Израиль разрабатывает систему перевооружения самолетов в воздухе

[Vintik]

Вы не могли бы привести тут свои источники? Особенно касательно этого: "Фишка этого алгоритма в том, что он умеет обучаться по прямым задачам, а решать потом обратные".

[KUZNETS]

Вы не могли бы привести тут свои источники? Особенно касательно этого: "Фишка этого алгоритма в том, что он умеет обучаться по прямым задачам, а решать потом обратные".

я вот эту фишку тоже че-то не просек...

[Якут]

Да и не заморачивайтесь над этим фэнтезийным сюжетом. Для того, что бы подобные машины стали реальностью - нам, людям необходим качественный прорыв.
Причем даже не технологический, сколько философский. Мы до сих пор - не можем ответить на вопрос:"что такое разум?", а уже пытаемся что-то моделировать- даже не имея понятия о том, как же "оно" работает.
Увы... До сбытия мечт Сереги Сыроежкина - пропасть времени.

[Mikhael]

Вы не могли бы привести тут свои источники? Особенно касательно этого: "Фишка этого алгоритма в том, что он умеет обучаться по прямым задачам, а решать потом обратные".

Источник - доклад одного товарища, занимающегося данным алгоритмом в ИТПМ СО РАН (к сожалению, не помню его фамилии), на Чаплыгинских чтениях в г. Новосибирске.

Смысл алгоритма именно в том, что обучившись по набору прямых задач он позволяет получать решение обратных задач. В противном случае, тов. Vintik, он просто смысла не имеет - прямые задачи по профилям давно решаются.

Это не означает, что (для пары "профиль-поляра") по заданной поляре он из 1 000 000 введённых в него профилей ищет наиболее подходящий - происходит именно экстраполяция необходимой формы профиля. И достоверность экстраполяции зависит от количества обучающих пар. Поэтому, тов. KUZNETS, это единственный, известный мне, алгоритм, способный реагировать как раз на неизвестные заранее входные данные. Вопрос, конешно - на каких парах обучать боевой AI и что будет служить ему входными данными - пока открыт, да и тов. Якут с вопросом о потребном перформансе совершенно прав.

Но, думаю, если вложить в решение проблемы некое количество килобагсов - решение рано или поздно найдётся. И, чуствую, килобагсы будем вкладывать не мы...

[Vintik]

Источник - доклад одного товарища, занимающегося данным алгоритмом в ИТПМ СО РАН (к сожалению, не помню его фамилии), на Чаплыгинских чтениях в г. Новосибирске.

Смысл алгоритма именно в том, что обучившись по набору прямых задач он позволяет получать решение обратных задач. В противном случае, тов. Vintik, он просто смысла не имеет - прямые задачи по профилям давно решаются.

Вы либо чего-то не поняли, либо одно из двух. Нейронные сети при обучении с учителем так не умеют - чтобы в них вводилась прямая задача, а решали они обратную. Вообще говоря, что делает нейронная сеть при таком виде обучения - так это решает задачу нелинейной регрессии. Пусть вас не смущает, что в сети есть нейроны и связи - если присмотреться, это как раз ни что иное, как задача регрессии. Это все, конечно, не означает, что с помощью сетей нельзя решать обратные задачи. Можно. Но для этого ее надо обучать на наборе _обратных_ задач. То есть, если посмотреть на ваш пример, в сеть, скорее всего вводились пары "поляра-профиль", а вовсе не наоборот.

Поэтому, тов. KUZNETS, это единственный, известный мне, алгоритм, способный реагировать как раз на неизвестные заранее входные данные.

Из того что он единственный, вам известный, никак не следует, что он единственный в природе.

И вообще, не стоит делать из нейронных сетей панацею. Это не так. И я лично сильно сомневаюсь, что простым масштабированием можно получить какое-либо сложное поведение от сети. Кстати, даже наоборот, слишком большая сеть имеет тенденцию к переобучению. В общем, по-моему, нейронные сети - это такой способ решать определенные математические задачи. Ничего более. Не "мозг в компьютере".

Но, думаю, если вложить в решение проблемы некое количество килобагсов - решение рано или поздно найдётся. И, чуствую, килобагсы будем вкладывать не мы...

Это да. При должном уровне усилий можно решить любую задачу. Иначе не интересно.