IT в России и мире в реалиях мирового кризиса

Цитата: Азъ от 10.06.2023 21:15:28Это извечная беда))) 
Попытка создать единую модель данных. Вот и нарастаю проблемы снежным комом, так что думаю ГАР не последнее)))
Пока не дойдет, что создание единой модели данных трудо и финансово затратно, а ее (модели данных) поддержание еще более затратно и невозможно. Есть другие пути решения задачи.

А как скачать этот ГАР? В смысле, откуда?

Заявки на участие прислало рекордное число ИТ-специалистов со всей России и 37 стран мира, включая Аргентину, Беларусь, Индонезию, Иран, Казахстан, Китай, Мексику, ОАЭ, Сербию, Тунис, Турцию. По результатам рассмотрения заявок было сформировано 1 103 команды, из них 210 вышли в финал.

На заключительном этапе конкурсантам предстояло решить задачи, поставленные городскими ведомствами и, впервые в истории проекта, коммерческими организациями.

---

Победителями конкурса, предложившими лучшие решения 21 задачи, стали команды:

Корпораты - агрегатор площадок и услуг креативных индустрий Москвы по запросу Агентства креативных индустрий;
Copy Paste Adapt - мобильное приложение для прохождения предпринимателями проверок контрольных органов по запросу Главного контрольного управления;
AI ENGINEERS - умный корпоративный ассистент для помощи в решении бизнес-задач по запросу Tada.Team;
Kydas - cервис обработки обратной связи пользователей «Московского постамата» по запросу Агентства инноваций Москвы;
Звездочка - решение для поиска одинаковых товаров на маркетплейсе по запросу Ozon;
Имбатим - модель по построению оптимальных маршрутов инкассации платежных терминалов по запросу Газпромбанка;
Grands-pères puissants - сервис построения умного маршрута для электросамокатов по запросу Whoosh;
Development People - сервис генерации трассы системы водоотведения по запросу ПИК;
Deep People - интерактивная платформа для мониторинга внутренней отделки квартиры по запросу группы «Самолет»;
Адера - сервис прогнозирования работ по содержанию и ремонту объектов городского хозяйства по запросу Департамента жилищно-коммунального хозяйства Москвы;
Silk road - система поиска нарушений в сфере захоронения отходов по запросу Российского экологического оператора;
SpaceTime - сервис планирования передачи данных от космических аппаратов на земные станции по запросу Sitronics;
Антиградиент - рекомендательный сервис динамического прогнозирования спроса на авиарейсы по запросу Аэрофлота;
Dream Safety Team - сервис расчета инвестиций в развитие промышленного предприятия по запросу Департамента инвестиционной и промышленной политики Москвы;
InfoVision - модель раннего обнаружения неисправностей промышленного оборудования по запросу компании «Северсталь»;
Paper planes - интерактивная платформа-сообщество для стажеров и участников молодежных карьерных проектов по запросу Молодежных карьерных проектов Правительства Москвы;
MAGNUM OPUS - рекомендательный сервис формирования персонализированных туристических пакетов по запросу Комитета по туризму Москвы;
Doc help - электронный помощник руководителя медицинского учреждения по запросу Департамента здравоохранения Москвы;
Лапки МИСИС - рекомендательный сервис для выбора активностей участниками проекта «Московское долголетие» по запросу Департамента труда и социальной защиты населения Москвы;
NoTryCatch - мобильное приложение для образования в сфере искусства по запросу Департамента культуры Москвы;
Norllina Studio - видеоигра с использованием образа Москвы по запросу «Организации развития видеоигровой индустрии», Sitronics и Департамента информационных технологий Москвы.

Лауреатами конкурса стали 63 коллектива из 27 регионов России и 9 стран мира: Турция, Казахстан, Армения, Белоруссия, Чехия, Черногория, Австралия, Китай, Израиль.

Сведующие, поясните, что за планы такие у Intel https://3dnews.ru/10…magdeburge ? Вроде как, все производители начинают сбегать из Германии, нет? Я понимаю, что это просто декларация о намерениях, но все же...

Цитата: Егор А.Изотов от 20.06.2023 13:37:51Среди прочего можно допустить, что, в силу каких-то обстоятельств, это будет более экономически выгодно, чем в США. Например, более дешевая, и, при том, квалифицированная, рабочая сила, энергетика (хотя тут вопросы, но вопрос достаточно многоплановый). Опять же, Тайвань - то еще место может быть, "дом стеклянный", так себе, прочая тихоокеания... ну, тут тоже может быть по-всякому, как раз из-за Тайваня...

 Ну, так-то и я, сам себе ответил.)))

С хабра:
"...обучение больших языковых моделей на контенте, произведённом другими моделями, вызывает дегенеративный процесс, который с течением времени заставляет модели забывать истинное базовое распределение вероятностей. Они назвали это явление коллапсом модели. Математика показывает, что «через несколько поколений текст становится мусором»
...Второй способ предполагает использование в обучении только новых, «чистых», сгенерированных человеком датасетов. Исследователи обращают внимание, что для этого потребуются определённые усилия со стороны производителей контента или компаний, занимающихся искусственным интеллектом; им придётся разработать и внедрить механизм массовой маркировки контента."
https://habr.com/ru/news/742914/

Я обратил бы обратил Ваше внимание еще и на эту статью, она интересна в плане профанации и подгона результатов.
Deep Fake Science, кризис воспроизводимости и откуда берутся пустые репозитории

Цитата

Скрытый текст

Воспроизводимость в Computer Science

В Arizona State University (который по количеству студентов, к слову, в 2 раза больше МГУ) на программистском факультете сделали специальный сайт http://repeatability.cs.arizona.edu/, посвященный проведенному у них исследованию воспроизводимости результатов в 601 статье из журналов и конференций ACM. Получилась такая картина:



Источник: Repeatability in Computer Science

106 статей они не проверили, поскольку не хотели нарушать чистоту эксперимента (они писали авторам и запрашивали код), в оставшихся: 

• в 93 статьях (19%) нет кода, либо было железо, с которым они не могли сравниться,
  


• в 176 статьях (35%) авторы не предоставили код,
  


• в 226 статьях (46%) код был, в 9 (2%) его не удалось собрать, а у 87 (64 + 23) статей (18%) на решение проблем сборки проекта ушло больше получаса (в 23-х случаях проблемы устранить не удалось, но автор заверил, что «приложи больше усилий» всё бы собралось).
  

PS Просто не все нужно и можно обрабатывать нейронками.

Цитата: Азъ от 20.06.2023 22:16:36Я обратил бы обратил Ваше внимание еще и на эту статью, она интересна в плане профанации и подгона результатов.
Deep Fake Science, кризис воспроизводимости и откуда берутся пустые репозитории
...
PS Просто не все нужно и можно обрабатывать нейронками.

Это же самое справедливо и для ОО парадигмы, которая натурально применима менее, чем в четверти задач, где ее применяют.

Цитата: gbooth от 21.06.2023 17:55:14лет тридцать назад была доказана теорема о том, что любая функция хорошо аппроксимируется нейронкой при достаточном количестве нейронов в скрытых слоях.))

Ага, доказана – бумага, она все стерпит.
Во-первых, не любая, а во-вторых, под нейросетью в случае возможности ей таки аппроксимировать лежит издревле известный линейный метод (аппроксимирующая функция представляет собой конечную сумму взвешенных базисных функций, причем, не обязательно ортогональных). 
Самый распространенный пример – RBF-сети. При этом классические методы аппроксимации в RBF-базисе на порядки более производительны и всегда сходятся к правильному решению, а ресурсов на это требуется вообще мизер – задачи аппроксимации в RBF-базисе, которые решались в начале 90-х на i386DX c 16M памяти, на нейросетях неподъемны даже на современных архитектурах, специально заточенных для работы с НС. Отдельный вопрос со сходимостью, которая у НС ниже плинтуса – реально процесс почти всегда застревает в локальной ямке, в результате точность в лучшем случае будет около процента.

Цитата: gbooth от 21.06.2023 17:55:14лет тридцать назад была доказана теорема о том, что любая функция хорошо аппроксимируется нейронкой при достаточном количестве нейронов в скрытых слоях.)) 
Но даже это ее свойство не отменяет необходимости ее уметь готовить.

чушь... мера аппоксимации определеттся класом функций - одни синусоидами хорошо аппрксимиуютя, другие дробно-линейными функциями, третьи синусоидами

Цитата: GrinF от 22.06.2023 01:14:49чушь... мера аппоксимации определеттся класом функций - одни синусоидами хорошо аппрксимиуютя, другие дробно-линейными функциями, третьи синусоидами

ну считайте что нейронка сама конструирует оптимальный базис разложения

Цитата: psv от 22.06.2023 13:38:51ну считайте что нейронка сама конструирует оптимальный базис разложения

ага ... только ее нужно обучить на бесконечном материале - ибо пространства функций бесконечномерные... Перечислите мне в этом разделе все множество натуральных чисел..,

Слбственно даже базисов ортогональных полнимов бесконечное количество - уварова достаточно почитать , что бы строить.

Цитата: GrinF от 22.06.2023 15:48:16ага ... только ее нужно обучить на бесконечном материале - ибо пространства функций бесконечномерные... Перечислите мне в этом разделе все множество натуральных чисел..,

Слбственно даже базисов ортогональных полнимов бесконечное количество - уварова достаточно почитать , что бы строить.

ну если начать выкидывать инварианты, то не так уж их и много (по сравнению с начальных числом). Да и ряд ортогональный как ни крути сходится к решению... а который не сходится так и не нужен в хозяйстве... Там где упираются в бесконечную точность практически всегда налажали с постановкой задачи.

Цитата: psv от 22.06.2023 16:29:16ну если начать выкидывать инварианты, то не так уж их и много (по сравнению с начальных числом). Да и ряд ортогональный как ни крути сходится к решению... а который не сходится так и не нужен в хозяйстве... Там где упираются в бесконечную точность практически всегда налажали с постановкой задачи.

Какие нахер инварианты например в гильбертовом пространстве L^2 ,  или в пространстве Шварца медленных функций.

Это уже есл не вспоминать что существуют нелинейные задачи с динамическим хаосом...
Как- в уравнении навье-стоксаи чего аппроксимировать даже люди не знают, а тут блин нечто посадили - оно лучше разберётся... Кхе-кхе ... Noise in - noise out

Цитата: GrinF от 22.06.2023 23:58:30Какие нахер инварианты например в гильбертовом пространстве L^2 ,  или в пространстве Шварца медленных функций.

Это уже есл не вспоминать что существуют нелинейные задачи с динамическим хаосом...
Как- в уравнении навье-стоксаи чего аппроксимировать даже люди не знают, а тут блин нечто посадили - оно лучше разберётся... Кхе-кхе ... Noise in - noise out

Скочки вашей мысли весьма забавны и шумоподобны. Какое отношение к инвариантам разложения в ряд имеют пространства?
При чем тут хаос и прочие математические биллиарды? Вы что считаете что "оригинальная система" у вас будет воспроизводить свою траекторию состояний при запуске из того же положения???)))
Короче вам надо бы смириться.. ну или идти редактировать педивикии на тему "невозможность аппроксимации нейросетью дифференцируемой функции"ТМ

Цитата: psv от 22.06.2023 13:38:51ну считайте что нейронка сама конструирует оптимальный базис разложения

Нейронка, как и любая другая программа, ничего не конструирует, а использует некоторый параметризованный, но тем не менее, детерминированный алгоритм, параметры которого подбираются в процессе так называемого "обучения". Это обучение в реальности является построением некоторой многомерной функции в пространстве предъявляемых образов.  Итак, простой детерминированный алгоритм с параметрами – вот и весь смысл нейронок. При этом из-за скрытого внутреннего состояния невозможно не только использовать явные схемы вычисления параметров, минимизирующих ошибку, но и провести анализ сходимости процесса в процессе "обучения" подбора этих параметров.

Цитата: adolfus от 29.06.2023 17:28:33Нейронка, как и любая другая программа, ничего не конструирует, а использует некоторый параметризованный, но тем не менее, детерминированный алгоритм, параметры которого подбираются в процессе так называемого "обучения". Это обучение в реальности является построением некоторой многомерной функции в пространстве предъявляемых образов.  Итак, простой детерминированный алгоритм с параметрами – вот и весь смысл нейронок. При этом из-за скрытого внутреннего состояния невозможно не только использовать явные схемы вычисления параметров, минимизирующих ошибку, но и провести анализ сходимости процесса в процессе "обучения" подбора этих параметров.

Ну и что? Никаких доказательств "бесконечномерного квантового мышления" нет. Все "бла бла бла" вокруг "невозможности овладеть быстрорастущим пространством перебора" закончились с эффективной и эффектной игрой в Го. А там "внутри неонка" и никакой "квантовости" нет. Хоть седы выставляй для ГСЧ :) Никакой "протечки" нет даже теоретически. 
Никаких других новых "примеров непознаваемых детерминированным ИИ задач" никто из какого то "направления непознаваемости мышления" пока не породил.


Нет безусловно – это не является одновременно и доказательством отсутствия этой "квантовой природы сознания".

Цитата: psv от 23.06.2023 08:19:18Скочки вашей мысли весьма забавны и шумоподобны. Какое отношение к инвариантам разложения в ряд имеют пространства?
При чем тут хаос и прочие математические биллиарды? Вы что считаете что "оригинальная система" у вас будет воспроизводить свою траекторию состояний при запуске из того же положения???)))
Короче вам надо бы смириться.. ну или идти редактировать педивикии на тему "невозможность аппроксимации нейросетью дифференцируемой функции"ТМ

Ещё раз русскими черными буквами на белом фоне... Инвариантов бесконечное количество, алгоритмов аппроксимации бесконечное количество, количество базисов бесконечное количество- никакой конечный детерминированный автомат не выберет из бесконечного множества оптимального представителя методом перебора... До усерачки мне можете доказывать обратное... А стало быть никакой оптимальной аппроксимации не будет никогда, пока не скоратят пространство поиска до конечномерного и тогда уже можно думать о каком оптимальном алгоритме аппроксимации

Цитата: psv от 29.06.2023 20:16:11Ну и что? Никаких доказательств "бесконечномерного квантового мышления" нет. Все "бла бла бла" вокруг "невозможности овладеть быстрорастущим пространством перебора" закончились с эффективной и эффектной игрой в Го. А там "внутри неонка" и никакой "квантовости" нет. Хоть седы выставляй для ГСЧ :) Никакой "протечки" нет даже теоретически. 
Никаких других новых "примеров непознаваемых детерминированным ИИ задач" никто из какого то "направления непознаваемости мышления" пока не породил.


Нет безусловно – это не является одновременно и доказательством отсутствия этой "квантовой природы сознания".

Какое нахер бесконечном претерпевает твое мышление - у вас каша в голове. Берете пространство L2. Оно возникает уже в вещественном случае в ппостранстве функций с интегрируемым кваддратом- откройте учебник Кудрявцева по метану и убедитесь сами емъли не верите. Более того есть реализации причем вполне физичные этого пространства - пространство функций медленного роста Шварца S пополненное по квадратичной (вещественной) норме - это же пространство реализуется в радиотехнике, и прочих разных полевых конфигурациях ЭМ полей. Какую чушь только не приходится выслушать . Математик мамкин- наборался умных слов и супер их в произвольном порядке

Цитата: GrinF от 30.06.2023 23:57:53Ещё раз русскими черными буквами на белом фоне... Инвариантов бесконечное количество, алгоритмов аппроксимации бесконечное количество, количество базисов бесконечное количество- никакой конечный детерминированный автомат не выберет из бесконечного множества оптимального представителя методом перебора... До усерачки мне можете доказывать обратное... А стало быть никакой оптимальной аппроксимации не будет никогда, пока не скоратят пространство поиска до конечномерного и тогда уже можно думать о каком оптимальном алгоритме аппроксимации

До усрачки можете вы мне рассказывать мне что "манифолд непознаваем")) Вернее "неописуем" ибо "дури столько что писал бы и писал".
Вы вообще "то что моделируется" от того "как моделируется" отличаете?

Цитата: GrinF от 01.07.2023 00:04:20Какое нахер бесконечном претерпевает твое мышление - у вас каша в голове. Берете пространство L2. Оно возникает уже в вещественном случае в ппостранстве функций с интегрируемым кваддратом- откройте учебник Кудрявцева по метану и убедитесь сами емъли не верите. Более того есть реализации причем вполне физичные этого пространства - пространство функций медленного роста Шварца S пополненное по квадратичной (вещественной) норме - это же пространство реализуется в радиотехнике, и прочих разных полевых конфигурациях ЭМ полей. Какую чушь только не приходится выслушать . Математик мамкин

Я смотрю бисер пошел не в прок.