Думаю, что нет. Вы же про теорию струн, да? У теории струн проблема есть, мы её проверить пока никак не можем. Поэтому пока это только гипотеза и Нобеля за неё не дадут. Но надеюсь они доживут до подтверждения или опровержения.
Вот сам химик, хемоинформатик и нисколько не был удивлен. Фолдинг белков (больших молекул, макромолекул) это как-раз задача на стыке физики, химии и биологии и решение этой проблемы просто перевернуло мир хемо- и био- информатики. И перевернуло сразу же после выпуска софта.
Вот по физике конечно странно. Дали премию по физике за математику и computer science, а не за физику. И причины странные "использовали физические методы", да мало ли кто что использовал, таким Макаром можно и по биологии премию выдать. Заимствованные физические термины, например энергия, спины и тд. можно заменить на любые другие подходящие математические понятия и мат аппарат и суть работ от этого не изменится. Главное то, что они свои модели делали под аппроксимацию функций любой природы, а это уже абстракция. Абстракция это удел математиков, физики реальным миром занимаются.
p.s. Извиняюсь, хотел написать только про химию, но что-то меня понесло)
Есть конечно, reinforcement learning, это как-раз про самообучение.
Но вообще он имеет ввиду понятие технологической сингулярности, которая может произойти в будущем. Это утверждение, что когда мы создадим самообучающийся сильный ИИ, по разуму равный человеческому, то он начнёт саморазваться бешенными темпами и превратиться в сверхразум, который мы перестанем понимать и не сможем контролировать.
Есть конечно, reinforcement learning, это как-раз про самообучение.
Но вообще он имеет ввиду понятие технологической сингулярности, которая может произойти в будущем. Это утверждение, что когда мы создадим самообучающийся сильный ИИ, по разуму равный человеческому, то он начнёт саморазваться бешенными темпами и превратиться в сверхразум, который мы перестанем понимать и не сможем контролировать.
Да анти-физика есть и в тех видео, что нам показали. Есть момент, где на стройплощадке погрузчик задевает человека и при этом отпрыгивает сам погрузчик, а человек как стоял так и стоит)
Так МНК — это в основном метод решения задачи регрессии, а в задаче регрессии распределение только у ошибки (кроме errors-in-variables, про которые я написал отдельно). Мне контекст казался очевидным, сорри.
Дак у нас ведь датасет есть. В первую очередь на него смотришь, гистограммы строишь, когда речь о прикладном идёт, в этом дело)
Аа, ну дак вы правы получается, если распределение ошибки имели ввиду. Там, в большинстве случаев и правда пофиг.
Извиняюсь тогда за наезд)
Вы только уточняйте тогда, а то, слово "распределение" вне контекста, обычно подразумевает под собой распределение переменных. Ну, по крайней мере, в среде нас, "машинных обучателей", как вы выразились) на распределение ошибки ведь пофиг обычно.
И про лин рег. Вы не перестаёте постулировать, что зависимость линейная, даже если это не так. Просто берёте и применяете.
Вы зачем вообще трогаете распределение ошибки, когда речь про распределение таргета была?
Вам тут нужно функцию свою через экспоненцирование прогнать, а не ошибку.
А подход вообще стандартный, частенько используется. Как-то раз вообще свою функцию делал, чтобы сделать распределение максимально похожим на нормальное.
И насчёт машинных обучателей. Сам такой, хоть к элите себя и не отношу. Применяю машинное обучение для химии и квантовой механики. И я так не делаю, коллеги тоже. Хотя не знаю, что за статьи вы читали, алгоритмы разные есть, где-то критично, чтобы и зависимые, и независимые переменные были нормально распределены, где-то только зависимые, а где-то вообще неважно какое распределение.
Читал про случай с рентгеновским аппаратом, он не про смежные области, там не надо было универ по смежной специальности заканчивать. Там про плохой код, недостаточное тестирование и плохую архитектуру в целом.
Ну и что тогда? Ну будет оценка не наиболее эффективной по ряду теоретико-статистических критериев. Как я написал выше, на практике всем пофиг.
Что простите? А если оно прям совсем не нормальное?
К примеру, вы хотите обучить самую обычную линейную регрессию, а распределение таргета у вас экспоненциальное. Если не привести его к нормальному логарифмированием, то у вас вообще хорошая модель не получится.
И есть ещё 100500 методов, которые неявно предполагают нормальное распределение, а на других распределениях могут жёстко лажать. И чтобы это понять, нужно хоть немного разобраться в самом методе, а без пары вводных курсов линала и статистики у вас ничего не получится.
А не проще тест в обучающую выборку закинуть? Всё-равно ведь по сути тоже самое делаете.
Так, а чем это отличается от других диффузий для белков? Где бенчмарки?
Хм, а что не так с термином "гробы"?
Да у них даже код для PPO неправильный
В смысле? Дали ведь за AF2, а не AF3. AF2 это open source, весь код, модель, предсказания, всё доступно.
Да кто его знает, может кому-нибудь завтра в голову придёт гениальная мысль, как косвенно это проверить с имеющимися методами.
Думаю, что нет. Вы же про теорию струн, да? У теории струн проблема есть, мы её проверить пока никак не можем. Поэтому пока это только гипотеза и Нобеля за неё не дадут. Но надеюсь они доживут до подтверждения или опровержения.
Вот сам химик, хемоинформатик и нисколько не был удивлен. Фолдинг белков (больших молекул, макромолекул) это как-раз задача на стыке физики, химии и биологии и решение этой проблемы просто перевернуло мир хемо- и био- информатики. И перевернуло сразу же после выпуска софта.
Вот по физике конечно странно. Дали премию по физике за математику и computer science, а не за физику. И причины странные "использовали физические методы", да мало ли кто что использовал, таким Макаром можно и по биологии премию выдать. Заимствованные физические термины, например энергия, спины и тд. можно заменить на любые другие подходящие математические понятия и мат аппарат и суть работ от этого не изменится. Главное то, что они свои модели делали под аппроксимацию функций любой природы, а это уже абстракция. Абстракция это удел математиков, физики реальным миром занимаются.
p.s. Извиняюсь, хотел написать только про химию, но что-то меня понесло)
Есть конечно, reinforcement learning, это как-раз про самообучение.
Но вообще он имеет ввиду понятие технологической сингулярности, которая может произойти в будущем. Это утверждение, что когда мы создадим самообучающийся сильный ИИ, по разуму равный человеческому, то он начнёт саморазваться бешенными темпами и превратиться в сверхразум, который мы перестанем понимать и не сможем контролировать.
Тут подробнее можно почитать:
https://ru.m.wikipedia.org/wiki/%D0%A2%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F_%D1%81%D0%B8%D0%BD%D0%B3%D1%83%D0%BB%D1%8F%D1%80%D0%BD%D0%BE%D1%81%D1%82%D1%8C
Есть конечно, reinforcement learning, это как-раз про самообучение.
Но вообще он имеет ввиду понятие технологической сингулярности, которая может произойти в будущем. Это утверждение, что когда мы создадим самообучающийся сильный ИИ, по разуму равный человеческому, то он начнёт саморазваться бешенными темпами и превратиться в сверхразум, который мы перестанем понимать и не сможем контролировать.
Тут подробнее можно почитать:
https://ru.m.wikipedia.org/wiki/%D0%A2%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F_%D1%81%D0%B8%D0%BD%D0%B3%D1%83%D0%BB%D1%8F%D1%80%D0%BD%D0%BE%D1%81%D1%82%D1%8C
Вот вы шутки шутите, а в итоге вон как с докером оказалось, свинку подложили.
А кому они доступны будут? Надо будет какую-то заявку отправлять или что?
Да анти-физика есть и в тех видео, что нам показали. Есть момент, где на стройплощадке погрузчик задевает человека и при этом отпрыгивает сам погрузчик, а человек как стоял так и стоит)
Дак у нас ведь датасет есть. В первую очередь на него смотришь, гистограммы строишь, когда речь о прикладном идёт, в этом дело)
Аа, ну дак вы правы получается, если распределение ошибки имели ввиду. Там, в большинстве случаев и правда пофиг.
Извиняюсь тогда за наезд)
Вы только уточняйте тогда, а то, слово "распределение" вне контекста, обычно подразумевает под собой распределение переменных. Ну, по крайней мере, в среде нас, "машинных обучателей", как вы выразились) на распределение ошибки ведь пофиг обычно.
И про лин рег. Вы не перестаёте постулировать, что зависимость линейная, даже если это не так. Просто берёте и применяете.
:) Ну давайте ещё разок. Собсна, что простите??
Вы зачем вообще трогаете распределение ошибки, когда речь про распределение таргета была?
Вам тут нужно функцию свою через экспоненцирование прогнать, а не ошибку.
А подход вообще стандартный, частенько используется. Как-то раз вообще свою функцию делал, чтобы сделать распределение максимально похожим на нормальное.
И насчёт машинных обучателей. Сам такой, хоть к элите себя и не отношу. Применяю машинное обучение для химии и квантовой механики. И я так не делаю, коллеги тоже. Хотя не знаю, что за статьи вы читали, алгоритмы разные есть, где-то критично, чтобы и зависимые, и независимые переменные были нормально распределены, где-то только зависимые, а где-то вообще неважно какое распределение.
Читал про случай с рентгеновским аппаратом, он не про смежные области, там не надо было универ по смежной специальности заканчивать. Там про плохой код, недостаточное тестирование и плохую архитектуру в целом.
https://ru.wikipedia.org/wiki/Therac-25#%D0%97%D0%B0%D0%BC%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%BE%D1%88%D0%B8%D0%B1%D0%BA%D0%B8
Что простите? А если оно прям совсем не нормальное?
К примеру, вы хотите обучить самую обычную линейную регрессию, а распределение таргета у вас экспоненциальное. Если не привести его к нормальному логарифмированием, то у вас вообще хорошая модель не получится.
И есть ещё 100500 методов, которые неявно предполагают нормальное распределение, а на других распределениях могут жёстко лажать. И чтобы это понять, нужно хоть немного разобраться в самом методе, а без пары вводных курсов линала и статистики у вас ничего не получится.
Да это ещё ладно. Подумайте лучше вот о таком совпадении. Пи у нас это 3.14, а газовая постоянная R — 8.314.
Небольшое уточнение, с сырым сигналом мы работать конечно же может. CNN и трансформер для такого хорошо подходят.