Комментарии 112
«но мы ещё не понимаем математический язык, на котором он говорит»
Отлично. Изучаем черный ящик с помощью черного ящика.
Бамбарбье. Кергуду !
Что он сказал ?
Он говорит, что если вы откажетесь, они вас зарэжут !
После нескольких часов анализа ИИ выдал ответ: 4,7Как вообще понять дробное колличество переменных?
как среднее между предсказаниями систем из 4х переменных и систем из 5ти переменных?
Петька, приборы?
17!
Что 17?
А что приборы?
4 и 7.
Я ожидал, что ответом будет 42
Примерно так же, как дробное число бит.
Сколько бит нужно чтобы определить число от 1 до 10? log2(10) = 3,32 бит (до сотых)
Для конкретного одного случая нужно 4 бита, но вот если взять два числа, то достаточно 7 бит, а не 8.
То есть четыре маятника можно описать девятнадцатью переменными вместо двадцати :).
Где-то читал, что для обработки информации оптимальным является "бит" не с двумя, а с тремя состояниями, троичная логика. Но самое интересное, что в математическом обосновании вплывает значение экспоненты, которые ближе к 3, чем к 2, поэтому для физической реализации АЛУ округляется к 3. Скорее всего к этому дробному значению приводит логарифм. (информационная энтропия скорее всего там). Так что дробность тут вполне можно принять (как и упомянутую выше дробную размерность фракталов)
оптимальным является "бит" не с двумя, а с тремя состояниями
Самым экономичным точнее, наибольшее количество информации на один символ из систем счисления с целочисленными основаниями. Но если взять другой критерий - получим другой оптимум.
Так нейросети оперируют вероятностями, так что 4,7 означает что 4 переменных имеют 100% вероятность а 5ая 70%.
После нескольких часов анализа ИИ выдал ответ: 4,7.
42 же!
Читаю и прямо: "...Что будет, если йогурт улетит к звездам без нас, что если он исчезнет и оставит нас здесь, навсегда ..." Разумный Йогурт. Любовь, смерть и роботы (2019)
А тут Люди жили себе, никого не трогали, взвешивали колбасу в килограммах, измеряли скорости в метрах в секунду (а секунда вообще является странной долей от периода обращения случайно взятой планеты), измеряли энергию в джоулях и тут, внезапно Эйнштейн всё это перемножил без поправочных коэффициентов и внезапно оказалось, что во Вселенной это так и связано!
так джоули-то определены через ньютоны и метры, а ньютоны, в свою очередь, через килограммы, секунды и метры в секунду. Это метры и килограммы взяты с потолка, никак друг с другом не связанно, а джоули изначально привязаны к единицам скорости и массы.
Один возможный ответ: потому что нерелятивистская кинетическая энергия равна mv^2/2. А это первый член разложения релятивистской кинетической энергии в ряд по v^2/c^2 (а mc^2 -- нулевой).
Или глупый вопрос?
Если допустить, что она равна по значению кинетической нерелятивистской, то их сумма и даст полную энергию тела… Или я заблуждаюсь?
если бы единицу длины приняли равной одной световой секунде, то получилось бы E = m. )
Угу, и тогда бы мы до нанометров никогда бы не дошли.
Таки приняли больше века назад.
Вы бы лучше спросили: "почему масса не описана как функция?"
Там не скорость, а скорость света, ибо любая скорость относительна, кроме скорости света.
Скорость света и скорость распространения света в среде это разные скорости, в отношении второй получится, в отношении первой не получится.
Так «скорость света» - это не «скорость» света. Это фундаментальный параметр передачи взаимодействия в пространстве.
Разумеется, объект, обладающий ненулевой скоростью, не может оставаться на месте. И в чём тут проблема?
Повторюсь, не вижу никакого противоречия. Если рассматривать только один момент времени, то ничего не мешает изолированному объекту иметь произвольные местоположение и скорость.
Ну вот мы тоже, когда ставим опыты, смотрим не на картинки, а на "видеоролик". Но это не мешает нам считать положение и скорость отдельными переменными.
А квантовая механика тут вовсе ни при чём.
Альтернативную физику авторы тоже пока что не изобрели и предсказывать поведение динамической системы по видеоролику их нейросеть тоже не умеет.
Всё это понятно, но вы так и не объяснили почему скорость нельзя рассматривать как отдельную переменную.
Так, наконец-то я понял что вы имели в виду. Теперь вернёмся к вашему первому комментарию:
Ну допустим, авторы не осилили физику дальше школьного курса. Но вот как скорость можно рассматривать как самостоятельный параметр мне не понятно. Это что же, объект может обладать ненулевой скоростью оставаясь на месте?
Так вот, в каком месте авторы рассматривают скорость как независимый параметр?
А меня всегда удивляло, как так получилось, что в формуле E=mc^2 нет никаких коэффициентов?А двойка что, не коэффициент?
Как нет? С^2 - это и есть коэффицент.
А меня всегда удивляло, как так получилось, что в формуле E=mc^2 нет никаких коэффициентов? Вот, к примеру, в формуле тяготения есть гравитационная постояннаяНо ведь c — это не переменная, а константа, почему не рассматривать тогда с^2 как коэффициент в зависимости энергии от массы?
Простой факт, что в формуле пути S=vt, скорость - это средняя скорость, которая равна соостветственно Vср = (Vк + Vн) / 2 = (Vк + 0) / 2. Отсюда множитель и в пути через ускорение, и в кинетической энергии.
Вселенная явно строилась по строгим законам математики, изначально не_человеческой математики.
Коэффициент тут как раз есть - c^2. Такая вот константа.
Учёные зачастую работают в системе счисления, где с=1.
И там получается E=m
Всё просто. Энергия и масса - это одно и то же. Эта формула буквально говорит нам: есть некое явление, которое мы измеряем в килограммах или в джоулях, а для пересчета из килограмм в джоули просто умножьте на константу (c^2)
del
Тогда уж не в нейросеть, а себе в голову. Они же пишут, что ИИ делал расчёт на основе наблюдения, не имея никакой информации о сути и смысле процесса
Так там же все равно переменная степеней всплывёт.
А если описывать кватернионы, то параметр вообще один.
Вопрос в количестве степеней свободы, независимо меняющихся параметров. А составные числа придуманы для облегчения записи.
Текущий набор обиходных физических величин обусловлен имеющимися органами чувств примерно так же как и десятичная система счисления имеющимися пальцами. Физику можно и в единицах информации пересчитать.
После проверки ряда других физических систем с известными решениями учёные ввели видео систем, для которых они не знали точного ответа. Видео с лавовой лампой дало 8 переменных. В ответ на видео с пламенем камина программа вернула 24 переменные.В сложных системах с нелинейной динамикой, напр, физиологических, конкретно регулирующей ритм сердца, размерность фазового портрета (фрактальная размерность) может быть дробной, в норме от 1 до 2-х, и более. Интересно, если с помощью этого ИИ проанализировать видео с биением сердца, того же УЗИ, что она выдаст. Угадает?)
«Мне всегда было интересно: если бы мы когда-нибудь встретили разумную инопланетную расу, открыли бы они те же законы физики, что и мы, или описали бы Вселенную иначе?» — спрашивает Липсон. — Возможно, некоторые явления кажутся загадочно сложными, потому что мы пытаемся понять их через неправильный набор переменных».Конечно, если инопланетяне обитают на квантовом уровне, то для них кванты просты и интуитивно понятны, это их а вот поведение макрообъектов загадочно и контринтуитивно. Как это быть только в одном месте, а не во всех сразу? Как так можно померить все величины с любой точностью, а не только некоторые? И главное, как нельзя запутаться с себе подобным, а потом распутаться с заранее непредсказуемым результатом?)
Что такое дробная размерность фазового портрета — это понятно, а вот что такое дробное количество переменных?
а вот что такое дробное количество переменных?Переменные целые, но ИНС не знают об этом) Это уже человек исследовал, абстрагировал, выделил переменные на уровне абстрактно-логического мышления, а в мозге, на нижележащем уровне образного мышления, связанного непосредственно с восприятием, многое, что может быть намешано. ИНС работающие с картинками и видео прототипически как раз больше соответствуют по своим возможностям этим сетям нелинейно сжимающим входную информацию (сверточным и аутоэнкодерам). Что из этого получается? Приведу пример с нативным пониманием чисел (численности), темой с которой хорошо знаком, включая нейрофизиологическик аспекты.
Мы, обучившись дома и получив образования в учебных заведениях, понимаем числа в абстрактном смысле, как достижение цивилизации. Но это не так. Оценивание численности объектов в совокупностях встроенная, наследственно поддерживаемая когнитивная способность, кот. доступна человеку с рождения в некотором приближении, т.к. является очень важной для выживания видов способностью. Эта способность в дальнейшем развивается, настраивается, но именно на этой нативной основе возникает абстрактное понимание чисел. С помощью ИНС сверточного типа удается неплохо моделировать эту способность, воспроизводя ее основные свойства на нейронном уровне. Причем специального обучения подсчету эта сеть не проходит. Обучающая выборка состоит из картинок с разными объектами, с разным числом, и обучение ведется с целью классификации этих объектов. Но совершенно спонтанно в этой сети появляются нейроны, кот. реагируют на число объектов в сцене. Это связано со свойствами самих формальных нейронов (они сумматоры, как и их биологические прототипы), и тем, что структура ИНС выбирается похожей на структуру вентрального тракта зрительной системы приматов, в кот. присутствует область отвечающая за оценку численности. Именно по этой причине в моделирующей сети возникает аналогичная функция, причем на автомате. Как работают эти нейроны численности? Каждый такой нейрон настроен на определенную численность, напр, 5. Если число объект в сцене пять, то он имеет максимальную активность. Но нейроны отвечающие за 4 и 6 также при активизируются, но меньше, чем отвечающий за 4, нейроны отвечающие за 3 и 7 еще меньше, и тд. Происходит своеобразное голосование, и в результате выбирается оценка связанная с нейроном имеющим максимальную активность. Естественно, таких нейронов много, и они все участвуют в голосовании, возможны и ошибки. Это голосование подчиняется определены закономерностям (закону Вебера), и считается нативной основой для понимания натуральных чисел. Однако, не все так просто. Оказалось, что на оценку численности может влиять, как число объектов в сцене, как основной фактор, так и свойства объектов, например, занимаемая ими площадь, группировка, цвета, и тп. Если в сцене присутствуют два одинаковых объекта, то макс. активность у нейронов отвечающих за число два, и мы интуитивно понимаем это, даже без сознательного подсчета. Но когда в сцене по прежнему два одинаковых объекта, но один из них намного меньше другого, то возникает конкуренция между нейронами отвечающим за 2 и за 1. В определенных условиях активность последнего может перевесить, и мы ошибочно посчитаем, что в сцене 1 объект. На основании этого даже возникла гипотеза, что чувство численности может отвечать не только за происхождение натуральных чисел, но и рациональных, см. этот комент с пояснениями (в этой теме есть дополнительные коменты со ссылками на источники о чувстве численности).
Как этот пример с числами связан с обсуждаемой статьей, и числом переменных? Точно также. ИНС моделирует динамику восприятия человеком видеоданных, но именно на уровне восприятия, где разные типы информации могут влиять друг на друга, также как в случае с числами. Сеть может выделять переменные, но это может модулироваться, например, дополнительной динамикой связанной с нелинейностью процесса, его некоторой аттрактивностью, фрактальностью, и соотв. ее размерностью. Поэтому возникают такие дробные оценки, как 4,7 для двойного маятника. Дополнительные 0,7 могут быть связаны с некоторой хаотичностью его движения. Мы оцениваем это интуитивно, исследуем, и разделяем на абстрактно-логическом уровне, выделяя число переменных и дополнительные эффекты. Используемая ИНС, в силу ограниченности архитектуры, моделирует только первую, интуитивную фазу. Так и для остальных случаев, см. таблицу на рис 4. в оригинальной статье.
а вот что такое дробное количество переменных?
Скорее всего, некоторые переменные не совсем независимые, а коррелируют.
>не смогли провалидировать модель на известных результатах
>одни и те же входные данные приводят к разным ответам
>не понимаем значения ответов
Итого получили модель, выдающую никому не понятные случайные числа в стиле "42", и почему-то считаем ее рабочей...
(или не считаем, но сохраняем хорошую мину и пишем статью, чтобы получить хоть какой-то выхлоп от потраченных средств и времени)))
Это не ИИ, это наполненный фактами выпуск Топлес!
Well, that escalated quickly. (c)
Последовательность событий:
Пару недель назад выходит статья, где авторы описывают как из последовательности кадров получать эффективную размерность фазового пространства динамической системы. Один из примеров -- двойной маятник, для которого получается число степеней свободы 4.7, которое в статье интерпретируется как "близкое к правильному значению 4".
Уже после статьи авторы в каком-то пресс-релизе или интервью начинают утверждать, что им кажется, что нейросетка (auto-encoder), возможно, обнаружила неизвестную им степень свободы.
Выходит новостная статья "Artificial Intelligence Discovers Alternative Physics", перевод которой опубликован в этом топике.
Просто классика жанра в духе "учёный изнасиловал журналиста"....
Уже после статьи авторы в каком-то пресс-релизе или интервью начинают утверждать, что им кажется, что нейросетка (auto-encoder), возможно, обнаружила неизвестную им степень свободы.Возможно авторы имели в виду такого рода доводы, но журналисты посчитали это за открытие дополнительных, дробных степеней свободы.
Учёные начали с подачи в систему необработанных видеозаписей физических явлений, уравнения которых уже знали. Например, они предоставили видео качающегося двойного маятника ... После нескольких часов анализа ИИ выдал ответ: 4,7.
Скорее всего, он выдал просто какие-то параметры видео. Так-же, не существует просто "видеозаписи". Формат, разрешение, частота, сжатие, качество освещения, установки, покачиваний и т. д. Не похоже на учёных. У учёных информация только о видео растянулась бы на много страниц и наверняка она там есть, просто редактор решил в статью (на техническом ресурсе, ага) не включать эти "ненужные" подробности.
В общем, напомнило:
— Сорок два! — взвизгнул Лунккуоол. — И это всё, что ты можешь сказать после семи с половиной миллионов лет работы?
— Я всё очень тщательно проверил, — сказал компьютер, — и со всей определённостью заявляю, что это и есть ответ. Мне кажется, если уж быть с вами абсолютно честным, то всё дело в том, что вы сами не знали, в чём вопрос.
— Но это же великий вопрос! Окончательный вопрос жизни, Вселенной и всего такого! — почти завыл Лунккуоол.
— Да, — сказал компьютер голосом страдальца, просвещающего круглого дурака. — И что же это за вопрос?
Альтернативные описания законов и альтернативная физика это диаметрально противоположные понятия. Альтернативная физика подразумевает иные физические проявления, а альтернативное описание законов подразумевает изменение формулировки законов, но физические явления от этого не изменятся, просто их будут по другому описывать.
4,7 переменных, офигенно:). С какой целью вы создавали этого бота? Правильно, чтобы определять физические переменные, задействованные в процессе. Тогда какой в нём смысл, если вы не понимаете ни сколько конкретных переменных отвечает бот, ни что они означают? Предположим, что мы не знаем, что переменных 4, тогда как мы определим, что 4,7, это 4, а не, например, 5, и что бот вообще не врёт?
Мы не понимаем математический язык, на котором он говорит
Нет никакого математического языка. Просто бота учили, что если картинка двигается подобно вот этому или вот тому, то реагировать правильно подобному сему. По сути, он ничем не отличается от бота по распознаванию цифр на картинке, только чуть более сложный. Мы говорим боту, что когда вырисовывается такой-то и такой-то узор, то нужно дать ответ "4", а когда какой-то – "7". Тут, считай похожая модель, ему показывают физическое явление и он на основе того, что он видел до этого говорит некий коэффициент.
Так, собственно, в чём революция? Любой дурак, которому скажешь "если предмет двигается вот так вот, то у него вот столько-то параметров" сможет говорить, сколько параметров нужно чтобы понять всё об определенном движении, и будет делать это куда точнее/обосновываннее. Так с чего вы решили, что бот переоткрывает физику? Может, он просто тупит, а вам его тупость кажется гениальностью
Так с чего вы решили, что бот переоткрывает физику?Откуда вы это взяли? Из названия науч-популярной статьи? Загляните в оригинальную статью, авторы обучили сеть на известных данных, убедились, что она дает неплохие прогнозы, близкие к правильным значения. Затем посмотрели, что она дает для случаев, кот. не было в обучающей выборке. Причем заведомо более сложных, последние три в таблице.
Не исключено, перспективная общепринятая теория квантовой гравитации будет вот такой большой обученной ИНС, этаким оракулом, вещающим практически приемлемые результаты, а не набором формул вроде этой в СМ, кот. часто невозможно разрешить)
Хорошо, давайте возьмём наш маятник и поместим его в переменное электромагнитное поле. Очевидно, что его траектория будет сильно зависеть от того, является он токопроводящим или нет. Значит, дополнительно нужно визуализировать и свойства материала маятника, и само электромагнитное поле, и динамику изменения этого самого электромагнитного поля со всеми интерференционными эффектами, и подготовить 100500 роликов, где все эти параметры перебираются во всех возможных сочетаниях друг с другом. Как-то многовато предварительной работы получается, мне кажется.
Ну то есть таки нужен специально обученный человек, который уже знает про такое физическое явление как «газ» и его параметры в виде плотности, температуры, зависимости плотности от температуры, ещё чего-то — чтобы их визуализировать и подать на вход нейросети. Чтобы получить в ответе +1(+2,+3...) к количеству параметров.Именно так. Этот класс ИИ расширяет интеллектуальные возможности человека, а не заменяет их. То о чем вы думаете это автономный ИИ, с собственным восприятием реальности, собственной мотивацией поведения, включая постановку и способ решения исследовательских задач. И хорошо чтобы все это было дружественным человеку и понятным) В чем польза от систем описанной в статье? Они могут облегчить жизнь исследователям, выдавая предварительные решения. После обучения они могут облегчить изучение похожих задач, конкретно описанная система ИИ, выдвинув для более сложных динамических систем оценку числа переменных, см. таблицу результатов для 3 последних систем. Кстати, ничто не мешает усовершенствовать этот ИИ, чтобы он выдавал результат в виде мат. модели в дифурах. Человеку нужно будет только проинтерпретировать ее параметры. Так же понятно, что такая лафа с интерпретацией для более сложных задач бесконечно продолжаться не будет. В какой-то момент часть параметров будет оставаться без интерпретации, но модель может выдавать проверяемые результаты, годные на практике. Для еще более сложных задач уже не будет представлений в каком-либо символьном виде, или только частичное, все будет внутри сети (черный ящик). На вход такой системы будут подаваться условия задачи, на выходе получать готовые решения. Вымысел? Нет, уже есть такие системы для частных задач, напр, решения задачи 3-х тел, см. 1, 2. Для них обучающая выборка состоит из решений с помощью численного моделирования, но кто мешает ввести точные данные наблюдений движения тел в Солнечной системе вносящих основной вклад в динамику, например, первых 100 по массе тел в списке, в течении 10 лет наблюдений. Обучить систему, не по симуляциям, а непосредственным наблюдениям, и иметь решение для 100 тел) Добавить к этому наблюдения за динамикой тел в Альфа Центавра, и тд., для уточнения модели. Впрочем, возможно дешевле будет расчитывать траектории, если удастся эту задачу представить в виде кв. алгоритма, и таки кв. компьютеры наконец заработают.
Что касается упомянутого автономного ИИ, то это дело еще не близкой перспективы (почему — в этой ветке изложил мнение по этому поводу). И с этим нужно быть весьма осторожными, что бы не получить ненужные проблем. Такой ИИ нужен в определенных ситуациях, опять же дам ссылку на ветку в которой изложены некоторые предположения по этому поводу.
Кстати, ничто не мешает усовершенствовать этот ИИ, чтобы он выдавал результат в виде мат. модели в дифурах. Человеку нужно будет только проинтерпретировать ее параметры.Вот-вот, именно это я очень хочу увидеть. И интерпретировать ничего не нужно, пускай ИИ порешает дифуры для достаточно широкого диапазона изменения каждого параметра, а мне покажет только те картинки, которые будут выглядеть осмысленно, а еще лучше — хоть приблизительно напоминать те, на которых он обучался
Вот-вот, именно это я очень хочу увидеть.Описываемый ИИ этим и занимается, на выход он выдает предсказание поведения динамической системы. Только не может конвертировать это в мат. модель в явном виде, кроме выдачи оценки числа динамических переменных задачи. Но такие системы уже имеются для поиска регрессионных моделей. Вот тоже в символическом виде ищут решения 1, 2, 3, но пока это все для специальных задач.
И интерпретировать ничего не нужноЕсли хотим понять физику процесса, то нужно найти интерпретации. Это полезно для практического применения, часто позволяет найти полезные предельные случаи, режимы, и тп, уже чисто теоретически.
Не требуется видеть воздух чтобы заметить что движение тела замедляется со временем.
Сеть может выделять переменные, но это может модулироваться, например, дополнительной динамикой связанной с нелинейностью процесса, его некоторой аттрактивностью, фрактальностью, и соотв. ее размерностью. Поэтому возникают такие дробные оценки, как 4,7 для двойного маятника… Дополнительные 0,7 могут быть связаны с некоторой хаотичностью его движенияМне нецелое количество динамических переменных все-таки кажется аналогом гадания на побочном продукте, получающемся при изготовлении популярного напитка. Хочу увидеть хоть в каком-то виде описание такой системы.
«Хаотичность», «фрактальность» — это всё понятия, имеющие вполне строгие определения, хотя разные исследователи могут пользоваться несколько различными их вариантами. Например, в динамической системе, которая задается системой трех нелинейных дифференциальных уравнений, хаос возникает при таких параметрах системы, когда она имеет один из трех показателей Ляпунова строго больше 0, и при этом сумма этих показателей отрицательна. Для вычисления этих показателей существуют алгоритмы, позволяющие определить их с произвольной точностью, поэтому говорить о «некоторой хаотичности» несколько неверно.
С другой стороны, всякая модель является некоторой идеализацией физического процесса, это справедливо и для двойного маятника. Например, колеблющиеся стержни предполагаются жесткими, но реально они в процессе колебаний могут чуть-чуть сжиматься и растягиваться (можно попробовать сделать их из пластилина). Забавно также видеть, как на анимации один из них проходит сквозь другой. Все эти обстоятельства можно учесть, но, разумеется, получившаяся значительно более сложная модель все равно будет описываться бОльшим, но целым числом переменных
Мне нецелое количество динамических переменных все-таки кажется аналогом гадания на побочном продуктеНейросети всегда выдают вероятностные результаты, в силу того что они являются стохастическими аппроксиматорами. Часто, напр, при классификации эту вероятность пишут в явном виде, поэтому отчасти вы правы)
Хочу увидеть хоть в каком-то виде описание такой системы.Если вы имеете в виду более подробное описание этой системы, то вот ссылка на доступную публикацию. Еще на тему моделирования разных аспектов нелинейных систем 1, 2, 3.
«Хаотичность», «фрактальность» — это всё понятия, имеющие вполне строгие определения, хотя разные исследователи могут пользоваться несколько различными их вариантами.ИНС работают на уровне внутренних вероятностных моделей, которые они создают во время обучения, а не символических. Это не мат. пакет вроде вольфрамовской Математики в котором можно точно алгоритмизировать задачу.
поэтому говорить о «некоторой хаотичности» несколько неверно.В работе авторы не преследовали цель определить параметры нелинейной динамики. Это мое предположение состоящее в том, что при обучении нейросеть наряду с динамикой систем могла дополнительно захватить эффекты их нелинейной динамики и замешать их. Исходя из чего можно сделать такой вывод.
1. Из знания как работают биологические нейросети по аналогии с которыми развивалось технология ИНС. Приводил пример в том коменте, как на нейрофизиологическом уровне возникает нативное представление чисел — это паттерны активности области IPS в вентральном нервном пути зрительной системы. Дополнительную информацию можно посмотреть в этом коменте. Повторю важный момент — на оценку численности объектов в сцене, и не только визуальной, но и для др. модальностей чувств, влияет как выделение объектов в ней, так и характеристики самих объектов. Точное число объектов определяется, если их не более 3-4, а для большего происходит оценка подчиняющаяся определенной статистической закономерности. Для организма число объектов это биологический признак, имеющий адаптивный характер, для выживания важно знать не точное число объектов, а скорость получения значения, чтобы быстрее реагировать на ситуацию. На оценку числа, напр, может повлиять площадь занимаемая объектами. В спокойной обстановке мы может пересчитать объекты, не взирая на их характеристики, и получить их точное число, как абстрактную дискретную величину. Но в опасной ситуации, при дефиците времени, точный подсчет может быть недоступен, и тогда используется эта быстрая нативная оценка, кот. по своей природе является смесью дискретной величины и аналоговых характеристик самих объектов. Однако она позволяет быстро принять решение, кот. естественно будет иметь вероятностную природу, и это работает, раз мы не вымерли) Возможно в этом механизме кроются нативные основания происхождения рациональных чисел, т.е. интуитивное представление о них, кот. затем подтвердилось в манипуляциях с частями целого, например, в сравнении отрезков прямых. Такое замешивание величин весьма характерно для низкоуровневых механизмов восприятия, напр, размеры объекта влияют на оценку его массы, что вызывает соотв. иллюзию, размер объекта зависит от окружения, и для многих других величин. ИНС точно также подвержены такому замешиванию величин, и соотв. страдают иллюзиями, т.к. являются хотя и сильно упрощенными моделями биологических сетей, но сохраняют их важные свойства (для сверточных сетей, еще). Это также относится к моделированию оценки численности.
Возвращаясь к динамическим системам возможно при обучении происходит, как оценка числа их степеней свободы, кот. является целевым параметром обучения, так и величина заполнения области изображения связанная с движением объектов. Чем хаотичнее движение, тем заполнение больше. Хорошую иллюстрацию для двойного маятника см. на вики. На этом уровне сеть просто не может разделить эти оценки, это аналоговый уровень, а не уровень символического анализа, на кот. можно задать точный алгоритм вычислений.
2. Данные результатов оценки для разных дин. систем в таблице результатов, см. картинку в коменте выше. Первые три системы линейные, известные, отклонение результирующего числа от правильного значения минимально, разброс также небольшой. Возможно на результаты влияют артефакты кодирования, вычислений, и тп. Далее идут три известные системы в которых может присутствовать нелинейная динамика. Отклонение от правильного значения намного больше, разброс также. Следующие три системы также нелинейные, неизвестные, сложнее по динамике пред. трех известных. Поскольку правильное значение числа переменных для них не известны, то мы можем полагаться только на оценку системы. Она больше чем у известных систем, как и ожидалось. Разброс намного больше, чем у остальных, что также вполне логично из-за наблюдаемого уровня хаотичности. Естественно, это не точный расчет показателей Ляпунова для этих систем, а некоторая аналоговая оценка, которая может коррелировать с этими показателями.
Вот такие аргументы.
Сейчас зомбари налетят, и начнут доказывать о святость и непогрешимость Академии наук. Рыбников Ю.С. уже давно доказал, что теорию которую использует современная наука мягко говоря не соответствует действительности, на такой теории, из школы можно выпускать только Ослов.
В соответствии с алгоритмом Грассбергера-Прокаччиа (оказалось, авторы оригинальной статьи о нём знают, он у них упомянут в списке литературы) для временного ряда, наблюдаемого при исследовании системы, необходимо определить задержку, при которой зависимость ординаты ряда от неё же, но взятой с задержкой, выглядит наиболее естественно. Временной ряд можно построить, не записывая видео, а просто решив систему дифференциальных уравнений для двойного маятника
Видно, что наиболее естественно (и похоже на исходную фазовую траекторию) выглядит изображение с задержкой 6
Затем, пользуясь задержкой, можно визуально определить размерность динамической системы
В соответствии с алгоритмом Грассбергера-Прокаччиа значением размерности следует считать то, после которой график зависимости корреляционного интеграла перестает существенно изменяться. Видно, что в данном случае это значение 4
Для всех этих построений пришлось подбирать разные параметры, и все это не слишком строго, но выглядит похожим на правду. Конечно, поле для ИИ здесь большое, но пока можно обойтись без открытия альтернативной физики
Временной ряд можно построить, не записывая видео, а просто решив систему дифференциальных уравнений для двойного маятникаВ этом то и дело… попробуйте составить и решить систему дифур для пламени и др. более сложных примеров. Но теперь можно получить некоторый ориентир для разработки их мат. моделей. Вполне возможно выдача записи решений в символическом виде может быть след. шагом в разработке таких ИИ.
Конечно, поле для ИИ здесь большое, но пока можно обойтись без открытия альтернативной физикиЕсли смотрели оригинальную статью, то могли видеть, что авторы ничего не говорят про альтернативную физику. Речь о новом подходе облегчающем решение обычного класса физических задач. Ну, а для журналистов подобные заголовки хлеб насущный, чем больше внимания, тем больше кликов)
Нелинейной динамики полно на разных уровнях биологических систем, это их принципиальная особенность. Вот где такие системы ИИ будут особенно востребованы (см. на нейронном уровне, на уровне отделов и функций мозга, и это мелочь в сравнении с предстоящей задачей построения фундаментальной теории метастабильных состояний в мозге на разных уровнях). Особенно с учетом того, что исследователей в этой области мало интересуют подробности разработки таких методов (они думают, что это задача математиков и физиков), им интересны готовые реализации.
В этом то и дело… попробуйте составить и решить систему дифур для пламени и др. более сложных примеров. Но теперь можно получить некоторый ориентир для разработки их мат. моделей. Вполне возможно выдача записи решений в символическом виде может быть след. шагом в разработке таких ИИ.Насколько я помню, вы когда-то писАли о том, что нейросеть может решать задачу трёх тел вообще без составления уравнений, просто по внешнему виду траекторий. Мне в такое поверить трудно, и я бы свою жизнь ей бы не доверил, предпочел бы традиционный решатель диффуравнений.
Определение количества динамических переменных — не самая сложная часть в построении модели, еще нужно построить адекватную систему уравнений. Можно выбирать в качестве правой части для неё полиномы от динамических переменных (не менее второй степени, чтобы система была нелинейной). Даже простейшие такие системы уже демонстрируют сложное неустойчивое поведение, а в системе маятника не полиномы, там синусы и косинусы. В общем, не очень я верю в нейросети. Конечно, они доказали свою полезность, но попытки с их помощью решать вообще любые задачи, а также громкие заголовки в публикациях вызывают отторжение
Насколько я помню, вы когда-то писАли о том, что нейросеть может решать задачу трёх тел вообще без составления уравнений, просто по внешнему виду траекторий. Мне в такое поверить трудно, и я бы свою жизнь ей бы не доверил, предпочел бы традиционный решатель диффуравнений.Надеюсь вы в курсе, что эта задача не имеет общего аналитического решения, только численные. Поэтому ИИ тоже не выдаст такого формульного решения, только в численно виде для заданных условий. Все сводится к тому, что будет эффективнее по затратам ресурсов — расчет на компе, или прогноз такой нейросети. Имеющийся опыт показывают, что прогноз эффективнее. Что касается недоверия, то это обычная реакция на внедрение новых технологий. И не только потому что есть непонимание, как они работают, но и подсознательная боязнь конкуренции с ними. А проверка прогнозов простая — сравнение с расчетными траекториями. Также возможно комбинированное обучение по наблюдаемым траекториям и расчетным. Естественно, чем больше охват в обучающей выборке, тем точнее прогнозы для более сложных случаев и длительностей прогнозов. Ограничения обученной модели документируются, так же как ограничения для любого другого метода.
Конечно, они доказали свою полезность, но попытки с их помощью решать вообще любые задачи… вызывают отторжениеНу… человеки же пытаются решить любую задачу) Если упрощенно, то ИНС технологическая реплика его интеллектуальных возможностей, но без биологических ограничений по различным вычислительным ресурсам.
Надеюсь вы в курсе, что эта задача не имеет общего аналитического решения, только численные. Поэтому ИИ тоже не выдаст такого формульного решения, только в численно виде для заданных условий. Все сводится к тому, что будет эффективнее по затратам ресурсов — расчет на компе, или прогноз такой нейросети. Имеющийся опыт показывают, что прогноз эффективнее
Очень интересная информация насчет эффективности прогноза. Насколько я знаю, огромное количество аппаратов, совершающих орбитальные полеты, а также полеты в Солнечной системе, используют для своих перемещений решение задач, похожих на задачу трёх тел, только с большим количеством тел. Можете ли вы указать, какая часть этих аппаратов пользуется для предсказания своей траектории прогнозами нейросети? Есть ли такие аппараты вообще?
Есть ли такие аппараты вообще?Нет, эта технология появилась пару лет назад, и до реального практического использования еще пройдет время. Но особенно сомневаться, что подобные технологии найдут применение не приходится. Перевод с языков уже давно работает на этих принципах. Вот свежий пример использования такого ИИ в качестве иллюстратора. Это массово попрет, и нужно больше опасаться уже того, что такое творчество завалит весь инет) Решения физических задач с приемлемой точностью и меньшими затратами ресурсов, в сравнении с уже имеющими решениями, которым будут доверять профессионалы потребуют большего времени на доводку. Но принципиальной разницы с уже работающими решениями, каких то фундаментальных ограничений на этом пути, пока не известно.
"Унутре у ней неонка"
Новый ИИ открывает альтернативную физику