Животные – это платформы с очень ограниченной памятью, вычислительными способностями и возможностями модификаций. Разработчикам энимал-сцены приходится выдавать практически гениальные низкоуровневые алгоритмы. Правда, большое количество хардкода вызывает характерные проблемы с отсутствием проверки в экзотических условиях. Та же фильтрация входных данных делается очень и очень криво.


Уязвимость рекурсивных алгоритмов навигации муравья: спираль смерти

Не знаю, кто писал большую часть птиц, но я хочу обратить внимание на особенность, позволяющую провести инъекцию произвольного яйца в гнездо. Дело в том, что птица проверяет только расположение и количество яиц, но не их хэши. В 20% случаев кукушка, эксплуатирующая этот баг, может внести яйцо с сохранением контрольной суммы, чего вполне достаточно для повышения прав в гнезде.

Но пойдём далее. Я не знаю, кто разрабатывал архитектуру ящериц, но они бегают в одном процессе, а дышат в другом. При этом платформа не поддерживает многозадачность, поэтому костыль с максимальной длиной бега в 4-6 секунд просто эпичен.

В мае прошлого года сотрудники лаборатории глубокого обучения Гугла и учёные из двух американских университетов опубликовали исследование «Intriguing properties of neural networks». Статья о нём вольно пересказывалась здесь на Хабре, и само исследование также критиковалось специалистом из ABBYY.

Гугловцы в результате своих исследований разочаровались в способностях нейронов сети распутывать признаки входных данных и стали склоняться к мысли, что нейронные сети не распутывают семантически значимые признаки по отдельным структурным элементам, а хранят их во всей сети в целом как в голограмме. В нижней части иллюстрации к этой статье чёрно-белыми я привёл карты активации 29, 31 и 33-его нейронов сети, которую обучил рисовать картинку. То, что тушка птицы без головы и крыльев, изображаемая для примера 29-ым нейроном, покажется людям семантически значимым признаком гугловцы считают всего лишь ошибкой интерпретации наблюдателя.

В статье я на реальном примере постараюсь показать, что и в искусственных нейронных сетях распутанные признаки можно обнаружить. Постараюсь объяснить, почему гугловцы увидели то, что они увидели, а распутанных признаков увидеть не смогли, и покажу, где в сети скрываются семантически значимые признаки. Статья является популярной версией доклада, прочитанного на конференции «Нейроинформатика — 2015» в январе этого года. Наукообразную версию статьи можно будет почитать в материалах конференции.

В этой статье я познакомлю вас с появившимися в CSS3 единицами измерения vw, vh, vmin и vmax.

При работе с контрактами существует несколько неприятных вещей, которые приходится обходить. Например, не к ночи помянутый Liskov Substitution Principle, которого придерживаются разработчики Contracts.

Доброго времени суток!

История данного текста такова. Ребёнку задали задание запрограммировать btree. Я иногда ему помогаю. Решил, что это тривиально. Но попытки наскоком решить задачу успехом не увенчались. Поиски сколько-нибудь разумного описания и/или кода также были тщетны. Зачёт сын давно сдал, но мой параноидальный характер заставил меня решить задачу. Может кому-нибудь пригодится.

— А где газировка?

Я только что открыл холодильник на офисной кухне, озадаченные слова вырвались сами собой, потому что, к моей досаде, там не было напитков.

Со времён моей студенческой практики, каждая компания всегда предоставляла газировку. Газированные напитки — неотъемлемая часть технокультуры, особенно для программистов, работающих много часов подряд и поздно вечером.

После нескольких часов кодинга я всегда стараюсь взять перерыв и выпить баночку ледяной Diet Coke — или две, или три. Само собой, доза кофеина никогда не помешает.

Смущённый, я закрыл холодильник и спустился в кубикл к своему коллеге Фрэнку.

— Чувак, в холодильнике нет газировки. Что случилось?

Этот краткий информационный пост посвящен тем, кто интересуется визуализацией данных.
На сайте http://www.visual-literacy.org обнаружил сегодня очень любопытную интерактивную периодическую таблицу методов визуализации данных (по аналогии с периодической таблицей химических элементов Менделеева).



Каждый элемент в этой таблице интерактивен и при наведении указателя мыши показывает один определенный метод визуализации данных.
Например элемент «Mi» — представляет собой метод визуализации «Mindmap», в чем можно наглядно убедиться, если навести на него мышкой.
В общем рекомендую к ознакомлению.

Ссылка на таблицу

На сегодняшний день становится очевидным, что человеческий мозг имеет совершенно явные естественные ограничения и в основном работает, что называется «на всю катушку». Я рассматриваю сферу умственного труда естественно. Миф о том, что мозг использует лишь 10% своего потенциала это всего лишь миф. И, по всей видимости, тренировками и (или) медицинскими способами качество интеллекта можно поднять лишь весьма ограниченно. Современная наука все более сходится во мнении, что при текущем устройстве мозга мы не можем быть умнее, чем мы есть.

Продолжение.

Глава 1: Нейробиология и искусственный интеллект: часть первая — ликбез.
Глава 1.5: Нейробиология и искусственный интеллект: часть полуторная – новости от Blue Brain Project.
Глава 2: Нейробиология и искусственный интеллект: часть вторая – интеллект и представление информации в мозгу.


Рис. 1

Ну что же, прописные истины закончились. Теперь переходим к спорным вещам.
Не буду описывать, как важна память для любой системы процессинга информации. Однако с человеческой памятью все очень непросто. В принципе, мы выяснили, что есть сигналы, которые путешествуют по нейронам, есть возбуждающие и ингибирующие синапсы, которые контролируют прохождение сигналов, есть нейромодуляторы, которые изменяют восприимчивость синапсов к сигналам, но каким образом это все работает вместе, что в итоге получается осмысленная когнитивная деятельность? Далеко не факт, что если собрать такую систему с миллионами нейронов, она заработает адекватно, а не как, скажем, эпилептик.

Это дает повод спекулировать об альтернативных теориях сознания, в которых берут какой-нибудь малоизученный эффект и объявляют его панацеей. Одна из таких теорий была выдвинута Р. Пенроузом и С. Хамероффом – квантовая теория сознания, основанная на теоретических предпосылках к квантовому взаимодействию тубулиновых микротрубочек, составляющих цитоскелет нейронов. Если будут желающие, могу обсудить эту теорию в отдельной главе, а пока вернемся к более проверенным теориям.

Помните, в интернете, году этак в 2003, проходила картинка, в которой сообщалось, что неважно в каком порядке идут буквы в слове, лишь бы первая и последняя были на местах, а остально мозг сам скомпонует и вычленит смысл. Вот оригинальный текст:

По рзелульаттам илссеовадний одонго анлигйсокго унвиертисета, не иеемт занчнеия, в кокам пряокде рсапожолены бкувы в солве. Галвоне, чотбы преавя и пслоендяя бквуы блыи на мсете. Осатьлыне бкувы мгоут селдовтаь в плоонм бсепордяке, все-рвано ткест чтаитсея без побрелм. Пичрионй эгото ялвятеся то, что мы чиатем не кдаужю бкуву по отдльенотси, а все солво цликеом.

В английском варианте это звучало так:

Arocdnicg to rsceearch at Cmabrigde Uinervtisy, it deosn’t mttaer in waht oredr the ltteers in a wrod are, the olny iprmoatnt tihng is taht the frist and lsat ltteer are in the rghit pcale. The rset can be a toatl mses and you can sitll raed it wouthit pobelrm. Tihs is buseace the huamn mnid deos not raed ervey lteter by istlef, but the wrod as a wlohe.

Попытка поэкспериментировать с разными текстами показала, что с русским языком все не так безоблачно, как с английским и алгоритм эффективного и readable-перемешивания все-таки немного другой.

Эта статья продолжение Модель функционального разделения сознания и бессознательного. Введение. В ней мы лирически описали принципы перцептрона Розенблатта. И подняли проблему обучения от двух и более учителей. В этой статье проблема «двух и более учителей» не рассматривается, её мне достаточно сложно сформулировать технически на простых примерах (на сложных могу). Поэтому с этим будем разбираться возможно в следующей статье — если будет некоторый интерес.

В этой статье мы поговорим о сознании, но если желаете пропустить лирику (а специалистов она несколько напрягает, но хотелось чтобы поняли не только специалисты), то начинайте читать с раздела «Модель «Нулевого сознания» в Интеллектронике». Но лирика все же дает некоторые идеи о связи с такими фиктивными понятиями как сознание.

В последние время на хабре по теме ИИ начали появляться сильно легковесные статьи, это точнее даже не про ИИ, а про философию ИИ. Причем такую философию, которая не ставит НИ КАКИХ принципиальных вопросов перед исследователями. Ну, скажем так это просто трёп за жизнь. И что удивительно такие статьи набирают некоторое количество плюсов.

Какие статьи я имею введу? Дам только названия, без ссылок т.к. не рекомендую их читать (Еще одна попытка разобраться в проблеме искусственного интеллекта, О возможности ИИ к самопознанию и познанию создателя, Об эмоциях, программах и искусственном интеллекте, Искусственному интеллекту быть, Взгляд хорошо информированного скептика на искусственный интеллект)

Понятно, что такие статьи писали те кто даже близко не имеет соответствующего образования. Но не это главная причина появления подобных статей. Ведь они действительно публикуя такие статьи думают, что это может хоть как то направить исследователя, который имеет соответствующие образование. Я их разочарую — нет не направит, т.к. в статьях нет ни одной идеи куда. А происходит это (появление подобного трепа) от того, что им кажется, что исследователи сами не знают куда им развиваться. И это порой выглядит именно так. Даже в профессиональной среде ИИ-специалистов часто нет понимания какие задачи надо решать, нет так сказать «списка нерешенных ИИ-проблем», в отличии от математики. Книги часто содержат лишь методы решения задач, и практически ничего не говорят о задачах которые надо еще решить. Подрастающему поколению сложно поставить себе задачу, и они начинают фантазировать исходят только из слова «интеллект». Но все наверное забыли/(не знают?), что название «Искусственный интеллект» — это провокация, рекламный трюк — серьезные ученые не занимаются «сильным ИИ», и не потому, что его нельзя сделать, а потому как это не имеет технической постановки.

Здесь я дам отрефакторинную версию одной моей научно-популярной статьи 2006 года, которая как я думал стоит в том же ряду по смысловой нагрузке, как те которые выше я критиковал. Но теперь я все же вижу, что стилистика хоть и такая же, но за моей статьей может стоять (и стоит) четкая техническая постановка. О ней мы поговорим позже, а пока так сказать лирическое вступление. Но важно то, что я лирически подвожу к одной существенной нерешенной проблеме из области ИИ.

В системе патентов в США существует фундаментальная проблема.

Эта проблема — мы.

Под словом «мы» я имею в виду всех нас: компании и людей, которые напрямую взаимодействуют с патентной системой, СМИ, которые освещают эти взаимодействия, и, наконец, большое количество активных и шумных читателей, которым мы служим своими репортажами. И мы все вместе приняли общепринятую истину, что патентная система испорчена до непригодности, что она является лишь осколком прошлых времен, что она отжила свое в наш век стремительных технологических инноваций, особенно в области программного обеспечения, и что, возможно, ее стоит отправить в утиль.

За последние несколько месяцев эти мнения выросли до яростного вопля, так как патентная система начала негативно влиять на все больше и больше игроков в индустрии: небольшие разработчики стали целью судебных исков от компаний, которые ничего не делают и не производят; Apple, HTC и Samsung не могут сдвинуться места в судебных процессах, связанных с патентами; пара многомиллиардных аукционов по патентам вызвала к жизни неслыханную до селе словесную баталию между Microsoft'ом и Google'ом. Самые пламенные критики открыто заявляют, что любая польза, которую патентная система могла бы принести, сейчас полностью перекрывается издержками, что ресурсы, которые при прочих равных условиях были бы направлены на развитие новых идей теперь тратятся на чрезмерно усердную защиту старого.

Эти аргументы повторяются так часто и с такой уверенностью, что они стали практически аксиомой, риторическим и интеллектуальным обманом, который редко (если вообще) подвергается сомнению. Но это плохо и неверно — настолько, что ставит под удар любые реальные попытки реформирования системы. Шуметь и злиться — хороший способ привлечь к себе внимание, но ужасный способ чего-либо добиться, особенно если принять во внимание, что большинство бьющих себя в пяткой в грудь лишь повторяют упрощенную версию аргументов, которые повторялись в нашей стране еще со времен, когда Томаса Джефферсона назначили главой Управления патентов.

Так что давайте начнем с начала. Давайте посмотрим, как работает патентная система, где она особенно дает сбои, и как можно привести ее в порядок. Готовы? Поехали.

Я работаю в сфере IT 20 лет, последние 13 — в качестве руководителя проектов. Так получилось, что за это время я заслужил репутацию менеджера, эффективно работающего с программистами. Благодаря этому навыку я вошел в историю как один из трех величайших руководителей проектов и направлений – наряду с Николо Маккиавели и Стивом Джобсом.

Долгие годы я держал свои профессиональные секреты при себе. Но время пришло: сегодня я поделюсь с вами «Десятишаговой инструкцией по работе с программистами». Или, если ближе к сути, назовем ее так: «Как заставить программистов делать то, что вы хотите».

Взято отсюда специально для хабра. Возможно, в некоторых из ситуаций вы узнаете себя.

Когда я показываю босу, что окончательно пофиксил баг



Когда проджект-менеджер входит в офис

Область искусственного интеллекта (ИИ) зародилась в 50-х года прошлого столетия и вот уже 60 лет пребывает в тупике. Данный факт тяжело поддаётся объяснению по причине того, что за это время вычислительные мощности компьютеров увеличились на десятки порядков, но ни малейшего прогресса в области ИИ при этом не наблюдается. Вероятнее всего, причина этого заключается в неправильном методологическом подходе. В данной статье вашему вниманию будет представлена попытка забыть весь пройденный путь и переосмыслить всё заново. Но для начала хочу уточнить, что искусственный интеллект я буду рассматривать в широком смысле, то есть как жизнь на компьютерной основе.

Хочу предложить читателям философскую задачу на компьютерную тематику:
Предположим, что в вычислительной среде (построенной на современных принципах) существует искусственный разум. Некие алгоритмы, обладающие рефлексией и тягой к знаниям. Попробуем поразмыслить, как много эти алгоритмы могут узнать об окружающем мире и его устройстве?
Давайте придумаем чуть интереснее, чем простой анализ очевидных фактов типа конфигурации, объема памяти и т.д. Как человечество пытается сейчас вычислить основы мироздания весьма косвенным путём, сталкивая частицы, накапливая статистику о регистрируемых событиях и проверяя на этой статистике верность своих теорий, так и искусственный разум может проводить эксперименты, скажем, по нагреву процессора, определению рассеиваемой мощности и точки увеличения частоты возникновения ошибок при перегреве.

Например, может ли такой разум определить скорость света? Или материал процессора? Попробуем мыслить подобным образом, почувствуем себя физиками – наша задача изучить строение мира, находясь «внутри» этого мира.
upd: для полноты картины, находим место для религии и её формы.
upd2:в качестве примера, придумайте, как с помощью вычислений на процессоре подтвердить теорию корпускулярного строения вещества процессора?

Это моя вольная интерпретация накопленных на данный момент знаний как непосредственно из нейрофизиологии и смежных наук, так и при конструировании динамических нейросетей.

У мозга есть отдаленное сходство с машинами виртуализации. Например в том, что он способен симулировать в себе поведение окружающих динамических сущностей, начиная со своего обладателя. Его элементы идеально подходят для такой симуляции, как и элементы FPGA. И сама эта симуляция или отражение — происходит непрерывно и автоматически, по мере открытия «новых граней» объекта и в чем-то предвосхищая или прогнозируя их.

Недавно меня пригласили выступить на TEDx, я постарался популярно рассказать о современном положении дел в ИИ, и помимо этого изложил суть тех нейронных сетей, над которыми мы сейчас работаем (см. видео).



Поскольку доклад был сугубо популярный, никаких подробностей я там не представил, но модель обладает интересными свойствами, о которых я хочу рассказать детальнее.

Структура сети

За основу была взята широкоизвестная сеть Хопфилда, но в нее помимо основных связей от каждого нейрона к каждому (которые технически можно считать связями с задержкой в один такт), были добавлены дополнительные связи с задержками более 1го такта (практически исследовались задержки на 2-8 тактов).

В замечательном произведении Аркадия и Бориса Стругацких «Понедельник начинается в субботу» есть такой диалог:
– Голубчики, – сказал Фёдор Симеонович озабоченно, разобравшись в почерках. – Это же проблема Бен Бецалеля. Калиостро же доказал, что она не имеет решения.
– Мы сами знаем, что она не имеет решения, – сказал Хунта, немедленно ощетиниваясь. – Мы хотим знать, как её решать.
– Как-то странно ты рассуждаешь, Кристо… Как же искать решение, когда его нет? Бессмыслица какая-то…
– Извини, Теодор, но это ты очень странно рассуждаешь. Бессмыслица – искать решение, если оно и так есть. Речь идёт о том, как поступать с задачей, которая решения не имеет. Это глубоко принципиальный вопрос, который, как я вижу, тебе, прикладнику, к сожалению, не доступен.