в-третьих, мы полемизируем в целом с современным подходом к технологическому прогрессу, в котором стал мейнстримом ИИ с его "гонкой вооружений" в виде бесконечных трат на энергоресурсы. наш подход - фундаментально другой; и этот подход из теории, которую мы давно открыли, с помощью RnD превратился в феноменальную практику – в самом, между прочим, сложном с тз обработки/индексации/формата контенте – видео и изображений. LLM распространены просто потому, что с видео и изображениями "как LLM" ИИ не способен работать, а с текстом - способен, поскольку человечество на блюдечке принесло ИИ готовый язык, связи между словоформами, огромный багаж текстов. То есть человечество проделало 99% самой тяжелой работы, без которой ИИ колупался бы с буквами/знаками/символами точно также, как сейчас - с изображениями и видео.
Ну а мы, благодаря методам TAPe, способны работать с видео и изображениями так (и даже лучше с тз энергоэффективности и других затрат), как сейчас с текстом - LLM. Не сомневайтесь, что и с текстами мы разберемся - когда захотим (когда дойдут руки).
Резюмируя: можно почитать наш памфлет на хабре про 0 и 1, на которых построены все технологии, включая ИИ, здесь; там мы кратко пытаемся объяснить, почему этот путь в никуда и себя во многом исчерпал; Язык Мышления и TAPe с ее методами - другой путь, который позволит (и уже позволяет) сделать качественный технологический скачок.
здравствуйте, анагамин возразим: вероятно, вы не совсем верно поняли, что же такое Язык Мышления. Речь не о какой-то полнодуплексной или любой другой системе, в которой включен объект, субъект и прочая. Речь о механизме, который существует - независимо от субъекта. Механизм восприятия реальности (и информации). Который мы в той или иной степени "оцифровали". Вот хорошая большая статья на сайте Стэнфорда об этом феномене https://plato.stanford.edu/entries/language-thought/
здравствуйте, МаркусКарлино под другой реальностью мы имели в виду мечты или, допустим, другой рынок - например, рынок США, где, как по крайней мере кажется с наших родных берегов, деньги так и сыплют в карманы разнообразным проектам, далеко не таким прорывным, фундаментальным и прочая. Что уж говорить, вы и сами прекрасно знаете - рынки несопоставимы, как и открытость к новым идеям. Так что - всему свое время.
возможно, вам будет интересен наш альманах, который мы сделали для себя, но сделали хорошо; попозже постараемся привлечь к нему больше внимания. В нем мы по возможности кратко осмысляем путь ИИ-индустрии - с точки зрения нейробиологии, психологии, физики, теорий сознания и прочая и прочая.
правда, альманах англоязычный. но сегодня, кажется, это не проблема.
со своей стороны тоже не планируем что-то кому-то доказывать. мы оперируем фактами и по-возможности стараемся отвечать на фактологические вопросы.
по поводу замены semantic object detection на low-level pixel difference detection
если мы правильно поняли, то это отсылка к нашему эксперименту с Интерстеллару/DBSCAN, про который мы писали на Хабре. В этом эксперименте мы не использовали модель для детекции. Как и не подменяли задачу semantic object detection на low-level pixel как таковую – этот пример в статье в целом не был связан с текущей моделью архитектурно, и был скорее демонстрацией технических способностей нашего оригинально представления без тренировки.
То есть, если рассуждать терминами ML, то мы таким образом демонстрировали то, что наше представление в своем изначальном виде является нелинейным преобразованием пространства, которое несет в себе достаточный сигнал для работы с ним даже таких рудиментарных алгоритмов, как DBSCAN.
Наше представление в своем финальном виде – линейно разделимо конечными системами, которые принимают данными, по типу DBSCAN или же, например, FAISS
Этот ваш вопрос нас удивляет, потому что для этого мы и приводим цифры решения датасетов. Для того же самого датасета COCO мы представляем именно цифры val выборки, которую модель никогда не видела, как раз-таки для демонстрации обобщения.
В одной из следующих статей мы планируем также показать результаты работы модели на датасетах RF100-VL, специально созданных для показа обобщения как такового. На наш взгляд достаточно странно говорить о подготовке нами обученной модели с по сути оверфитом к датасету: если бы мы шли по пути оверфит (??? по незнанию видимо), то мы бы показывали бы результаты в пределах mAP50=100, потому как оверфит совершить попросту несложно, даже на маленькой модели.
Наша "крошечная" модель умеет очень хорошо обучаться на любой домен задач распознавания, имея при этом ограниченное количество данных. Без обобщающей способности это в общем и целом было бы сделать категорически невозможно.
РоманВеличкин, здравствуйте. в предыдущей статье о модели мы приводили метрики - на нее мы даем ссылку в самом начале этой статьи. Вот ссылка: https://habr.com/ru/articles/1052302/
спасибо, ЭндрюТишкин. По поводу коверкания никнеймов - вы ошибаетесь, это всего лишь ваше восприятие, которое говорит что-то о вас. Я же просто занимаюсь транслитерацией посильной.
сравнения у нас есть более чем подробные с любыми моделями, мы их подробно и прозрачно осветили. будьте внимательней - ни одна демка не круче. любые проверки вы при желании можете провести самостоятельно.
но даже если вы по-прежнему ничего не поняли, в любом случае вы прикоснулись к истории, имейте в виду.
расскажите, в чем, по-вашему, невнятность конкретно этой статьи? только постарайтесь держать себя в руках и не переходить на личности, а также придерживаться фактов. ибо мнение (вы сами написали IMHO, то есть обозначили свой комментарий жанром «мнение») - это не любые слова; мнение - это аргументация, подтвержденная фактами. сможете?
уважаемый Сдима1357, спасибо за проявленный интерес - это действительно редкость сегодня (не интерес к нам, а интерес вообще, когда человек не просто что-то говорит, а пробует разобраться).
Очевидно, вы воспользовались на нашем сайте базовым доступом - к датасету COCO. В этом датасете есть всего 80 классов. И там действительно есть класс «овца» (sheep). Но в этом датасете нет класса «коза». Если вам для ваших задач нужно, чтобы модель распознавала коз и козлов, вы можете ее легко натренировать, создав новый класс. Все инструкции для этого есть на сайте.
Вы всерьез рассуждаете, чтобы мы отдали вам или urbi et orbi исходники? Даже любопытно стала, с тз антропологии, ваша логика
Что вы имеете в виду под внятным описанием? Интересно ознакомится с вашими критериями внятности. Возможно, будет что-то полезное. Я не ерничаю. Для нас все вполне внятно - здесь и на нашем сайте. Для тех, кому нужно/интересно.
Мы ничего не рекламируем. У нас факты. Если вам что-то непонятно - можно спросить, если действительно интересно. Если неинтересно - тогда пройти мимо.
Мы не продаем инвесторам статью. Мы просто делимся информацией. Кому-то интересно, кому-то - нет. Задачи «всем интересно» у нас нет.
да, под наше определение автопилота - и под определение во время оно Илона Маска, Андрея Карпатого и иже с ними, когда они еще то ли не очень понимали, что происходит, то ли мастерски пускали пыль в глаза - ничего из текущего не подходит. Тем не менее наша статья - про то, почему влажные мечты остаются мечтами и тонут в маркетинговых уловках и что с этим можно и нужно сделать с точки зрения технологий.
математика далеко не такая примитивная технология, как ии) и многие задачи математикой решаются быстрее и проще, чем ИИ. тем не менее, ни математика, ни ИИ не способны решить задачу, например, автопилота теми методами, которыми сегодня подобные задачи решаются.
мы эту задачу решили, поскольку мы используем методы не только и не столько математики.
прекрасная великолепная статья, спасибо за труд
здравствуйте, авшкол
спасибо за вопрос.
дело в том, что мы не соревнуемся. во-вторых, если говорить о сравнениях, то мы все-таки сравниваем нашу модель распознавания, разработанную на основе методов TAPe, с другими моделями распознавания. то есть в этом смысле мы честны, если такое слово угодно. об этом мы написали подробно в статьях Мы сделали модель распознавания для любых задач компьютерного зрения – и выше уровня SOTA и Мы улучшили модель для любых CV-задач, добавив сегментацию. И еще лучше SOTA
в-третьих, мы полемизируем в целом с современным подходом к технологическому прогрессу, в котором стал мейнстримом ИИ с его "гонкой вооружений" в виде бесконечных трат на энергоресурсы. наш подход - фундаментально другой; и этот подход из теории, которую мы давно открыли, с помощью RnD превратился в феноменальную практику – в самом, между прочим, сложном с тз обработки/индексации/формата контенте – видео и изображений. LLM распространены просто потому, что с видео и изображениями "как LLM" ИИ не способен работать, а с текстом - способен, поскольку человечество на блюдечке принесло ИИ готовый язык, связи между словоформами, огромный багаж текстов. То есть человечество проделало 99% самой тяжелой работы, без которой ИИ колупался бы с буквами/знаками/символами точно также, как сейчас - с изображениями и видео.
Ну а мы, благодаря методам TAPe, способны работать с видео и изображениями так (и даже лучше с тз энергоэффективности и других затрат), как сейчас с текстом - LLM. Не сомневайтесь, что и с текстами мы разберемся - когда захотим (когда дойдут руки).
Резюмируя: можно почитать наш памфлет на хабре про 0 и 1, на которых построены все технологии, включая ИИ, здесь; там мы кратко пытаемся объяснить, почему этот путь в никуда и себя во многом исчерпал; Язык Мышления и TAPe с ее методами - другой путь, который позволит (и уже позволяет) сделать качественный технологический скачок.
здравствуйте, анагамин
возразим: вероятно, вы не совсем верно поняли, что же такое Язык Мышления. Речь не о какой-то полнодуплексной или любой другой системе, в которой включен объект, субъект и прочая. Речь о механизме, который существует - независимо от субъекта. Механизм восприятия реальности (и информации). Который мы в той или иной степени "оцифровали".
Вот хорошая большая статья на сайте Стэнфорда об этом феномене https://plato.stanford.edu/entries/language-thought/
здравствуйте, МаркусКарлино
под другой реальностью мы имели в виду мечты или, допустим, другой рынок - например, рынок США, где, как по крайней мере кажется с наших родных берегов, деньги так и сыплют в карманы разнообразным проектам, далеко не таким прорывным, фундаментальным и прочая. Что уж говорить, вы и сами прекрасно знаете - рынки несопоставимы, как и открытость к новым идеям.
Так что - всему свое время.
здравствуйте, Sirion
какой журнал вы имеете в виду?
здравствуйте, куралекса.
благодарим.
возможно, вам будет интересен наш альманах, который мы сделали для себя, но сделали хорошо; попозже постараемся привлечь к нему больше внимания. В нем мы по возможности кратко осмысляем путь ИИ-индустрии - с точки зрения нейробиологии, психологии, физики, теорий сознания и прочая и прочая.
правда, альманах англоязычный. но сегодня, кажется, это не проблема.
прощаем.
со своей стороны тоже не планируем что-то кому-то доказывать. мы оперируем фактами и по-возможности стараемся отвечать на фактологические вопросы.
по поводу замены semantic object detection на low-level pixel difference detection
если мы правильно поняли, то это отсылка к нашему эксперименту с Интерстеллару/DBSCAN, про который мы писали на Хабре. В этом эксперименте мы не использовали модель для детекции. Как и не подменяли задачу semantic object detection на low-level pixel как таковую – этот пример в статье в целом не был связан с текущей моделью архитектурно, и был скорее демонстрацией технических способностей нашего оригинально представления без тренировки.
То есть, если рассуждать терминами ML, то мы таким образом демонстрировали то, что наше представление в своем изначальном виде является нелинейным преобразованием пространства, которое несет в себе достаточный сигнал для работы с ним даже таких рудиментарных алгоритмов, как DBSCAN.
Наше представление в своем финальном виде – линейно разделимо конечными системами, которые принимают данными, по типу DBSCAN или же, например, FAISS
спасибо за интерес, РоманВеличкин.
добавим в статью, хорошая идея, спасибо. ниже примеры. скоро контуринг появится в стенде.
здравствуйте, Миллог.
спасибо за попытку разобраться.
Этот ваш вопрос нас удивляет, потому что для этого мы и приводим цифры решения датасетов. Для того же самого датасета COCO мы представляем именно цифры val выборки, которую модель никогда не видела, как раз-таки для демонстрации обобщения.
В одной из следующих статей мы планируем также показать результаты работы модели на датасетах RF100-VL, специально созданных для показа обобщения как такового. На наш взгляд достаточно странно говорить о подготовке нами обученной модели с по сути оверфитом к датасету: если бы мы шли по пути оверфит (??? по незнанию видимо), то мы бы показывали бы результаты в пределах mAP50=100, потому как оверфит совершить попросту несложно, даже на маленькой модели.
Наша "крошечная" модель умеет очень хорошо обучаться на любой домен задач распознавания, имея при этом ограниченное количество данных. Без обобщающей способности это в общем и целом было бы сделать категорически невозможно.
РоманВеличкин, здравствуйте.
в предыдущей статье о модели мы приводили метрики - на нее мы даем ссылку в самом начале этой статьи. Вот ссылка: https://habr.com/ru/articles/1052302/
Вот таблица с данными из этой статьи:
спасибо, ЭндрюТишкин. По поводу коверкания никнеймов - вы ошибаетесь, это всего лишь ваше восприятие, которое говорит что-то о вас. Я же просто занимаюсь транслитерацией посильной.
сравнения у нас есть более чем подробные с любыми моделями, мы их подробно и прозрачно осветили. будьте внимательней - ни одна демка не круче. любые проверки вы при желании можете провести самостоятельно.
но даже если вы по-прежнему ничего не поняли, в любом случае вы прикоснулись к истории, имейте в виду.
о, это интересно, спасибо.
расскажите, в чем, по-вашему, невнятность конкретно этой статьи? только постарайтесь держать себя в руках и не переходить на личности, а также придерживаться фактов. ибо мнение (вы сами написали IMHO, то есть обозначили свой комментарий жанром «мнение») - это не любые слова; мнение - это аргументация, подтвержденная фактами. сможете?
прошу прощения, не ту ссылку отдал
вот верная:
https://ml.comexp.net/detect
да, и спешу заметить, что эти классы мы не поленились перечислить на сайте
здравствуйте, ТехРекруитер
спасибо.
репозитарием поделиться не можем - это ноу-хау. у нас проприетарная модель.
вы можете зайти к нам на сайт и поиграть/потестировать модель. доступны разные тарифы, от бесплатного до промышленных и индивидуальных.
https://monitor.comexp.net/detect
уважаемый Сдима1357, спасибо за проявленный интерес - это действительно редкость сегодня (не интерес к нам, а интерес вообще, когда человек не просто что-то говорит, а пробует разобраться).
Очевидно, вы воспользовались на нашем сайте базовым доступом - к датасету COCO. В этом датасете есть всего 80 классов. И там действительно есть класс «овца» (sheep). Но в этом датасете нет класса «коза». Если вам для ваших задач нужно, чтобы модель распознавала коз и козлов, вы можете ее легко натренировать, создав новый класс. Все инструкции для этого есть на сайте.
здравствуйте, Сдима1357
Вы всерьез рассуждаете, чтобы мы отдали вам или urbi et orbi исходники? Даже любопытно стала, с тз антропологии, ваша логика
Что вы имеете в виду под внятным описанием? Интересно ознакомится с вашими критериями внятности. Возможно, будет что-то полезное. Я не ерничаю. Для нас все вполне внятно - здесь и на нашем сайте. Для тех, кому нужно/интересно.
Мы ничего не рекламируем. У нас факты. Если вам что-то непонятно - можно спросить, если действительно интересно. Если неинтересно - тогда пройти мимо.
Мы не продаем инвесторам статью. Мы просто делимся информацией. Кому-то интересно, кому-то - нет. Задачи «всем интересно» у нас нет.
да, под наше определение автопилота - и под определение во время оно Илона Маска, Андрея Карпатого и иже с ними, когда они еще то ли не очень понимали, что происходит, то ли мастерски пускали пыль в глаза - ничего из текущего не подходит. Тем не менее наша статья - про то, почему влажные мечты остаются мечтами и тонут в маркетинговых уловках и что с этим можно и нужно сделать с точки зрения технологий.
Что такое "сильный ИИ" нам неизвестно.
давайте увидим. итак, автопилот - это система, которая заменяет человека-водителя с правами категории B. так пойдет?
математика далеко не такая примитивная технология, как ии) и многие задачи математикой решаются быстрее и проще, чем ИИ. тем не менее, ни математика, ни ИИ не способны решить задачу, например, автопилота теми методами, которыми сегодня подобные задачи решаются.
мы эту задачу решили, поскольку мы используем методы не только и не столько математики.