторяемость интенсивности сигнала.

Кто в природе устанавливает веса на входах?

Для самообучаемого распознавателя необходимо, чтобы его датчики имели свойство "засвечиваться" без возможности восстановления. Как зерна на фотобумаге - раз засветившись, их уже не восстановишь в исходное состояние. Ведь только так можно "зафиксировать изображение".

Например представим, что нужно выделить 12 полутонов музыкального ряда. В случае самообучения это можно сделать только проецируя на матрицу распознавателя эти звуки вместе с посторонними шумами. Ведь шум - это хаотические флуктуации, на фоне которых хорошо выделяются строго постоянные по частоте звуки полутонов. Начинаем шуметь (шипеть, хрипеть, дребезжать чем то) и одновременно как попало колотить по клавишам пианино. Через некоторое время обнаружится, что будут в большей степени "засвечены" те датчики аудио-матрицы, которые оказались чувствительны к частотам полутонов, потому, что сигналы, воспринимаемые ими были всегда строго определенной частоты, и они в большей степени подвергались воздействию, чем остальные датчики, фиксирующие короткие хаотичные флуктуации.

Очень близко в тему! Конечно же никакой программер не рулит весами входов. Но мы сильно опережаем события. Тема - совершенно определенные принципы (особенности причинно-следственных явлений), которые хотелось бы сделать очевидными. Давайте не отвлекаясь пока ни на что подтвердим или опровегнем само существование изложенных принципов, и если таковые есть, то, как это было в прежних темах, для начала постараемся найти их воплощения в окружающем.

Думаю, основной принцип распознавания - задание граничных условий, в которых должен оказаться искомый объект. Для каждого параметра должно быть минимум 2 условия: начало и конец. В графической интерпретации это минимальное количество точек для определения прямой.

Например, для распознавания размера нужны две границы: больше "А" и меньше "Б". Начинаем мысленно двигаться по прямой от нуля к "А". Как только достигнем "А" и поедем дальше - сработает датчик увеличения параметра начальной точки ("А"), как только достигнем "В" и поедем дальше сработает датчик увеличения параметра конечной точки (конца искомого диапазона). И если после прохождения "А" можно смело разгоняться и ехать дальше, то после прохождения "В" нужно наоборот резко тормозить. В итоге имеем не просто пару параметров, а пару противоположных по действию: активирующего и тормозного.

Представим, что у нас каретка на рельсе, на которой расположены пара концевиков. У каретки двигатель, который запрограммирован особым образом. Начинаем двигать вручную каретку в первому концевику. Как только его достигли и он сработал - он включает движок и каретка дальше едет сама. Но как только она достигнет второго концевика - он вырубит двигатель. Так мы получили автоматическое распознавание допустимого диапазона пути катания каретки, где обязательно наличие пары концевиков с взаимно противоположной логикой работы: один должен работать на ВКЛ а другой на ВЫКЛ.

Если при достижении конечного концевика мы инверсируем их логику, превратив ВКЛ в ВЫКЛ и наоборот, а так же сделаем реверс вращения движка каретки - получим бесконечный цикл - каретка будет кататься между двумя концевиками. То есть добавив реле, переключающее соединение контактов в концевиках и движке  - получим закольцовку.

Как не верти, но не получится выделить диапазон без пары взаимно противоположных по действию ограничений. Например если надо выделить конкретную фракцию гранул, то придется использовать два сита с разными диаметрами ячеек и просеять гранулы сначала через сито с большей ячейкой, потом через сито с меньшей. Первое сито будет пропускающим (активирующим), второе блокирующим (тормозящим).

Развивая дальше мысль про минимальное кол-во граничных условий:

1 параметр (1 ось измерения - Х) - 2 условия - 2 точки для определения прямой на оси

2 параметра (2 оси - X,Y) -  3 условия - 3 точки для определения треугольника на плоскости

3 параметра (3 оси - X,Y,Z) - 4 условия - 4 точки для определения тетраэдра

То есть кол-во минимальных граничных условий диапазона определяется как: Np + 1, где Np - количество органичеваемых (распознаваемых) параметров. По моему это из какой то теории, определяющей область решений для уравнений с "n" неизвестных.

Очевидно же, что второе сито не оказывает тормозящее воздействие на первое, вообще не является доработкой первого, а срабатывает уже после работы первого. За вторым может быть еще ряд сит с уменьшающимся диаметром дырок. Получится просто колонка распознавателей с меняющимся параметром распознавания. И вот такую колонку распознавателей уже становится легко использовать более высокоуровневым распознавателем, который сработает, к примеру, только если срабатывает 3 см. (диаметр дырки) распознаватель и не срабатывает 2 см. что говорит, что нет камешков меньше, чем 3 см. Становится возможным использовать любые сочетания простых распознавателей в колонке. А вот попытка наделать сразу сложные распознаватели с этим свойствами – несопоставимо сложнее.

Раз даже Palarm в этом месте затрудняется, мы все будем осваивать этот принцип несопоставимо большей эффективности нескольких простатах распознавателей, чем одного сложного. Потому как это имеет ключевое значение.

Прошу обсуждать только один этот аспект.