Суть в другом. Суть в том, что авторы опасаются мол машины смогут сами развязать войну. Это совсем другое. Все-таки, примеры когда солдаты сами решали напасть без приказа — вряд ли поощрялись. Согласитесь, это далеко не та же самая инициатива, когда дан приказ любым способом «выйти к переправам» или, например, «удержать позиции».
Вы можете хоть вечно минусить, но терминология есть терминология. По международному стандарту классификации робототехники автономность прыграющих мин и автономность оружия с искусственным интеллектом — одно и то же.
Да и я очень сомневаюсь, что разработчики будут настолько странными, что подключат автоматическую систему принятия решений к ядерным ракетам или дадут ботам возможность решать делать штурм или нет. Это было бы крайнее странное и опрометчивое решение. Так как в военном деле любая инициатива со стороны солдат совсем не поощряется. Есть такая штука, как дисциплина. Создавать настолько самостоятельное мобильное вооружение не решилась бы ни одна страна.
В любом случае это будет машина повинующаяся приказам человека, она не будет сама решать куда идти. Понятно так? Это уже на уровне фантастики, а эти «интеллектуалы», извините меня, создают хайп на ровном месте из ничего.
а) вычитание — например, RMSE — Root mean square error ( среднее значение квадратного корня разницы квадратов каждого элемента. ). По типу обычного вычитания: a(x1, x2); b(y1, y2); a — b = c(x1 — y1; x2 — y2) — как в школе. Для сравнения двух векторов. Два одинаковых вектора при любых видах матстат сравнения дадут 0.
b) Какие вектора? У меня в статье биометрия представляется как вектор. Оно и логично, любые данные в памяти компьютера — это вектор, даже матрицы. Вопрос в соглашении. Очевидно, под первым вектором тут подразумевается известная биометрия пользователя, и биометрия того кто пытается под ним залогиниться. RMSE используется чтобы численно описать различие двух векторов. То есть, есть вектор a и b, а есть число z которое их различие описывает.
Пысы. Если еще в школе учитесь, или не помните, напомню, что вектора это не только стрелки ( это их геометрическое представление ), а еще и набор координат. Ближайший родственник — одномерный массив.
c) Почему отказ? А потому что данные не всегда удается верно считать при помощи биометрических устройств. Например, если взять палец — он может быть влажный, грязный, и т.д. И RMSE между эталонным вектором и считанным даст очень большое значение, из-за чего в авторизации может быть отказано. Т.к это среднее значение, у нас может различие быть очень существенным в одном месте ( мб лаг при считывании ), а может быть в разных местах по чуть-чуть ( ну, просто палец похожий попался ) и RMSE вернет одинаковое число для обеих случаев. И тут вопрос кого он пропустить, а кого послать куда подальше)
2) Человек выше предложил хранить не модель нейронной сети, а сами вектора. Мы на одном из этапов вычисляли такой вектор для гипотетического сферического коня. Вот можно было и остановиться — тупо сохранить его. А потом когда кому-то надо авторизироваться, как пароль сравнивать через вычитание векторов. Но такое чистое хранение дает риск, что кто-то залезет в базу данных и стырит биометрию всех пользователей, что чревато. Зная, например, вектор с биометрией и то, как он составляется — можно восстановить исходную биометрию, например папиллярный узор или радужную оболочку. В примере с нейронной сетью вектор с биометрией пользователя можно не сохранять, а хранить саму модель. Из нее восстановить биометрию будет очень трудно, или даже невозможно ( тут не берусь судить, но точно не легко )
Перевожу:
Вычитание векторов дает частый отказ тому кому бы следовало в систему зайти, да и хранение векторов неудачное решение в плане безопасности, стырив эти данные можно сделать сколько-угодно слепков кого угодно. Если хранить все в виде матрицы весов нейронной сети, то исходный вектор с биометрией очень сложно восстановить.
А поскольку шифрование в данном случае векторов не имеет смысла — при взломе можно будет ключ достать, а хэш функций с низким уровнем коллизий ( когда два вектора дают одинаковый хэш, например ввел пароль совершенно другой и тебя пустило на хабр ) для длинных векторов не существует ( md5/sha256 после очевидного числа байт дают коллизии, например у тебя пароль из овер 100500 символов, а он пустил по qwerty ), тем более там где байты не только в пределе печатаемых символов, а какие угодно.
Поэтому хранение в виде матрицы весов самое оптимальное, при помощи нее через прямую передачу вектора по нейронной сети и реализуется сравнение. Два зайца одним выстрелом. А есть еще и третий заяц, который мимоходом от страха помирает — можно через изменение количества эпох легко регулировать «чувствительность» к слегка измененным биометрическим данным. Например, палец влажный, или голос хриплый.
Вычитание векторов это самое популярное, да, но у него слишком неприемлемый FRR.
Сравнение векторов обычными методами матстата вроде RMSE имеет ряд недостатков, такие как если хранить отпечатки как вектора, а не матрицами параметров нейросети — незащищенность биометрических данных, стырить легко. Хэшировать биометрию еще не умеют, т.к md5/sha256 etc не подходят из-за высокого уровня коллизий на длинных последовательностях с высоким deviation. А с матрицей весов восстановить исходный отпечаток не зная обучающую выборку очень сложно, считай что матрица параметров это уже хэш-функция. Второе — это возможность регулировать уровень overfitting'а, что позволяет легко настраивать модель на идентификацию биометрии в условиях, когда она может считаться с какими-либо искажениями.
Так как писали на C#, то, думаю, Вам интересно будет глянуть в сторону игрового движка Unity3d. Чуть чуть поработать с ним, а дальше уже можно и в предложенные выше библиотеки. Все-таки они действительно немного сложны, как минимум из-за того, что в самом OpenGL постоянно используются понятия из линейной алгебры.
Спасибо за статью. Вот и прошел год. Не подскажите, как проходила декларация налогов, как там это все? А то такой деятельностью не занимался, но, возможно, самому скоро придется.
На какой банк выгоднее получать переводы денег от стима? И т.д
Фактически, да. Произвольные куски байт-кода, только следует заметить, что модуль читает их не произвольно и не последовательно, а итерационно, следуя некоторому ритму, который тоже генерируется случайно. И вот во время чтения происходит конкатенация всего этого в единый трек, да.
Такие занятия нужны как минимум для того, чтобы дети узнали, что такое программирование, потому что большинство не понимают что это. Для них это просто страшное слово. И не только для них, но и для взрослых. Для этого такие занятия и нужны, чтобы познакомить детей.
Если бы не уроки программирования в школе когда-то, то я бы в айти не пошел.
Пользователи — люди, которые прошли опросник. Сотрудничество реализовать через коэффициент отличия между пользователями, пары с минимальным этим коэффициентом использовать в рекомендационной системе ( одному человеку рекомендовать другого, а тому другому — первого ).
Да и я очень сомневаюсь, что разработчики будут настолько странными, что подключат автоматическую систему принятия решений к ядерным ракетам или дадут ботам возможность решать делать штурм или нет. Это было бы крайнее странное и опрометчивое решение. Так как в военном деле любая инициатива со стороны солдат совсем не поощряется. Есть такая штука, как дисциплина. Создавать настолько самостоятельное мобильное вооружение не решилась бы ни одна страна.
В любом случае это будет машина повинующаяся приказам человека, она не будет сама решать куда идти. Понятно так? Это уже на уровне фантастики, а эти «интеллектуалы», извините меня, создают хайп на ровном месте из ничего.
ISO 8373:2012
Да, прыгающие мины — это автономное оружие.
Об этом и речь, что все эти «интеллектуалы» рассуждают про робототехнику, даже будучи не вкурсе с международной классификацией
а) вычитание — например, RMSE — Root mean square error ( среднее значение квадратного корня разницы квадратов каждого элемента. ). По типу обычного вычитания: a(x1, x2); b(y1, y2); a — b = c(x1 — y1; x2 — y2) — как в школе. Для сравнения двух векторов. Два одинаковых вектора при любых видах матстат сравнения дадут 0.
b) Какие вектора? У меня в статье биометрия представляется как вектор. Оно и логично, любые данные в памяти компьютера — это вектор, даже матрицы. Вопрос в соглашении. Очевидно, под первым вектором тут подразумевается известная биометрия пользователя, и биометрия того кто пытается под ним залогиниться. RMSE используется чтобы численно описать различие двух векторов. То есть, есть вектор a и b, а есть число z которое их различие описывает.
Пысы. Если еще в школе учитесь, или не помните, напомню, что вектора это не только стрелки ( это их геометрическое представление ), а еще и набор координат. Ближайший родственник — одномерный массив.
c) Почему отказ? А потому что данные не всегда удается верно считать при помощи биометрических устройств. Например, если взять палец — он может быть влажный, грязный, и т.д. И RMSE между эталонным вектором и считанным даст очень большое значение, из-за чего в авторизации может быть отказано. Т.к это среднее значение, у нас может различие быть очень существенным в одном месте ( мб лаг при считывании ), а может быть в разных местах по чуть-чуть ( ну, просто палец похожий попался ) и RMSE вернет одинаковое число для обеих случаев. И тут вопрос кого он пропустить, а кого послать куда подальше)
2) Человек выше предложил хранить не модель нейронной сети, а сами вектора. Мы на одном из этапов вычисляли такой вектор для гипотетического сферического коня. Вот можно было и остановиться — тупо сохранить его. А потом когда кому-то надо авторизироваться, как пароль сравнивать через вычитание векторов. Но такое чистое хранение дает риск, что кто-то залезет в базу данных и стырит биометрию всех пользователей, что чревато. Зная, например, вектор с биометрией и то, как он составляется — можно восстановить исходную биометрию, например папиллярный узор или радужную оболочку. В примере с нейронной сетью вектор с биометрией пользователя можно не сохранять, а хранить саму модель. Из нее восстановить биометрию будет очень трудно, или даже невозможно ( тут не берусь судить, но точно не легко )
Вычитание векторов дает частый отказ тому кому бы следовало в систему зайти, да и хранение векторов неудачное решение в плане безопасности, стырив эти данные можно сделать сколько-угодно слепков кого угодно. Если хранить все в виде матрицы весов нейронной сети, то исходный вектор с биометрией очень сложно восстановить.
А поскольку шифрование в данном случае векторов не имеет смысла — при взломе можно будет ключ достать, а хэш функций с низким уровнем коллизий ( когда два вектора дают одинаковый хэш, например ввел пароль совершенно другой и тебя пустило на хабр ) для длинных векторов не существует ( md5/sha256 после очевидного числа байт дают коллизии, например у тебя пароль из овер 100500 символов, а он пустил по qwerty ), тем более там где байты не только в пределе печатаемых символов, а какие угодно.
Поэтому хранение в виде матрицы весов самое оптимальное, при помощи нее через прямую передачу вектора по нейронной сети и реализуется сравнение. Два зайца одним выстрелом. А есть еще и третий заяц, который мимоходом от страха помирает — можно через изменение количества эпох легко регулировать «чувствительность» к слегка измененным биометрическим данным. Например, палец влажный, или голос хриплый.
Сравнение векторов обычными методами матстата вроде RMSE имеет ряд недостатков, такие как если хранить отпечатки как вектора, а не матрицами параметров нейросети — незащищенность биометрических данных, стырить легко. Хэшировать биометрию еще не умеют, т.к md5/sha256 etc не подходят из-за высокого уровня коллизий на длинных последовательностях с высоким deviation. А с матрицей весов восстановить исходный отпечаток не зная обучающую выборку очень сложно, считай что матрица параметров это уже хэш-функция. Второе — это возможность регулировать уровень overfitting'а, что позволяет легко настраивать модель на идентификацию биометрии в условиях, когда она может считаться с какими-либо искажениями.
На какой банк выгоднее получать переводы денег от стима? И т.д
Если бы не уроки программирования в школе когда-то, то я бы в айти не пошел.
В Т. Сегаране именно эту методу тоже называют коллаборативной фильтрацией.
Я эту статью специально пометил как «введение». Насчет сложности — вы правы, И я это, быть может криво, указал в разделе «Вместо вступления».