TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #295 · 10.04

Сегодня бродили по Зоологическому музею, и я не переставал удивляться, сколько способов «придумала» природа для решения схожих задач. Ну, конечно, природа не наделена разумом, и эволюционный механизм ничего не изобретает в нашем понимании этого слова: просто какие-то варианты оказываются более приспособленными. У этого механизма бывают ошибки (погуглите «возвратный гортанный нерв»), и ещё нередко он «отказывается» от собственных же решений, начиная до неузнаваемости их преобразовывать: например, камбала выглядит так, будто она сделана на коленке из обычной рыбы, плавающей горизонтально, а у нарвала рог не симметричен относительно тела и является просто излишне разросшимся зубом. Тем не менее, механизм наследования, высокая мотивация (если не приспособишься, весь твой вид умрёт) и закон больших чисел обеспечивают очень хорошее разнообразие решений. Вот есть задача, например, «не быть съеденным». Можно быть быстрым и убегать от опасности (антилопы и косули), можно быть неприятным на вкус или запах (скунс, опоссум), можно быть незаметным (палочник, листовидка), а можно быть сильнее всех остальных, чтобы на тебя никто не мог напасть (различные хищники). Задача «добыть себе еды» тоже решается множеством способов: запасать; есть то, что не едят другие; есть то, что не могут достать другие и так далее. Я защищался по эволюционным алгоритмам в программировании, и они, честно говоря, работают так себе. Хуже, чем настоящая эволюция в природе. Во-первых, многообразия и времени не хватает. Но самое главное: мы им даём мало свободы, они недостаточно гибкие и ограничиваются слишком узким набором правил. Например, если у вас есть алгоритм для поиска оптимального маршрута поездки на работу, у него никогда не возникнет решения «предложить пользователю сменить работу, чтобы вообще не ездить никуда». Возможно, мы сможем эффективнее запускать такие алгоритмы, когда появятся онтологические базы данных, описывающие достаточно большую часть вселенной. Ещё очень интересно наблюдать эволюцию в технике. Решения, которые предлагают люди для той или иной задачи, тоже со временем приходят к какому-то своему оптимальному виду. Например, у автомобилей для драг-рейсинга огромные задние колёса и маленькие передние, почти рудиментарные. По множеству других признаков это всё-таки автомобиль: двигатель, колёса, место для человека, может ехать. Но отличия драг-рейсингового автомобиля от автомобиля, решающего другую задачу, как раз очень похожи на отличия разных представителей какого-то одного класса животных. Техника одного вида от разных производителей выглядит очень похоже, потому что эволюционно путём развития и улучшения приходит к какому-то оптимальному для своей задачи образу. А вам фото китоглавов. Форма клюва у них такая, что невозможно отделаться от мысли, будто бы они улыбаются. #life

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #feedit

当前筛选 #feedit清除筛选
ALL About RSS

@AboutRss · Post #876 · 19.11.2020 г., 01:00

FeedIt trainable RSS reader 登陆 iOS APP Store 频道提及过的机器学习型 #RSS阅读器#FeedIt 在其安卓版和线上版后发布了 #iOS 版: https://apps.apple.com/us/app/feedit-rss-reader/id1538541609 发现于 https://twitter.com/RSSCircus/status/1328955086152806401

ALL About RSS

@AboutRss · Post #840 · 13.10.2020 г., 01:00

FeedIt :利用机器学习进行文章喜好排序的在线 #RSS阅读器 还记得在 Reddit 上看到个贴,说 Ta 唯一不喜欢 RSS 订阅的一点是:阅读器把所有文章一视同仁,不能告诉 Ta 哪个重要、哪个不重要。回帖里自然有人教育道:RSS 订阅的特色就是没有谁帮你决定哪个重要、哪个不重要。 当然,该帖里也提到,除了关键词过滤或给 Feeds 按重要程度分组外,有几家阅读器可以给文章打分,并以分数改变其排序。比如 #TTRSS 的 Scoring 。 现在,更 fancy 的来了。 #FeedIt 让你可以通过给文章以及文章关键词打“赞”和“踩”来用机器学习训练阅读器对你喜好的把握;一段时日之后,就可以让阅读器按你的喜好来给文章排序了。对于那些订阅很多 Feeds 的玩家,说不定也是条路。 官网在此,自带 #Android App : https://feedit.sk/ 发现于 Reddit 。到底是高大上还是本末倒置,欢迎留言讨论。