TGINSIGHT SIMILAR POSTS
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
Търсене: #graph
@Isaiahsystem · Post #1203 · 30.06.2024 г., 07:23
Related Subreddits丨Reddit 探索神器 https://anvaka.github.io/sayit/?query=Nietzsche 最近发现的爆炸网站，Reddit 相关论坛探索，Reddit 关键词图谱。它能根据你给出的任意论坛名字或关键词，编织出整个论坛与之相关的子板图谱，与之关联。点击图谱按钮，再点击弹出的侧边栏子板名字，即可跳转。 网站提到这种图谱关系生成由「发布到此 Subreddit 的用户也发布过的其它板块」决定，并通过 Jaccard Similarity（衡量两个集合相似度的指标）来最终确定板块相似度。 Reddit 作为我 RSS 常驻网站之一，挖掘得比较少，这个网站可以好好用用。它类似前面用过的 music map 以及各种论文网站图谱，详情见下面 refs. 相关链接 1 可视化图谱 2 搜索引擎终极索引 #search#graph#tools
@githubtrending · Post #14632 · 25.04.2025 г., 12:00
#python#agents#graph#llms#rag Graphiti helps AI systems handle constantly changing information by building real-time knowledge graphs that track relationships and historical data, allowing them to integrate user interactions, business data, and external sources seamlessly. Unlike traditional methods, it updates information instantly without needing full recomputations, enabling precise historical queries and efficient hybrid searches. This helps AI applications stay context-aware, automate tasks effectively, and manage complex, evolving data with minimal delay. https://github.com/getzep/graphiti
@thedevs · Post #1384 · 01.02.2019 г., 20:02
Data structures 101: graphs, a visual introduction for beginners. #article#tutorial#data#ds#graph @thedevs https://kutt.it/4S6HBr
@tsukassadrive · Post #3010 · 08.01.2026 г., 02:55
#twitter#animals#dogs#science#physics#graph#mongolia
@cosplayuploadtest2 · Post #102714 · 23.03.2025 г., 03:36
Title: Iori_Sagara_相楽伊織,_GIRLS_graph._デジタル写真集_「泡沫の宵夢」_Set.02 Authors: #None Tags: #None#Iori_Sagara_相楽伊織#Nogizaka46_乃木坂46#デジタル写真集#Iori#Sagara#相楽伊織#GIRLS#graph#デジタル写真集 #「泡沫の宵夢」 #Set #02 recommendation: None TelegraphLinks:page-0-32
@cosplayuploadtest2 · Post #102682 · 23.03.2025 г., 03:34
Title: Iori_Sagara_相楽伊織,_GIRLS_graph._デジタル写真集_「泡沫の宵夢」_Set.01 Authors: #None Tags: #None#Iori_Sagara_相楽伊織#Nogizaka46_乃木坂46#デジタル写真集#Iori#Sagara#相楽伊織#GIRLS#graph#デジタル写真集 #「泡沫の宵夢」 #Set #01 recommendation: None TelegraphLinks:page-0-28
@githubtrending · Post #14649 · 30.04.2025 г., 13:00
#typescript#csv#diagrams#graph#json#nextjs#react#tool#visualization#yaml JSON Crack is a free, open-source tool that instantly turns complex JSON, YAML, CSV, XML, or TOML data into clear, interactive graphs, making it easier to explore and understand your information. It lets you convert between formats, validate data, generate code (like TypeScript interfaces), run queries, and export visuals as images—all while keeping your data private since everything processes locally on your device[1][2][5]. https://github.com/AykutSarac/jsoncrack.com
@githubtrending · Post #14878 · 28.06.2025 г., 14:00
#cplusplus#arduino#cansat#csv#embedded#graph#ground_station#iot#microcontroller#network#projects#qt#serial#serial_studio Serial Studio is a free, easy-to-use tool that lets you visualize real-time data from devices like microcontrollers via serial ports, Bluetooth, or network connections. It works on Windows, macOS, and Linux, and offers customizable dashboards with various widgets to monitor sensor data, debug info, or telemetry. You can quickly plot data, export it as CSV for analysis, and even use advanced features like checksum validation and JavaScript data processing. It supports hobbyists, educators, and professionals by simplifying data monitoring and debugging, saving you time and effort in understanding your device’s output. Pro versions add commercial use and extra features[1][4][5]. https://github.com/Serial-Studio/Serial-Studio
@githubtrending · Post #15518 · 24.02.2026 г., 11:30
#rust#ai#ai_ocr#attention_mechanism#gnn#gnn_model#gnns#graph#graph_neural_networks#llm_inference#low_latency#mincut#neo4j#ocr#onnx#rust#vector#wasm RuVector is a free, open-source vector database that gets smarter with every query. Unlike static databases, it learns from usage via GNN layers, runs LLMs locally with no cloud costs, supports graph queries like Neo4j, scales freely across nodes, and deploys as a single self-booting file (125ms startup). Run with `npx ruvector`. You benefit from faster, more accurate AI search that improves automatically, zero operating costs, full offline/privacy control, and easy scaling—perfect for RAG, agents, or edge apps without vendor lock-in. https://github.com/ruvnet/ruvector