Если бы пи было равно трем я бы подумал о переходе в пи-ричную систему счисления. По крайней мере это вопрос либо самого числового поля, либо топологии пространства.
Но я бы точно не стал бы вспоминать о формулах, поскольку число пи выводится как отношение длины окружности к ее диаметру и все остальные применния лишь связаны с этим топологическим свойством отношения минимального периметра для максимальной площади к его проекции.
Фиксом это становится после переговоров обычно (если Вы не в кандалах, конечно).
На этапе переговоров фикс является целью расчетов от объемно-календарных и тарифных значений расчетной модели.
Для учета же при контроле выполнения, фикс это лимит расходов и сроков.
Цель учета в том, чтобы в самый ранний момент вцявить риски и возможности.
Это уже вопрос зрелости управления проектом и умения продать правильный фикс, который в 80% имеет достаточный запас, в 18% выбирается в ноль и лишь в 2% допускает перерасход.
Но фрилансеру это статистика мечты. Если бы фрилансер уметь та3ого достигать он был бы директором в офисе из которого ушел на вольные хлеба.
Поэтому вполне достаточно контролировать сроки, деньги и формулировки обязательств.
Если будет интерес, напишу небольшую статью. В простейшем случае это четыре листа. Календарь загрузки, платежный календарь, рентабельность проектов и журнал записей по изменениям обязательств.
Простейший случай хорош до 50 записей в месяц в журнал обязательств при одноуровневой структуре (у каждого проекта только один заказчик и прямые подрядчики)
Если честно, то, конечно, все наглядно только при одном пользователе (менеджере). При групповой работе нужна автоматизация.
Так же трудности возникают при многоуровневой структуре декомпозиции работ. Почти невозможно сделать удобную форму уже хотя бы для двух видов разделяемых ресурсов (например, помимо сотрудников требуется вести учет загрузки оборудования).
Ну и, конечно же, нет автовыравнивания по загрузке. Можно, конечно, в простых случаях писать макросы. Но корректнее перейти к более продуктивным системам.
Проблема маленьких это всегда проблема самоавтоматизации.
Для крупных есть немало готовых решений. Хоть и не лакомых, но, боевых. Тот же спайдер (не в рекламных целях помянут).
Пока Вы маленькие куда важнее проблемы роста. А потому хорош excel. Когда начинаются роблемы масштабирования, выбор небольшой — заказная разработка под себя или внедрение отраслевого решения с подстройкой процессов.
Партнерство фрилансеров это уже начало маленького бизнеса. А 99% управленческих инструментов маленького бизнеса — excel.
Когда мне приходилось брать на работу экономистов, вероятно, часто я в их глазах выглядел этаким самодуром. Но, что поделаешь, когда требуемый уровень навыков и опыта кандидату даже приблизительно неизвестен?
Вполне возможно, что Вы просто не до конца поняли требования к вакансии и решили, что она Вам подходит, хотя она требует качественно другого уровня знаний.
А возможно произошел обычный личностный диссонанс. За Ваш счет попытались самоутвердиться.
Определить наличие необходимых аналитических способностей у кандидата можно точно лишь в двух случаях.
1. Известна необходимая методика анализа и требуется определенная степень владения методикой
2. Есть критерии оценки правильно проведенного анализа и требуется такой анализ продемонстрировать
Однако, есть ситуации, когда качество анализа проверить без серьезных затрат нельзя. Тогда все упирается в интуицию нанимателя и харизму нанимаемого
Обычно обхожусь моделью рабочего календаря в Excel, общее название этой модели «управление потоками обязательста», это решние на стыке документооборота, CRM и бюджетирования. Всего раскрывать не стану, но должен сделать несколько замечаний.
0. Я консультант и тренер по внедрению управления обязательствами и это востребовано крайне нечасто. Многие вообще не верят, что подобное возможно, пока не посмотрят в деталях со всех сторон.
1. Один из листов это схема встречных обязательств (кто, что, кому обещал, когда, на каких условиях). Это такая рыба договора/спецификации на несколько сторон. Многие понимают такой лист как реестр паспортов сделок
2. Все данные по срокам, деньгам и этапам сдачи/оплаты работ сводятся в бюджеты ДДС и ДР сначала проекта, затем в мастер-бюджет
3. Все данные по договоренностям проходят через воронку статусов (обсуждается, утверждено)
4. Таблица знанятости ресурсов строится понедельно с учетом загруженности в часах на все имеющиеся проекты и только ближайшая неделя или декада расписывается по дням, чтобы избежать календарного разрыва во встречных обязательствах.
Я смотрел карту покрытия МТС в режиме 3G, пятнышки возле деревень и городков вполне компактные. После этого определял азимуты от своей деревни и расстояния, и дальше с компасом сначала примерно направлялся, а потом понемногу шевелил в стороны и ловил наилучший сигнал на модеме.
Поставил родителям в деревне две антены. Одна GSM900 с рипитером внутри дома на 100 м2, вторая 1800 для 3G модема МТС
При этом, расстояние до вышки 9 км (но, дом находится над озером и лес за озером находится ниже уровня дома)
Правда, есть ощущение, судя по азимуту направления антенн, что на самом деле в этой соседней деревне сота не работает и реальное направление на деревню на прямом расстоянии 23 км. При этом, уровень сигнала стабильно меньше 15%, но скорость 3G чаще всего от 256 кбит до 2 Мбит.
Я бы съездил в соседнюю деревню, но нужно ехать 40 км до трассы, потом 30 км до этой деревни. В общем 150 км по плохим дорогам, чтобы понять, работает ли в ближайшей деревне вышка :)
Настраивался по карте покрытия МТС — в режиме 3G видны довольно компактные пятнышки. Правда компас на айфоне дает направление на север не очень точное. А потому остались сомнения.
На e-xecutive так и сделана модель респектов и черных меток — видно кто, за что сделал респект или черную метку и как это прокомментировал. Но там сообщество не такое большое. Здесь все-таки действительно требуется писать ясно и по делу
Не стоит забывать, что пиратство это древнее изобретение и всегда являлось формой бизнеса. Когда нечто проще отобрать, чем изготовить — найдутся те, кто будет считать себя вправе отбирать.
Проблема не в материи против информации.
Проблема именно в том, что некоторые результаты труда легко экспроприировать, а некоторые — затратно или рискованно.
Автомобиль тоже содержит интеллектуальную ценность. И ее тоже нелегально копируют, когда она плохо защищена. Другие автопроизводители, у которых недостаточно средств, чтобы подобные технологии разработать.
Движение за открытые исходники не является ни противоположностью, ни, хотя бы, альтернативой коммерции. Просто в ее основе вполне себе древний бартер. Каждый делает что-то для своего удовольствия и получат в награду труд всего сообщества.
Более того, open source в своем рафинированном виде предполагает, что разработчики сообща создают инструменты, с помощью которых зарабатывают, предлагая услуги потребителям. И если кто-то создает проприетарный продукт на основе открытого, он нарушает соглашение, по которому должен все свои модификации открытого кода делать так же открытыми.
Касаясь вопросов медиапродукции, это все так же остается вопросом вознаграждения за труд.
К вопросу о миллионных гонорарах известных актеров, режиссеров и сценаристов.
Их талант конечно не в 1000 раз больше, чем талант их коллег из второго десятка в рейтинге.
Как обычно, дорого стоит войти в десятку и держаться в ней.
В результате, по факту, злом объявлен маркетинг, и в этом есть немного истины, но только в том, что человеческие страсти порочны сами по себе, а не в связи с их какой бы то ни было эксплуатацией.
Люди хотят звезд. Люди хотят этого популярного способа ориентировать в потоке медийных продуктов.
Альтернативы никогда не было. Известные гладиаторы, менестрели, музыканты, поэты всегда собирали самое благодарное восхищение. И это положение всегда становилось мечтой других людей.
Запрет на привилегии отнюдь не решает проблемы. Страсти в тени куда жирнее, чем на свету.
Когда будут схемы лучше чем копирайт — они вытеснят копирайт. Не нужно убивать копирайт, чтобы дать путь хилым и нежизнеспособным моделям для маргиналов.
Информация никогда не была и не будет свободной. Свободным может быть только информационный мусор. И тот всегда стараются получше упаковать и продать. Чтобы больше ценили и верили. Хорошая информация — дорогой товар. Хорошая информация правит миром.
По сути у меня сейчас как раз основная задача это ядро управляющее всего одним драйвером — технического зрения. Проект сильно не основной, по сути я и один разработчик уделяем ему меньше 10-12 часов в месяц. И хорошие цели по сравнению очень даже не помешают :)
Я уже ответил в других сообщениях на два вопроса:
1. Как я ухожу от абсолютных значений, записывая только последовательность переходов от опорного признака для различения их обобщенного представления
2. Почему распознавание отдельных символов не является задачей, которую я решаю.
Зря Вы начинаете с отдельных пикселей. Внимание начинается с довольно обширных областей. Представьте себе пятно, площадью в 8-9% изображения. Один признак это переход от такого пятна к другому пятну, с изменением его размера, фрактальной размерности, яркости, контраста, тона и насыщенности.
Два признака это два связанных перехода. Цепочка таких переходов это распознанный образ. Неважно абсолютное положение. Неважны повороты, изменения общей освещенности, масштаб, и т.д.
Забота драйвера быстро оценивать есть или нет в ожидаемой области ожидаемые значения параметров.
Есть два способа задания переходов: относительно предыдущего признака (это точное указание драйверу, что сделать) или в окрестности опорного признака (здесь требуется много попыток поиска с изменением, масштаба, поворота, направления и дистанции).
Ключевое инвариантное значение для поиска — фрактальная размерность. Она не зависит от аффинных преобразований.
Остальные значения относительны и рассчитываются как линейные преобразования значения предыдущего признака.
Проблема с выбором для сравнения других систем, которые способны на такие задачи. Я не знаю систем, ориентированных на контекстное понимание, а не на одноуровневое распознавание из списка референтных шаблонов.
Это не интересно. Это хак, а не рассудочная деятельность. Для меня это вопрос эффективности драйверов. Я же проектирую ядро, которое эти драйверы направляет к исследованию, превращая брутфорс в целенаправленные экономные точечные усилия по восприятию только того, что ожидается.
Распознавание символов не очень интересная задача. В ней 90% хака в виде распознавания вполне определенных шаблонов и их связанности.
Всякая существующая система, распознающая символы, не ожидает появления тех или иных символов в тех или иных местах, а обрабатывает массивы пикселей в стандартном цикле параллельной или псевдопараллельной обработки.
Моя модель строит ожидания по уже распознанным символам и устойчивым шаблонам их совместного использования, где и какие символы следует искать, тем самым понимая ситуацию, как контекст наиболее общих представлений о ней и тенденциях ее изменения.
Проще говоря, система сначала поймет, что перед ней — счет, платежка, телеграмма, страница журнала, таблица с данными, и затем будет целенаправленно исследовать на ней ожидаемые области и изучать области неожиданные. При этом, тщательность распознавания будет зависеть от более общей цели. Если не. достаточной выгоды от детального распознавания, система переключится на то, что более выгодно.
Чтобы было понятнее, я вообще не уделяю много внимания физиологии и исследованиям мозга. Ну, то есть, уделяю, конечно.
Но моя цель — моделирование рассудка, которое определено движением внимания от признака к признаку.
Моя основная метафора — изучение устройства скрипки или даже синтезатора не поможет понять музыкальную гармонию.
Я не считаю, что раскрытие тайн мозга поможет в понимании информационных процессов сознания.
В доказательство своей гипотезы я и хочу показать, что для узнавания знакомых (ранее обобщенных) предметов на картинке или фотографии не требует параллельной обработки всех пикселей. Фактически, требуется несколько десятков переходов от области к области, чтобы распознать известный объект (когда их известно несколько тысяч), в любом ракурсе, на любой дистанции, при любом освещении. Если человек способен из контекста понять, что это может быть, моя модель должна таким же образом сделать вывод, что это, а так же предположить, что и где может находиться в окружении этого.
И оценка потребности в памяти и количестве вычислений — весьма скромные. Условно говоря, несколько сотен тысяч разных визуальных признаков отбираются из сотен миллионов, не прошедших достаточного подтверждения, как признаков ключевых при распознавании. Каждый такой признак, по сути, кодируется в виде трехсот байт. Еще не более двухсот байт занимает кодирование возможных переходов от этого признака к другим. Итого занимаемый моделью объем памяти составляет порядка нескольких гигабайт.
Собственно, построение модели, отбор признаков, заключается в исследовании тестового, специально подготовленного набора изображений (текстов, звуков), в которых оптимизируется процесс первоначальной классификации модели. Это подобно привыканию ребенка к обстановке, подобно букварю, по которой ребенок учится от простого к сложному, осваивая сначала более примитивные образы, обобщая их до более сложных, не утопая в хаосе изначально малосвязанных данных.
И я еще раз сформулирую свою основную идею. Естественный интеллект обучается довольно долго. Плюс каждый экземпляр естественного интеллекта имеет огромную наследственную базу различаемых образов и специализированных органов чувств для их различения.
Поэтому без вполне определенных хаков не обойтись, но не обойтись и без универсальной модели понимания (т.е. ориентации в пространстве представлений об актуальной ситуации воспринимаемого мира).
Меня интересует универсальная модель, и над ней я работаю. Так же интересуют некоторые драйверы, на основании которых определяется универсальный протокол работы ядра модели с множеством драйверов.
У меня нет привязки признаков ни к абсолютному масштабу, ни к абсолютному повороту в любом направлении, ни к абсолютному положению.
Если обнаружен некий признак, он направляет внимание к следующему признаку, относительно данного признака.
Сложно классифицировать целиком неизвестную ситуацию. Когда ситуация в общем уже понятна, требуется совсем немного внимания, чтобы распознавать детальные признаки.
Что касается понимания текста — задача, в целом, сложнее, хоть тексты и достаточно равномерны.
Все дело в том, что контекст понимания текста с одной стороны довольно короткий, с другой стороны, полная смена контекста происходит значительно чаще, чем в задаче ориентирования в пространстве.
Но у меня есть две задачи. Одна — распознает вербальный контекст (т.е. понимание слов, словосочетаний, действующих лиц, возможной ситуации, в которой они находятся, возможные ссылки на тексты, ранее изученные, т.е. релевантные новости, статьи, книги, мемы и т.д.)
Вторая — распознает контекст ценовых рядов (т.е. понимание тенденций, переломных ситуаций, корреляций). Возможна так же смешанная задача, которая узко специализируется для второй в первой (понимание и ожидание неких новостей, аналитических фактов, высказываний, упоминаний)
В чистом виде фундаментальный анализ слишком сложная задача — нужно учить систему пониманию финансово-экономических моделей, а это уже вопрос очень серьезного ИИ (либо более простого, очень специализированного драйвера, в виде формальной экспертной системы, но это уже — не ИИ, а хак)
Я понял, что стоит прояснить суть одномерности моей модели при многомерности воспринимаемого мира.
Одномерным является движение внимания. То есть, каждый образ распознается в результате движения внимания от признака к признаку. Сами признаки связываются в многомерные представления.
Так, например, в трехмерном пространстве последовательность распознавания сводится к подбору масштаба и поворота, с выявлением определенных цвето-контрастных переходов.
В части пространственного восприятия значительным является драйвер зрения системы.
Как он работает?
По сути, есть текущее состояние драйвера — это некоторая область воспринимаемой картинки, в которой измерены усредненный цвет, усредненная яркость, усредненная контрастность и фрактальная плотность.
К текущему состоянию драйвера есть история предыдущих состояний и представления, которые являются кандидатами на узнавание в связи с этой историей. Так же есть следующий признак, который выражается в изменении текущего состояния драйвера: область может быть расширена или сужена (масштаб), область может быть смещена на некоторое расстояние в некотором направлении и так же может быть определен поворот вектора направления для следующих перемещений области.
То есть, число входящих в конкретный признак действий и значений может быть довольно большим. Но сами признаки связываются в представлении либо последовательно, либо безмерно (т.е. простое перечисление с неопределенными связями между признаками)
Но я бы точно не стал бы вспоминать о формулах, поскольку число пи выводится как отношение длины окружности к ее диаметру и все остальные применния лишь связаны с этим топологическим свойством отношения минимального периметра для максимальной площади к его проекции.
На этапе переговоров фикс является целью расчетов от объемно-календарных и тарифных значений расчетной модели.
Для учета же при контроле выполнения, фикс это лимит расходов и сроков.
Цель учета в том, чтобы в самый ранний момент вцявить риски и возможности.
Это уже вопрос зрелости управления проектом и умения продать правильный фикс, который в 80% имеет достаточный запас, в 18% выбирается в ноль и лишь в 2% допускает перерасход.
Но фрилансеру это статистика мечты. Если бы фрилансер уметь та3ого достигать он был бы директором в офисе из которого ушел на вольные хлеба.
Поэтому вполне достаточно контролировать сроки, деньги и формулировки обязательств.
Простейший случай хорош до 50 записей в месяц в журнал обязательств при одноуровневой структуре (у каждого проекта только один заказчик и прямые подрядчики)
Если честно, то, конечно, все наглядно только при одном пользователе (менеджере). При групповой работе нужна автоматизация.
Так же трудности возникают при многоуровневой структуре декомпозиции работ. Почти невозможно сделать удобную форму уже хотя бы для двух видов разделяемых ресурсов (например, помимо сотрудников требуется вести учет загрузки оборудования).
Ну и, конечно же, нет автовыравнивания по загрузке. Можно, конечно, в простых случаях писать макросы. Но корректнее перейти к более продуктивным системам.
Проблема маленьких это всегда проблема самоавтоматизации.
Для крупных есть немало готовых решений. Хоть и не лакомых, но, боевых. Тот же спайдер (не в рекламных целях помянут).
Пока Вы маленькие куда важнее проблемы роста. А потому хорош excel. Когда начинаются роблемы масштабирования, выбор небольшой — заказная разработка под себя или внедрение отраслевого решения с подстройкой процессов.
Партнерство фрилансеров это уже начало маленького бизнеса. А 99% управленческих инструментов маленького бизнеса — excel.
Вполне возможно, что Вы просто не до конца поняли требования к вакансии и решили, что она Вам подходит, хотя она требует качественно другого уровня знаний.
А возможно произошел обычный личностный диссонанс. За Ваш счет попытались самоутвердиться.
Определить наличие необходимых аналитических способностей у кандидата можно точно лишь в двух случаях.
1. Известна необходимая методика анализа и требуется определенная степень владения методикой
2. Есть критерии оценки правильно проведенного анализа и требуется такой анализ продемонстрировать
Однако, есть ситуации, когда качество анализа проверить без серьезных затрат нельзя. Тогда все упирается в интуицию нанимателя и харизму нанимаемого
0. Я консультант и тренер по внедрению управления обязательствами и это востребовано крайне нечасто. Многие вообще не верят, что подобное возможно, пока не посмотрят в деталях со всех сторон.
1. Один из листов это схема встречных обязательств (кто, что, кому обещал, когда, на каких условиях). Это такая рыба договора/спецификации на несколько сторон. Многие понимают такой лист как реестр паспортов сделок
2. Все данные по срокам, деньгам и этапам сдачи/оплаты работ сводятся в бюджеты ДДС и ДР сначала проекта, затем в мастер-бюджет
3. Все данные по договоренностям проходят через воронку статусов (обсуждается, утверждено)
4. Таблица знанятости ресурсов строится понедельно с учетом загруженности в часах на все имеющиеся проекты и только ближайшая неделя или декада расписывается по дням, чтобы избежать календарного разрыва во встречных обязательствах.
При этом, расстояние до вышки 9 км (но, дом находится над озером и лес за озером находится ниже уровня дома)
Правда, есть ощущение, судя по азимуту направления антенн, что на самом деле в этой соседней деревне сота не работает и реальное направление на деревню на прямом расстоянии 23 км. При этом, уровень сигнала стабильно меньше 15%, но скорость 3G чаще всего от 256 кбит до 2 Мбит.
Я бы съездил в соседнюю деревню, но нужно ехать 40 км до трассы, потом 30 км до этой деревни. В общем 150 км по плохим дорогам, чтобы понять, работает ли в ближайшей деревне вышка :)
Настраивался по карте покрытия МТС — в режиме 3G видны довольно компактные пятнышки. Правда компас на айфоне дает направление на север не очень точное. А потому остались сомнения.
Есть типовая панель, есть индивидуальная планировка
Есть Лего, есть 3д принтеры
Хороший ширпотреб требует проектирования, но это происходит на фабрике, а не у прилавка
Короче говоря — покупайте спроектированное. Ну а индивидуально или массово — вопрос цели и бюджета.
Проблема не в материи против информации.
Проблема именно в том, что некоторые результаты труда легко экспроприировать, а некоторые — затратно или рискованно.
Автомобиль тоже содержит интеллектуальную ценность. И ее тоже нелегально копируют, когда она плохо защищена. Другие автопроизводители, у которых недостаточно средств, чтобы подобные технологии разработать.
Движение за открытые исходники не является ни противоположностью, ни, хотя бы, альтернативой коммерции. Просто в ее основе вполне себе древний бартер. Каждый делает что-то для своего удовольствия и получат в награду труд всего сообщества.
Более того, open source в своем рафинированном виде предполагает, что разработчики сообща создают инструменты, с помощью которых зарабатывают, предлагая услуги потребителям. И если кто-то создает проприетарный продукт на основе открытого, он нарушает соглашение, по которому должен все свои модификации открытого кода делать так же открытыми.
Касаясь вопросов медиапродукции, это все так же остается вопросом вознаграждения за труд.
К вопросу о миллионных гонорарах известных актеров, режиссеров и сценаристов.
Их талант конечно не в 1000 раз больше, чем талант их коллег из второго десятка в рейтинге.
Как обычно, дорого стоит войти в десятку и держаться в ней.
В результате, по факту, злом объявлен маркетинг, и в этом есть немного истины, но только в том, что человеческие страсти порочны сами по себе, а не в связи с их какой бы то ни было эксплуатацией.
Люди хотят звезд. Люди хотят этого популярного способа ориентировать в потоке медийных продуктов.
Альтернативы никогда не было. Известные гладиаторы, менестрели, музыканты, поэты всегда собирали самое благодарное восхищение. И это положение всегда становилось мечтой других людей.
Запрет на привилегии отнюдь не решает проблемы. Страсти в тени куда жирнее, чем на свету.
Когда будут схемы лучше чем копирайт — они вытеснят копирайт. Не нужно убивать копирайт, чтобы дать путь хилым и нежизнеспособным моделям для маргиналов.
Информация никогда не была и не будет свободной. Свободным может быть только информационный мусор. И тот всегда стараются получше упаковать и продать. Чтобы больше ценили и верили. Хорошая информация — дорогой товар. Хорошая информация правит миром.
1. Как я ухожу от абсолютных значений, записывая только последовательность переходов от опорного признака для различения их обобщенного представления
2. Почему распознавание отдельных символов не является задачей, которую я решаю.
Два признака это два связанных перехода. Цепочка таких переходов это распознанный образ. Неважно абсолютное положение. Неважны повороты, изменения общей освещенности, масштаб, и т.д.
Забота драйвера быстро оценивать есть или нет в ожидаемой области ожидаемые значения параметров.
Есть два способа задания переходов: относительно предыдущего признака (это точное указание драйверу, что сделать) или в окрестности опорного признака (здесь требуется много попыток поиска с изменением, масштаба, поворота, направления и дистанции).
Ключевое инвариантное значение для поиска — фрактальная размерность. Она не зависит от аффинных преобразований.
Остальные значения относительны и рассчитываются как линейные преобразования значения предыдущего признака.
Это не интересно. Это хак, а не рассудочная деятельность. Для меня это вопрос эффективности драйверов. Я же проектирую ядро, которое эти драйверы направляет к исследованию, превращая брутфорс в целенаправленные экономные точечные усилия по восприятию только того, что ожидается.
Всякая существующая система, распознающая символы, не ожидает появления тех или иных символов в тех или иных местах, а обрабатывает массивы пикселей в стандартном цикле параллельной или псевдопараллельной обработки.
Моя модель строит ожидания по уже распознанным символам и устойчивым шаблонам их совместного использования, где и какие символы следует искать, тем самым понимая ситуацию, как контекст наиболее общих представлений о ней и тенденциях ее изменения.
Проще говоря, система сначала поймет, что перед ней — счет, платежка, телеграмма, страница журнала, таблица с данными, и затем будет целенаправленно исследовать на ней ожидаемые области и изучать области неожиданные. При этом, тщательность распознавания будет зависеть от более общей цели. Если не. достаточной выгоды от детального распознавания, система переключится на то, что более выгодно.
Но моя цель — моделирование рассудка, которое определено движением внимания от признака к признаку.
Моя основная метафора — изучение устройства скрипки или даже синтезатора не поможет понять музыкальную гармонию.
Я не считаю, что раскрытие тайн мозга поможет в понимании информационных процессов сознания.
В доказательство своей гипотезы я и хочу показать, что для узнавания знакомых (ранее обобщенных) предметов на картинке или фотографии не требует параллельной обработки всех пикселей. Фактически, требуется несколько десятков переходов от области к области, чтобы распознать известный объект (когда их известно несколько тысяч), в любом ракурсе, на любой дистанции, при любом освещении. Если человек способен из контекста понять, что это может быть, моя модель должна таким же образом сделать вывод, что это, а так же предположить, что и где может находиться в окружении этого.
И оценка потребности в памяти и количестве вычислений — весьма скромные. Условно говоря, несколько сотен тысяч разных визуальных признаков отбираются из сотен миллионов, не прошедших достаточного подтверждения, как признаков ключевых при распознавании. Каждый такой признак, по сути, кодируется в виде трехсот байт. Еще не более двухсот байт занимает кодирование возможных переходов от этого признака к другим. Итого занимаемый моделью объем памяти составляет порядка нескольких гигабайт.
Собственно, построение модели, отбор признаков, заключается в исследовании тестового, специально подготовленного набора изображений (текстов, звуков), в которых оптимизируется процесс первоначальной классификации модели. Это подобно привыканию ребенка к обстановке, подобно букварю, по которой ребенок учится от простого к сложному, осваивая сначала более примитивные образы, обобщая их до более сложных, не утопая в хаосе изначально малосвязанных данных.
И я еще раз сформулирую свою основную идею. Естественный интеллект обучается довольно долго. Плюс каждый экземпляр естественного интеллекта имеет огромную наследственную базу различаемых образов и специализированных органов чувств для их различения.
Поэтому без вполне определенных хаков не обойтись, но не обойтись и без универсальной модели понимания (т.е. ориентации в пространстве представлений об актуальной ситуации воспринимаемого мира).
Меня интересует универсальная модель, и над ней я работаю. Так же интересуют некоторые драйверы, на основании которых определяется универсальный протокол работы ядра модели с множеством драйверов.
Если обнаружен некий признак, он направляет внимание к следующему признаку, относительно данного признака.
Сложно классифицировать целиком неизвестную ситуацию. Когда ситуация в общем уже понятна, требуется совсем немного внимания, чтобы распознавать детальные признаки.
Что касается понимания текста — задача, в целом, сложнее, хоть тексты и достаточно равномерны.
Все дело в том, что контекст понимания текста с одной стороны довольно короткий, с другой стороны, полная смена контекста происходит значительно чаще, чем в задаче ориентирования в пространстве.
Но у меня есть две задачи. Одна — распознает вербальный контекст (т.е. понимание слов, словосочетаний, действующих лиц, возможной ситуации, в которой они находятся, возможные ссылки на тексты, ранее изученные, т.е. релевантные новости, статьи, книги, мемы и т.д.)
Вторая — распознает контекст ценовых рядов (т.е. понимание тенденций, переломных ситуаций, корреляций). Возможна так же смешанная задача, которая узко специализируется для второй в первой (понимание и ожидание неких новостей, аналитических фактов, высказываний, упоминаний)
В чистом виде фундаментальный анализ слишком сложная задача — нужно учить систему пониманию финансово-экономических моделей, а это уже вопрос очень серьезного ИИ (либо более простого, очень специализированного драйвера, в виде формальной экспертной системы, но это уже — не ИИ, а хак)
Одномерным является движение внимания. То есть, каждый образ распознается в результате движения внимания от признака к признаку. Сами признаки связываются в многомерные представления.
Так, например, в трехмерном пространстве последовательность распознавания сводится к подбору масштаба и поворота, с выявлением определенных цвето-контрастных переходов.
В части пространственного восприятия значительным является драйвер зрения системы.
Как он работает?
По сути, есть текущее состояние драйвера — это некоторая область воспринимаемой картинки, в которой измерены усредненный цвет, усредненная яркость, усредненная контрастность и фрактальная плотность.
К текущему состоянию драйвера есть история предыдущих состояний и представления, которые являются кандидатами на узнавание в связи с этой историей. Так же есть следующий признак, который выражается в изменении текущего состояния драйвера: область может быть расширена или сужена (масштаб), область может быть смещена на некоторое расстояние в некотором направлении и так же может быть определен поворот вектора направления для следующих перемещений области.
То есть, число входящих в конкретный признак действий и значений может быть довольно большим. Но сами признаки связываются в представлении либо последовательно, либо безмерно (т.е. простое перечисление с неопределенными связями между признаками)