266
-
toto66 #186 " az egesz vilagegyetem is algoritmusok es a koztes viszonyaik alapjan mukodik."
Aha kezdem érteni mit akarsz, és nincs is ellentmondás a te állításod és az enyém között ugyanis:
A számítógép is hierarhikus rétegek szerint épűl fel.
Nézzük a következőt, nagyon leegyszerűsítve:
bitek szintje utasítások szintje és az alacsonyabb és magasabb szintű nyelvek
Akkor azt állapítjuk meg hogy algoritmus már igen alacsony szinten is van (Pl.:logikai kapuk előre meghatározott válaszokat produkálnak a a meghatározott bemenetekre)
A számítógépnél a legfelső szintig jelen kell legyen algoritmusnak!
Az embernél is hasonlóan van, az alacsony szinteken biztos hogy algoritmusnak kell legyen, de pl.:az emberi öntudat már a jelenlegi számítógépek legmagasabb szervezettségi fokánál magasabb, és lehet hogy nem is csak ez az egy szint van!
ezeken a szinteken attól függetlenül, hogy az alatta lévő szinteken milyen algoritmus van úgyan-úgy lényegtelen mint a számítógépnél (a fordító a lényeg csak). Tehát elképzelhető hogy az emberi gondolkozás magasabb szintjén már nem csak algoritmikus gondolkozás létezzen, annak ellenére, hogy a neuronok csak arra képesek.
A világegyetemet említetted, az én általam ismert legmagasab szintű szerveződése a létezésnek az pont az emberi tudat, gondolkozás.
Minden szinten valamilyen minőségi ugrás van (attól más szint) ezért lehet hogy pont ez a minőségi ugrás... -
Epikurosz #185 annyi, hogy beleviszed a meglepetés faktort is. -
Epikurosz #184 Egyszóval, minden megoldható algoritmussal, mert a randomizálás is az. -
Epikurosz #183 Ez is megoldható
if case 1
if case 2
....
otherwise
ággal.
Randomizálod a döntéseket, véletlen számokat csak tudunk generálni.
Vagyis, ha a véletlen szám páratlan, akkor megy az algoritmus logikája, ha nem, akkor bedob egy tetszőleges variációt, de nézi a hatást, vagyis a felhasználó tud finomítani a rendszeren. -
Epikurosz #182 No, csak azért kérdeztem mert a jelnlegi partnerkereső helyek mind lenyúlások.
Régen gondolkodtam, hogy csinálok én egy jobbat, amelybe mindenki kitölt CSELES teszteket, majd a gép kiguglizza neki az ideált. Nincs rá időm, pénzem, így magányosan búslakodom én is, mint sokan mások.
Pedig a boldogság alkotmányos nem egyéni, páros, sőt kollektív jog kellene legyen.
De ki törődik már itt alkotmányossággal, jogokkal is. -
toto66 #181 Nos az algoritmus ember által alkotott fogalom! Így van egy definiciója, abban szerepel: "utasítások sorozata" ez azt jelenti hogy milyen esetben mit kell tenned az teljesen meghatározott. Tehát ha az algoritmust felrúgod akkor az a definiciója miatt nem az többé! Ha nem úgy teszel ahogy az algoritmus utsításában szerepel akkor nem az algoritmus szerint cselekszel, ez a gondolkozásra is igaz. Ha nem csak az algoritmus szerint gondolkozol akkor fedezel fel pédául új dolgokat (ezt hívják intuiciónak).
Mind a két féle gondolkozásra szükség van! Ha az egyik hiányzik akkor az elmebetegség!
Nézd meg az Esőember című filmet! Elég képszerű miről beszélek, ha valaki csak bizonyos szabályok (utasítások tehát algoritmus) szerint gondolkozik akkor arra az esetre amire nincs utasítás készlet nem tud normálisan reagálni (vagy nem is reagál rá) Ez tipikusan az autistákra jellemző.
Ha valakinek nagyon jó az algoritmikus gondolkozása az azt jelenti hogy a reális valóságot nagyon jól tudja megitélni, de csak az ismeretei szintjén, ezért csak az lesz zseni aki a jó algoritmikus képessége mellet intuitív, tehát az algoritmikustól eltérő "hibás" gondolkozása is erőteljes, ezért az átlag emberek nehezen kűlömböztetik meg az őrültől, akinek viszont már sérült az algoritmikus képessége (nem lehet kiszámítani a viselkedését)
Dióhéjban...
Tehát azt belátod aki nem az algoritmus szerint viselkedik annak nem lehet a viselkedését kiszámítani, ilyen ember létezik... Akkor az átmenek is létezhetnek... tehát csak gondold végig... -
toto66 #180 " Ebből az következik, hogy térfogati jellegű a lokális minimum megtalálásához bejárt tér, tehát exponenciálisan skálázódik a dimenziókban a szükséges lépésszám"
Nos ebből (az "exponenciálisan"-ból) következik bizonyos feladatokra nem lenne elég az ember neuronjainak száma, (mert nem milliárdos, hanem annál jóval nagyobb nagyságendű is lehetne a szükséges).
Az asszociációt igénylő problémák lehetnek ilyenek.
Az asszociáció pont az általam írt "hibás" gondolkozásban rejlik, ugyanis pl.:
Amikor egy festményről eldöntjük hogy az mit ábrázol akkor nem a valóságot fogjuk eredményként kapni (tudnilik hogy színes foltok) hanem mondjuk egy tájat. Ebből kitűnik hogy amikor asszociálunk a képről a tájra akkor az általam "hibás" gondolkozásnak nevezet dolgot művel az agyunk.
Ezt a "hibás" gondolkozást kellene vizsgálni, mert ennélkül maximum csak "autista" gépeket fogunk alkotni a legtökéletesebb algoritmusokkal is...(mindegy mekkora lesz a futásidő, milyen kapacitású lesz a gépünk akkor is)
Tehát lehet képfelismerő szoftvereket írni, de ha nem képes az elvonatkoztatásra semmi kép nem MI... -
#179
toto, az egesz vilagegyetem is algoritmusok es a koztes viszonyaik alapjan mukodik. Az amit nem algoritmikusnak nevezunk legfeljebb abbol fakad, hogy az adott "hibat" amit emlitettel milyen melysegig analizalod. Pl. ha nem csak a neuronhalo hibas tagjait elemzed, hanem a hibasnak itelt neuronokba is beletekintessz, lemessz biokemiai, vagy akar szubatomi reszekig, akkor elobb utobb ra fogsz jonni, hogy maga a hiba is algoritmikus.
Tehat attol meg, hogy valamit elmeleti szinten altalanos megegyezes alapjan nem algoritmikusnak hivsz, az attol meg az, csak attol fugg, hogy milyen melyen nyulsz bele a problema eredetebe.
-
#178
Az elobb kerestem a futasi ido meghatarozasahoz a kepletet a jegyzeteim kozott, de elkepzelheto, hogy festeskor felkerult a padlasra. Ha lesz idom es nagyon-nagyon erdekel megkeresem. 
-
#177
> Oké, szóval akkor az összes szomszédon keres. Az ábrán, ha jól látom, pl. épp 12-n. Ebből az következik, hogy térfogati jellegű a lokális minimum megtalálásához bejárt tér, tehát exponenciálisan skálázódik a dimenziókban a szükséges lépésszám.
Ez igy van.
> Én pedig megint leírom: *nincs* garancia a globális optimumra! Honnan tudod, hogy ezt az egyszerű eljárást elegendő a "tér 12 ezrelékén" megismételni?
Kiserletekbol.
> Van valami tétel róla?
Nincs. Ezert irta a gazdaja, hogy ha valaki tudja, hogy miert mukodik akkor "jelentkezzen".
> Vagy csak annyi bizonyíték van, hogy néhány konkrét, kisméretű problémában ennyi elég volt?
Hat azert ez termeszetesen nem ennyire feluletesen lett korbejarva. Ez nem egy kiserleti eszkoz, ez ma mar a gyakorlatban is alkalmazott megoldas. (keress ra a google-lel)
A dimenziok szamaval forditott aranyossagban, a teljes ter nagysagaval pedig egyenes aranyossagban kell novelni az ablakmeretet. En anno erre irtam egy egyenletrendszert is amivel konnyebben meghatarozhato (es nem megbecsulheto!) az algoritmus futasi ideje az ablakmeret, optimumkriterium, dimenziok szama es a dimenziok nagysaga aranyaban. (az egyes dimenziok lehetnek kulonbozo szintuek is)
> A véletlen felvett pontok helyett úgy látom, ők rácsban, sőt, ebben a Tejfalussy-elrendezésben négyzetrácsban vették fel a kezdőpontokat. Ez kétségkívül determinisztikussá teszi az algoritmust, viszont sok dimenziós esetekben nagyon gyengus.
Eppen ellenkezoleg, minel KEVESEBB a dimenzio annal "gyengusabb", annal nagyobb hanyadat kell megmerned a ternek es ugyanannal az ablakmeretnel minel TOBB a dimenziod annal kevesebbet, hiszen itt van lehetoseged minel tobb Fourier-transzformaciot csinalni ami lenyegeben elvezet az optimumhoz. (lasd fentebb az elozo kerdesedre a valaszomat)
A teljes terre 2-12 ezrelek azok alapjan a kiserletek alapjan jott ki amik el lettek vegezve. Globalis optimum keresesnel a dimenziok szamanak/szintjeinek ill. ablakmeret valtoztatasaval ezek az eredmenyek szulettek. Az mindenkeppen elony ha a dimenziok szintjei nem oszthatoak egymassal es itt igazabol ez az ami a 2-12 ezrelek kozott beleszol abba, hogy pontosan mennyit is kell merni.
> Ez egy aranyos heurisztikus algoritmus, de semmiképp sem forradalmi, legalábbis én nem látom, mi lenne benne az. Olyan, amit egy PhD diák józan ésszel gyorsan összedob valami részproblémára, publikálni aligha lehetne.
Mar tul van rajta:
http://hup.hu/node/7880
http://hup.hu/node/8900
http://hup.hu/node/22782
Ime egy gyakorlati alkalmazasa:
http://64.233.183.104/search?q=cache:nq8saWeuZpAJ:www.chemres.hu/ISCC/dooc/Combinatorial%2520Catalysis/2005.ApplCatA.v285.p65.pdf+xhrs+catalyst&hl=en&ct=clnk&cd=4&gl=uk&client=firefox-a
Bovebben itt:
http://www.google.co.uk/search?num=100&hl=en&client=firefox-a&rls=org.mozilla%3Aen-US%3Aofficial&hs=6TX&q=%22Holographic+Research+Strategy%22&btnG=Search&meta= -
toto66 #176 Van egy elméletem, lehet hogy nem így van, de szerintem jobban leírja az emberi gondolkozást, mint a pusztán algoritmikus elképzelés.
Ha pusztán algoritmusokkal gondolkoznánk akkor az azt jelentené hogy eljutunk egy feltételes elágazáshoz akkor úgy kellene döntenünk ahogy az algoritmus előírja (ha ez akor így, ha nem ez akkor nem így) ellenben az emberi agy hibázik és előfordul hogy ugyanolyan feltételek között így máskor meg nem így dönt.
Tehát az én elképzelésem az hogy az agyunk ugyan használ algoritmusokat, de hibákat vét benne (ekkor az már nem algoritmus annak definiciója következtében).
Tehát van egyszer algoritmikus gondolkozás és nevezzük most hibás gondolkodásnak.
Namost egy kissé leegyszerűsítem az elgondolásom:
Vannak olyan emberek akik csak algoritmikus gondolkozással rendelkeznek, ők az autisták. Azután vannak olyanok akiknél változó arányban elég széles skálán van az algoritmikus és a "hibás" gondolkozás aránya ők az átlag emberek a butától az okosig. Ezután vannak akiknek jelentős "hibás" gondolkozásuk van ők a zsenik. Akiknél ennél nagyobb arányú a "hibás" gondolkozás aránya ők a művészek, és akinél hiányzik az algoritmikus gondolkozás ők őrültek...
Ezt elég hosszú kifejteni, itt kevés rá a lehetőség, de elgondolkozni ezen lehet! -
kukacos #175 Oké, szóval akkor az összes szomszédon keres. Az ábrán, ha jól látom, pl. épp 12-n. Ebből az következik, hogy térfogati jellegű a lokális minimum megtalálásához bejárt tér, tehát exponenciálisan skálázódik a dimenziókban a szükséges lépésszám. Ha ez elkerülendő konstansokkal leszorítod az ablakméretet, egy idő után meg se találja a lokális minimumot.
Már csak két pont maradt homályos: az egyik, hogy
"Megismetlem megint, ezeket is figyelembe veve mindosszesen a ter 2-12 ezreleket elegendo megmerni, mert legfeljebb 12 ezrelek mar biztosan globalis optimumot ad."
Én pedig megint leírom: *nincs* garancia a globális optimumra! Honnan tudod, hogy ezt az egyszerű eljárást elegendő a "tér 12 ezrelékén" megismételni? Van valami tétel róla? Vagy csak annyi bizonyíték van, hogy néhány konkrét, kisméretű problémában ennyi elég volt? Az én vakondtúrásos példámban például a tér 100%-át át kellene vizsgálni. Teljesen hibás néhány egyszerű példából arra következtetni, hogy akkor ez akárhány dimenzióban és minden problémában így fog működni.
A véletlen felvett pontok helyett úgy látom, ők rácsban, sőt, ebben a Tejfalussy-elrendezésben négyzetrácsban vették fel a kezdőpontokat. Ez kétségkívül determinisztikussá teszi az algoritmust, viszont sok dimenziós esetekben nagyon gyengus. Külön tudománya van annak, hogy lehet ilyen terekből adott eloszlás szerint mintavételezni (MCMC, Metropolis-Hastings), és ha rácsban akarsz mintákat felvenni, a négyzetrács egy roppant lyukas dologgá válik nagy dimenziós terekben (egy százdimenziós kocka élhossza 1, de átlója 10!). A legegyenletesebb n-dimenziós rácsokról épp nemrég lapozgattam egy könyvet, a probléma nagyon nehéz és máig nagyrészt nyitott (szinte minden dimenzióban más rács az optimális).
Ez egy aranyos heurisztikus algoritmus, de semmiképp sem forradalmi, legalábbis én nem látom, mi lenne benne az. Olyan, amit egy PhD diák józan ésszel gyorsan összedob valami részproblémára, publikálni aligha lehetne. Neked is azt javaslom, nézz szét az optimalizálás irodalmában, és próbálj jobbat találni a konkrét problémádra. Egész biztosan fogsz találni. A legtöbb klasszikus eljáráshoz ingyen implementációkat is találsz a neten, még programoznod se kell. -
assdf #174 Szerintem meg feleslegesen vitatkoztok. Majd 2030-ban találkozunk ugyanitt és jókat nevetünk azon hogy mi barmok azt hittük hogy 2030-ra lesz MI miközben épp most jósolták meg hogy 2060-ra már egészen tuti biztosan kész lesz... :)
-
toto66 #173 Az aszociatív képesség sem algoritmus, mert nem csak végtelen eseménytere van, hanem nem lehet véges számú lépésben meghatározni az eredményt... -
#172
Szerintem most mar olvasd is el amiket irtam... 
-
#171
> Pl.: gondolj arra hogy léteznek több értelmű szavak, vagy olyan eset amikor ugyan az a mondat teljesen mást jelent, más szövegkörnyezetben. na ezek nem algoritmizálható dolgok...
Amely szavaknak ugye mindegyike szerepel az adatbazisban mindegyik ertelmevel, melyeket ugye ugy valaszt ki, hogy az adott szituacioval es a szavak jelentesevel vegez egy vagy tobb lentihez hasonlo optimumkeresest. -
toto66 #170 Azon kivűl válassz ki algoritmikusan (keress úgy hogy csak az algoritmust használhatod) alul maradsz a géppel szemben, viszont ha az asszociatív képességet használod simán vered!
-
toto66 #169 "A beszed ertelmezese sem az, a #161-ben leirt formaban a beszed is feldolgozhato/generalhato."
Nos akkor nézz utánna: pumpáló lemma !
Tehát még a generativ nyelvek sem mind ismerhetőek fel véges automatával!
Azonkivűl az emberi nyelv nem is Chomsky féle!
Pl.: gondolj arra hogy léteznek több értelmű szavak, vagy olyan eset amikor ugyan az a mondat teljesen mást jelent, más szövegkörnyezetben. na ezek nem algoritmizálható dolgok... -
#168
> Példa az algoritmikus és nem algoritmikus gondolkozásra:
Kiválasztási problémák! Az embernek nem kell összehasonlításokat végeznie!
Nem, hogy nem kell osszehasonlithatatlanul sokat kell, csak mert csupan ez nem tudatosul az alanyban ettol meg ez igy van. Fogalmazhatnam ugy is, hogy attol meg, hogy a bicikli nem tudja, hogy halad, attol meg halad. -
#167
> Például a beszéd értelmezése az, ha tanultál formális nyelvek és automaták nevű tárgyat akkor ezt tudod.
A beszed ertelmezese sem az, a #161-ben leirt formaban a beszed is feldolgozhato/generalhato.
Mert mi is a beszed? A beszed, egy adatbazisban tarolt mintak meghatarozott osszeallitasabol eloalitott hangalaki forma. Az egyes szavakat, mondatokat szabalyok szerint allitjuk ossze amelyek szetbonthatok egyszeru es osszetett informaciokra.
Pl. Pistike elmegy a boltba.
Ez egy egyszeru informacio, kozol egy alanyt, egy allitmanyt es egy helyhatarozot.
Ugyanakkor pedig egy osszetett is, mert ahhoz ertelmezzuk is mas kapcsolodo ismeretekre is szukseg van. Pl. hogy a bolt fogalmaval tisztaban legyunk, szuksegesek azok azok az algoritmusok, amik a "fogyasztas" fogalmat is definialjak - pl. eszunk, iszunk, ruhat mosunk, ami fogyasztassal jar.
Az "elmegy" szot szinten csak akkor tudjuk ertelmezni, ha a jarulekos informaciokat (helyzetmeghatarozas) is meghatarozzuk algoritmusokkal.
Aztan nezhetunk egy masik mondatot, ami mar osszetettebb feladat:
"Ide a gubat!"
Ez egy ember szamara azonnal sugalja, hogy itt egy rablasrol van szo. De hogyan is lehet ezt egy geppel feldolgoztatni. Ehhez mar joval osszetettebb ismeretekre is szuksege lesz, ami egy ember szamara mar adott, hiszen elt N evet, evtizedet, begyujtott milliardnyi informaciot az adatbazisaba, amelyekbol megfelelo algoritmusok konstellaciojaval kiegeszitve kikeresheto a szukseges hianyzo informacio.
> Sőt algoritmikus gondolkozásban a gép most megveri az agyat!
Tevedes, maga az agy szamitasi teljesitmenye fenyevekre van a szintetikus szamitogepekhez kepest. Az csupan egy teves latszat, hogy numerikus muveleteket egy szamitogep nyagysagrendekkel rovidebb ido alatt vegez el.
Nezzunk ra egy gyakorlati peldat, kihivom egy versenyre a gepem szamologepet:
1735459 + 8475933 = 10211392
Ki mennyi ido alatt vegzett:
Szamitogep --> egy villanas muve
En --> kb. 10s papiron
Ugye teljesen nyilvanvalo, hogy en vesztettem. De mibol is adodik ez az egbekialto kulonbseg?
A szamitogep proceszora celiranyosan ugy lett tervezve/elkeszitve, hogy kozvetlenul az inputjara adva kifejezetten ilyen jellegu feladatokat oldjon meg. Mig az en hardveremben ilyen processzorok trilliardjai vannak clusterbe kotve, ahol soha az evolucio soran nem volt ra igeny, hogy kozvetlenul egyetlen neuron inputja es outputja legyen a kulvilagra kotve. Ezert amikor en szamoltam, a szamitasban neuronok milliardjai vettek reszt sorba, parhuzamosan vagy haloba kotve, melyekbol monjuk minden 10000-bol csupan egy vegzett pontos szamitast, a tobbi pedig a jo szamitasokat elrontotta. Ezert amikor egy ujabb "jo" neuronba jutott be, az korrigalta, majd jelzett egy masiknak, hogy deritse fel az erre a celfeladatra hibasan mukodo neuronkat. Az eredmenyt tovabbitotta, a klaszter korrekciojaert felelos neuronok pedig lekapcsoltak a halobol nehany erre a feladatra alkalmatlan neuront.
Minel tobbszor vegzem el az ilyen jellegu szamitasokat, varatoan minden alkalommal annal rovidebb ido alatt fogom elvegezni az ilyen jellegu szamitasokat, mert a neuronhalom minden szamitas utan egy arnyalatnyit "tisztul".
Remelem igy ertheto.
-
toto66 #166 Példa az algoritmikus és nem algoritmikus gondolkozásra:
Kiválasztási problémák! Az embernek nem kell összehasonlításokat végeznie!
Amig a gépnek igen! Ha mégis kell (speciális esetben)akkor a gép győz! -
toto66 #165 Sőt algoritmikus gondolkozásban a gép most megveri az agyat! -
toto66 #164 No-no! Akkor hogy képes bizonyítottan nem algoritmizálható probléma megoldására?
Például a beszéd értelmezése az, ha tanultál formális nyelvek és automaták nevű tárgyat akkor ezt tudod. -
#163
Lemaradt egy mondat:
Ha noveled, akkor noveled es egyben csokkentheted is a kereses hatekonysagat. Mindossze arra kell torekedni, hogy a vegso keresesek szama, az valahova a teljes ter 2-12 ezreleke koze essen. -
#162
> Mivel az ember képes megoldani nem algoritmizálható problémákat is...
Ez nem igy van, az emberi agy is algoritmusok altal mukodik. (lasd #161) -
#161
> Akkor ez nekem is megtalálná az életem párját?
Ha a kinalat (jelenlegi hodoloid) mar adottak es nem tudsz kozuluk valasztani akkor igen. Ertekeled a lanyokat egy tetszoleges skalan (monjuk 1-10) minden szamodra lenyeges szempont alapjan, hogy pl. hogyan mosogatnak, hogyan foznek, hogyan takaritanak, mittomen hogyan hamoznak banant, majd az egyes "kategoriakban" elert pontjaik alapjan beadod a HRS-be, ami vegeredmenyul adja, hogy az N szamu lany kozul melyik all legkozelebb a Te optimumkriteriumaidhoz vagyis masszoval ki az a lany aki az eleted parja.
Ehhez pedig ket fontos dolog kell:
1. A lanyok ismert jellemzoi (pontjai a kulonbozo kategoriakban).
2. A Te kriteriumaid/vagyaid (hogy egyaltalan tudjad, hogy mit is akarsz).
Ha ezek adottak, akkor minden meres utan hiteles valaszt kapsz. Minel tobb lany van a kinalatodban, annal kevesebb meres kell ahhoz, hogy optimum maximumot kapjal.
Ha a ketto kozul valamelyik hianyzik, akkor lenyegesen lassabb lesz kereses, mert ketismeretlenes az egyenleted, ehhez pedig valamilyen modon meg kell teremtened a hianyzo informaciot. Pl. ha nem tudod, hogy mik a vagyaid akkor a Zorax az amire meg pluszban szukseged van, ami veletlenfuggvenyeket general a kulonbozo erdeklodesi koreidre, majd azokkal hatarozod meg a HRS szamara az optimumkriteriumokat. Megcsinalod a keresest, majd mittomen egy 1-5-os skalan ertekeled, hogy mely vagyaid teljesulesevel hogyan voltal megelegedve. Ezt az informaciot eltarolod, majd visszatersz az elozo peldaban a hodoloidhoz, es mar az ismert vagyaiddal kereshetsz koztuk. A valosagban pedig - akkor mar mondjuk ki - ez a tanulas, vagy inkabb elettapasztalat gyujtes.
Ez valahogy igy nezne ki a korabban targyalt algoritmusokkal:
ZMI = Zorax + HRS
Egyebkent maga a kreativitas is igy mukodik, csak sokkal tobb veletlen generalas es optimumkereses-t kell elvegezni, majd az eredmenyeket a legkulonbozofelekeppen osszekapcsolni es ujbol keresni, egeszen addig amig el nem jutsz a kivant eredmenyekhez. Ehhez viszont a ket fenti algoritmushoz mar kellene egy kiegeszito sokdimenzios adatbazisrendszer is, ami a tapasztalatokat gyujti, majd neha nemelyiket ujbol felhasznalja a tovabbi finomitasra. Lenyegeben ez mar egy mukodokepes neuronhalo. -
toto66 #160 Amikor megkérdeztem hogy algoritmizálható problémát megoldhat-e az MI akkor arra szerettem volna utalni, hogy amig csak algoritmusokban gondolkodunk mint MI addig az nem lesz fejlettebb az emberinél...
Mivel az ember képes megoldani nem algoritmizálható problémákat is... -
#159
> És ezt 4 pontra csinálja csak, nem?
Nem. Mar tisztaztuk, NEM 2D, az CSAKIS es kizarolag a kepernyon valo megjelenites miatt 90 fokban elforditva. Ez a Tejfalussy-elrendezes - amit szinten reszletez - hogy tetszoleges szamu dimenziot meg tud jeleniteni 2D/3D vetuletben - fuggoen attol, hogy kiterited-e vagy nem.
Itt ez a kep. Amit lathatsz rajta, hogy hogyan lettek felveve a kezdeti pontok. Ezen pontok csoportjat hivja "ablaknak". Ha noveled
> Lehet hogy rosszul értettem az oldal szövegét, de az, hogy 4 szomszédon keresgélsz (mondjuk 6 dimenzióban a valódi 12 szomszéd helyett)
Egesz biztosan rosszul ertetted, mert meg 12-nel is tobb szomszedon keres amit szinten inputkent meg lehet hataroznod az optimumkriteriummal egyutt. Megismetlem megint, ezeket is figyelembe veve mindosszesen a ter 2-12 ezreleket elegendo megmerni, mert legfeljebb 12 ezrelek mar biztosan globalis optimumot ad. Egeszen pontosan WxN pontokon keres, ahol W az ablakmeret, N pedig a dimenziok szama.
> A véletlenről: ezeket az "elején felvett" pontokat hogy választja? Nem véletlen módon?
Nem, ez az ominozus algoritmus elore meghatarozottan veszi fel. (lasd fenti kep)
Mert az oldal azt írja:
"mérjünk meg néhány tetszőleges pontot a mátrixból"
Ahol a tetszoleges azt jelenti, hogy tokmindegy mely pontokat. Magyarul: ha akarod Te hatarozod meg a kezdopontokat, vagy ha mar ennyire udvarolni akarsz annak a nyavajas veletlenszamgeneratornak, akkor felveheted azzal is a pontokat.
-
kukacos #158 Lehet hogy rosszul értettem az oldal szövegét, de az, hogy 4 szomszédon keresgélsz (mondjuk 6 dimenzióban a valódi 12 szomszéd helyett), az 2D vetületet jelent. Az hogy időnként egy transzformációval felcseréli a szomszédsági viszonyokat, még nem jelenti, hogy 6D lenne a lokális keresés egy-egy lépése. Ahogy írod is:
"kizarolag az elejen felvett pontok korul csinal csak optimum ellenorzest"
És ezt 4 pontra csinálja csak, nem? Pedig az eredeti térben sokkal több szomszédja van mindegyiknek.
A véletlenről: ezeket az "elején felvett" pontokat hogy választja? Nem véletlen módon? Mert az oldal azt írja:
"mérjünk meg néhány tetszőleges pontot a mátrixból"
Ez nekem eléggé random választásnak hangzik...
">> ez szimplán nem igaz.
De igen, a fenti algoritmusra."
Kevered az algoritmust a problémával. Bármilyen folytonossági tulajdonság a problémáé lehet csak, nem az algoritmusé. Egy algoritmus nem tudja garantálni a feltételeket, ha azok nem igazak a problémára.
Egyébként le van ez az algoritmus publikálva valahol? Mert az ám a legjobb módja a zseniálisan új dolgok elterjesztésének... mindenesetre a belinkelt oldalon egy fia publikációra sincs hivatkozás, sem sajátra, sem máséra. Az, hogy egy módszer forradalmi-e, leginkább azzal lehet lemérni, hogy ismert problémákon benchmarkokban megveri a többi ismert algoritmust. Nem szakterületem az optimalizáció, de ezt az eddig látottak alapján eléggé kétlem: az általam ismert eljárások jóval okosabban használják ki a deriváltakat (pl. konjugált gradiens), a véletlen sorsolást (pl. CE) és lokális-globális optimumok viszonyát is (pl. STAGE), mint ez. -
Epikurosz #157 Akkor ez nekem is megtalálná az életem párját?
Mert ugyanis nem az a legnagyobb kérdés az életben, hogy milyen útvonalon tudok eljutni Bp.-ről Sopronba, hanem az, hogy kit vigyek az ágyamba, megpályázzam-e azt a másik állást, stb. Ehhez kell intelligencia.
Az útvonaltervezés, szövegszerkesztés, nem intelligenciaigényes feladat. -
#156
> Olyan ez, amikor végignézek a metrókocsin, mind számomra érdektelen muki, és máris átlagolok és lezárom az ügyet. Közben, az egyik sarokban ott lapul egy szexbomba, aki meg tudná változtatni az egész életem.
Erre mar valaszoltam tobbszor is: folytonos terben keres nem pedig kvazi randomban. Illetve kombinatorikai problemakra ad valaszt. Peldaul, veszel ket tetszoleges halozati eszkozt az interneten, beadod neki a koztuk levo osszes lehetseges csomopontok szamat, azok savszelesseget, (netan a pillanatnyi terheltseget) es megmondja neked, hogy melyik uton a legcelszerubb elindulnod, hogy a ket eszkoz kozott a legnagyobb savszelessegen tudjal adatokat tovabbitani. -
Epikurosz #155 Köszi a linket, most nincs időm elmerülni benne. Csak annyi ütötte meg a szemem, hogy Fourier (és nem furier) transzformációkat használ.
Nekem valahogy az az érzésem, hogy ez akkor a kukába dobhat hasznos infókat is. a legöbbször persze bejön a tipp, de mi van, ha épp egy fontos szingularitás esik ki a mintavételből.
Olyan ez, amikor végignézek a metrókocsin, mind számomra érdektelen muki, és máris átlagolok és lezárom az ügyet. Közben, az egyik sarokban ott lapul egy szexbomba, aki meg tudná változtatni az egész életem. -
#154
> Megnéztem a belinkelt oldalt is. Hát, az ott leírtak alapján ez a HRS sima random mintavétel + lokális optimumkeresés
Pont ez az, hogy nem! (na erre felejtettem el reagalni) Egyetlen inci-finci random nincsen benne, hanem egy elore meghatarozott szabaly szerint jatszik es ettol a szabalyol barmilyen meresi tema eseten sem ter el.
A legegyszerubben ugy lehetne fogalmazni, hogy ez egy sokdimenzios rubikkocka, ahol nem kell kiprobalnod az osszes kombinaciot, hogy kirakjad, hanem mindig ugyanazt a szabalyt koveted es - csunyan fogalmazva - a "kocka rakja ki sajat magat". Pont ez adja a determinisztikussagat is, hogy a kereses szabalya soha nem valtozik, mindig csak a bemeno parameterek valtoznak. -
#153
Ez kombinatorikai optimumkereses, nem teljesen azonos a Te problemaddal. Most egyebken ertem mire gondoltal korabban es valo igaz, hogy a GA-t nem mindenben valtja ki, csak olyan esetekben ahol nagyon sok dimenzio van, maskulonban valoban nincsen ertelme a gradiensnek.
> Megnéztem a belinkelt oldalt is. Hát, az ott leírtak alapján ez a HRS sima random mintavétel + lokális optimumkeresés, megspékelve azzal, hogy egyszerre csak egy 2D vetületben keresgéli a lokális optimumot, aztán cserél dimenziót.
Ez nem igy van. Nem 2D vetuletet vizsgal hanem nD vetuletet, ill nem cserel dimenziot hanem csinal egy Furier transzformaciot. Erre hivatkozik vektorforgatas cimen. Nem olvastad vegig figyelmesen. Van ott mozaikban elrendezve 4 abra is ahol az elso kepen bemutatja a kereses elso fazisat, inicializalja a kereses kezdopontjait majd a masik harom kepen egy-egy transzformacio utan megfigyelheto, hogy a kezdopontok hogyan szetszorodnak a terben es vegig az optimum centrumok kornyeken "kovalyognak" akarhany transzformaciot is csinalsz. Ezek lathatoak a vekony fekete vonallal hatarolt pontok korul. A kereses pedig ugy zajlik, hogy kizarolag az elejen felvett pontok korul csinal csak optimum ellenorzest es mivel akarhany transzformaciot is csinalsz a pontok az optimum centrumok kornyeken jarnak. Ezert van az, hogy a pesszimum centrumoknak meg csak a kozelebe se megy.
Egyebkent ott csak a megjelenites miatt van a 3D vetulet es nem 2D! 3D alatt ertsd: X, Y es a szinertek. Az optimumcentrumok fele vilagosodik a pesszimumcentrumok fele pedig sotetedik.
> Van még pár érdekes dolog az oldalon, pl. "folytonos oksági térben várható, hogy az okozatok is folytonosan képződnek le (Aki tudja miért van ez így, jelentkezzen!)" - régi trükk triviálisnak beállítani egy könnyen kritizálható állítást, pedig ez szimplán nem igaz.
De igen, a fenti algoritmusra. Fogalmazhatnam ugy is, hogy akarhogy is nezzuk, a gyakorlatban mukodik, de elmeletben meg nem tudunk valaszokat adni arra, hogy miert, mert nem tudjuk, hogy az n dimenzios folytonos terben akarhogyan vetitjuk egymasra a dimenziokat miert marad a kereses allandoan az optimumcentrumok korul szorosan. Erre vonatkozott a fenti allitas amit beideztel. -
kukacos #152 > Pusztán gradiensek alapján nem lehet globális optimumot találni
Kivéve persze kvadratikus esetben :) -
kukacos #151 Pusztán gradiensek alapján nem lehet globális optimumot találni. Ha szétnézek, és lokálisan látom, hogy arra emelkedik az út, akkor azon elindulva nincs rá garancia, hogy a Mount Everestre jutok, valószínűbb, hogy csak a Kékesre. Ráadásul a gradiens nincs "listázva" egy keresési problémában sem. Ha az lenne, kár lenne keresgélni, csak integrálni kellene a függvényt. Az én példámnak az felel meg, amikor a sík Alföldön emelek valahol egy vakondtúrást, neked meg ezt kell megtalálnod. Méregetheted a lokális gradienst ahogy akarod, azon kívül, hogy *minden* pontban megméred, azaz random végigkeresed az egész Alföldet, nem tehetsz túl sokat.
Megnéztem a belinkelt oldalt is. Hát, az ott leírtak alapján ez a HRS sima random mintavétel + lokális optimumkeresés, megspékelve azzal, hogy egyszerre csak egy 2D vetületben keresgéli a lokális optimumot, aztán cserél dimenziót. Ez annyira alap technika, hogy még talán szerzője sincs, mint az összeadásnak. Természetesen a globális optimumra nézve semmilyen garanciája nincs. Az, hogy ebben a konkrét problémában viszonylag gyorsan megtalálta, az a mázliján és a kedvező problémán múlt. Nem is írja, hogy hogy generálta ezt a konkrét példát, amit bemutat, pedig épp az lenne lényeges: valahogy a kapcsolós példából (ahol a 6 kapcsoló 2-4 állapotáról beszél) átcsúszik a szépen differenciálható végső ábrákra, amelyek nyilván nem a kapcsolós példához tartoznak. A kapcsolós esetben egyetlen pont lenne kék (az az alrendezés, ahol kigyullad a lámpa), míg az összes többi szürke (a lámpa nem ég). Történetesen ez épp egybeesik az én vakondtúrásos példámmal és nem lehet szépen megoldani, akármilyen okos is legyen egy algoritmus. Az algoritmusa a lokális gradienskeresésnél simán lehalna: minden pont - a vakondtúráson kívül - lokális optimum, szóval az egész teret random végig kell keresnie. Másképp: ha random beállítod a kapcsolókat és a lámpa nem ég, honnan tudhatnád, melyik kapcsolót kell átkapcsolni, hogy közelebb juss az "égő lámpa" állapothoz?
Van még pár érdekes dolog az oldalon, pl. "folytonos oksági térben várható, hogy az okozatok is folytonosan képződnek le (Aki tudja miért van ez így, jelentkezzen!)" - régi trükk triviálisnak beállítani egy könnyen kritizálható állítást, pedig ez szimplán nem igaz. Szakadékhoz közelítve folytonosan változik a lábaim helyzete, de a szakadékot elérve a következmények viszont radikálisan megváltoznak.
-
#150
A valasz egyszeru: nem. Mivel maga az MI algoritmusokra epul, olyan problemakra soha nem fog tudni valaszt adni ami algoritmusokkal nem leirhato, hiszen magat a problemat is algoritmusokkal kellene megfogalmaznia.
-
toto66 #149 Léteznek algoritmikusan nem megoldható problémák, nem tudom az MI képes lesz ezeket megoldani? -
#148
ZMI -
#147
Vegre valahara megtalaltam a Zorax-ot is, amit a HRS-sel osszekapcsolva neuronhalot lehet vele epiteni.