Бортовой компьютер и ИИ
Нейросети - это фикция.
Нейронными вычислениями занимаются, в основном, жулики от науки.
Очень резкое заявление, на фоне впадения в крайность…
Я сам, скептически отношусь к НС, но все же есть ряд задач, которые НС решают превосходно, например фильтрация шумов, и это нльзя упускать из виду.
Вячеслав, то что Вы указали на многопроцессорную машину - идея правильная, и это понятно изначально, так, как один проц, который делает всю обработку - место крайне ненадежное.
Сложность такого решения в том, что необходимо создавать соответсвующее ПО для такой многопроцессорной машины, а это, как говорится, задача, уже, для настоящих мужчин 😃
Да и конечно, хотелось, поподробней узнать об Вашей разработке для радиолокации)…
в нейросети-ловится очень неплохая рыбка
рыбные места давно заняты и прикормлены)
…А я уже занимался тем, что укладывал эти алгоритмы на реальную параллельную аппаратуру
я не совсем понял Вячеслав, аппа была полностью самопальная или имела какое то название?Можно название или производителя?
DSP у нас на Cisco, Sun Microsystems…да и не только у этих производителей, но эти лидируют своей надежностью.
Вот морда одного из таких например параллельных 8 ядерных процов.и таких на общей плате 4, пашут на саляре:) поддерживаем уже виртуализацию на данных и создаем , поддерживаем ее вирт сети каждый божий день:) Все это у нас называется Конвергентные Технологии
ru.wikipedia.org/…/Solaris_(операционная_система)
·· ·––––· ·–·· ·–·· –···– –··· · –···– –··· ·– –·–· –·– –···– ··· ––– ––– –· 😃
Интересный форум про нейро сети… www.basegroup.ru/forum/components/…/245/
аппа была полностью самопальная или имела какое то название?
Вот такая:
Плата с шестью микропроцессорами TMS320C40 и прочим с внешним интерфейсом VME:
Детали были покупные, а вся разработка и производство собственные, НТЦ Модуль ( www.module.ru/ruproducts/dspmod/mc901.shtml )
Это были DSP со встроенными линками.
Для применений в радиолокации или распознавании образов требуется реальное время отклика.
Процессоров можно использовать физически столько, на сколько процессов разбит алгоритм.
Файловой системой и отображением результатов занимается другая машина, обычная PC с шиной VME для связи с этой.
Поэтому процессоры DSP освобождены от всего, что не связано с цифровой обработкой в реальном времени.
Не нужна им и операционная система, только загрузчик и взаимодействия между собой
Для простого обзорного радиолокатора, например, за 3 секунды нужно 1024 раза успеть полностью обработать оцифрованную последовательность значений, полученных с приёмника.
В первом цифровом локаторе для Южной Кореи ( пришлось там пожить 2 месяца пока наш локатор не стал работать лучше подобного японского ) 6 процессоров работали последовательно: первый принимал последовательность от АЦП и простейшим образом фильтровал, второй в это же самое время занимался дальнейшей обработкой и так далее. Шестой в это же время уже выделял цели, определял их курс и скорость и выдавал результаты для отображения.
При этом первый имел на входе самый большой объём данных, но обрабатывал их по простым алгоритмам, а для последующих объём данных, естественно, уменьшался ( после обработки предыдущими ), зато увеличивалась сложность алгоритмов. Все успевали.
А в НИИДАРе на наших платах сделали радиолокатор для Китая на 54 процессорах - на сразу 9 наших платах. Наше использовали оборудование и загрузчик ( в начале работы нужно было для каждого процессора добраться до корневых процессоров каждой платы по шине VME, а до всех остальных процессоров через корневые процессоры по линкам и загрузить конкретно для каждого процессора написанную для него программу ), а также программы связи.
Но это был локатор совсем другого типа, многоканальный загоризонтный, обработка там была другая.
Ещё лет 6 назад он ещё работал в Китае, я тогда помогал здесь работникам НИИДАРа кое-что вспомнить из загрузчика. За консультацию в выходные они мне даже заплатили, сколько смогли ( у них, как и всюду в нашей оборонке, бедность ).
Эти 5 тысяч рублей я истратил на операцию для молодой уличной кошечки, у которой оказался перелом шейки бедра, моя жена подобрала её возле своей работы.
Теперь это моя любимая кошка Афина.
Жена иногда упрекает Афину, что взяла её она, а та больше меня любит 😁
Чес. слово, большее впечатление произвела история про 5т и кошку…
история про 5т и кошку
Искуственному интеллекту этого никогда не понять!
Есть же тест ИИ: если человек удаленно общается с машиной и думает, что это человек, то можно признать, что ИИ создан (хотя кто-то умудряется общаться с ботами и автоответчиком).
А можно усложнить тест: если машина может проявлять заботу или милосердие, то это ИИ.
Я вам больше скажу: моя жена очень любит кошек и их у нас много.
Они такие же, как мы, только не умеют говорить. Они, например, умеют дружить друг с другом.
Поэтому я считаю, что и люди и звери и другие живые существа на Земле сами по себе ИИ, созданный неизвестным источником.
( В бога я не верю, хотя ради жены в церковь с ней иногда хожу и религию уважаю как нашу историю, но не более )
Детали были покупные, а вся разработка и производство собственные, НТЦ Модуль ( www.module.ru/ruproducts/dspmod/mc901.shtml )
Вячеслав джан! Б Р А В О! no other comments!
люди и звери и другие живые существа на Земле сами по себе ИИ, созданный неизвестным источником.
Согласен, только он известен:) скрывают:) иначе будет очень плохо скрывающим!
Док фильмы Склярова смотрели?
Вячеслав, и все же, почему Вы считаете, что нейросети, как Вы выразились “фикция”, на чем основано Ваше умозаключение?)…
Потому что мне была поставлена задача сделать нейрокомпьютер, то есть вычислитель, который мог эффективно работать с нейронными алгоритмами и работать быстрее любой тогдашней ( 1993 год ) персональной машины.
Всё это нужно было сделать быстро, потому что исполнители до меня потратили почти все деньги на эту работу, но результата не получили.
Подумал-подумал, купил в магазине возле ИТМиВТ книжку “Транспьютеры”, и решил делать на подобной элементной базе.
( Замечу, что я не инженер-аппаратчик, а программист, который к тому времени много лет занимался моделированием систем команд супер-ЭВМ.
То есть всё детальное проектирование потом провели мои коллеги-иженеры, которых я переманил из ИТМиВТ в Модуль, моя была только общая идея архитектуры и системные программы для нашего собственного готового изделия, а потом и часть прикладных программ. Замечу, чтопрограммирование параллельной работы многих процессоров - очень сложная задача. А аппаратно оказалось, что тоже много мелких проблем, взять хотя бы то, что порядок байтов в этих микропрорцессорах обратный тому, что в РС, которые работали управляющими машинами для наших вычислителей)
Пришлось тогда изучить и очень многое, связанное с нейровычислениями, съездить в институт под названием “Квант” возле Моссельмаша, посмотреть, что они там наделали во главе со своим академиком ( не помню уже его фамилии ) именно в области нейровычислений.
Чтобы успеть сдать заказчикам очередной этап, пришлось сначала взять в аренду в Кванте иностранное оборудование на таких же процессорах.
А потом уже мы сделали своё, начав с детального изучения руководства пользователя микропроцессора TMS320C40.
Так как друзья-инженеры, которых я позвал, до того проектировали только своё, то и здесь получилась полностью своя собственная система.
Правда, мы купили у Texas Instruments комплект документации в бумажном виде, а из программ - транслятор с языка “С” и симулятор системы команд микропроцессора.
На многопроцессорную систему переводили всё уже сами. И все печатные платы инженеры проектировали, разводили сами. Сборка тоже была своя.
Но это нисколько никого не тревожило, потому что инженеры до этого привыкли к многопроцессорной системе “Эльбрус-2”, они в ней разрабатывали раньше процессор ввода-вывода. Он был гораздо сложнее, чем даже многопроцессорная система из готовых микропроцессоров.
Так вот, оказалось, что сами нейронные алгоритмы хороши только в виде формул и измышлений. Реально же под этой вывеской хорошо и быстро работали только нормальные алгоритмы, разработанные человеком, без возможности самообучения.
Так вот, оказалось, что сами нейронные алгоритмы хороши только в виде формул и измышлений. Реально же под этой вывеской хорошо и быстро работали только нормальные алгоритмы, разработанные человеком, без возможности самообучения.
Вячеслав, Вами проделанная работа, заслуживает уважения от следующего поколения, молодых разработчиков и программистов. Также, как программист скажу, что безусловно, жесткий алгоритм вбитый в память чипа - быстро обработает данные, и главное - с ожидаемыми диапазонами…
А как прокоментируете такую ситуацию: строим НС, обучаем распознованию некоторых образов (например визуальных), далее подаем на такую сеть поток графических данных, из которых, сеть должна выхватывать “знакомые” объекты - похожие на те, которые предъявляли для обучения…
Уверен такая сеть сможет “узнавать” объекты с вероятностью 90%, даже если они слегка “зашумлены”?
П.с. кстате, такая сеть - не самообучаема, этот процесс называется “обучение с учителем”
Вячеслав, хотелось бы услышать от вас - вы слышали про фасеточный глаз?есть мнение?инфа?
Насчет сетей, они наверно умнеют так же как и люди, долго:) им нужны огромные массивы инфы для того чтоб остаться без учителя хотя бы на 15%
6 процессоров работали последовательно: первый принимал последовательность от АЦП и простейшим образом фильтровал, второй в это же самое время занимался дальнейшей обработкой и так далее. Шестой в это же время уже выделял цели, определял их курс и скорость и выдавал результаты для отображения.
При этом первый имел на входе самый большой объём данных, но обрабатывал их по простым алгоритмам, а для последующих объём данных, естественно, уменьшался ( после обработки предыдущими ), зато увеличивалась сложность алгоритмов. Все успевали.
В какой-то степени, это похоже на работу зрительной коры головного мозга - первый слой принимает массив данных от сетчатки и делает элементраную обработку. В последующих слоях - обобщающая функция все больше выделяет различие объектов…
Насчет сетей, они наверно умнеют так же как и люди, долго им нужны огромные массивы инфы для того чтоб остаться без учителя хотя бы на 15%
Кстате, Роберт, людям тоже сложно без учителей, от чего и существует структура всяких учебных заведений + всевозможные мифы, сказки и т.д.
Про фасеточные глаза у меня своего мнения нет, не занимался я подобным.
Про нейровычисления мнение есть, потому что я столкнулся с тем, что на основе известной теории написано много трудов, но до практики так ничего путного и не дошло.
И понятно, почему. Слишком уж примитивна теория нейронов и обучения на их основе.
На самом деле все живые организмы уже к моменту рождения имеют заранее заложенные в них программы, а вовсе не обучаются с чистого листа.
Например, все птенчики ещё до рождения 😁 знают, что нужно долбить яйцо и вылезать из него.
Далее, птенцы куриных и им подобных знают, что нужно вскакивать на лапки, искать маму и клевать, но вовсе не всё, что попало ( не клюют они песок ).
А птенцы в гнёздах заранее знают, что вскакивать и бежать, наоборот, никуда не надо, а надо сидеть и ждать маму с папой.
Я уж не говорю о птенцах кукушки, которые без всякой мамы знают, что надо бы вытолкать другие яйца 😈
И никто их этому не обучал вовсе!
Вячеслав, такое описание дел с живым говорит я думаю об важном - у живого есть приоритетные поведенческие микро био програмы, которые создают предпосылки выживание организма.У машин с ИИ (если они “родятся”) тоже должно быть так, а как же иначе? Машина сразу должна после включения следить за своим запасом заряда, солнце ветер и воду искать постоянно для перезарядки систем итд… и за “мамой” долго ходить чтоб учиться:) а как же, без Мам нет жизни на планете!😃 я о теплокровных и живородящих с высоким IQ:)
Кстате, Роберт, людям тоже сложно без учителей, от чего и существует структура всяких учебных заведений + всевозможные мифы, сказки и т.д.
Согласен, я и не был против:) а всеми конечностями за:)
И еще, не могу не похвастаться!😃
Сборная Армении по шахматам, ставшая чемпионом мира, вернется в Ереван 27 июля, у нас на улицах такое творится:) народ гуляет во всю!
Про нейровычисления мнение есть, потому что я столкнулся с тем, что на основе известной теории написано много трудов, но до практики так ничего путного и не дошло.
И понятно, почему. Слишком уж примитивна теория нейронов и обучения на их основе.
Ну как же ничего путного не вышло?)… Я, лично, делал в примитивнейшем для этой задачи, извиняюсь за это выражение - екселе, сетку, тренировал ее на расспознавание разных букв, а потом ставил различные эксперименты, например - подавал на вход только часть буквы какой-то, или совсем иную букву подавал, которая не учавствовала в обучающей выборке. Также создавал специально “не идельную” обучающую выборку, а потом тестировал на “идеальных” образах…
В ходе этих экспериментов выяснил, что НС обладает очень полезными свойствами, такими как, обобщение информации и, соответсвено, сведению ее к меньшей размерности…
Причем “сила” в ее связях, так, например, кто в теме знают, что если удалить один нечувствительный синапс в сети (контрастирование сети), то это на работу, в целом- не повлияет. Также, если удалить еще несколько таких синапсов с малыми весовыми коэффициентами. Но, если, удалить все такие синапсы, а оставить только те, которые имеют критическое влияние на нейроны, и тем самым сыкономить на процессорном времени, необходимом для вычеслений, - то сеть, несколько теряет в обобщающих способностях, становится, “угловатой”, при работе…
Насчет первичных программ, заложеных еще до рождения - это безусловная необходимость, так же как комп загружает биос, так и биологические программы включаются через первичные загрузчики…
Роберт джан, примите мои поздравления!)…
Ну как же ничего путного не вышло?)… Я, лично, делал в примитивнейшем для этой задачи, извиняюсь за это выражение - екселе,
Вот и я говорил, что теория нейрона разработана, формулы пишутся, даже эксперименты ставятся, как у вас, на “екселе”, но всё это долго, не в реальном времени!
То есть для того, чтобы распознавать движущие цели на движущимся фоне в реальном времени, не подходит.
А для экспериментов и научных отчётов вполне.
Ещё я говорил о негодной попытке непрофессионалов выдать задание сделать аппаратный аналог нейрона, так называемый “нейрочип”, против чего я выступал. Этот “нейрочип” был реально сделан в виде специализированного микропроцессора и он реально работал, но, как я и предупреждал, оказался совершенно бесполезен для нейровычислений. Поэтому его через некоторое время переименовали в отечественный DSP, которым он никогда на самом деле не являлся.
В интернете наверняка остались следы этого процесса, их можно поискать, если набрать в яндексе “нейрочип” 😁
для того, чтобы распознавать движущие цели на движущимся фоне в реальном времени, не подходит.
Вячеслав, поделитесь с молодым поколением - опытом, как выглядит, в двух словах, алгоритм совершающий распознавание движущихся целей на движущемся фоне, без этих всех “нейрочипов”…
Кстате, авиация начиналась с того, что создавали мащущее крыло, и не поверите, - еще обклеивали его перьями, а потом появилась аэродинамика. Подобное происходит с “ИИ” - пытаются копировать живые нейроны, а ведь есть простые алгоритмы обработки…
Александр Спасибо!
малюсенькой вопросик - нечувствительный синапс в сети - а результат удаления ( само отсутствие) как долго регистрируется до блокировки сканирования отсутствия?
Возобновляется сканирование само или после востановления синапса он сам открывает себя в системе?Если восстанавливается то с какой скважностью?
Какое латентное время восстановления синопса после “подключения”?
Не знаю хватает ли моего русского задавать такие вопросики:))))) Если не поняли - вопрос снят:)
Роберт, ну это можно так объяснить: если Вы посмотрите на топологию ИНС, то увидите, что изначально, до обучения нейроны связаны с другими нейронами всей, так сказать, полнотой связей. Тоесть, все связаны с всеми. Это делается для того, что непонятно изначально, какие связи будут сильными, а какие останутся “нулевые” после завершения процесса обучения. После завершения обучения можна в сети удалить эти самые “нулевые” связи для того чтобы виртуальный автомат (речь идет о эмуляции паралельного процесса на последовательном устройстве) не тратил время процессора на, и так “нулевые” связи. Эта методика называется контрастирование.
В биологических сетях это тоже реализовано - каждый нейрон имеет множество отростков, которые конкурируют между собой, причем сильные связи ростут и закрепляются, а слабые исчезают вовсе. Но так как человек большую часть жизни учится, в основном в первой ее половине, то этот процесс происходит в мозгу постоянно, тем самым закрепляя новые связи после получения новых знаний.
В ИНС, удаленные синапсы можно возобнавлять на момент очередной тренировки сети, а потом опять контрастирование, потому как и процессору, так и биологическому аналогу необходимо экономить ресурсы потребляемые при вычислениях.
Интересный факт, что ребенок до 1 года имеет способности к распознаванию мелких подробностей и нюансов в лицах многократно выше, чем у взрослого, а потом эта способность теряется.