Не переоценивайте возможности нынешних ИИ и И их авторов. )
Все сегодняшние системы искуственного интеллекта основаны на статистике, если посмотрите НН то там знание data science эквивалентно знанию статистики + пары фреймворков python.
Для того, что бы обучить нынешний ИИ нужно набрать статистические данные — и то как покупают вашу новую коллекцию и то как не покупают и уходят к конкурентам. После провести анализ/обучение и система готова. Только к тому времени выходит новая коллекция.
Обратите внимание на то, что бренды выпускают их уже каждый месяц. А это означает специалиста по ИИ, и не одного, с его могучими серверами в списке постоянных расходов. И расклады еще для каждой страны и для каждого региона, а то и для каждого магазина разные, ведь мода она такая непредсказумая.
И никакой ИИ не в состоянии оценить, как будет продаваться еще не поступившая в продажу коллекция. Основанные на статистике современные системы ИИ этого делать не умеют никак.
Возврат образовательных кредитов в США гарантирован государством, поэтому и низкая ставка и дают по очень простым правилам.
На бизнес точно бы не дали — без залога, без истории, без зарплаты и т.д.
Ни одна скоринговая программа ИИ ни одного банка никогда не дала бы кредит Цукербергу на создание facebook.
Пришел студент и просит деньги на создание чего то такого, что позволяет удобно болтать с друзьями в рабочее время!
И другая сторона — ИИ хорош для стабильной системы, иначе расходы на его переобучение и подгонку к новой ситуации превысят затраты на обучение тому же людей.
А почему ваша команда не стала моделировать перегрев подшипников или неравномерный износ роликов? Ведь если ролики изнашиваются неравномерно, значит это результат воздействия силы той же частоты, что и вращение ролика. На модели ясно будет виден источник такого воздействия
В подразделении DS искали причину перегрева подшипников привода валков на стане2000 и нашли какие-то зависимости для управлением давлением масла в приводе.
В данной статье искали и нашли причину разрушения какой-то детали.
Похожие и сопоставимые задачи решают соседние подразделения и сравнение результатов вполне корректно
С коллегами из подразделения data science обмениваетесь информацией?
Было бы интересно сравнить реальность с результатами численного моделирования и результатами предсказанными ИИ
вот тут упоминал три типа качеств человека: ум, знания, умение.
Вы всех одинаково собеседуете?
Ведь яркие представители любого из этих типов собеседование с Вами не пройдут.
История первая:
«Ухудшение погодных условий. Все номера автомобилей в снегу.… Но наши приложения по прогнозу погоды...»
Это неправда, что можно предсказать, снег в России по определению всегда выпадает внезапно, даже зимой.
История вторая:
«Но сегодня персонализация вышла на новый уровень и решает вопросы кому, какое, а главное, в
какой момент, по какому каналу связи и как сделать предложение.»
На сегодня уже главное кто даст рекомендацию вашему каналу и вашей информации в нужное время и в нужном месте
Исторя третья:
«как одет сотрудник при входе на объект, и открывать турникеты только в случае присутствия у
работника необходимой экипировки»
Тоже не самое ценное — контроль касок и униформы. Самый эффективный способ — профилактика. Особенно здоровья.
Если каску не надел неумный сотрудник, он и пострадает, а если внезапный инфаркт у машиниста поезда, то могут погибнуть многие невинные и непричастные. Но машинист будет в каске!
История четвертая
Есть еще одно прекрасное и перспективное место применения цифрового двойника — служба поддержки. Например у сотового оператора. И не нужно много денег на создание цифрового двойника телефона, но обслуживание будет на порядок качественнее и продуктивнее, по части информации от обратившегося можно точно определить его проблему и выдать нужное и полезное решение.
Исторя пятая
никакой блокчейн не защитит от воровста
Отдельно хочется отметить ods.ai, который оказался самым популярным ресурсов, среди тех которые люди указали вручную
Блог ods.ai на habr.com посчитали в ods? Тут десятки тысяч просмотров
и с экономикой не всё тут корректно, лукавят.
Если водитель не готов (неважно сам или автомобиль) и Яндекс его отстраняет от заказов, то совсем не обязательно это станет убытком Яндекса, просто заказ получит другой водитель Яндекса и комиссия останется такой же.
На доходы компании эта супер система не особо то и влияет
поясните пожалуйста что значит «избавится»,
станет константой?
И что значит, что шум слишком простой?
применение любой нетривиальной функции к случайной последовательности выдаст тоже случайную последовательность (возможно с другими характеристиками), как MaxPooling «избавится» от случайности?
мне представляется другая картина.
Сидит оператор за пультом и смотрит на приборы и есть еще программка, которая тоже на эти приборы, и возможно еще какие-то, смотрит.
У оператора есть громадная таблица в виде: -если стрелка этого осциллографа качнулась влево, то вон ту ручку крути вправо и если вот та лампочка зажгласть — крути вот этот вентиль три раза влево. Или когда вот этот датчик загорится синим — подсыпь в домну 100 грамм из вон той мензурки.
И оператор не выбирает сам раздел из этой книги — ему конкретную таблицу из всей этой громадной книги приносит технолог.
Т.е. технолог получает задание сварить сталь «А», достает соответствующую таблицу, лаборант меряет состав того что привезли в сырье и технолог дает команду приготовить нужные компоненты и дает компанду на пуск процесса выдав оператору нужную таблицу — что, когда и как ему нажимать и крутить.
Теперь вопрос
меняет ли Zyfra содержимое этих таблиц? т.е. при синей лампочке лить не 100 грамм, а 98 и так возникает экономия?
Как Zyfra проводит анализ этой информации? Вопрос выше.
Про сказки, как операторы на рабочем месте в помощью калькулятора быстро находят решения нестационарных уравнений Навье–Стокса в естественных переменных и начинают крутить правильно вентили — расцениваю как шутку.
Как следует из цитаты
Рекомендации системы заключаются в переходах на другие ТР, которые также находятся в пределах НТР.
есть и другой вариант — сначала оператор варит сталь «А» по соответствующей таблице, потом читает рекомендации Zyfra меняет таблицу и начинает варить сталь «Б» и крутит вентили и сыпет добавки в другом порядке, а потом опомнившись, начинает опять варить сталь «А» и в результате получается сталь «АБ» или может «БА», но точно лучше и выгоднее.
Как то вот такой вот вывод из Вашего поста и комментов.
вы так и не ответили — train это данные технологов завода? Это то, что регистрируют их датчики, журналы и т.д. И оставьте физику в покое, отвечайте на конкретный вопрос.
Если предложенный режим не описан в технологии — это и есть нарушение. Технология выплавки это вам не опенсорс, там нельзя просто так внести изменения.
Если требуемый режим указан в технологии и рабочий у станка им не пользуется — причем тут AI, ИИ, машинное обучение и прочие умные слова?
И по O&G — есть утвержденная технологическая схема и у нее есть авторы и она утверждена в ГКЗ, Росприроднадзоре и Ростехнадзоре и как вы вносите в нее изменения?
ТОлкаете нефтяников на преступление или в ваших рекомендациях нет ничего существенного и их не нужно вносить в техсхему и защищать?
Правильно ли я понимаю: вы берете «размеченные» технологами завода данные как train и утверждаете, что с помощью ML находите на этих данных новое, более эффективное знание? А оно там есть?! И потом на трейне 105% accuracy?
Предложение нарушить технологию и получить профит напоминает мне предложение переходить улицу на красный свет — если последний год на этом светофоре никого не задавили, то ваш AI будет советовать игнорировать этот светофор.
И еще — если оператор послушал совета — нарушил технологию и тут беда, авария, трагедия — будет ли Zyfra отвечать за свои советы? Или как в СССР были такие — за всё переживают, но ни за что не отвечают- назывались «замполит».
И по O&G тоже сомнения — там всегда можно локально снизить давление в НКТ и получить прибавку дебита, но после обязательно спад или ремонт. Т.е. профит и доля Zyfra за счет качества скважины?
«Альфа — лаборатории биохакинга и нанотехнологий, Бета — прототипирование, схемотехника, космос и автотранспорт, Гамма — живопись, гончарное дело и мозаика, Дельта — аудитории и конференц-залы, Сигма — выставки.» Математики, физики, химии нет. «И после посещения этой лаборатории совершенно не удивляешься новостям о запуске с МКС созданных учащимися “Сириуса” и проверенных на этом самом оборудовании настоящих спутников.» Они их из глины что ли делают?
Космическую и военную технику производят и разрабатывают по совершенно иным принципам нежели бытовую и прочее пром оборудование. Космическая техника априори морально устаревшая и никто никогда, ну кроме Маска, не будет использовать комплектующие без учета «наработки на отказ».
Так вот что бы эту наработку рассчитать нужно создать методику, доказать её эффективность, после построить стенды и на них провести несколько лет испытаний, а можно украсть результаты и верить, что украденное верно.
Вот двигатели ракетные Америке поставляют и не особо боятся, что те их воспроизведут. Просто нужно провести весь цикл испытаний, даже если ты сделал что то похожее на русский ракетный двигатель.
Так и Маск никаких серьезных испытаний не проводил, никаких стендов у него нет.
Он талантливо воспроизвел по добытым правдами и неправдами чертежам двигатели и ракеты, молодец.
Маск отличный организатор, на грани, но у него получается.
Что бы он натворил, если бы вместо Рогозина его назначили! ))
Все сегодняшние системы искуственного интеллекта основаны на статистике, если посмотрите НН то там знание data science эквивалентно знанию статистики + пары фреймворков python.
Для того, что бы обучить нынешний ИИ нужно набрать статистические данные — и то как покупают вашу новую коллекцию и то как не покупают и уходят к конкурентам. После провести анализ/обучение и система готова. Только к тому времени выходит новая коллекция.
Обратите внимание на то, что бренды выпускают их уже каждый месяц. А это означает специалиста по ИИ, и не одного, с его могучими серверами в списке постоянных расходов. И расклады еще для каждой страны и для каждого региона, а то и для каждого магазина разные, ведь мода она такая непредсказумая.
И никакой ИИ не в состоянии оценить, как будет продаваться еще не поступившая в продажу коллекция. Основанные на статистике современные системы ИИ этого делать не умеют никак.
На бизнес точно бы не дали — без залога, без истории, без зарплаты и т.д.
Пришел студент и просит деньги на создание чего то такого, что позволяет удобно болтать с друзьями в рабочее время!
И другая сторона — ИИ хорош для стабильной системы, иначе расходы на его переобучение и подгонку к новой ситуации превысят затраты на обучение тому же людей.
Предиктивная аналитика в ремонтах
В подразделении DS искали причину перегрева подшипников привода валков на стане2000 и нашли какие-то зависимости для управлением давлением масла в приводе.
В данной статье искали и нашли причину разрушения какой-то детали.
Похожие и сопоставимые задачи решают соседние подразделения и сравнение результатов вполне корректно
Было бы интересно сравнить реальность с результатами численного моделирования и результатами предсказанными ИИ
Вы всех одинаково собеседуете?
Ведь яркие представители любого из этих типов собеседование с Вами не пройдут.
Ведь во время профилактики/ремонта/сборки можно два однотипных датчика поменять местами и тарирование будет ошибочным.
На реальных данных очень долго считать, на тех же корабликах 10 суток заняла тренировка.
«Ухудшение погодных условий. Все номера автомобилей в снегу.… Но наши приложения по прогнозу погоды...»
Это неправда, что можно предсказать, снег в России по определению всегда выпадает внезапно, даже зимой.
История вторая:
«Но сегодня персонализация вышла на новый уровень и решает вопросы кому, какое, а главное, в
какой момент, по какому каналу связи и как сделать предложение.»
На сегодня уже главное кто даст рекомендацию вашему каналу и вашей информации в нужное время и в нужном месте
Исторя третья:
«как одет сотрудник при входе на объект, и открывать турникеты только в случае присутствия у
работника необходимой экипировки»
Тоже не самое ценное — контроль касок и униформы. Самый эффективный способ — профилактика. Особенно здоровья.
Если каску не надел неумный сотрудник, он и пострадает, а если внезапный инфаркт у машиниста поезда, то могут погибнуть многие невинные и непричастные. Но машинист будет в каске!
История четвертая
Есть еще одно прекрасное и перспективное место применения цифрового двойника — служба поддержки. Например у сотового оператора. И не нужно много денег на создание цифрового двойника телефона, но обслуживание будет на порядок качественнее и продуктивнее, по части информации от обратившегося можно точно определить его проблему и выдать нужное и полезное решение.
Исторя пятая
никакой блокчейн не защитит от воровста
Блог ods.ai на habr.com посчитали в ods? Тут десятки тысяч просмотров
Если водитель не готов (неважно сам или автомобиль) и Яндекс его отстраняет от заказов, то совсем не обязательно это станет убытком Яндекса, просто заказ получит другой водитель Яндекса и комиссия останется такой же.
На доходы компании эта супер система не особо то и влияет
станет константой?
И что значит, что шум слишком простой?
применение любой нетривиальной функции к случайной последовательности выдаст тоже случайную последовательность (возможно с другими характеристиками), как MaxPooling «избавится» от случайности?
Сидит оператор за пультом и смотрит на приборы и есть еще программка, которая тоже на эти приборы, и возможно еще какие-то, смотрит.
У оператора есть громадная таблица в виде: -если стрелка этого осциллографа качнулась влево, то вон ту ручку крути вправо и если вот та лампочка зажгласть — крути вот этот вентиль три раза влево. Или когда вот этот датчик загорится синим — подсыпь в домну 100 грамм из вон той мензурки.
И оператор не выбирает сам раздел из этой книги — ему конкретную таблицу из всей этой громадной книги приносит технолог.
Т.е. технолог получает задание сварить сталь «А», достает соответствующую таблицу, лаборант меряет состав того что привезли в сырье и технолог дает команду приготовить нужные компоненты и дает компанду на пуск процесса выдав оператору нужную таблицу — что, когда и как ему нажимать и крутить.
Теперь вопрос
меняет ли Zyfra содержимое этих таблиц? т.е. при синей лампочке лить не 100 грамм, а 98 и так возникает экономия?
Как Zyfra проводит анализ этой информации? Вопрос выше.
Про сказки, как операторы на рабочем месте в помощью калькулятора быстро находят решения нестационарных уравнений Навье–Стокса в естественных переменных и начинают крутить правильно вентили — расцениваю как шутку.
Как следует из цитаты
есть и другой вариант — сначала оператор варит сталь «А» по соответствующей таблице, потом читает рекомендации Zyfra меняет таблицу и начинает варить сталь «Б» и крутит вентили и сыпет добавки в другом порядке, а потом опомнившись, начинает опять варить сталь «А» и в результате получается сталь «АБ» или может «БА», но точно лучше и выгоднее.
Как то вот такой вот вывод из Вашего поста и комментов.
— как происходит аугментация трейна?
Попробуйте ответить конкретно и без лирики/физики
Если предложенный режим не описан в технологии — это и есть нарушение. Технология выплавки это вам не опенсорс, там нельзя просто так внести изменения.
Если требуемый режим указан в технологии и рабочий у станка им не пользуется — причем тут AI, ИИ, машинное обучение и прочие умные слова?
И по O&G — есть утвержденная технологическая схема и у нее есть авторы и она утверждена в ГКЗ, Росприроднадзоре и Ростехнадзоре и как вы вносите в нее изменения?
ТОлкаете нефтяников на преступление или в ваших рекомендациях нет ничего существенного и их не нужно вносить в техсхему и защищать?
Предложение нарушить технологию и получить профит напоминает мне предложение переходить улицу на красный свет — если последний год на этом светофоре никого не задавили, то ваш AI будет советовать игнорировать этот светофор.
И еще — если оператор послушал совета — нарушил технологию и тут беда, авария, трагедия — будет ли Zyfra отвечать за свои советы? Или как в СССР были такие — за всё переживают, но ни за что не отвечают- назывались «замполит».
И по O&G тоже сомнения — там всегда можно локально снизить давление в НКТ и получить прибавку дебита, но после обязательно спад или ремонт. Т.е. профит и доля Zyfra за счет качества скважины?
Математики, физики, химии нет.
«И после посещения этой лаборатории совершенно не удивляешься новостям о запуске с МКС созданных учащимися “Сириуса” и проверенных на этом самом оборудовании настоящих спутников.»
Они их из глины что ли делают?
Так вот что бы эту наработку рассчитать нужно создать методику, доказать её эффективность, после построить стенды и на них провести несколько лет испытаний, а можно украсть результаты и верить, что украденное верно.
Вот двигатели ракетные Америке поставляют и не особо боятся, что те их воспроизведут. Просто нужно провести весь цикл испытаний, даже если ты сделал что то похожее на русский ракетный двигатель.
Так и Маск никаких серьезных испытаний не проводил, никаких стендов у него нет.
Он талантливо воспроизвел по добытым правдами и неправдами чертежам двигатели и ракеты, молодец.
Маск отличный организатор, на грани, но у него получается.
Что бы он натворил, если бы вместо Рогозина его назначили! ))