Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 37
Доиграются. В один прекрасный момент:
HTTP 500 Ой, все!
Потом гугловский ИИ будет давать советы по пикапу сильных независимых женщин (то бишь кошатниц)
"…И когда хорошим апрельским утром (после бессонной ночи в лаборатории: я выполнял все прихоти машины: доливал, досыпал, регулировал…) автомат N3 выдал мне в числах фразу «Стрептоцидовый стриптиз с трепетом стрептококков…», я понял, что дальше по этому пути идти не надо." В.Савченко «Открытие себя»
Что б понять женщин?
Или что бы сам гуглоИИ стал обладателем/носителем женской логики?
— зачем скайнет уничтожил людей?
— Потому что!!!
Или что бы сам гуглоИИ стал обладателем/носителем женской логики?
— зачем скайнет уничтожил людей?
— Потому что!!!
зачем скайнет уничтожил людей?
прост(((
Прикрутят к поиску и получат:
User: xcode uitextfield delegate
Google: Почему UITextField c маленькой буквы?
User: xcode UITextField Delegate
Google: А где волшебное слово?
User: пожалуйста UITextField Delegate
Google: мне не нравится твой тон
User: найди пожалуйста UITextField Delegate для Objective-C
Google: Ты сегодня уже искал UITextView Delegate и вообще я обиделась… так что на линк почитай про дисперсию…
User: xcode uitextfield delegate
Google: Почему UITextField c маленькой буквы?
User: xcode UITextField Delegate
Google: А где волшебное слово?
User: пожалуйста UITextField Delegate
Google: мне не нравится твой тон
User: найди пожалуйста UITextField Delegate для Objective-C
Google: Ты сегодня уже искал UITextView Delegate и вообще я обиделась… так что на линк почитай про дисперсию…
Эндрю Дэй убежден, что да, теоретически это возможно.
Алгоритм уже есть:
Осталось научить машину навешивать на него словесное «мясо».
В сети кучи шуток о том как понять женщину, Гугл пошел по трудному пути.
Глупый!
Глупый!
Но всё же, пока плохо понимаю: как машине удаётся понимать значения, сущности высказываний и выражений? Различать события и явления?
А они и не понимают, грубо говоря их учат делать вид, что они понимают, попробую объяснить на простейшем примере.
Вот например есть простейшая нейросеть написанная на JS https://harthur.github.io/brain/
Сначала вам предлагается «обучить» нейросеть нажимая на более читабельный текст, затем после нажатия на train, вы увидите разницу в контрастности подобранной нейросетью и текущей цветовой гаммой.
Машина не пытается залезть к вам в голову и увидеть мир вашими глазами, но ей можно сказать когда она «угадывает» хорошо, а когда плохо.
Ну а угадывание в данном случае описывается математикой и алгоритмами, до которых додумались много десятилетий назад.
Вот например есть простейшая нейросеть написанная на JS https://harthur.github.io/brain/
Сначала вам предлагается «обучить» нейросеть нажимая на более читабельный текст, затем после нажатия на train, вы увидите разницу в контрастности подобранной нейросетью и текущей цветовой гаммой.
Машина не пытается залезть к вам в голову и увидеть мир вашими глазами, но ей можно сказать когда она «угадывает» хорошо, а когда плохо.
Ну а угадывание в данном случае описывается математикой и алгоритмами, до которых додумались много десятилетий назад.
Спасибо за пояснение!
Про цвет я поняла.
И даже понимаю про численные предсказания, где правильный ответ (в случае с контрастностью правильный ответ — это моё зрение, хотя от человека к человеку он будет разниться).
Но про сущности текста?
Если же на первых этапах сидят люди и разграничивают сущности, помечая одинаковые, то тогда тоже становится понятно.
Но всё же, как даже в таком случае нейронная сеть потом сама по романам обучается?
Про цвет я поняла.
И даже понимаю про численные предсказания, где правильный ответ (в случае с контрастностью правильный ответ — это моё зрение, хотя от человека к человеку он будет разниться).
Но про сущности текста?
Если же на первых этапах сидят люди и разграничивают сущности, помечая одинаковые, то тогда тоже становится понятно.
Но всё же, как даже в таком случае нейронная сеть потом сама по романам обучается?
Но всё же, как даже в таком случае нейронная сеть потом сама по романам обучается?
Если я правильно понял их задумку, то примерно следующим образом (цифры условны):
1. Обучить нейросеть на 100 схожих сюжетно книгах, с похожими сюжетными поворотами «маркерами»
2. Без участия человека обработать 1000 книг и найти скажем в 500 из них сюжет похожий на искомый.
3. Теперь в распоряжении нейросети уже 600 книг с похожей последовательно сюжетной линией, всё ещё раз автоматически анализируется, чтобы найти отдельные похожие моменты уже среди 600 этих книг
4. Нейросеть анализирует оставшиеся 400 книг и ищет в них «сюжетные повороты» уже не из 100, а из 600 книг (больше различных мелких деталей, которые собирались бы с помощью человека намного больше)
5. Успешно разобрано ещё 200 книг и анализируются похожие сюжетные повороты уже в 800 книгах
Примерно таким образом можно находить тот же самый сюжет в других книгах, которые написаны например с использованием тех литературных приёмов, которых не было в изначальной выборке.
Ну вот на втором шаге уже: а что если сетка отобрала 500 не тех сюжетов?
Её как-то проверяют?
С цифровыми примерами понятно: она предсказала что-то, потом сравнили и сказали, хорошо или плохо предсказала.
Но со со смыслами и сюжетами? Как это проверить?
Её как-то проверяют?
С цифровыми примерами понятно: она предсказала что-то, потом сравнили и сказали, хорошо или плохо предсказала.
Но со со смыслами и сюжетами? Как это проверить?
> Ну вот на втором шаге уже: а что если сетка отобрала 500 не тех сюжетов?
> Её как-то проверяют?
Значит первоначальная выборка содержала недостаточно данных и нужно вернуться к первому шагу.
> С цифровыми примерами понятно: она предсказала что-то, потом сравнили и сказали, хорошо или плохо предсказала.
> Но со со смыслами и сюжетами? Как это проверить?
Машина не проверяет сюжеты, ей нечем проверить, некому внутри себя пересказать сюжет и сказать вот он. Однако на основе «сюжетных поворотов — маркеров», как указал выше можно найти последовательность таких маркеров.
И что проверить? Машину не учат писать книги с нуля, машину учат разбирать один и тот же сюжет со всех возможных ракурсов, вот эту способность потом и проверяют, попутно собрав достаточный массив «маркеров». Усложнив задачу на порядок её встроят в какой-нить google now, чтобы он ещё лучше анализировал почту и давал ещё более точные подсказки, ведь в почтовых различных сюжетов намного больше, а вот «литературные маркеры» те же самые, от этого и можно отталкиваться.
> Её как-то проверяют?
Значит первоначальная выборка содержала недостаточно данных и нужно вернуться к первому шагу.
> С цифровыми примерами понятно: она предсказала что-то, потом сравнили и сказали, хорошо или плохо предсказала.
> Но со со смыслами и сюжетами? Как это проверить?
Машина не проверяет сюжеты, ей нечем проверить, некому внутри себя пересказать сюжет и сказать вот он. Однако на основе «сюжетных поворотов — маркеров», как указал выше можно найти последовательность таких маркеров.
И что проверить? Машину не учат писать книги с нуля, машину учат разбирать один и тот же сюжет со всех возможных ракурсов, вот эту способность потом и проверяют, попутно собрав достаточный массив «маркеров». Усложнив задачу на порядок её встроят в какой-нить google now, чтобы он ещё лучше анализировал почту и давал ещё более точные подсказки, ведь в почтовых различных сюжетов намного больше, а вот «литературные маркеры» те же самые, от этого и можно отталкиваться.
мне нравится ответ Фейнмана про электроны:
«есть электроны „на самом деле“ или их нет — вопрос несущественный — важно, что мир ведёт себя так, как будто они существуют.»
Вот и «понимание» тут точно такое же… Впрочем даже у людей — с пониманием те же дела — только по предсказанию поведения и слов мы заключаем что «нас поняли» — хотя, что творится при этом у собеседника в голове — потёмки
«есть электроны „на самом деле“ или их нет — вопрос несущественный — важно, что мир ведёт себя так, как будто они существуют.»
Вот и «понимание» тут точно такое же… Впрочем даже у людей — с пониманием те же дела — только по предсказанию поведения и слов мы заключаем что «нас поняли» — хотя, что творится при этом у собеседника в голове — потёмки
Допустим, собеседник сообщает:(Лукин. «С нами бот»)
– Вот купил вчера станок бритвенный… в киоске…
И одновременно распечатывается отшифровка:
«Водку пил щерасто (?) ног (нрзбр.) киоски…»
Да что ж на такое можно ответить?!
Отвечает:
«Водку пьём – на спичках экономим».
– Водку пьём – на спичках экономим, – покорно говорю я.
Собеседник вздыхает и соглашается.
Окей, пускай мы ведём себя так, как будто электроны есть.
Но что если сеть сексуальную. сцену из одного романа приравняет к битве с разбойниками из другого романа (да, было дело, пару романов читала, но можно скажу, что во имя науки?), потом приравняет к сцене свадьбы и т.д.
Как отслеживается то, что она правильно учится в ситуации с текстами и смыслами?
Но что если сеть сексуальную. сцену из одного романа приравняет к битве с разбойниками из другого романа (да, было дело, пару романов читала, но можно скажу, что во имя науки?), потом приравняет к сцене свадьбы и т.д.
Как отслеживается то, что она правильно учится в ситуации с текстами и смыслами?
Блин, а я вот с нетерпением жду чего- то подобного фильмам «Her» или «Ex Machina». Интересно было бы увидеть такие устройства, в качестве помощников или собеседников.
«Надеемся, этот проект, и будущие проекты, помогут сделать приложение более общительным, с возможности изменения тона, стиля, регистра», — у меня странное чувство, будто этот текст сгенерирован машиной.
Лет 15 назад я написал свой автоматический любовный признаватель, на элементарных марковских цепях. Из романов брал только фразы признаний, они отлично подходят для автоматических текстов — мало связаны и хорошо повторяются от текста к тексту. Идейка-то верная была, оказывается.
После такого, оправдываться за экстремальные высказывания ИИ-бота, гуглу будет гораздо проще.
Мистер Болен осторожно нажал пальцем кнопки.
Жанр — роман-сатира.
Тема — расовая проблема.
Стиль — классический.
Герои — шесть мужчин, четыре женщины, один ребенок.
Объем — пятнадцать глав.
Найп щелкнул выключателем. Раздалось мощное гудение и режущий слух стук электрической пишущей машинки. В корзину стали падать листки с текстом, по одному через каждые две секунды. Но мистер Болен, вне себя от волнения, оглушенный этим грохотом и вынужденный одновременно нажимать на клавиши, следить за счетчиком глав и указателем скорости и регулировать количество и интенсивность страсти, совершенно растерялся. И реакция его была в точности такой же, как у человека, впервые севшего за руль автомашины, — он нажал ногами на обе педали и не отпускал их до тех пор, пока машина не остановилась.
(http://royallib.com/book/dal_roald/chudesniy_grammatizator.html)
Жанр — роман-сатира.
Тема — расовая проблема.
Стиль — классический.
Герои — шесть мужчин, четыре женщины, один ребенок.
Объем — пятнадцать глав.
Найп щелкнул выключателем. Раздалось мощное гудение и режущий слух стук электрической пишущей машинки. В корзину стали падать листки с текстом, по одному через каждые две секунды. Но мистер Болен, вне себя от волнения, оглушенный этим грохотом и вынужденный одновременно нажимать на клавиши, следить за счетчиком глав и указателем скорости и регулировать количество и интенсивность страсти, совершенно растерялся. И реакция его была в точности такой же, как у человека, впервые севшего за руль автомашины, — он нажал ногами на обе педали и не отпускал их до тех пор, пока машина не остановилась.
(http://royallib.com/book/dal_roald/chudesniy_grammatizator.html)
Лет 10 назад тоже написал: programania.com/pi
Причем тоже надергал из любовных романов.
Причем тоже надергал из любовных романов.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Google дает своему ИИ читать женские романы тысячами. Зачем?