Существуют давно известные методы логарифмически-полярных и двухмерных Фурье преобразований, инвариантных к вращениям, масштабам изображений. Я крайне удивлен, что они не используются в качестве препроцессинга для нейросетей распознавания оптических образов.
В идее есть явное противоречие с современными моделями нейросетей и алгоритмами обучения. Допустим сеть нашла новую информацию в интернет и требуется коррекция модели. Это колоссальные вычислительны затраты на дообучение, повторное тестирование и т.д. Мне кажется нужна архитектура отдельного хранения фактов, правил и системы выводов. Тогда новые данные можно будет просто добавить без модификации всей модели.
Кстати, мне кажется работа только с ЭЭГ не совсем верный путь. Лучше будет добавить записи активности мозга к аудиовизуальной информации поступающей в этот момент человеку при помощи мультимодальной сети. Так вы сможете хотя бы выявить корреляции между патернами активности мозга и внешними стимулами.
Да это интересная тема. Но мне кажется, сейчас пока вполне достаточно аудиовизуального взаимодействия с ИИ, и это скорее ближе к медицине. У меня немного другой уклон. Я интегрирую классические движки строгого логического вывода с нейросетями. Что то типа расширения RAG. :-) Ну и другие заморозки ИИ. Короче, на вольных хлебах и теоретически мы можем пересечься если будут какие либо проекты коммерческой ориентации. Ещё раз Удачи!
Все это здорово но в статье я не услышал явных преимуществ новой модели перед существующими. Ваши комментарии говорят о том, что вы всерьез интересуетесь СТМ. Это просто любопытство или часть работы? Я не случайно спрашиваю . Эта тема меня тоже заинтересовала и я мог бы подключиться к ней на каких либо условиях
Я сильно не углублялся в изучение CTM, но есть ощущение, что особо новых мыслей нет. Нейросети с короткой и долгосрочно памятью давно известны, временная синхронизация в импульсных сетях - Spiking neural network (SNN) тоже. Рекуррентные Сеть долго-краткосрочной памяти (LSTM) были очень популярны пока их не заменили трансформеры с механизмом внимания, которые на много более эффективны. Но в целом не плохо, что ведутся исследования альтернативных моделей и архитектур.
В моем разумении ничего хитрого в обучении людей и нейросетей речи нет. Это цепочка наиболее частых корреляций звуков, букв, слогов, слов, словосочетаний, стандартных предложений, понятий. Да, эмбеддинги прекрасно имитируют группы нейронов в мозге, ответственные за конкретные сущности, отношения, факты, правила, но мы пока не можем однозначно выявить такие ансамбли в глубоких нейронных сетях и надо найти механизм их обнаружения для представления нейросети не в виде черного ящика, а как строгую логическую модель.
Я очень рад и могу только приветствовать, что Вы сменили стиль своих публикаций с абстрактных рассуждений на реальные дела с Stable Diffusion WebUI Forge.
Пожалуйста не обижайтесь! Правду говорят только дружески настроенные люди. Серьезные размышления о перспективах развития ИИ можно слушать только из уст очень крупных специалистов, внесших больной реальный вклад в успех отрасли. Приношу извинения если мои слова показались Вам грубы и искренне желаю успехов и Удачи !
что же вы все в совке такие злые, как собаки, как ваш вовик ... комплекс неполноценности и животная зависть к Людям ! Чистый Фрейд! https://www.youtube.com/watch?v=CA81UVPCb9Q
Да, есть. Я думал о внедрении контура эмоций в ИИ систему, но надо иметь в виду, что рептилии (динозавры) не имели эмоций и вполне успешно справлялись с трудностями и дожили до наших дней. Эмоции скорее всего нужны в интерфейсах общения машин с людьми, но не для работы. Воли исполнять команды людей ИИ хватает. Свобода Воли, инициатива, случайность выборы варианта определяется параметром температуры LLM. Личный интерес машинам не нужен. Не надо упрекать мена в непонимании понятий сознания, интеллекта. Я вполне успешно продаю ИИ программы своим заказчикам и они довольны. Со своей стороны я могу упрекнуть вас в совершенно поверхностном знании вопроса. Наверняка вы не имеете ни малейшего понятия о чем идет речь в очень важной статье! https://habr.com/ru/articles/894688/
в науке есть базовый принцип Бритвы Оккама (не приумножай сущности без необходимости). Для программиста это означает создание самых простых алгоритмов, реализующих заданную функцию. ИИ это тоже самое программирование систем подобных в рассуждениях и действиях человеку. Я вообще не вижу необходимости вводить понятие самосознания для технических систем AGI.
Самосознание это скорее философское понятие. В биологических и технических системах лучше говорить о самообучении и самоконтроле. На самом базовом уровне это сводится к положительны и отрицательным реакциях на внешние воздействия. Именно о них я и говорил как о критериях оценки поведения. Все это чистый алгоритм обучения с подкреплением.
Существуют давно известные методы логарифмически-полярных и двухмерных Фурье преобразований, инвариантных к вращениям, масштабам изображений. Я крайне удивлен, что они не используются в качестве препроцессинга для нейросетей распознавания оптических образов.
Ну это понятно, но как это соглашение использовать в реальных проектах современных нейросетей?
В идее есть явное противоречие с современными моделями нейросетей и алгоритмами обучения. Допустим сеть нашла новую информацию в интернет и требуется коррекция модели. Это колоссальные вычислительны затраты на дообучение, повторное тестирование и т.д. Мне кажется нужна архитектура отдельного хранения фактов, правил и системы выводов. Тогда новые данные можно будет просто добавить без модификации всей модели.
Кстати, мне кажется работа только с ЭЭГ не совсем верный путь. Лучше будет добавить записи активности мозга к аудиовизуальной информации поступающей в этот момент человеку при помощи мультимодальной сети. Так вы сможете хотя бы выявить корреляции между патернами активности мозга и внешними стимулами.
Да это интересная тема. Но мне кажется, сейчас пока вполне достаточно аудиовизуального взаимодействия с ИИ, и это скорее ближе к медицине. У меня немного другой уклон. Я интегрирую классические движки строгого логического вывода с нейросетями. Что то типа расширения RAG. :-) Ну и другие заморозки ИИ. Короче, на вольных хлебах и теоретически мы можем пересечься если будут какие либо проекты коммерческой ориентации. Ещё раз Удачи!
Понял, спасибо, Удачи в исследованиях!
Все это здорово но в статье я не услышал явных преимуществ новой модели перед существующими. Ваши комментарии говорят о том, что вы всерьез интересуетесь СТМ. Это просто любопытство или часть работы? Я не случайно спрашиваю . Эта тема меня тоже заинтересовала и я мог бы подключиться к ней на каких либо условиях
Я сильно не углублялся в изучение CTM, но есть ощущение, что особо новых мыслей нет. Нейросети с короткой и долгосрочно памятью давно известны, временная синхронизация в импульсных сетях - Spiking neural network (SNN) тоже. Рекуррентные Сеть долго-краткосрочной памяти (LSTM) были очень популярны пока их не заменили трансформеры с механизмом внимания, которые на много более эффективны. Но в целом не плохо, что ведутся исследования альтернативных моделей и архитектур.
В моем разумении ничего хитрого в обучении людей и нейросетей речи нет. Это цепочка наиболее частых корреляций звуков, букв, слогов, слов, словосочетаний, стандартных предложений, понятий. Да, эмбеддинги прекрасно имитируют группы нейронов в мозге, ответственные за конкретные сущности, отношения, факты, правила, но мы пока не можем однозначно выявить такие ансамбли в глубоких нейронных сетях и надо найти механизм их обнаружения для представления нейросети не в виде черного ящика, а как строгую логическую модель.
Механизм работы дополнительного, не Хеббовского правила обучения не описан!
Я очень рад и могу только приветствовать, что Вы сменили стиль своих публикаций с абстрактных рассуждений на реальные дела с Stable Diffusion WebUI Forge.
Пожалуйста не обижайтесь! Правду говорят только дружески настроенные люди. Серьезные размышления о перспективах развития ИИ можно слушать только из уст очень крупных специалистов, внесших больной реальный вклад в успех отрасли. Приношу извинения если мои слова показались Вам грубы и искренне желаю успехов и Удачи !
Не люблю я пустой треп ни о чем. Куда полезней почитать книгу Сергея Николенко "Машинное обучение: основы " 2025 https://rutracker.org/forum/viewtopic.php?t=6674186
К сожалению игру слов Search - Research перевести не удалось. :-) Но работа проделана очень толково, с душой! Спасибо! Удачи!
что же вы все в совке такие злые, как собаки, как ваш вовик ... комплекс неполноценности и животная зависть к Людям ! Чистый Фрейд! https://www.youtube.com/watch?v=CA81UVPCb9Q
конечно закончим, но я совершенно искренне советую Вам либо разобраться в теме либо не пытаться учить ученых :-) Удачи!
Да, есть. Я думал о внедрении контура эмоций в ИИ систему, но надо иметь в виду, что рептилии (динозавры) не имели эмоций и вполне успешно справлялись с трудностями и дожили до наших дней. Эмоции скорее всего нужны в интерфейсах общения машин с людьми, но не для работы. Воли исполнять команды людей ИИ хватает. Свобода Воли, инициатива, случайность выборы варианта определяется параметром температуры LLM. Личный интерес машинам не нужен. Не надо упрекать мена в непонимании понятий сознания, интеллекта. Я вполне успешно продаю ИИ программы своим заказчикам и они довольны. Со своей стороны я могу упрекнуть вас в совершенно поверхностном знании вопроса. Наверняка вы не имеете ни малейшего понятия о чем идет речь в очень важной статье! https://habr.com/ru/articles/894688/
приведу Вам еще один китайскую притчу: трудно искать в темной комнате черную кошку, особенно если ее там нет :-)
в науке есть базовый принцип Бритвы Оккама (не приумножай сущности без необходимости). Для программиста это означает создание самых простых алгоритмов, реализующих заданную функцию. ИИ это тоже самое программирование систем подобных в рассуждениях и действиях человеку. Я вообще не вижу необходимости вводить понятие самосознания для технических систем AGI.
Самосознание это скорее философское понятие. В биологических и технических системах лучше говорить о самообучении и самоконтроле. На самом базовом уровне это сводится к положительны и отрицательным реакциях на внешние воздействия. Именно о них я и говорил как о критериях оценки поведения. Все это чистый алгоритм обучения с подкреплением.