Считаю, что гугл подаст апелляцию — решение вынесено окружным судьёй, имхо он не шарит в подобных вопросах. Если же гугл возьмет и заблокирует аккаунт, поднимется нехилая шумиха от гуглоненавистников с транспарантами вида «Google — Корпорация Зла!».
Ну а на месте гугла я бы при попытке логина владельца ящика отредиректил его на спецстраницу, на которой было бы расписано, в какое дерьмо его втянули (если владелец ящика письма не видел, то и предьявить ему нечего).
Препроцессору и не надо работать с сущностями — это задача рантайма :) По сути, блок pattern {… } относится к препроцессору и будет преобразовываться на этапе парсинга, все остальные методы будут вызываться в рантайме.
Вообще да, в lisp препроцессор рассчитан в первую очередь на расширение синтаксиса, построенного на S-выражениях, а не написания языка с нуля. Но… «Вы можете написать макросы, которые будут создавать макросы», правда вам потребуется время на это :) Результат будет сравним с Katahdin.
Посмотрел тут — http://www.volantis.com/volantis-mobility-server, и если правильно понял, то эта штука позволяет собирать java-приложения под различные платформы учитыая их особенности. И заодно тут же предоставлять к ним доступ из веб.
Вполне может получиться так, что созданный нами ИИ обучится и сможет работать непонятно для нас как. Даже на примере обученной простой трехслойной сети в пару сотен нейронов вы не сможете понять, что делает каждый конкретный нейрон в ней :)
В вашей системе требовалась перестройка приоритетов в зависимости от поведения обьекта наблюдения? Как я понял, вы сделали статическую систему, строгую централизованную иерархию.
Она и так будет работать, незачем прикручивать нейросети и создавать конкуренцию.
Насчет непонятности алгоритма — необходимы знания матана и высшей алгебры уровня первого курса. И некоторое количество терпения, пока осознание работы нейросетевых алгоритмов устоится в голове.
Обучая нейронную сеть, вы позволяете ей «отыскивать» решение самостоятельно. Плюс логическая монолитность нейросети — она имеет ценность только целиком, отдельный нейрон не даст вам никакой полезной информации. Это и дает магию всего происходящего и ощущение бесконтрольности :)
Но нейросети и стоит применять там, где четкая формализация задачи затруднена или реализация алгоритма, решающего её чересчур трудоемко. В этом случае магия дает результаты ;)
С другой стороны, нейросеть — это алгоритм, который пишется один раз и работает всегда. С точки зрения бизнеса тоже неплохой вариант.
Для более контролируемых алгоритмов с самообучением могу посоветовать нечеткую логику — правила там формируются вполне человекопонятные и более поддающиеся контролю.
Социумы таких насекомых, как пчелы или муравьи, сложен, но управляется простыми правилами. Это очень хорошо отлаженая самоорганизующаяся система, каждый элемент которой беспрекословно ей подчиняется. С людьми все сложнее, они не хотят жить жить «биологически эффективно», подчиняться общим правилам и далее…
В таком предмете как рампознавание образов, такое взаимодействие уже на порядок сложнее в реализации. По сути, это даст нам механизм, в котором, например, нейросеть, отвечающая за логику и принятие решений, пнет когнитрон для более подробного распознавания и классификации. В модели, которую привел я, уже есть потеря деталей — каждый слой забывает неважные мелочи, выделяя важный образ. А этот «мусор» мог быть подан на другой уровень другого когнитрона, например.
Возможно ли создание такой структуры людьми? Имхо, сложно сформировать такие связи эффективно, а генетический алгоритм будет работать полвечности… Эволюции понадобилось пара десятков, если не сот миллионов лет на это.
> Социум это организация живых существ, что бы не было грабежей, анархии, шизофрении
Эмм… Возможность ограбления корованов свидетельствует о распаде социума? :\ По моему это намного более высокоуровневые понятия и относятся не только к социуму, но и его развитию — обществу.
Ну а на месте гугла я бы при попытке логина владельца ящика отредиректил его на спецстраницу, на которой было бы расписано, в какое дерьмо его втянули (если владелец ящика письма не видел, то и предьявить ему нечего).
Вообще да, в lisp препроцессор рассчитан в первую очередь на расширение синтаксиса, построенного на S-выражениях, а не написания языка с нуля. Но… «Вы можете написать макросы, которые будут создавать макросы», правда вам потребуется время на это :) Результат будет сравним с Katahdin.
Загрузиться самому, а не дать жизнь копии себя.
Она и так будет работать, незачем прикручивать нейросети и создавать конкуренцию.
Насчет непонятности алгоритма — необходимы знания матана и высшей алгебры уровня первого курса. И некоторое количество терпения, пока осознание работы нейросетевых алгоритмов устоится в голове.
Но нейросети и стоит применять там, где четкая формализация задачи затруднена или реализация алгоритма, решающего её чересчур трудоемко. В этом случае магия дает результаты ;)
С другой стороны, нейросеть — это алгоритм, который пишется один раз и работает всегда. С точки зрения бизнеса тоже неплохой вариант.
Для более контролируемых алгоритмов с самообучением могу посоветовать нечеткую логику — правила там формируются вполне человекопонятные и более поддающиеся контролю.
В таком предмете как рампознавание образов, такое взаимодействие уже на порядок сложнее в реализации. По сути, это даст нам механизм, в котором, например, нейросеть, отвечающая за логику и принятие решений, пнет когнитрон для более подробного распознавания и классификации. В модели, которую привел я, уже есть потеря деталей — каждый слой забывает неважные мелочи, выделяя важный образ. А этот «мусор» мог быть подан на другой уровень другого когнитрона, например.
Возможно ли создание такой структуры людьми? Имхо, сложно сформировать такие связи эффективно, а генетический алгоритм будет работать полвечности… Эволюции понадобилось пара десятков, если не сот миллионов лет на это.
Эмм… Возможность ограбления корованов свидетельствует о распаде социума? :\ По моему это намного более высокоуровневые понятия и относятся не только к социуму, но и его развитию — обществу.
Не знаю, актуальны ли клеточные автоматы в задачах распознавания образов — мои знания о них весьма ограничены.