Соглашусь, в статье много неточностей и ошибок. Например, в качестве различий приводятся одни и те же методы ИИ и МО: "ИИ использует нейросети, а МО, наоборот, использует нейросети".
Я бы скорее выразился так. Искусственный интеллект - это предметная область, а машинное обучение - набор подходов и методов для решения задач в области искусственного интеллекта. Хотя и это нестрогое определение.
Обычно, когда говорят про машинное обучение, имеют ввиду искусственный интеллект. И наоборот, когда говорят про искусственный интеллект, имеют ввиду машинное обучение. Те же экспертные системы можно уверенно считать машинным обучением, но только дедуктивным (задаются "общие" правила - знания эксперта - опираясь на которые машина рассуждает или принимает решение по "частному" случаю), в то время как "классическое" машинное обучение - индуктивное (на основе некоторого количества "частных" случаев строится "общее" правило, применимое к новым частным случаям).
На мой взгляд, некорректное сравнение. Google Colab - разве не web-обёртка для JupyterNotebook? Есть нативные веб-сервисы типа JupyterLab. Вот их и можно было сравнить с Colab. А десктоп-версия JupyterLab есть и в VS Code, и в PyCharm. Выглядит как сравнение: что лучше Git или GitHub...
По загрузке файлов в Colab. Можно загрузить файл во временное хранилище (в панели слева) и не мучиться с Google-диском, получив через контекстное меню (ПКМ по файлу в панели слева) относительный путь. Файл будет храниться до конца рабочей сессии. Это же есть и в JupyterLab.
Не совсем понятно, что иллюстрирует первая картинка. Скажите, суть статьи состоит в том, что Вы решаете дифференциальное уравнение через задачу аппроксимации? В заголовке тогда обозначен всего лишь один из этапов решения задачи. В тексте у Вас в качестве модели записана алгебраическая сумма двух экспонент. Верно ли то, что эта модель может аппроксимировать любую функцию, как указано в заголовке? А если нет, то есть ли у вас рекомендации: какую модель стоит выбрать и в каком случае?
Во всех работах (научных, научно-популярных статьях и пр.) принято вводить в начале (при первом употреблении) используемые сокращения, чтобы читатель мог понять автора, а не гадать. Это и помогло бы избежать лишних споров и комментариев, по объёму превышающих сам пост.
Есть готовые разработки - зачем САФУ изобретать велосипед?! Тот же Антиплагиат.ру, чьи разработчики - резиденты Сколково. За все вузы РФ не скажу, но знакомые мне - заключают договора и используют его. И в подобных сервисах обтекаемо может формулироваться "искусственность" текста, например, так, что сервис предоставляет справочную информацию, а далее необходимо дать итоговую оценку, экспертными методами. Антиплагиат, по-моему так и делает - см. на их оф.сайте раздел "Методология".
Такие системы как Антиплагиат.ру способны выявлять факт применения генеративных нейросетей при анализе текста, поэтому, я думаю, могут и количественно оценить объём такого текста по отношению к общему.
Подскажите, пожалуйста, а чем отличается "символьное программирование" от встречающихся терминов "символьные вычисления" и "символьная математика"? Если есть "символьное программирование" (реализующее символьные преобразования математических выражений), то можно ли тогда говорить о "численном программировании" (как реализующем численные методы решения уравнений, например)? Или это всё-таки способ вычислений, реализуемый в рамках какой-либо парадигмы программирования?
Судя по всему, дело у Вас не в региональных настройках, а в кодировке. Один ПК сохраняет в одной, а второй (или этот же) по умолчанию считывает в другой. Попробуйте на первом ПК сохранить в utf-кодировке и открыть на другом.
Соглашусь, в статье много неточностей и ошибок. Например, в качестве различий приводятся одни и те же методы ИИ и МО: "ИИ использует нейросети, а МО, наоборот, использует нейросети".
Я бы скорее выразился так. Искусственный интеллект - это предметная область, а машинное обучение - набор подходов и методов для решения задач в области искусственного интеллекта. Хотя и это нестрогое определение.
Обычно, когда говорят про машинное обучение, имеют ввиду искусственный интеллект. И наоборот, когда говорят про искусственный интеллект, имеют ввиду машинное обучение. Те же экспертные системы можно уверенно считать машинным обучением, но только дедуктивным (задаются "общие" правила - знания эксперта - опираясь на которые машина рассуждает или принимает решение по "частному" случаю), в то время как "классическое" машинное обучение - индуктивное (на основе некоторого количества "частных" случаев строится "общее" правило, применимое к новым частным случаям).
На мой взгляд, некорректное сравнение. Google Colab - разве не web-обёртка для JupyterNotebook? Есть нативные веб-сервисы типа JupyterLab. Вот их и можно было сравнить с Colab. А десктоп-версия JupyterLab есть и в VS Code, и в PyCharm. Выглядит как сравнение: что лучше Git или GitHub...
По загрузке файлов в Colab. Можно загрузить файл во временное хранилище (в панели слева) и не мучиться с Google-диском, получив через контекстное меню (ПКМ по файлу в панели слева) относительный путь. Файл будет храниться до конца рабочей сессии. Это же есть и в JupyterLab.
И почему же не можете? Discord же - продукт зарубежных разработчиков. И вот, получается, уже говорите.
Не совсем понятно, что иллюстрирует первая картинка.
Скажите, суть статьи состоит в том, что Вы решаете дифференциальное уравнение через задачу аппроксимации? В заголовке тогда обозначен всего лишь один из этапов решения задачи.
В тексте у Вас в качестве модели записана алгебраическая сумма двух экспонент. Верно ли то, что эта модель может аппроксимировать любую функцию, как указано в заголовке? А если нет, то есть ли у вас рекомендации: какую модель стоит выбрать и в каком случае?
Во всех работах (научных, научно-популярных статьях и пр.) принято вводить в начале (при первом употреблении) используемые сокращения, чтобы читатель мог понять автора, а не гадать. Это и помогло бы избежать лишних споров и комментариев, по объёму превышающих сам пост.
Есть готовые разработки - зачем САФУ изобретать велосипед?! Тот же Антиплагиат.ру, чьи разработчики - резиденты Сколково. За все вузы РФ не скажу, но знакомые мне - заключают договора и используют его. И в подобных сервисах обтекаемо может формулироваться "искусственность" текста, например, так, что сервис предоставляет справочную информацию, а далее необходимо дать итоговую оценку, экспертными методами. Антиплагиат, по-моему так и делает - см. на их оф.сайте раздел "Методология".
Такие системы как Антиплагиат.ру способны выявлять факт применения генеративных нейросетей при анализе текста, поэтому, я думаю, могут и количественно оценить объём такого текста по отношению к общему.
Подскажите, пожалуйста, а чем отличается "символьное программирование" от встречающихся терминов "символьные вычисления" и "символьная математика"? Если есть "символьное программирование" (реализующее символьные преобразования математических выражений), то можно ли тогда говорить о "численном программировании" (как реализующем численные методы решения уравнений, например)? Или это всё-таки способ вычислений, реализуемый в рамках какой-либо парадигмы программирования?
Судя по всему, дело у Вас не в региональных настройках, а в кодировке. Один ПК сохраняет в одной, а второй (или этот же) по умолчанию считывает в другой. Попробуйте на первом ПК сохранить в utf-кодировке и открыть на другом.