Pull to refresh
90
0
Владислав Балаев @vladbalv

DS Team Lead

не совсем согласен. многие из этих моделей есть в transformers в huggingface - их можно брать, самостоятельно обучать или дообучать. или например подсмотреть код и реализовать аналогичную архитектуру, но не из 10 слоев, а из 3, и тогда намного проще ее будет обучить
некоторые обучают маленькие берты (см. rubert-tiny) даже на google colab :)

Мне кажется тут вопрос, а будет ли ему плохо, если его отключить) вроде как может быть и без разницы отключат или нет. на мой взгляд мы боимся смерти не потому что это смерть, а потому что это в нас заложено как механизм

Не уверен, что это про то же самое. @Sanek22 имел в виду добавление признаков, а по ссылке речь про добавление объектов. Если мы строим рекомендательную систему для интернет магазина и она для ранжирования товаров не использует пол пользователя, сама она не додумается до того, чтобы его использовать

Вы описываете один из вариантов фреймворков в рамках которого может быть потенциально создан AGI. Но существуют и другие. В вашей постановке вопрос, что делать, если для достижения цели нужно научиться играть в нарды

Это можно спорить бесконечно. На мой взгляд "Как вы яхту назовете, так она и поплывет"

Не возьмусь дискутировать, но разве квантовые компьютеры это не уход от застарелых принципов. Да это скорее про вычисления, а не про архитектуру, но это некоторый признак, что застоя нет

Думаю тут все относительно - зависит от того как определить он это уже или нет ;) А вообще я не являюсь специалистом в области AGI - вот решил немного приобщиться, прочитав книгу. Ребята из opentalks.ai, которые альманах по искусственном интеллекту создают в том числе, интересуются этой темой сильно и на самой конференции есть отдельные треки под эту тему, а сбер даже отдельный институт организовывает. Это говорит о том, что мы в этой области уже отходим понемногу от философии к практике. Но предсказывать не возьмусь.

Я думаю и просто наш мозг перекладывает все слова в некоторое ассоциативное представление у себя внутри, которое от перемены слов меняется меньше и похоже на ассоциативное представление оригинального текста, которое Ваш мозг мог хранить.

Часть слов действительно не заменена по какой-то причине и это помогает догадаться. Особенно Адам Смит. Хотя фраза "как мы не колотились" тоже очень яркая подсказка.

Да это самая большая боль предиктивного обслуживания. Но собственно поэтому основная часть статьи и нацелена на методы обнаружения аномалий, а не стандартных подходов по классификации и регрессии, потому что практически любой кейс нельзя решить через fit+predict, а требуется именно аналитика.
Что касается уникальной турбины — может и не стоит прогнозировать ее поломку, раз она такая качественная) На упомянутом выше митапе северстали ребятам задавали вопрос не хотят ли они предсказывать выход из строя всего станка, а не каких-то деталей, на что ответ был, что станок работает с 76-го года.
Что касается второго кейса, ну когда данных нет и суда нет)
Но намного легче человеку принять, что ему не дали кредит, потому что это результат перемножения и суммирования, а не по правилу «количество детей >=3» ;)
Согласен. Действительно даже на одну установку как правило порядка 100 датчиков навешено. Но слово plant настолько въелось со школы, что сложно перевести по-другому. Исправил по тексту
Стоит конечно. В России пока мало распространен такой подход, но вот ребята из Северстали даже проводили митап и рассказывали, что они делают: youtu.be/6WglJwU-9i4
Вот еще про хакатон Сибура: habr.com/ru/company/sibur_official/blog/426719
Вот например еще был хакатон по предсказанию выхода из строя ветряков. Вот ссылка на презентацию одного из участников. В конце приведены цифры в евро: github.com/DenisVorotyntsev/hackthewind2018/blob/master/ODS%20AI.pdf
Вот здесь вроде тоже есть цифры в деньгах: medium.com/@lselectric_dm/proactive-predictive-maintenance-using-ir-thermography-2439a00f554b
Спасибо, хорошая статья! Обязательно изучим подробнее.
SIAT — хороший подход для мониторинга взаимосвязей между переменными системы, но все-таки дает лишь срез возможностей (например, учитывает только линейную взаимосвязь между переменными) по анализу данных и детекции аномального поведения
Согласен, когда речь идет о случаях связанных с юридическими вопросами, медициной и т.п. — прозрачная интерпретируемость важна, но только если решение принимается алгоритмом самостоятельно. Если же решение является рекомендацией, требует подтверждение и т.п., то достаточно и той аргументации, которую можно извлечь из любого метода. Как правило в предиктивном обслуживании все равно требуется присутствие соответствующего специалиста в конце пайплайна. Но одно дело время затрачиваемое на реакцию на алерт, и время, которое бы он тратил самостоятельно просматривая простыни показаний датчиков.
На мой взгляд сейчас такое разделение в мире ИИ в целом отсутствует. Нейронные сети не являются абсолютно черным ящиком. Тем более простые варианты, про которые идет речь в тексте. Их поведение можно по-разному анализировать: смотреть на значения на промежуточных слоях, на веса, на поведение при отключении входов и т.п. А изоляционный лес, который не нейронная сеть, тоже в определенном смысле черный ящик :)
спасибо за комментарий! тем не менее, это лишь код для примера, а не для активной задачи.

Information

Rating
Does not participate
Location
Москва, Москва и Московская обл., Россия
Works in
Registered
Activity