Сейчас качество сравнения двух мордочек питомцев составляет 94% для собак и 84% — для кошек.
Модели первого этапа мы обучили на датасете из 140 тыс. фотографий
А теперь сравним с естественным интеллектом
5-6 летний ребенок с нормальным развитием даст качество сравнения практически 100%. Дайте ему фото кошки любой породы или собаки любой породы — "мяу-мяу" или "гав-гав" практически со 100% надежностью. Бодее того, покажи ему фото тигра, получим "большая кошка", даже если он впервые видит тигра.
Ну ладно, кошки более или менее похожи друг на друга. Но бульдог не очень похож на пуделя, а они оба на овчарку. Может, какой-то ребенок и засомневается, собака ли это (с волком спутать можно), но ни одну собаку за кошку ребенок не примет.
А теперь главное.
Сколько в своей жизни этот ребенок видел кошек и собак ? Живых — хорошо если пару десятков, возможно, что и меньше. Ну еще сколько-то на картинках, в фильмах и т.д. Тоже десятки, ну пусть сотню-две.
Но не 140 тысяч же!
И кстати, дайте ему мультик посмотреть — он и там Шарика и Матроскина отнесет совершенно точно. Интересно, что будет , если этому engine Матроскина подсунуть
Нет уж , господа. О распознавании с качеством естественного интеллекта говорить можно будет, если вы дадите этому ИИ 20-30 фотографий или видео, и он после этого запомнит раз и навсегда, как выглядят, скажем, лошади (кстати, возможно, ребенок живых лошадей никогда и не видел) и впредь с практически 100% надежностью будет их опознавать.
А сколько надо-то ? Живого дикобраза Вы, возможно, и не видели. Но покажи Вам 20-30 фото дикобразов — навсегда запомните, как они выглядят.
А 20-30 точно Вам нужно ? 2-3 не хватит ? А может, и одной достаточно ?
А вот как этот ребенок на столь малой выборке для обучения ухитряется получить почти 100% качество распознавания — вот на этот вопрос ответа я пока не вижу.
Но одно ясно — не теми методами, которые используются при обучении всех этих нейросетей и прочего ИИ.
И не уверен, что эти методы вообще алгоритмические.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Но не 140 тысяч же! PD>Но одно ясно — не теми методами, которые используются при обучении всех этих нейросетей и прочего ИИ.
Здесь ещё вопрос, что считать методами. Одно дело используемые для обучения алгоритмы. Другое дело получаемая для обработки информация. Если естественному мозгу дать 140 тысяч фото, но не разрешить при этом ни перемещаться в пространстве, ни рассматривать объекты с разных сторон, то может выйти так же плохо.
Фото может и 140 тысяч, но сколько кадров человек получил за свою жизнь прежде чем обрёл пространственное мышление. Я сейчас задал вопрос поисковику "сколько кадров в секунду видит человеческий глаз".
Согласно исследованиям, человеческий глаз способен воспринимать вплоть до 1000 кадров в секунду.
Это, конечно, не значит, что можно просмотреть 140 тысяч фото за 140 секунд, но явно показывает, что в обучении не всё так просто. Каждое смещение зрения меняет нервную сеть мозга.
А ещё есть вопрос понимания, почему один объект называется так, а другой иначе. Я эту тему рассматривал в топике про обучение карточками. Типы мышления формируются у людей постепенно от одного к другому.
Сначала люди могут мыслить только смотря на объекты. Потом они могут их воображать. Далее идёт способность описывать их словами, то есть символами и звуками. И в завершении кто-то может освоить абстракцию, например, классифицировать конкретный объект кошку, как общий вид всех объектов кошек.
Это долгий путь формирования мышления состоящий из множества этапов, а не так что, смотри это кошка, мозг человека рулит, а вот компьютер нет.
Здравствуйте, velkin, Вы писали:
V>Здесь ещё вопрос, что считать методами. Одно дело используемые для обучения алгоритмы. Другое дело получаемая для обработки информация. Если естественному мозгу дать 140 тысяч фото, но не разрешить при этом ни перемещаться в пространстве, ни рассматривать объекты с разных сторон, то может выйти так же плохо.
Пусть так. Не возражаю, если этот ИИ потребует 3-мерную модель кошки или просто видео кошки. Но пару десятков, и не больше.
V>Согласно исследованиям, человеческий глаз способен воспринимать вплоть до 1000 кадров в секунду.
Воспринимать-то он, возможно, и может, а вот получает хорошо если 1-2. Потому что за секунду мало что меняется, и мозг ловит только изменения. Это как с передачей , скажем, по RDP — там совсем не нужно посылать все 60 4К экранов за секунду, хватит пересылки отличий.
V>Это, конечно, не значит, что можно просмотреть 140 тысяч фото за 140 секунд, но явно показывает, что в обучении не всё так просто. Каждое смещение зрения меняет нервную сеть мозга.
Ради бога. Но 20-30 и больше не дам, и чтобы 100%.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>А теперь сравним с естественным интеллектом
PD>5-6 летний ребенок с нормальным развитием даст качество сравнения практически 100%. Дайте ему фото кошки любой породы или собаки любой породы — "мяу-мяу" или "гав-гав" практически со 100% надежностью. Бодее того, покажи ему фото тигра, получим "большая кошка", даже если он впервые видит тигра. PD>Ну ладно, кошки более или менее похожи друг на друга. Но бульдог не очень похож на пуделя, а они оба на овчарку. Может, какой-то ребенок и засомневается, собака ли это (с волком спутать можно), но ни одну собаку за кошку ребенок не примет.
Забавно тут то, что твой могучий естественный интеллект не сумел понять смысл статьи. Суть не в умении отличить кошку от собаки, а в умении отличить серого кота Ваську от другого серого кота Барсика. Я вот сомневаюсь, что смогу запросто различить двух условных британцев.
PD>А сколько надо-то ? Живого дикобраза Вы, возможно, и не видели. Но покажи Вам 20-30 фото дикобразов — навсегда запомните, как они выглядят. PD>А 20-30 точно Вам нужно ? 2-3 не хватит ? А может, и одной достаточно ?
PD>А вот как этот ребенок на столь малой выборке для обучения ухитряется получить почти 100% качество распознавания — вот на этот вопрос ответа я пока не вижу. PD>Но одно ясно — не теми методами, которые используются при обучении всех этих нейросетей и прочего ИИ.
Во-первых, у человека никогда не происходит обучения с нуля. Чтобы легко опознать дикобраза по одной фотке, мозг уже должен содержать огромное множество сформированных кластеров-понятий, по которым и раскладывается вновь поступившая информация. Чтобы проверить обучение с нуля, возьми новорожденного ребенка и посмотри, сколько уйдет лет на то, чтобы он уверенно отличал любую собаку от кошки на картинке.
Во-вторых, человек никогда не оперирует одним лишь изображением как массивом пикселей. У него уже в наличии есть сформированная годами картина всего окружающего мира, с огромным массивом понятий типа "большой-маленький", "теплый-холодный", "мягкий-твердый", "тяжелый-легкий" и так далее и тому подобное. Например тому, чтобы успешно опознать дикобраза, очень способствует наличие понятия "острый" и знакомства с иголками. А наличие знаний о деформации (смятая бумага) и разрушении предметов (разбитая кружка) помогут с первого раза опознать машину в груде металла после аварии. Никакие многослойные сети, с любыми методами обучения, которым скармливали лишь массивы фоток машин на это не будут способны.
Здравствуйте, ltc, Вы писали:
ltc>Забавно тут то, что твой могучий естественный интеллект не сумел понять смысл статьи. Суть не в умении отличить кошку от собаки, а в умении отличить серого кота Ваську от другого серого кота Барсика. Я вот сомневаюсь, что смогу запросто различить двух условных британцев.
Возможно, а как все же насчет отличить кошку от собаки ? Несколько лет назад я скормил фото моего прежнего кота одной системе. Пушистый был и совершенно белый, и эта engine признала его котом на 20%, а на 40% — кроликом. Судя по всему, исследовала она текстуру меха, а он действительно похож на кроличий. Вот только никакой ребенок структуру меха изучать не будет и вообще не станет на него внимания обращать, и за кролика кота никак не примет. И не надо ему для этого скормить 140 тысяч фото белых котов.
Да и с серым Васькой от серого Барсика тоже не все так просто. Отличить 2 котов нам сложно, для этого, наверное, надо быть котом . А вот покажи тебе фотографию незнакомого человека, дай на нее посмотреть, и ты его с надежностью, близкой к 100% найдешь на других фотографиях (конечно, того же его возраста). И когда увидишь, тоже опознаешь. По одной фотографии. Если бы это было не так — как бы вахтеры работали ?
ltc>Во-первых, у человека никогда не происходит обучения с нуля. Чтобы легко опознать дикобраза по одной фотке, мозг уже должен содержать огромное множество сформированных кластеров-понятий, по которым и раскладывается вновь поступившая информация. Чтобы проверить обучение с нуля, возьми новорожденного ребенка и посмотри, сколько уйдет лет на то, чтобы он уверенно отличал любую собаку от кошки на картинке.
5-6 лет и уйдет. Возможно, меньше точнее могут сказать специалисты, я не в курсе, с какого возраста ребенок становится в состоянии идентифицировать объекты внешнего мира. Едва ли с рождения. Но в 5-6 лет он отличать умеет
ltc>Во-вторых, человек никогда не оперирует одним лишь изображением как массивом пикселей. У него уже в наличии есть сформированная годами картина всего окружающего мира, с огромным массивом понятий типа "большой-маленький", "теплый-холодный", "мягкий-твердый", "тяжелый-легкий" и так далее и тому подобное. Например тому, чтобы успешно опознать дикобраза, очень способствует наличие понятия "острый" и знакомства с иголками. А наличие знаний о деформации (смятая бумага) и разрушении предметов (разбитая кружка) помогут с первого раза опознать машину в груде металла после аварии. Никакие многослойные сети, с любыми методами обучения, которым скармливали лишь массивы фоток машин на это не будут способны.
Да бога ради, не возражаю, согласен. Вот только как с выборкой быть ? Мягкий там или твердый, теплый или холодный — а 140 тысяч не нужно.
PD>Сколько в своей жизни этот ребенок видел кошек и собак ? Живых — хорошо если пару десятков, возможно, что и меньше. Ну еще сколько-то на картинках, в фильмах и т.д. Тоже десятки, ну пусть сотню-две.
PD>Но не 140 тысяч же!
Ну так делаются алгоритмы способные узнавать картинку после единственного предъявления. Просто они ещё развиваются, и таких впечатляющих результатов нет, но работа идёт.
Человечков всё-таки миллионы лет эволюция хардкодила на 3-х мерный мир, живое/неживое, выделение контуров, и так далее. Ребёнку очень легко отделить кошку от окружения просто за счёт того что кошка движется и видно какие её части как связаны. Плюс у нас есть умение "вычитать всё известное из картинки". Вот сидит на траве неведомый зверь, и ребёнку говорят "кошка", и он сразу понимает что трава уже известна и название у неё другое, значит минус траву, ветка вообще неживая, минус и ветку, и т.д. а то что осталось — получается кошка. Для нейросетей такие алгоритмы "дообучения" ещё только придумывают, улучшают. Тот же Stable Diffusion уже можно "дообучить" на конкретных фотках, без нееобходимости обучать с нуля. Про ещё более передовые вещи можно узнать только из публикаций, написанных достаточно сложным языком.
Пока компу приходится увидеть кошку много раз просто чтобы понять где заканчиваются кошачьи пиксели и начинаются пиксели окружающего мира. При этом в 140 тысячах фоток и кошки разные и их окружение разное. Компу в каком-то смысле даже сложнее.
Люди вот захардкодили устройства по запоминанию данных, и сейчас любой HDD способен точно запомнить больше данных чем целая куча людей, сколько бы повторений они не делали. И с котиками тоже самое будет. Придумаются более совершенные подходы и обязательно будет.
Ах да, в дополнение к ответу. На вот этом видео можно посмотреть как Stable Diffusion учится с 6 фотографий не просто запоминать, а ещё и рисовать конкретного человека. Причём на вполне потребительской видеокарте и за считанные минуты. Кластер на мегават не нужен. Так что не вижу повода для меланхолии.
PD>5-6 летний ребенок с нормальным развитием даст качество сравнения практически 100%.
Даже если 100%, всё равно ребёнка нужна растить и воспитывать 5-6 лет. А скопировать нейросеть на новый компьютер — это несколько минут. И производительность у нейросети сотни и тысячи сравнений в секунду, без перерывов на отдых.
PD>И не уверен, что эти методы вообще алгоритмические.
А какие? Божественные? Потусторонние? Если биологическая нейросеть (головной мозг) выполняет некую задачу, значит и искусственная нейросеть способна выполнить ту же задачу.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Возможно, а как все же насчет отличить кошку от собаки ? Несколько лет назад я скормил фото моего прежнего кота одной системе. Пушистый был и совершенно белый, и эта engine признала его котом на 20%, а на 40% — кроликом. Судя по всему, исследовала она текстуру меха, а он действительно похож на кроличий. Вот только никакой ребенок структуру меха изучать не будет и вообще не станет на него внимания обращать, и за кролика кота никак не примет. И не надо ему для этого скормить 140 тысяч фото белых котов.
Я об этом и писал — это может быть следствием фундаментального ограничения пространства восприятия нейросетей (просто массив чисел). Сеть не может знать про длинные уши, потому что не знает про звуки и слух, не знает про лапки потому что не умеет прыгать, не может знать про пушистость меха, потому что не может его потрогать.
Возможно, проекция твоего кота в ограниченном пространстве массива чисел фотки действительно была чем-то близка проекции кролика. А вот информации чтобы восстановить по проекции исходный объект, которой обладает каждый человек, у нейросети нет и быть не может.
PD>Да и с серым Васькой от серого Барсика тоже не все так просто. Отличить 2 котов нам сложно, для этого, наверное, надо быть котом . А вот покажи тебе фотографию незнакомого человека, дай на нее посмотреть, и ты его с надежностью, близкой к 100% найдешь на других фотографиях (конечно, того же его возраста). И когда увидишь, тоже опознаешь. По одной фотографии. Если бы это было не так — как бы вахтеры работали ?
А китайцев сможешь различить? А с другой стрижкой, в гриме? Вон, люди путают киру найтли с натали портман, а ты говоришь "близко к 100%".
PD>5-6 лет и уйдет. Возможно, меньше точнее могут сказать специалисты, я не в курсе, с какого возраста ребенок становится в состоянии идентифицировать объекты внешнего мира. Едва ли с рождения. Но в 5-6 лет он отличать умеет
Ну, скорее 3-4, а не 5-6. Смотря насколько ребенку кошки и собаки интересны. Но ведь тут такая штука — это годы непрерывного обучения, интерактивного познания окружающего мира с кучей набитых шишек. А не так что показал фотку кошки и собаки — вот и всё обучение. На фоне этого 140 тысяч показанных фоток уже не выглядят так ужасно.
PD>Да бога ради, не возражаю, согласен. Вот только как с выборкой быть ? Мягкий там или твердый, теплый или холодный — а 140 тысяч не нужно.
140 тысяч может и не нужно, а годы познания мира и тренировки мозга — нужны. Единственное с чем не могу поспорить — это плохая, практически отсутствующая аддитивность "знаний" в нейросетях. То, что она "научилась" отличать кошек от собак, никак не поможет ей отличить корову от лошади.
Здравствуйте, hi_octane, Вы писали:
_>Человечков всё-таки миллионы лет эволюция хардкодила на 3-х мерный мир, живое/неживое, выделение контуров, и так далее. Ребёнку очень легко отделить кошку от окружения просто за счёт того что кошка движется и видно какие её части как связаны. Плюс у нас есть умение "вычитать всё известное из картинки". Вот сидит на траве неведомый зверь, и ребёнку говорят "кошка", и он сразу понимает что трава уже известна и название у неё другое, значит минус траву, ветка вообще неживая, минус и ветку, и т.д. а то что осталось — получается кошка. Для нейросетей такие алгоритмы "дообучения" ещё только придумывают, улучшают. Тот же Stable Diffusion уже можно "дообучить" на конкретных фотках, без нееобходимости обучать с нуля. Про ещё более передовые вещи можно узнать только из публикаций, написанных достаточно сложным языком.
_>Пока компу приходится увидеть кошку много раз просто чтобы понять где заканчиваются кошачьи пиксели и начинаются пиксели окружающего мира. При этом в 140 тысячах фоток и кошки разные и их окружение разное. Компу в каком-то смысле даже сложнее.
Со всем согласен, но ему достаточно увидеть ее один или несколько раз, и он запомнит. И траву достаточно увидеть несколько раз. И все остальное. Нет ничего такого, что ему надо увидеть 140000 раз, чтобы разобраться.
Кстати, и попиксельно (под микроскопом) он кошку не изучает. Взглянул несколько раз, сказали ему, как она называется — и все, связка "нечто, имеющее такой вид — кошка" в мозгу сформирована.
И узнает он ее теперь в положении сидя, лежа, сзади и во всех прочих кошачьих позах.
А из этого следует, что механизмы принципиально отличаются. Вот в этом и проблема.
Здравствуйте, L.K., Вы писали:
PD>>И не уверен, что эти методы вообще алгоритмические.
LK>А какие? Божественные? Потусторонние? Если биологическая нейросеть (головной мозг) выполняет некую задачу, значит и искусственная нейросеть способна выполнить ту же задачу.
Нет, не божественные, и не потусторонние, потому что все вполне происходит в этом мире.
А вот уверенность, что любые действия в реальном мире есть действия алгоритмизируемые — мне не кажется очевидной. Вполне возможно, что существуют какие-то иные методы восприятия, которые не алгоритмизируемы. Не потому, что они божественные или потусторонние, а потому что они иные и к действию по алгоритму не сводятся.
Здравствуйте, ltc, Вы писали:
ltc>Здравствуйте, Pavel Dvorkin, Вы писали:
PD>>Да и с серым Васькой от серого Барсика тоже не все так просто. Отличить 2 котов нам сложно, для этого, наверное, надо быть котом . А вот покажи тебе фотографию незнакомого человека, дай на нее посмотреть, и ты его с надежностью, близкой к 100% найдешь на других фотографиях (конечно, того же его возраста). И когда увидишь, тоже опознаешь. По одной фотографии. Если бы это было не так — как бы вахтеры работали ?
ltc>А китайцев сможешь различить?
Возможно, что и нет. Или для этого надо быть китайцем, они, думаю, смогут.
>А с другой стрижкой, в гриме? Вон, люди путают киру найтли с натали портман, а ты говоришь "близко к 100%".
И все же близко к 100%. Ошибки возможны, конечно, но иначе как бы всякие пропускные системы работали ? А работают, в общем, хоть и не на 100%.
Меня в 90-е остановили на молдавско-румынской границе. Ехали мы в автобусный тур, проход границы был ночью, пограничник прошел по автобусу, сверяя паспорта с оригиналом. И вот мое фото ему не понравилось. Он пригласил меня выйти из автобуса, подвел к освещенному месту и долго сравнивал фото со мной, но в итоге все же пропустил.
PD>>5-6 лет и уйдет. Возможно, меньше точнее могут сказать специалисты, я не в курсе, с какого возраста ребенок становится в состоянии идентифицировать объекты внешнего мира. Едва ли с рождения. Но в 5-6 лет он отличать умеет
ltc>Ну, скорее 3-4, а не 5-6. Смотря насколько ребенку кошки и собаки интересны. Но ведь тут такая штука — это годы непрерывного обучения, интерактивного познания окружающего мира с кучей набитых шишек. А не так что показал фотку кошки и собаки — вот и всё обучение. На фоне этого 140 тысяч показанных фоток уже не выглядят так ужасно.
Все верно, но пойми главное, о чем я говорю. Какое угодно обучение, какая угодно интерактивность, да еще и мама с папой есть, которых у нейросети нет. Все верно. Вот только это познание какое-то синтетическое, а не аналитическое. Не подробности (вот для них 140000 и нужно), а как-то увидел несколько раз, ну пару раз ошибся, мама поправила — и все, готово и навсегда.
Кстати, о шерсти. Хороший пример. Этот engine видимо, ее в деталях исследовал. Структуру изучал, какие-то структуры данных строил, сравнивал с образцами и т.д. А мех у него оказался похож на кроличий, вот и ошибка в результате. А ребенок не будет под микроскопом мех изучать. Взглянул — и все. Даже если кот фотографирован сзади.
ltc>140 тысяч может и не нужно, а годы познания мира и тренировки мозга — нужны. Единственное с чем не могу поспорить — это плохая, практически отсутствующая аддитивность "знаний" в нейросетях. То, что она "научилась" отличать кошек от собак, никак не поможет ей отличить корову от лошади.
Годы нужны, учителя нужны, все верно, но вот 140000 не нужны и методы исследования шерсти под микроскопом ребенку не нужны. А это и есть обоснование основного, что я утверждаю — эти механизмы принципиально различны. Можно улучшать распознавание по шерсти, чтобы не было таких ошибок. Наверное, что-то есть, что позволит с уверенностью отличить шерсть кошки от шерсти кролика. Но это ни на йоту не приблизит нас к тому механизму, который у человека.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Возможно, а как все же насчет отличить кошку от собаки ? Несколько лет назад я скормил фото моего прежнего кота одной системе. Пушистый был и совершенно белый, и эта engine признала его котом на 20%, а на 40% — кроликом.
Здравствуйте, vsb, Вы писали:
PD>>Возможно, а как все же насчет отличить кошку от собаки ? Несколько лет назад я скормил фото моего прежнего кота одной системе. Пушистый был и совершенно белый, и эта engine признала его котом на 20%, а на 40% — кроликом.
vsb>Такой?
PD>А из этого следует, что механизмы принципиально отличаются. Вот в этом и проблема.
Ну как мне кажется проблема несколько надуманная. Вот человек умеет считать и калькулятор умеет считать. Механизмы отличаются, и калькулятор давно и бесповоротно заборол человека и в скорости и в точности расчётов. Тоже самое с хранением данных — и люди умеют запоминать, и карты памяти. И карты памяти очевидно запоминают быстрее и точнее (по больше/меньше ещё вопросы).
Механизмы мышления неизбежно будут отличаться. И скорее всего компы как обычно окажутся быстрее и точнее чем люди. Просто потому что мы не успокоимся, пока не получим от них превосходящей точности, а превосходящую скорость обеспечит технический прогресс.
? Оно же не просто запоминает человека с 6 фотоко 512x512 пикселей, оно даже рисует в принципе с сохранением важных черт лица. Из людей так далеко не все могут.
ltc>140 тысяч может и не нужно, а годы познания мира и тренировки мозга — нужны. Единственное с чем не могу поспорить — это плохая, практически отсутствующая аддитивность "знаний" в нейросетях. То, что она "научилась" отличать кошек от собак, никак не поможет ей отличить корову от лошади.
Уже и к этому подобрались. И Stable Diffusion и Chat-GPT дообучаются на примерах картинок/диалогов. И каких-то суперкластеров для этого похоже не нужно. Для Stable Diffusion можно самому убедиться, а в Chat-GPT оценить по стоимости, что они тоже дообучают очень малой мощностью.
Здравствуйте, hi_octane, Вы писали:
_>Ну как мне кажется проблема несколько надуманная. Вот человек умеет считать и калькулятор умеет считать. Механизмы отличаются, и калькулятор давно и бесповоротно заборол человека и в скорости и в точности расчётов. Тоже самое с хранением данных — и люди умеют запоминать, и карты памяти. И карты памяти очевидно запоминают быстрее и точнее (по больше/меньше ещё вопросы).
Еще бы. Там , где речь идет об алгоритмизируемой задаче — несомненно заборол, и еще как. И с хранением данных тоже.
_>Механизмы мышления неизбежно будут отличаться. И скорее всего компы как обычно окажутся быстрее и точнее чем люди.
А вот тут большое сомнение. Кстати, считать они стали лучше людей с самого момента их появления. ЭНИАК лучше считал, чем все его авторы. Потому что механизм, в общем, для арифметики один и тот же, что в исполнении человека, что в исполнении компьютера (детали вроде системы счисления не в счет), а скорость у него на порядки выше.
А тут явно пытаются внедрить в ИИ метод, совершенно иной, чем тот, с которым действует человеческий интеллект, и ждут успеха.
>Просто потому что мы не успокоимся, пока не получим от них превосходящей точности, а превосходящую скорость обеспечит технический прогресс.
Мы-то может, и не успокоимся, а если задача таким способом не решается ? И даже если решается — это нисколько не похоже на то, как ее решает естественный интеллект.
? Оно же не просто запоминает человека с 6 фотоко 512x512 пикселей, оно даже рисует в принципе с сохранением важных черт лица. Из людей так далеко не все могут.
? Оно же не просто запоминает человека с 6 фотоко 512x512 пикселей, оно даже рисует в принципе с сохранением важных черт лица. Из людей так далеко не все могут.
PD>Нет пока. Час смотреть — времени нет.
Там же ссылка с таймкодом. Конкретно обучение c 30-й до 45-й минуты. Нейросеть учат что "avanes" это конкретный чувак на примере 5-6 фотографий. А потом она именно его и рисует. Учитывая сколько раз детям показывают кошек, кошечек и котиков в мультиках, играх и в жизни, как бы не вышло что нейросеть учится быстрее людей.
А всё видео про то как включить все возможности Stable Diffusion на обычном игровом компе, с видюхой даже не последнего поколения. Насколько помню, автор в основном сидит на 2080.
Здравствуйте, hi_octane, Вы писали:
_>Там же ссылка с таймкодом. Конкретно обучение c 30-й до 45-й минуты. Нейросеть учат что "avanes" это конкретный чувак на примере 5-6 фотографий. А потом она именно его и рисует. Учитывая сколько раз детям показывают кошек, кошечек и котиков в мультиках, играх и в жизни, как бы не вышло что нейросеть учится быстрее людей.
Попробовал с 30 по 33. Какая-то дикая смесь из папок, настроек и обращения к ребятам. Не в силах я такое смотреть, да и нельзя относиться серьезно к такому изложению. Где-то есть серьезное изложение ?
PD>какие-то иные методы восприятия, которые не алгоритмизируемы
Восприятие — это преобразование [в более простую и удобную форму] наблюдаемого [с помощью сенсоров] состояния окружающей среды. Миллион электрических импульсов от глаз преобразовывается в "бинарную" мысль: "да, этот объект похож на вот тот объект". Преобразование — это всегда какие-то правила, по какой-то алгоритм (который, впрочем, может быть ещё не известен или вообще недоступен для понимания в связи со своей чрезвычайной сложностью).
PD>Попробовал с 30 по 33. Какая-то дикая смесь из папок, настроек и обращения к ребятам. Не в силах я такое смотреть, да и нельзя относиться серьезно к такому изложению. Где-то есть серьезное изложение ?
Такая мешанина из настроек и демонстрации работы — потому что он показывает по шагам, как это всё самому повторить, на своём компе и своих фотках. Можешь сделать в ютубе поиск "stable diffusion train hypernetwork" — и найдёшь пример себе по вкусу.
Раз до 33-й минуты досмотрел — то на 32-й видел что он учит нейросеть всего на 5 фотографиях 512x512, опознавать эти лица и называть их avanes (нужно уникальное слово, чтобы не путалось с теми что модель уже знает). А потом просит нейросеть "нарисуй мне avanes улыбающимся", потом просит "нарисуй avanes старым", и так далее. И нейросеть рисует именно его. И это всё с 5 простых фоток и уже имеющихся у обученной нейросети общих знаний что такое старый, что такое улыбающийся и т.д. Собственно всё, больше там ничего нет. Но нейросеть реально запоминает, и потом рисует примерно его, а не любую рандомную фигню.
Это ещё не "узнавать кошку с одной фотографии", но честно говоря я детям объяснял что такое кошка/котик и т.п. наверное сотню раз, задолго до того как они говорить научились. На картинках, и на развивающих мультиках с ютуба для совсем маленьких, на живых кошках, и т.д.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD> Не в силах я такое смотреть, да и нельзя относиться серьезно к такому изложению. Где-то есть серьезное изложение ?
Прочитал про "ребят" и решил проверить что за видео... Так и думал, что ссылка на канал этого гопника. У него прикольная манера общения, зашкаливающее ЧСВ и очень жЫрные тараканы на чердаке Прославился тем, что вставил деструктивную функциональность в свой винда-твикер, как средство защиты возмездия, при том, что сам занимается распросранением пираток фотошопа и т.п. У него знатно подгорело от статьи на хабре и от видео-интервью с ее автором. Подгорело настолько, что выплеснулось в трехчасовой видео-разбор — ЖЫР и вкуснота, для ценителей
Здравствуйте, hi_octane, Вы писали:
_>Раз до 33-й минуты досмотрел — то на 32-й видел что он учит нейросеть всего на 5 фотографиях 512x512, опознавать эти лица и называть их avanes
Видел, что он это заявляет и что 5 фото показал. Но чтобы оценить все это, нужно изложить как положено в технической работе, а этого тут нет. Тогда и посмотрим, что за качество и при каких выборках.
Здравствуйте, L.K., Вы писали:
PD>>какие-то иные методы восприятия, которые не алгоритмизируемы
LK>Восприятие — это преобразование [в более простую и удобную форму] наблюдаемого [с помощью сенсоров] состояния окружающей среды. Миллион электрических импульсов от глаз преобразовывается в "бинарную" мысль: "да, этот объект похож на вот тот объект". Преобразование — это всегда какие-то правила, по какой-то алгоритм (который, впрочем, может быть ещё не известен или вообще недоступен для понимания в связи со своей чрезвычайной сложностью).
Преобразовывайте что хотите и как хотите.
Воспринимайте с помощью сенсоров, сканеров, видеокамер и чего угодно что хотите
Преобразовывайте это в бинарные мысли и любые другие
На все согласен.
Вот только когда до проверки дойдет, дам я 10-20 картинок некоего животного , которого эта система никогда не видела. И ничего больше не дам.
И пусть впредь с надежностью, близкой к 100% опознает это животное на других картинках, которые я дам.
Так, как это делает существо с интеллектом, то есть человек.
Вот тогда я и поверю, что этот алгоритм существует.
PD>дам я 10-20 картинок некоего животного , которого эта система никогда не видела. И ничего больше не дам. PD>И пусть впредь с надежностью, близкой к 100% опознает это животное на других картинках, которые я дам. PD>Так, как это делает существо с интеллектом, то есть человек.
Я не знаком с людьми, которые умеют опознавать животных, которых они ни разу не видели. Ну разве что в общих чертах: "это какой-то жук, не знаю какой".
Впрочем, можно провести опыт. Дать студентам картинку редкого животного, которого студенты заведомо не видели, и посмотреть, много ли студентов "с надежностью, близкой к 100%" назовут вид животного.
PD>Видел, что он это заявляет и что 5 фото показал. Но чтобы оценить все это, нужно изложить как положено в технической работе, а этого тут нет. Тогда и посмотрим, что за качество и при каких выборках.
Ну это уже "я в домике"
По ключевым словам, которые я привёл, можно найти кучу инфы, как в виде ютуб-видео, так и текстов техническим английским. И даже русским по белом люди получают свои портреты используя минимум фоток. Например вот тут человек пишет про обучение на 10 (десяти) фотках. После такого, мне кажется очевидно, что утверждение "потолок нейросетей это кошка после 140 тыщ фоток" сильно устарело, и убедиться в этом может каждый. При желании.
PD>Сейчас качество сравнения двух мордочек питомцев составляет 94% для собак и 84% — для кошек.
PD>Модели первого этапа мы обучили на датасете из 140 тыс. фотографий
Это качество сравнения животных. Т.е. сравниваются две собаки, или две кошки.
Человек не выдаст 100% (но не понятно, что скрыто под словом "качество")
Нейросеть умеет отличать даже очень похожих друг на друга животных.
Сейчас качество сравнения двух мордочек питомцев составляет 94% для собак и 84% — для кошек
Добавлено:
Поэтому весь твой остальной текст смысла не имеет
Здравствуйте, L.K., Вы писали:
LK>Я не знаком с людьми, которые умеют опознавать животных, которых они ни разу не видели. Ну разве что в общих чертах: "это какой-то жук, не знаю какой".
Или я неточно выразился, или ты меня не понял. Я имел в виду, что дам 20-30 картинок животного, которого до этого система не видела, скажу, как оно называется, и пусть потом его опознают.
Вот представь себе, что ты никогда не видел овцебыка. Ни живого, ни на картинке, ни в фильме и т.д. И вот тебе показывают вот это
Полистать можешь, но по ссылкам не заходить ! Их тут как раз десятка 2
Ты его с козлом, бараном или быком после этого спутаешь ? Скорее всего нет.
Более формально. Я дам тебе training set из 20-30 samples, в котором будут только овцебыки, а после этого test set из, скажем, 100 samples, где будет они же плюс быки, бараны и козлы. Возможно, ты опознаешь в этом test set не 100% надежно, но близко к тому. Быков, баранов и козлов ты знал и раньше, а теперь знаешь и что такое овцебык.
LK>Впрочем, можно провести опыт. Дать студентам картинку редкого животного, которого студенты заведомо не видели, и посмотреть, много ли студентов "с надежностью, близкой к 100%" назовут вид животного.
А это и не требуется, более того, невозможно. Как можно опознать животное, которое никогда не видел ?
PD>Ты его с козлом, бараном или быком после этого спутаешь ? Скорее всего нет.
Это уже вопрос совершенствования нейросети, а также практической потребности в таком совершенствовании. Отпечатки пальцев и лица людей компьютер определяет хорошо — тут есть заказ и от силовых министерств, и от коммерческих компаний. А проблема выявления овцебыков, наверное, не столь важная.
Здравствуйте, L.K., Вы писали:
LK>Это уже вопрос совершенствования нейросети, а также практической потребности в таком совершенствовании. Отпечатки пальцев и лица людей компьютер определяет хорошо — тут есть заказ и от силовых министерств, и от коммерческих компаний. А проблема выявления овцебыков, наверное, не столь важная.
Алгоритмы распознавания отпечатков не так уж сложны. Доказательство простое — с отпечатками пальцев умели работать еще в начале 20 века. С компьютерами лишь точнее и надежнее. А алгоритмы там, в основе своей, те же.
А вот механизм распознания вида животного так и неясен до сих пор, и мой кот, который кролик, этому доказательство. Потому что этот engine просто делал совсем не то, что делает человек.
А насчет практической потребности — дело же не в распознавании котов и овцебыков. Это лишь пример. И таких примеров много. Примеров, где делается совсем не то, что делает человек, и поэтому сравниться с естественным интеллектом не удается. Неверными методами решить задачу не удастся, как ни улучшай и не совершенствуй алгоритм.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Но, честно говоря, у меня большие сомнения.
Начиная с самого момента появления, идея нейросетей периодически критиковалась нейрофизиологами.
PD>И не уверен, что эти методы вообще алгоритмические.
Каким бы быстрым не был калькулятор, думать его всё-равно не научишь.
Здравствуйте, Pavel Dvorkin, Вы писали: PD>А из этого следует, что механизмы принципиально отличаются. Вот в этом и проблема.
Не, не принципиально. Там очень много буста происходит оттого, что в нас часть алгоритмов распознавания предпрошита сотнями тысяч лет эволюции.
Дело-то как раз в том, что глаз подаёт в мозг вовсе не гору пикселов, а сразу результат предобработки — где уже выполнена цветокоррекция и нормализация контрастности, выделены линии, пересечения, и прочие "фичи".
Ну и, плюс, естественно, некоторая переоценка реальных способностей реальных детей.
Реальные дети видят и кошек, и собак, и ещё много чего ещё до того, как научаются говорить. Как минимум — на картинках. А также и в жизни — крайне тяжело огранчить сенсорный опыт реального ребёнка, мама которого смотрит телевизор во время кормления, и возит ребёнка в коляске по улице.
При этом мама непрерывно обучает этого ребёнка, проговаривая вслух всё, что видит: "это — гули, это — собачка, это — сосед на харлее", и так далее.
Эта тренировка НС льётся в ребёнка сплошным непрерывным потоком — и у него от рождения есть структуры, оптимизированные для потребления этого потока.
То, что ты рассказываешь, Павел — это иллюзии архетипичного папы, который видит ребёнка по вечерам после работы, и искренне изумляется, какой прогресс демонстрирует ребёнок: "я с ним только дважды поговорил — а он уже умеет "папа" выговаривать".
Уйдемте отсюда, Румата! У вас слишком богатые погреба.
Здравствуйте, Sinclair, Вы писали:
PD>>А из этого следует, что механизмы принципиально отличаются. Вот в этом и проблема. S>Не, не принципиально. Там очень много буста происходит оттого, что в нас часть алгоритмов распознавания предпрошита сотнями тысяч лет эволюции. S>Дело-то как раз в том, что глаз подаёт в мозг вовсе не гору пикселов, а сразу результат предобработки — где уже выполнена цветокоррекция и нормализация контрастности, выделены линии, пересечения, и прочие "фичи".
S>Ну и, плюс, естественно, некоторая переоценка реальных способностей реальных детей. S>Реальные дети видят и кошек, и собак, и ещё много чего ещё до того, как научаются говорить. Как минимум — на картинках. А также и в жизни — крайне тяжело огранчить сенсорный опыт реального ребёнка, мама которого смотрит телевизор во время кормления, и возит ребёнка в коляске по улице. S>При этом мама непрерывно обучает этого ребёнка, проговаривая вслух всё, что видит: "это — гули, это — собачка, это — сосед на харлее", и так далее. S>Эта тренировка НС льётся в ребёнка сплошным непрерывным потоком — и у него от рождения есть структуры, оптимизированные для потребления этого потока.
Со многим можно бы согласиться, но от одного факта никуда не денешься.
Человеку достаточно показать некую новую сущность, несколько экземпляров или картинок (видео вычеркнем, до 20 века ни кино, ни тем более видео не было) , сказать, как это называется, и если этот объект достаточно отличается от других, то он запомнит его раз и навсегда. Я тут уже пример с дикобразом приводил.
Вот когда такое возможно станет — тогда я поверю в идентичность механизмов. Я не против того, чтобы этот ИИ предварительно обработал хоть терабайты, хоть петабайты. Что угодно, на все согласен. Только пусть эти петабайты нигде никак не упоминают про дикобразов. А потом парочку их картинок — и готово.
Про то, как некий ИИ принял одеяло за ягуара из-за расцветки(или не одеяло, или не ягуара, а пуму, деталей не помню), думаю, слышал ? Вот то-то и оно. Человек может ошибиться, пуму принять за гепарда или леопарда (можно и не помнить, чем эти кошки отличаются), но одеяло за кошку не примет никто, это уж 100%. Вот в этом и отличие механизмов.
Здравствуйте, Pavel Dvorkin, Вы писали: PD>Со многим можно бы согласиться, но от одного факта никуда не денешься. PD>Человеку достаточно показать некую новую сущность, несколько экземпляров или картинок (видео вычеркнем, до 20 века ни кино, ни тем более видео не было) , сказать, как это называется, и если этот объект достаточно отличается от других, то он запомнит его раз и навсегда. Я тут уже пример с дикобразом приводил.
Уа-ха-хааа.
Давай покажем тебе с десяток китайских иероглифов. А потом предложим найти их на странице с текстом — по памяти.
А потом — через день. Потом — через месяц. И посмотрим, как ты запомнишь их "раз и навсегда".
PD>Вот когда такое возможно станет — тогда я поверю в идентичность механизмов. Я не против того, чтобы этот ИИ предварительно обработал хоть терабайты, хоть петабайты. Что угодно, на все согласен. Только пусть эти петабайты нигде никак не упоминают про дикобразов. А потом парочку их картинок — и готово.
Ок, иероглифы — синтетика, в природе не встречаются. Наверное, в человеке нет встроенных механизмов для иероглифов и есть для живой природы.
Давай мы тебе покажем парочку фото, скажем, корейцев. И потом будем предлагать отличать корейцев от вьетнамцев, китайцев, и японцев. Тоже раз и навсегда.
PD>Про то, как некий ИИ принял одеяло за ягуара из-за расцветки(или не одеяло, или не ягуара, а пуму, деталей не помню), думаю, слышал ? Вот то-то и оно. Человек может ошибиться, пуму принять за гепарда или леопарда (можно и не помнить, чем эти кошки отличаются), но одеяло за кошку не примет никто, это уж 100%. Вот в этом и отличие механизмов.
Немножко отличается крупномасштабная архитектура — у нас больше слоёв, отвечающих за выделение фич. Благодаря этому кошка и одеяло достаточно различимы (хоть и не во всех условиях — см. множество фоточек в соцсетях из серии "найди котэ"). Принципиальных отличий пока не видно.
Уйдемте отсюда, Румата! У вас слишком богатые погреба.
Здравствуйте, Sinclair, Вы писали:
S>Здравствуйте, Pavel Dvorkin, Вы писали: PD>>Со многим можно бы согласиться, но от одного факта никуда не денешься. PD>>Человеку достаточно показать некую новую сущность, несколько экземпляров или картинок (видео вычеркнем, до 20 века ни кино, ни тем более видео не было) , сказать, как это называется, и если этот объект достаточно отличается от других, то он запомнит его раз и навсегда. Я тут уже пример с дикобразом приводил. S>Уа-ха-хааа.
Это аргумент такой ?
S>Давай покажем тебе с десяток китайских иероглифов. А потом предложим найти их на странице с текстом — по памяти. S>А потом — через день. Потом — через месяц. И посмотрим, как ты запомнишь их "раз и навсегда". PD>>Вот когда такое возможно станет — тогда я поверю в идентичность механизмов. Я не против того, чтобы этот ИИ предварительно обработал хоть терабайты, хоть петабайты. Что угодно, на все согласен. Только пусть эти петабайты нигде никак не упоминают про дикобразов. А потом парочку их картинок — и готово. S>Ок, иероглифы — синтетика, в природе не встречаются. Наверное, в человеке нет встроенных механизмов для иероглифов и есть для живой природы. S>Давай мы тебе покажем парочку фото, скажем, корейцев. И потом будем предлагать отличать корейцев от вьетнамцев, китайцев, и японцев. Тоже раз и навсегда.
Не пойдет аргумент. Ты убрал из моего сообщения очень важный кусок, я его вынужден вернуть и выделить.
PD> Человеку достаточно показать некую новую сущность, несколько экземпляров или картинок (видео вычеркнем, до 20 века ни кино, ни тем более видео не было) , сказать, как это называется, и если этот объект достаточно отличается от других, то он запомнит его раз и навсегда. Я тут уже пример с дикобразом приводил.
Вот это самое существенное. Я не смогу отличить двух китайцев, возможно, и корейца от вьетнамца. И иероглифы тоже не запомню — я не китаец. А вот китаец, думаю, запомнит. И корейцы друг друга отличают и запомнят. Иначе как они друг друга узнают-то ? А для меня отличия недостаточны — вот и все.
Впрочем, не надо китайцев, корейцев и иероглифов. Я не смогу запомнить отличия жуков, скажем, для меня они все на "одно лицо". А вот энтомологу покажи новый (для него) вид — и он запомнит его сразу. Да, опираясь на свой богатый предыдущий опыт. Но показать ему нужно 1-2 фото, а не 100500.
А вот если отличия существенные — я смогу. Поэтому я и привел пример с дикобразом. Хватит мне и одного фото. Не спутаю я его с ежом и не приму за колючую проволоку.
S>Немножко отличается крупномасштабная архитектура — у нас больше слоёв, отвечающих за выделение фич. Благодаря этому кошка и одеяло достаточно различимы (хоть и не во всех условиях — см. множество фоточек в соцсетях из серии "найди котэ"). Принципиальных отличий пока не видно.
Принципиальное различие в том, что ни в трезвом, ни в пьяном виде никто не будет кормить одеяло и укрываться котом
Здравствуйте, Sinclair, Вы писали:
S> Эта тренировка НС льётся в ребёнка сплошным непрерывным потоком — и у него от рождения есть структуры, оптимизированные для потребления этого потока.
Прикольно, но, оказывается, что возможно ещё даже до рождения. Это вообще, похоже, в днк прошито. https://www.youtube.com/shorts/6AjM4mtNCQM
И вообще, интеллект тут не при чём. Какие-нибудь насекомые или даже одноклеточные "умеют" больше в распознавании, чем нынешние ИИ.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Алгоритмы распознавания отпечатков не так уж сложны. Доказательство простое — с отпечатками пальцев умели работать еще в начале 20 века. С компьютерами лишь точнее и надежнее. А алгоритмы там, в основе своей, те же.
Добрый день! Очень интересная тема. Вот как раз предлагаю инструмент реализующий что-то круче чем алгоритм. http://plus.okayno.ru/anekdot-pro-vneshnie-dannye/?fbclid=IwAR00LaRAV4Bhv_nb-zgOZYPYaRLttwlZMrKibyfahhwg8ZVo8s3ZVyXkdoY
Я больше работаю надо темой автоматики, и полноценно работа этой машины реализует не алгоритмы, а я их назвал А-ритмами. Ибо в отличие от алгоритмов гарантируется только последовательность пары событие-подписка. Если концепты представить как перцептроны, а подписки как синапсы-получаем нейронную сеть. Императивная часть остается. Получается некий гибрид из нейронной сети, исчисления высказываний (логическое программирование) и императивная часть. Здесь форматирование не удачное для примера, я вам в личку отправлю подробности. Если будет интересно, пишите. Ибо меня, наверняка, сегодня же забанят))
Здравствуйте, Pavel Dvorkin, Вы писали: S>>Уа-ха-хааа. PD>Это аргумент такой ?
Нет, это я смеюсь.
PD>Не пойдет аргумент. Ты убрал из моего сообщения очень важный кусок, я его вынужден вернуть и выделить. PD>> Человеку достаточно показать некую новую сущность, несколько экземпляров или картинок (видео вычеркнем, до 20 века ни кино, ни тем более видео не было) , сказать, как это называется, и если этот объект достаточно отличается от других, то он запомнит его раз и навсегда. Я тут уже пример с дикобразом приводил.
PD>Вот это самое существенное. Я не смогу отличить двух китайцев, возможно, и корейца от вьетнамца. И иероглифы тоже не запомню — я не китаец. А вот китаец, думаю, запомнит. И корейцы друг друга отличают и запомнят. Иначе как они друг друга узнают-то ? А для меня отличия недостаточны — вот и все.
О, как интересно. Получается, что "достаточность" отличия не является объективной характеристикой. PD>Впрочем, не надо китайцев, корейцев и иероглифов. Я не смогу запомнить отличия жуков, скажем, для меня они все на "одно лицо". А вот энтомологу покажи новый (для него) вид — и он запомнит его сразу. Да, опираясь на свой богатый предыдущий опыт. Но показать ему нужно 1-2 фото, а не 100500. PD>А вот если отличия существенные — я смогу. Поэтому я и привел пример с дикобразом. Хватит мне и одного фото. Не спутаю я его с ежом и не приму за колючую проволоку.
Ооо, давай попробуем разобраться, что такое "существенные отличия".
Получается, что твоя нейросеть пред-тренирована на миллионах изображений выделять определённые наборы фич.
Поэтому очень легко дотренировать её до "это — дикобраз" по одному изображению, из которого ты выделишь "существенные" признаки.
А вот выделять признаки жучков она у тебя не натренирована.
Стало быть, придётся признать, что умение отличать дикобраза ты приобретаешь не за "один просмотр", а за длинную предысторию.
И это полностью подрывает изначальный тезис об уникальном свойстве человеческого разума обучаться на единичных примерах.
PD>Принципиальное различие в том, что ни в трезвом, ни в пьяном виде никто не будет кормить одеяло и укрываться котом
Это как раз непринципиальное отличие, да и не настолько надёжное.
Уйдемте отсюда, Румата! У вас слишком богатые погреба.
Здравствуйте, Sinclair, Вы писали:
S>>>Уа-ха-хааа. PD>>Это аргумент такой ? S>Нет, это я смеюсь.
Понятно. Аргумент в виде смеха.
PD>>Не пойдет аргумент. Ты убрал из моего сообщения очень важный кусок, я его вынужден вернуть и выделить. PD>>> Человеку достаточно показать некую новую сущность, несколько экземпляров или картинок (видео вычеркнем, до 20 века ни кино, ни тем более видео не было) , сказать, как это называется, и если этот объект достаточно отличается от других, то он запомнит его раз и навсегда. Я тут уже пример с дикобразом приводил.
PD>>Вот это самое существенное. Я не смогу отличить двух китайцев, возможно, и корейца от вьетнамца. И иероглифы тоже не запомню — я не китаец. А вот китаец, думаю, запомнит. И корейцы друг друга отличают и запомнят. Иначе как они друг друга узнают-то ? А для меня отличия недостаточны — вот и все. S>О, как интересно. Получается, что "достаточность" отличия не является объективной характеристикой.
Не является, верно.
PD>>А вот если отличия существенные — я смогу. Поэтому я и привел пример с дикобразом. Хватит мне и одного фото. Не спутаю я его с ежом и не приму за колючую проволоку. S>Ооо, давай попробуем разобраться, что такое "существенные отличия".
Нет, не надо разбираться, так как кроме пустословия ничего не получится. Это как с попыткой разобраться с понятием "на улице тепло". Для меня тепло, для тебя не очень, для негра совсем холодно. Нет в реальном мире четких определений, когда речь идет о человеческом восприятии чего-то.
S>Получается, что твоя нейросеть пред-тренирована на миллионах изображений выделять определённые наборы фич. S>Поэтому очень легко дотренировать её до "это — дикобраз" по одному изображению, из которого ты выделишь "существенные" признаки.
О чем я и толкую. Как только мне представят нейросеть, которая по одному изображению запомнит вот это животное, ранее ей не дававшееся при обучении ее и сможет его опознавать — я немедленно признаю, что она может конкурировать с человеческим интеллектом. Но не раньше.
S>А вот выделять признаки жучков она у тебя не натренирована.
Или жучков. Впрочем, их сложнее — человек, видевший дикобраза на картинке, его ни с кем не спутает, а сможет ли надежно опознать любого жука даже энтомолог — не знаю.
Так что готов согласиться на дикобраза. Жду.
S>Стало быть, придётся признать, что умение отличать дикобраза ты приобретаешь не за "один просмотр", а за длинную предысторию.
Конечно. Ты никак не можешь (или не хочешь) понять мой основной аргумент. Надо чтобы долго учился — пожалуйста. Предыстория от рождения и до текущего момента — пожалуйста. Учителя, книги, фильмы — что хочешь. Я заранее на все согласен. Вот только одно нужно в результате — показали нечто, никогда не виданное, посмотрел он — и все, запомнил и теперь всегда опознает, с надежностью, близкой к 100%.
Здравствуйте, Pavel Dvorkin, Вы писали: PD>Конечно. Ты никак не можешь (или не хочешь) понять мой основной аргумент. Надо чтобы долго учился — пожалуйста. Предыстория от рождения и до текущего момента — пожалуйста. Учителя, книги, фильмы — что хочешь. Я заранее на все согласен. Вот только одно нужно в результате — показали нечто, никогда не виданное, посмотрел он — и все, запомнил и теперь всегда опознает, с надежностью, близкой к 100%.
PD>Вот когда это будет — тогда и обсудим.
В соседней ветке этого топика привели пример. Чего ещё?
Уйдемте отсюда, Румата! У вас слишком богатые погреба.
Кроликом эта живность никак быть не может.
Потому что у травоядных глаза существенно разнесены, чтобы увеличить обзор, тогда как у хищников наоборот направлены в одну сторону, чтобы обеспечить бинокулярное зрение и оценку расстояния до добычи.
У приматов аналогично бинокулярное зрение (видимо, чтобы по веткам прыгать сподручнее).
Сходство морды один из факторов, повлиявших на одомашнивание кошки.
А нейронная сеть, видимо, считает, что кролики это исключительно ценный мех
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Но не 140 тысяч же!
при поиске по изображению, какое количество медиа сможет обработать ЕИ? и за какое время? и, кстати, особенность аппроксимационного ИИ, что он способен распознать за достаточно большим количеством шума собственно сами данные.
но это такое, важно то, что мы сейчас используем всевозможные механизмы для копания ям. так почему нам не использовать ИИ для копания синтаксических выкладок, больших логических решений.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>И не уверен, что эти методы вообще алгоритмические.
Идёт подключение к инфополю. Поэтому нужно всего пару инициирующих изображений объекта, чтобы подключить соотв. инфо-стрим.
Гуглите инфовидение. Там все ответы на все вопросы.
И у детей инфовидение развито лучше, т.к. мозг, т.е. локальный кэш, ещё не забит мусором и не фрагментирован.
Здравствуйте, Pavel Dvorkin, Вы писали:
G>>Гуглите инфовидение. Там все ответы на все вопросы.
PD>Погуглил. У меня естественно-научное образование, я не могу эту чепуху всерьез обсуждать
Это ваш блок в голове. Отриньте его смело, и ваше сознание хлынет поток годноты, которая вам и не снилась в научных учебниках.
Здравствуйте, gyraboo, Вы писали:
G>Это ваш блок в голове. Отриньте его смело, и ваше сознание хлынет поток годноты, которая вам и не снилась в научных учебниках.
Нет уж, спасибо. Тут одно из двух — либо те, кто это все проповедуют, не знают основ естественных наук, либо они их вполне знают, но ловят рыбку в мутной воде. В первом случае им нужен ликбез по физике и т.п., а во-втором ничего не поможет. Но в любом случае я предпочитаю, чтобы подобные потоки чепухи меня миновали.
Здравствуйте, Pavel Dvorkin, Вы писали:
G>>Это ваш блок в голове. Отриньте его смело, и ваше сознание хлынет поток годноты, которая вам и не снилась в научных учебниках.
PD>Нет уж, спасибо. Тут одно из двух — либо те, кто это все проповедуют, не знают основ естественных наук, либо они их вполне знают, но ловят рыбку в мутной воде. В первом случае им нужен ликбез по физике и т.п., а во-втором ничего не поможет. Но в любом случае я предпочитаю, чтобы подобные потоки чепухи меня миновали.
Мне жаль прозябающих во тьме ортодоксии и официоза; разумы, ограниченные наукой, не видят тонких структур мироздания.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Здравствуйте, ботаныч, Вы писали:
PD>>>Но не 140 тысяч же! Б>> при поиске по изображению, какое количество медиа сможет обработать ЕИ? и за какое время?
PD>Довольно небольшое. Он вообще очень медленный по сравнению с ЭВМ . Но к тому вопросу, который я задал, это отношения не имеет.
возможно, но обработка медиа в большом объеме или с большой скоростью и область его применения. Но я вот что хотел спросить. Нас же не смущает приближенные вычисления в численных методах, допустим в брутфорсе? или amc (american. motecarlo)? что нас должно смущать тут?
Здравствуйте, ботаныч, Вы писали:
PD>>Довольно небольшое. Он вообще очень медленный по сравнению с ЭВМ . Но к тому вопросу, который я задал, это отношения не имеет. Б> возможно, но обработка медиа в большом объеме или с большой скоростью и область его применения. Но я вот что хотел спросить. Нас же не смущает приближенные вычисления в численных методах, допустим в брутфорсе? или amc (american. motecarlo)? что нас должно смущать тут?
Вопрос не столько в точности или приближенности, сколько в алгоритме. Если бы ИИ опознавал не 100%, а только, скажем, 90%, но по тем же исходным данным, что и человек, я бы не писал это. Но он явно использует не тот подход, что человек. Человек не может ничего делать с большой скоростью, но тут он по одной или нескольким фотографиям обучается и дальше почти не ошибается.
вами взят изначально ложный посыл о 100% распознавании именно 5-6 лет детьми
откуда вы это взяли? пруфы есть?
на примере распознавания номеров машин, отпечатков пальцев(у вас нет андроида?), лиц(у вас нет айфона?), ну и конечно капч очевидно, что ИИ работает намного лучше человека в распознавании.
Здравствуйте, paradok, Вы писали:
P>вами взят изначально ложный посыл о 100% распознавании именно 5-6 лет детьми P>откуда вы это взяли? пруфы есть?
Я не думал, что нужны пруфы на то, что ребенок отличает кошку от собаки на фото или картинке. И не только реальных, но и мультяшных. Ты в этом возрасте отличал, нет ? Если нет — в каком возрасте научился отличать ?
P>на примере распознавания номеров машин, отпечатков пальцев(у вас нет андроида?), лиц(у вас нет айфона?), ну и конечно капч очевидно, что ИИ работает намного лучше человека в распознавании.
Верно. Это довольно легко алгоритмизируемые задачи, и они решаются алгоритмическими методами с хорошей точностью. Хотя и здесь то же самое. Человек, чтобы научиться распознавать цифры, не просматривал сотни тысяч картинок с цифрами. И до гарнитуры и размера ему, в общем, дела нет. Он цифры распознает (по крайней мере печатные) со 100% уверенностью , начиная как минимум с 7-летнего возраста — надеюсь, ты не потребуешь от меня пруфа на это
Кстати, утверждение, что ИИ распознает тексты лучше, чем человек, довольно-таки спорно. Особенно когда речь идет о рукописном тексте. Впрочем, там и человек со 100% надежностью не распознает, вообще говоря.
P>это кошка или собака? P>https://kubnews.ru/upload/resize_cache/iblock/bf5/1200_630_2/bf5d78d02b0f5687392222af5d3df71c.jpg
Не пойдет аргумент. Конечно, можно найти нечто достаточно специфическое фото, где понять сложно. Или найти такого кота, который и на кота не очень похож. Но это никак не отменяет исходное утверждение.
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Здравствуйте, paradok, Вы писали:
P>>вами взят изначально ложный посыл о 100% распознавании именно 5-6 лет детьми P>>откуда вы это взяли? пруфы есть?
PD>Я не думал, что нужны пруфы на то, что ребенок отличает кошку от собаки на фото или картинке.
значит у тебя пруфов нет. Я понимаю ты в полемическом угаре сейчас, но попробуй трезво посмотреть на твои собсвенные тезисы.
P>>на примере распознавания номеров машин, отпечатков пальцев(у вас нет андроида?), лиц(у вас нет айфона?), ну и конечно капч очевидно, что ИИ работает намного лучше человека в распознавании.
PD>Он цифры распознает (по крайней мере печатные) со 100% уверенностью
однако пожалуй соглашусь что текущие структуры и алгоритм ИИ скорее всего еще далеки от идеала и совершенства, не являются абсолютом, находятся в стадии развития,
и возможно где-то еще отстают от нейронки человека, где-то ее превосходят, где-то, как в шахматах, распознавание простых образов (буквы, цифры), превосходство тотальное, подавляющее и уничтожащее...
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>Сколько в своей жизни этот ребенок видел кошек и собак ? Живых — хорошо если пару десятков, возможно, что и меньше. Ну еще сколько-то на картинках, в фильмах и т.д. Тоже десятки, ну пусть сотню-две.
... PD>Нет уж , господа. О распознавании с качеством естественного интеллекта говорить можно будет, если вы дадите этому ИИ 20-30 фотографий или видео, и он после этого запомнит раз и навсегда, как выглядят, скажем, лошади (кстати, возможно, ребенок живых лошадей никогда и не видел) и впредь с практически 100% надежностью будет их опознавать.
А кто-то пробовал показывать ребенку только фотографии кошек и собак?
Думаю, ребенок предположил бы на лошадь, что это такая собака. ))
Здравствуйте, Pavel Dvorkin, Вы писали:
PD>О чем я и толкую. Как только мне представят нейросеть, которая по одному изображению запомнит вот это животное, ранее ей не дававшееся при обучении ее и сможет его опознавать — я немедленно признаю, что она может конкурировать с человеческим интеллектом. PD>Но не раньше.
Такая проблема есть и часто решается через кластеризацию. Суть в том, чтобы не тренировать классификатор, а тренировать сеть выделять признаки. На выходе у нейросети формируется вектор признаков объекта в некотором N-мерном пространстве. Вектора, соответствующие изображениям одного объекта должны находиться рядом, для разных объектов — далеко друг от друга. Всё, нейросеть больше ничего не делает.
Далее ей показывают картинку, она извлекает из них вектор признаков. Другой алгоритм ищет ближайший кластер с похожими признаками: нашёл — выдал класс объекта, не нашёл — сказал, что объект незнакомый.
Если незнакомый, то добавляем его вектор (embedding) в БД, перестраиваем "индекс" и работаем дальше — мы уже знаем, что это такое.
Никакого интеллекта тут и близко нет, но в частных случаях работает прекрасно: идентификация по лицу, классификация товаров на полках и т.д., где разных объектов много, примеров мало, новые классы добавляются чуть ли не каждый день.
Прославился тем, что вставил деструктивную функциональность в свой винда-твикер, как средство 
