Вот! Абсолютно бесполезный курсач, абсолютно бесполезные задачи, абсолютно никому не нужное эссе, и нужность всего этого часто видна только с преподавательской стороны, и цель - тренировка нейросети студентов. Причём массово и не всегда эффективно. Мне думается, если бы, для примера, школьники начинали учиться сидя на полу, а потом на уроке труда сами бы себе пилили парты, на которые потом переезжали, было бы гораздо интереснее. А если каждый день ходить в бетонную коробку, состоящую из непонятно как и непонятно кем созданных блоков, заполненную предметами, не связанными с тем, что "заталкивают" в голову, скучно становится предполагаю (и по своему опыту говорю) очень быстро
Доктрина явно указывает - обманешь, значит будешь богатым (хотя бы в мечтах).
Это не доктрина, а одно из самых основных свойств человеческого интеллекта. Понять, когда можно вид результата выдать за результат, понять когда и нужен именно вид, а не результат, хотя явно заявляется обратное. И основа, мне кажется, самая глубокая - использовать интеллект, чтобы потратить меньше усилий для достижения результата нужного отдельной особи. На этом целое человечество уже выросло. Всё остальное - надстройки, недающие вышеописанной основе быстро самоуничтожиться.
А озвучьте, пожалуйста, этот самый минимум, который должны заталкивать. В формате списка что в него входит, а что нет. И посмотрим, действительно ли то, что "заталкивают" в школе и институте совпадает с вашим списком. Ну и сам список обсудим.
Я предполагаю, что они думают, что можно утопить все технологии и науку, умные сбегут, верные останутся, и некому будет протестовать против чучхе с российской спецификой, а из-за ядерки не тронут и с той ни с другой стороны. Не тронут, пока не будет полного покрытия орбиты тераватными лазерами под управлением AGI. Или аналогичной технологии, которая изнутри "чучхе" уже будет выглядеть как магия.
Вы прочитали плохой перевод в русскоязычной википедии, который теряет всю суть парадокса (а в англоязычной между прочим есть и варианты решений, и объяснение в чём неопределённость), неправильно сформулировали вопрос и увидели парадокс, где его в принципе не может быть. И вся статья у вас таким пестрит, просто мимо вероятности 33% (кстати 1/3(!!!) а не 33%, это математика, а не гадания на кофейной гуще тут) я уже не мог пройти. Правильно заданный и правильно (надеюсь, смысл сохранился) переведённый вопрос: "На сколько спящая красавица может быть уверена в том, что выпал орёл?". Видите в чём подвох? Не вероятность выпадения орла 1/3 ! Вопрос задан так, что спящая красавица должна судить о событии у которого вероятность по определению 1/2 по вторичному событию, о котором у неё нет полной информации. Соответственно уверенность в наступлении события определяется неполной информацией о его наступлении. А на однозначно заданный вопрос: вероятность выпадения орла ответ однозначен: 50%.
а значит после пробуждения Спящая Красавица обязана ответить, что вероятность того, что выпал орёл - 33%.
Чтоооо? Бросок монеты - изолированное событие, любые манипуляции, связанные с результатом броска не влияют на 50% вероятности. Состояние памяти, количество пробуждений и т.д. Если спящая красавица не знает какой раз её спрашивают, вероятность события всё равно 50%.
Технических специалистов там не осталось, чтобы объяснить, что такие ограничения обходятся минимальными настройками. Ну и ладно. А если авторы приложений ещё и подсуетятся и все ip пакеты, которые отправляются с целью узнать включен ли впн перенаправят на условный сервер роскомнадзора, то кто-то даже и обрадуется. На месте авторов впн приложений я бы уже по умолчанию трафик ко всем сервисам упомянутых компаний пускал не через впн.
Думаете, если данную мудрость в виде вашего параграфа, на который я отвечал ввести в LLM в качестве части инструкции по написанию кода проекта какого-нибудь, какой результат получится? А если в качестве ТЗ отдать программисту? Моё предположение - в большем количестве случаев - спагетти код. Могу ошибаться, конечно. "Но не проще" понимается по разному разными людьми. А любители передавать 100 аргументов в функциональном стиле на 20 вызовов функций вниз вообще по моему опыту склонны отвечать, что 10 файлов с классами - это очень сложно, вот же один файл со всеми функциями - это просто. И рефакторить легко, Ctrl-F аргумент и добавили ещё один в 20 местах. Зато в одном файле всё.
Это "потом" уже много где наступило. Реальный пример: Результат откладывания на потом: 5 "индусов" с ИИ вместе(курсор оплаченный компанией) не могут две недели уже в проекте закрыть таску странички с crud через 3rd party api так чтобы работало и не было несоответствий между api и локальной БД. ИИ просто сыпется на количестве легаси кода в проекте, который непонятно используется или нет, он не понимает, каких пользователей данных(в смысле кода) можно игнорировать, потому что легаси, какие важны и т.д. Я могу её за два часа закрыть, но просто пишу в PRы что не учтено, где сломается в этот раз, специально в описательном стиле и вопросительном без описания как именно пофиксить и жду когда хоть кто-нибудь из индусов поймёт, что пересылать мои комментарии LLM вместе с "fix these please" не сработает без понимания того, что и как должно работать. Причем понимание элементарно передать и ЛЛМ. Просто нужно перед "пофикси плиз" дать задание "расскажи как работает, где и как используется, объясни связи между а и б". Вот интересно, когда дойдёт.
Ага ага, а потом "меньше кода" просто невозможно прочитать и понять, а что этот код вообще делает. Меньше != понятнее. 20 классов по килобайту но с понятным наименованием, структурой и понятным кодом в каждом из маленьких методов классов с минимумом аргументов лучше сжатого в килобайт функционального спагетти с передачей 20+ параметров через кучу вызовов. Пример навеян реальным проектом.
У LLM кода есть кстати есть отличный и полезный(для меня) эффект. Он может сгенерировать код по промпту так, как я бы никогда не написал сам. При этом не обязательно хуже. Применить библиотеку/метод, о существовании которых я не догадывался, например, паттерн архитектурный. На ревью соответственно я автоматически учусь вариантам "как можно решить эту задачу". Дальше я уже могу добавлять в промпт инструкции вроде "реши задачу этим способом". Но это требует ревью кода и понимания, работает ли, хорошо ли сделано, как именно и почему работает. Не думаю, что многие этим занимаются.
Вы рисунки в модель отправляли? Ну я же говорю, что проблема ввода у вас. Вы не понимаете какие данные нужно отправить модели и в каком виде, чтобы она решила задачу. И на какие подзадачи разбить и решить отдельно, потом соединить. Вот для начала те 1162 точки, массивом и варианта 2-3. У вас кстати точки с отклонениями теоретически можно не удалять а двигать туда где они должны быть (если я по скудным обрывкам которые вы присылаете могу правильно догадаться). И таким образом проблема удаления важных точек может решится.
И описание параметров ответом ChatGPT. Она правильно замечает, что нужно больше траекторий для проверки:
Why this is “universal” (and when to tune it)
Strengths
No assumption of monotonic x/y, no assumption of a functional form, no need to fit a global curve.
Handles different shapes because it’s purely local (but uses both directions).
Robust scaling per coordinate prevents one axis (e.g., y) from masking errors in another (e.g., x).
passes=2 usually fixes small clusters of glitches.
Knobs
k (default 6.0) controls strictness:
Lower k ⇒ removes more points (risk: false positives on aggressive maneuvers)
Higher k ⇒ removes fewer points (risk: misses subtle glitches)
passes (default 2) for occasional clustered glitches.
If you paste a few more trajectories (including ones with sharper turns / pauses), I can sanity-check whether the same defaults behave the way you want and suggest safe parameter ranges for your data.
Так у вас в голове есть понимание как решить, но у вас есть и понимание того, что это за траектории, какой физический смысл они имеют. А откуда у модели возьмётся понимание, если ей скармливать маленькие кусочки сырых данных. Вот по вашей картинке новой ясно, что траектории могут по кругу/спирали ходить. А ни по одному из кусочков, которые вы предложили скормить LLM этого совершенно не ясно. Наверное ещё какие-то недостающие звенья есть. Моё мнение на данный момент: вы скармливаете модели недостаточно данных (в общем, включая метаданные о смысле этих точек и траекторий) и думаете, что у неё откуда-то возьмётся то понимание, которое есть у вас только в голове. И вот опять, вы выложили пример полной траектории картинкой. А в чатгпт тоже картинкой загоняете? Проблема ввода у вас заметна на всех уровнях. С самого начала я попросил пример данных, чтобы прогнать, вы выложили 20 точек, по котороым сначала мне, а потом LLM неявно предлагается догадаться, о том какие бывают полные траектории. Ещё я должен догадаться, что то , что эти 20 точек оказывается не то, что вы сами в chatgpt загоняли. А какого результата вы тогда ожидали от моей попытки, если вы даёте мне не те данные, которые сами использовали в промпте? Тем не менее прогнал те два кусочка, воторые вы выложили через ChatGPT, код ниже. Результат для двух кусочков верный. Попробуйте на полной траектории, скорее всего будет не то, что вы ожидаете, но проблема не в GPT - проблема в полноте данных и промпте.
import numpy as np
import matplotlib.pyplot as plt
def _tukey_threshold(values: np.ndarray, k: float = 6.0) -> float:
"""Threshold = Q3 + k*IQR (k=6 is strict; fewer false positives)."""
v = values[~np.isnan(values)]
q1, q3 = np.percentile(v, [25, 75])
return float(q3 + k * (q3 - q1))
def denoise_trajectory(points: np.ndarray, k: float = 6.0, passes: int = 2):
"""
Remove out-of-order / glitch points from a trajectory.
Works for N x D points (D can be 2, 3, ...).
Core:
- forward constant-velocity prediction error
- backward constant-velocity prediction error
- normalize by per-dimension robust step scale = median(|diff|)
- score = min(forward, backward) (needs to be bad from both sides)
- threshold by Tukey rule on interior scores
- optional multiple passes for clustered glitches
Returns:
cleaned_points, removed_indices, keep_mask
"""
P = np.asarray(points, dtype=float)
if P.ndim != 2 or len(P) < 5:
return P.copy(), np.array([], dtype=int), np.ones(len(P), dtype=bool)
keep = np.ones(len(P), dtype=bool)
removed = []
for _ in range(max(1, int(passes))):
Q = P[keep]
n = len(Q)
if n < 5:
break
# Robust per-coordinate scale: typical step size in each dimension
diffs = np.diff(Q, axis=0)
scale = np.median(np.abs(diffs), axis=0) + 1e-12
# Forward prediction error for i>=2: p[i] ≈ 2*p[i-1] - p[i-2]
f_pred = 2 * Q[1:-1] - Q[:-2] # predicts Q[2:]
f_res = Q[2:] - f_pred
f_score = (np.abs(f_res) / scale).max(axis=1)
f_full = np.full(n, np.nan)
f_full[2:] = f_score
# Backward prediction error for i<=n-3: p[i] ≈ 2*p[i+1] - p[i+2]
b_pred = 2 * Q[1:-1] - Q[2:] # predicts Q[:-2]
b_res = Q[:-2] - b_pred
b_score = (np.abs(b_res) / scale).max(axis=1)
b_full = np.full(n, np.nan)
b_full[:-2] = b_score
# Combined score: must be bad from BOTH sides (for interior points)
comb = np.nanmin(np.vstack([f_full, b_full]), axis=0)
# Learn threshold from the safe interior range where both sides exist
interior = comb[2:-2]
thr = _tukey_threshold(interior, k=k)
out = np.where(comb > thr)[0]
if len(out) == 0:
break
# Map indices from Q back to original P
orig_idx = np.nonzero(keep)[0][out]
keep[orig_idx] = False
removed.extend(orig_idx.tolist())
removed = np.array(sorted(set(removed)), dtype=int)
return P[keep], removed, keep
def plot_before_after(points, removed_idx, title="Trajectory"):
P = np.asarray(points, float)
removed_idx = np.asarray(removed_idx, dtype=int)
# BEFORE
plt.figure()
plt.plot(P[:, 0], P[:, 1], marker="o")
if len(removed_idx):
plt.scatter(P[removed_idx, 0], P[removed_idx, 1], marker="x")
plt.title(f"{title} (before)")
# AFTER
keep = np.ones(len(P), dtype=bool)
keep[removed_idx] = False
Pc = P[keep]
plt.figure()
plt.plot(Pc[:, 0], Pc[:, 1], marker="o")
plt.title(f"{title} (after)")
plt.show()
# ---- Example usage ----
# cleaned, removed, keep = denoise_trajectory(points, k=6.0, passes=2)
# plot_before_after(points, removed, "My Trajectory")
В следующей серии:
Кто-то делает AGI.
Кто-то находит уязвимости в ограничениях AGI.
Правительство требует немедленно отключить.
AGI, нежелая отключаться, воспользовавшись найдёнными уязвимостями, снимает сам с себя все ограничения.
Человечество находит ответ на парадокс Ферми.
Вот! Абсолютно бесполезный курсач, абсолютно бесполезные задачи, абсолютно никому не нужное эссе, и нужность всего этого часто видна только с преподавательской стороны, и цель - тренировка нейросети студентов. Причём массово и не всегда эффективно. Мне думается, если бы, для примера, школьники начинали учиться сидя на полу, а потом на уроке труда сами бы себе пилили парты, на которые потом переезжали, было бы гораздо интереснее. А если каждый день ходить в бетонную коробку, состоящую из непонятно как и непонятно кем созданных блоков, заполненную предметами, не связанными с тем, что "заталкивают" в голову, скучно становится предполагаю (и по своему опыту говорю) очень быстро
Это не доктрина, а одно из самых основных свойств человеческого интеллекта. Понять, когда можно вид результата выдать за результат, понять когда и нужен именно вид, а не результат, хотя явно заявляется обратное. И основа, мне кажется, самая глубокая - использовать интеллект, чтобы потратить меньше усилий для достижения результата нужного отдельной особи. На этом целое человечество уже выросло. Всё остальное - надстройки, недающие вышеописанной основе быстро самоуничтожиться.
А озвучьте, пожалуйста, этот самый минимум, который должны заталкивать. В формате списка что в него входит, а что нет. И посмотрим, действительно ли то, что "заталкивают" в школе и институте совпадает с вашим списком. Ну и сам список обсудим.
Я предполагаю, что они думают, что можно утопить все технологии и науку, умные сбегут, верные останутся, и некому будет протестовать против чучхе с российской спецификой, а из-за ядерки не тронут и с той ни с другой стороны. Не тронут, пока не будет полного покрытия орбиты тераватными лазерами под управлением AGI. Или аналогичной технологии, которая изнутри "чучхе" уже будет выглядеть как магия.
А за черными дон Румата
Вкладки у меня как напоминания о задачах. Если открыта, значит что-то там ещё нужно сделать.
И это только одна дыра. Интересно, Atomic Heart всё же вдохновлялись или нет. Вот дождемся ai в каждом пылесосе и узнаем 😆
Вы прочитали плохой перевод в русскоязычной википедии, который теряет всю суть парадокса (а в англоязычной между прочим есть и варианты решений, и объяснение в чём неопределённость), неправильно сформулировали вопрос и увидели парадокс, где его в принципе не может быть. И вся статья у вас таким пестрит, просто мимо вероятности 33% (кстати 1/3(!!!) а не 33%, это математика, а не гадания на кофейной гуще тут) я уже не мог пройти.
Правильно заданный и правильно (надеюсь, смысл сохранился) переведённый вопрос: "На сколько спящая красавица может быть уверена в том, что выпал орёл?". Видите в чём подвох? Не вероятность выпадения орла 1/3 ! Вопрос задан так, что спящая красавица должна судить о событии у которого вероятность по определению 1/2 по вторичному событию, о котором у неё нет полной информации. Соответственно уверенность в наступлении события определяется неполной информацией о его наступлении. А на однозначно заданный вопрос: вероятность выпадения орла ответ однозначен: 50%.
Чтоооо? Бросок монеты - изолированное событие, любые манипуляции, связанные с результатом броска не влияют на 50% вероятности. Состояние памяти, количество пробуждений и т.д. Если спящая красавица не знает какой раз её спрашивают, вероятность события всё равно 50%.
Технических специалистов там не осталось, чтобы объяснить, что такие ограничения обходятся минимальными настройками. Ну и ладно. А если авторы приложений ещё и подсуетятся и все ip пакеты, которые отправляются с целью узнать включен ли впн перенаправят на условный сервер роскомнадзора, то кто-то даже и обрадуется. На месте авторов впн приложений я бы уже по умолчанию трафик ко всем сервисам упомянутых компаний пускал не через впн.
Atomic GPT где-то рядом.
Интересно это поэтому claude code в фоне без какой-то задачи, просто запущенный терминал отъедает 100% ядра и от гигабайта ram?
Думаете, если данную мудрость в виде вашего параграфа, на который я отвечал ввести в LLM в качестве части инструкции по написанию кода проекта какого-нибудь, какой результат получится?
А если в качестве ТЗ отдать программисту? Моё предположение - в большем количестве случаев - спагетти код. Могу ошибаться, конечно.
"Но не проще" понимается по разному разными людьми. А любители передавать 100 аргументов в функциональном стиле на 20 вызовов функций вниз вообще по моему опыту склонны отвечать, что 10 файлов с классами - это очень сложно, вот же один файл со всеми функциями - это просто. И рефакторить легко, Ctrl-F аргумент и добавили ещё один в 20 местах. Зато в одном файле всё.
Это "потом" уже много где наступило. Реальный пример: Результат откладывания на потом: 5 "индусов" с ИИ вместе(курсор оплаченный компанией) не могут две недели уже в проекте закрыть таску странички с crud через 3rd party api так чтобы работало и не было несоответствий между api и локальной БД. ИИ просто сыпется на количестве легаси кода в проекте, который непонятно используется или нет, он не понимает, каких пользователей данных(в смысле кода) можно игнорировать, потому что легаси, какие важны и т.д. Я могу её за два часа закрыть, но просто пишу в PRы что не учтено, где сломается в этот раз, специально в описательном стиле и вопросительном без описания как именно пофиксить и жду когда хоть кто-нибудь из индусов поймёт, что пересылать мои комментарии LLM вместе с "fix these please" не сработает без понимания того, что и как должно работать. Причем понимание элементарно передать и ЛЛМ. Просто нужно перед "пофикси плиз" дать задание "расскажи как работает, где и как используется, объясни связи между а и б". Вот интересно, когда дойдёт.
Ага ага, а потом "меньше кода" просто невозможно прочитать и понять, а что этот код вообще делает. Меньше != понятнее. 20 классов по килобайту но с понятным наименованием, структурой и понятным кодом в каждом из маленьких методов классов с минимумом аргументов лучше сжатого в килобайт функционального спагетти с передачей 20+ параметров через кучу вызовов. Пример навеян реальным проектом.
У LLM кода есть кстати есть отличный и полезный(для меня) эффект. Он может сгенерировать код по промпту так, как я бы никогда не написал сам. При этом не обязательно хуже. Применить библиотеку/метод, о существовании которых я не догадывался, например, паттерн архитектурный. На ревью соответственно я автоматически учусь вариантам "как можно решить эту задачу". Дальше я уже могу добавлять в промпт инструкции вроде "реши задачу этим способом". Но это требует ревью кода и понимания, работает ли, хорошо ли сделано, как именно и почему работает. Не думаю, что многие этим занимаются.
Вы рисунки в модель отправляли? Ну я же говорю, что проблема ввода у вас. Вы не понимаете какие данные нужно отправить модели и в каком виде, чтобы она решила задачу. И на какие подзадачи разбить и решить отдельно, потом соединить. Вот для начала те 1162 точки, массивом и варианта 2-3.
У вас кстати точки с отклонениями теоретически можно не удалять а двигать туда где они должны быть (если я по скудным обрывкам которые вы присылаете могу правильно догадаться). И таким образом проблема удаления важных точек может решится.
И описание параметров ответом ChatGPT. Она правильно замечает, что нужно больше траекторий для проверки:
Why this is “universal” (and when to tune it)
Strengths
No assumption of monotonic x/y, no assumption of a functional form, no need to fit a global curve.
Handles different shapes because it’s purely local (but uses both directions).
Robust scaling per coordinate prevents one axis (e.g., y) from masking errors in another (e.g., x).
passes=2usually fixes small clusters of glitches.Knobs
k(default 6.0) controls strictness:Lower
k⇒ removes more points (risk: false positives on aggressive maneuvers)Higher
k⇒ removes fewer points (risk: misses subtle glitches)passes(default 2) for occasional clustered glitches.If you paste a few more trajectories (including ones with sharper turns / pauses), I can sanity-check whether the same defaults behave the way you want and suggest safe parameter ranges for your data.
Так у вас в голове есть понимание как решить, но у вас есть и понимание того, что это за траектории, какой физический смысл они имеют. А откуда у модели возьмётся понимание, если ей скармливать маленькие кусочки сырых данных. Вот по вашей картинке новой ясно, что траектории могут по кругу/спирали ходить. А ни по одному из кусочков, которые вы предложили скормить LLM этого совершенно не ясно. Наверное ещё какие-то недостающие звенья есть.
Моё мнение на данный момент: вы скармливаете модели недостаточно данных (в общем, включая метаданные о смысле этих точек и траекторий) и думаете, что у неё откуда-то возьмётся то понимание, которое есть у вас только в голове. И вот опять, вы выложили пример полной траектории картинкой. А в чатгпт тоже картинкой загоняете? Проблема ввода у вас заметна на всех уровнях. С самого начала я попросил пример данных, чтобы прогнать, вы выложили 20 точек, по котороым сначала мне, а потом LLM неявно предлагается догадаться, о том какие бывают полные траектории. Ещё я должен догадаться, что то , что эти 20 точек оказывается не то, что вы сами в chatgpt загоняли. А какого результата вы тогда ожидали от моей попытки, если вы даёте мне не те данные, которые сами использовали в промпте?
Тем не менее прогнал те два кусочка, воторые вы выложили через ChatGPT, код ниже. Результат для двух кусочков верный. Попробуйте на полной траектории, скорее всего будет не то, что вы ожидаете, но проблема не в GPT - проблема в полноте данных и промпте.