Цель статьи была довольно кратко показать возможность возникновения из простых правил сложного поведения и пробудить интерес к теме. Постараюсь написать продолжение про адаптивные сложные системы, где будут и нейронные сети и «много всего еще» :)
Здесь речь не об оценке сложности классических алгоритмов.
Если у вас есть нейронная сеть из 1 миллиона одинаковых нейронов, каждый из которых потенциально может быть взвешенно связан со всеми остальными нейронами и при этом система демонстрирует сложное адаптивное поведение, то как тут полезно применять классические методы оценки? Здесь сложность — явление другого порядка.
Боюсь, я недостаточно компетентен, чтобы обсуждать фундаментальные достижения в физике и химии. Могу лишь рекомендовать посмотреть видео вселенная как клеточный автомат в ссылках к статье. Я не могу оценить её валидность, как человек довольно далекий от серьезной физики, но модель мне нравится, т.к. обещает разрешить давний спор Энштейна и Бора о том, почему и как «Бог играет в кости».
В информатике — это конечно генетические алгоритмы и ИИ. Мозг человека и мухи состоит из одних и тех же нейронов, однако количество и способ связи базовых элементов дают качественный скачок (в теории :))
И да… это действительно походит на теорию всего, потому что пытается соединить воедино знание, разделенное на части разными науками. Анализ и синтез, взаимодополнение и обогащение.
Теория сложности шире и включает в себя теорию хаоса. Просто по моим наблюдениям в русскоязычной литературе различные топики этой теории изучаются отдельно, в то время как в америке еще в 1983 году был создан целый институт (http://spkurdyumov.narod.ru/chrnavii.htm) Он делает упор на междисциплинарный подход в науке, стремясь найти наилучшие обобщения.
А факт в том, что предмет физики, химии, социологии и экономики представляет собой распределенную систему, состоящую из довольно простых агентов. И суть в том, чтобы найти модели, на основе которых можно объяснить, как поведение простых агентов рождает сложные системные эффекты на уровне целого.
А эффект бабочки для Вас недостаточно математически обоснован? :)
Просто мир немного другой, чем вы о нем думаете… примите его таким и будет легче к нему адаптироваться :)
>> научившись восстанавливать формулы по графикам, нобелевки и не нужно — на бирже столько заработаешь, что сможешь основать премию имени себя
Сомневаюсь, что это возможно в принципе. И сомнение моё упирается в пример с Logistc Map из статьи. Невозможно остановить мир и померять намерения каждого участника рынка с достаточной точностью, чтобы не получить эффект бабочки на следующем же шаге.
Некоторые закономерности в поведении рынка все же есть — и они изучаются в техническом анализе. Там полно фигур и моделей, которые можно изучать до старости… лишь бы денег хватило на экперименты на рынке :)
Спасибо за хорошие вопросы. Сложность сама по себе многоаспектное явление и как обычно бывает в таких случаях ей дают много формальных определений и способов измерения. Но я бы навскидку сказал, что большинство из них обращается к понятию энтропии.
Существует также методология измерения сложности путем поиска минимально короткой программы, которая порождает полное описание некоторого сложного поведения. Это к Вашему последнему вопросу.
А поиск такого алгоритма как правило осуществляется генетическими эволюционными алгоритмами, которые также входят в набор моделей теории сложности. Надо будет раскрыть тему в следующей статье :)
Цель статьи была довольно кратко показать возможность возникновения из простых правил сложного поведения и пробудить интерес к теме. Постараюсь написать продолжение про адаптивные сложные системы, где будут и нейронные сети и «много всего еще» :)
Если у вас есть нейронная сеть из 1 миллиона одинаковых нейронов, каждый из которых потенциально может быть взвешенно связан со всеми остальными нейронами и при этом система демонстрирует сложное адаптивное поведение, то как тут полезно применять классические методы оценки? Здесь сложность — явление другого порядка.
В информатике — это конечно генетические алгоритмы и ИИ. Мозг человека и мухи состоит из одних и тех же нейронов, однако количество и способ связи базовых элементов дают качественный скачок (в теории :))
И да… это действительно походит на теорию всего, потому что пытается соединить воедино знание, разделенное на части разными науками. Анализ и синтез, взаимодополнение и обогащение.
А факт в том, что предмет физики, химии, социологии и экономики представляет собой распределенную систему, состоящую из довольно простых агентов. И суть в том, чтобы найти модели, на основе которых можно объяснить, как поведение простых агентов рождает сложные системные эффекты на уровне целого.
Просто мир немного другой, чем вы о нем думаете… примите его таким и будет легче к нему адаптироваться :)
Сомневаюсь, что это возможно в принципе. И сомнение моё упирается в пример с Logistc Map из статьи. Невозможно остановить мир и померять намерения каждого участника рынка с достаточной точностью, чтобы не получить эффект бабочки на следующем же шаге.
Некоторые закономерности в поведении рынка все же есть — и они изучаются в техническом анализе. Там полно фигур и моделей, которые можно изучать до старости… лишь бы денег хватило на экперименты на рынке :)
Существует также методология измерения сложности путем поиска минимально короткой программы, которая порождает полное описание некоторого сложного поведения. Это к Вашему последнему вопросу.
А поиск такого алгоритма как правило осуществляется генетическими эволюционными алгоритмами, которые также входят в набор моделей теории сложности. Надо будет раскрыть тему в следующей статье :)