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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #367 · 30.05

Поговорим про ML. Пару дней назад вышла новость о том, что в продажу поступила первая русскоязычная книга, половину текста в которой написала нейросеть ruGPT-3. А до этого вы все наверняка натыкались на очень яркие записи про Dalle и Imagen, где нейросеть по описанию рисует картинку, и получается очень любопытно. Такими темпами скоро нейросети превратятся в крипту: высокотехнологичную вещь, о которой, однако, в среде приличных технарей лучше не упоминать. Потому что то, каким образом это используется, и то, какой образ этому создают в массах, расходится не только с реальностью, но и с определённым уровнем вменяемости. Кстати, ML ещё и может ярко демонстрировать эффект Даннинга-Крюгера. Мем про "Ты чё, пёс, я математик!" нифига не шутка. Человек может считать себя крутым программистом, если научился комбинировать чужие библиотеки на питоне. Хотя на самом деле простейшую практическую задачу решить не способен -- я с такими сталкивался лично. ML-щики вообще пихают свои нейросети куда ни попадя, считая, что это волшебная таблетка и швейцарский нож для любых ситуаций. Мне рассказывали случай, когда на хакатоне по работе с данными выиграл человек, который просто аккуратно вручную подобрал нужные зависимости в Excel :) Глобально же нейросетями пытаются решать три вида задач: 1. Информации в вопросе много, а в ответе нужно мало. Например, распознавание образов и символов. Подбор значений каких-нибудь коэффициентов. Приложение "Хотдог или не хотдог" из сериала Кремниевая Долина. Обычно нейросети справляются с таким очень хорошо. Рукописный ввод распознают шикарно, по фото могут назвать породу собаки, математические формулы читают. Но важно понимать, что под капотом даже у такой нейросети не возникает никаких понятных вам символов. Например, при распознавании рукописного ввода случайный набор пикселей, не имеющий для человека смысла, может быть с той же степенью уверенности интерпретирован нейросетью, как совершенно чёткая буква А. Просто мы на такой случайный набор не попадаем почти всегда, и поэтому всё ок. 2. Информации в вопросе средне, и в ответе нужно средне. Как правило, это предсказание, восстановление недостающих данных, улучшение качества фото, раскрашивание ч/б. С такими задачами нейросети справляются уже средненько. Улучшенный нейросетью снимок сразу видно. Предсказание лишь ненамного точнее, чем случайный выбор. Польза в том, что в обращении такие сети просты, а результат всё-таки дают. Но не стоит их переоценивать. Например, сюда можно отнести задачу суммаризации текста (по большому объёму текстов тебе печатают выжимку). Мои товарищи в одном чате несколько дней игрались с ботом-суммаризатором, и в основном половина написанных им фраз это просто мусор и ерунда для ржача. Но в другой половине всё-таки какой-то совсем небольшой смысл проглядывался. Недостаточный для того, чтобы задалбывать этим ботом участников чата (привет, ребята :) ), но не абсолютный рандом. 3. Информации в вопросе мало, а в ответе нужно много. Это генерация данных: вот как раз написание текстов, составление рисунков, логотипов и так далее. Так вот, по моему скромному, но всё-таки хоть немного компетентному мнению, в таких вопросах нейросети выдают полную херню. И хвалёная логотипная нейросетка Лебедева — тоже полная херня. И распиаренная GPT ничего толкового не пишет. Когда читаешь примеры в новостях-анонсах, сразу думаешь: "Вау, как круто!". Но когда пробуешь сам: ruGPT-3 по уровню осмысленности где-то чуть ниже "Яндекс.Рефератов", если помните такой сервис и суть его работы. Я не знаю, будут ли сети по созданию изображений работать так круто (сейчас доступа к ним ни у кого нет), но книга в соавторстве с человеком стала возможна только по той причине, что в качестве человека взяли Павла Пепперштейна, который берёт случайные комбинации словосочетаний и выдаёт это за литературу. Поверьте: человечество пока что в безопасности касательно захвата машинами. #dev

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #dag

当前筛选 #dag清除筛选
Ebm_base

@ebm_base · Post #131 · 20.08.2022 г., 17:18

ДОГИ, ДАГИ, РЕБРА И ГРАФИК ⠀ При проведение клин исследований необходимо учитывать много переменных, помимо лечения и исходов. И при стат анализе необходимо учитывать и контролировать некоторые из них, чтобы минимизировать различные bias и смещение результатов 🤔 ⠀ ❗С этим может помочь прямой ациклический граф (DAG, directed acyclic graph) ❗ ⠀ Это визуальное отображение потенциальных взаимодействий 🙈 Так как в наших конкретных предположениях имеется упорядоченность во времени, то циклы не возникают (ацикличный) и есть определенное направление (прямой) 👨🏻‍🎓 ⠀ На рис.1 (в карусели) видно, что DAG состоит из узлов (факторы) и ребер (связи/стрелочки). По своей сути это лишь абстракция, которая помогает принимать решение🤓 ⠀ В него можно включать как известные факторы с изученным воздействием, так и неизвестным (в т.ч. по которым у нас нет данных) с предположениями о воздействии (жаль, что нам их не проверить 😭) Выявив визуально потенциальные источники ошибок, мы проводим стат анализ с коррекцией или без (зависит от типа bias/смещения) 🤖 ⠀ На важно знать, что есть 2 типа пути (рис.2): 🔸 прямой (все стрелки направлены от вмешательства к исходу) 🔸 непрямой (остальные) ⠀ В идеале у нас должен быть открыт основной прямой путь и закрыты все непрямые (на усмотрение исследователей и некоторые прямые), тогда получим оценку без смещений. Но вот тут и начинаются сложности... 😬 Чтобы закрыть путь когда-то надо проводить коррекцию, а когда-то не надо (большая, сложная и нудная тема, вы же тут не за этим 🙉) ⠀ С неизвестными/ненаблюдаемыми факторами мы ничего сделать не может, только думать и делать выводы👽 ⠀ И моя любимая рубрика «Ограничения» 🎉 (даже у рисуночков они есть): 📍 DAG лишь показывают определенный набор предположений, которые могут быть неверными. 📍 Они не отображают величину отклонений или взаимодействие со случайными ошибками. 📍 Они могут стать очень сложными (повторяющиеся измерения и прочее), что делает интерпретацию трудоемкой (но мб она отражает опасения о потенциальных bias’ах?). ⠀ Как думаете должно это внедрятся в практику и стать нормой при публикации результатов? #DAG#ebm_causal

Mirracoin Новости

@MirraChannel · Post #157 · 26.06.2024 г., 10:26

#Crypto#IOTA#Nano#DeFi#DAG#база Что такое Directed Acyclic Graphs (DAG)? Directed Acyclic Graphs (DAG) — направленный ациклический граф. Это альтернативная блокчейну технология. DAG — это тип хранилища данных и механизма консенсуса, который отличается от Биткойна или Эфириума. Алгоритмы консенсуса в таких сетях могут использоваться привычные, однако способ записи информации кардинально другой. Технически это не цепочка блоков транзакций. Вместо этого транзакции представляются в виде графика или в виде дерева. DAG используется для решения задач: • Увеличение пропускной способности: В отличие от традиционного блокчейна, где блоки создаются последовательно, в DAG транзакции могут добавляться параллельно. Это позволяет обрабатывать больше транзакций за единицу времени. • Снижение комиссий: Благодаря высокой пропускной способности и эффективности, комиссии за транзакции в DAG-сетях обычно ниже. • Децентрализация: DAG помогает избежать централизации за счёт распределённого характера добавления транзакций. Каждая новая транзакция подтверждает несколько предыдущих, создавая саморегулирующуюся сеть. 📌Примеры проектов, использующих DAG: #IOTA: Создан для Интернета вещей (IoT), использует технологию Tangle, основанную на DAG. #Nano: Сфокусирован на быстрых и бесплатных транзакциях, применяет блок-решётки (block lattice), которые являются разновидностью DAG. #AVAX (Avalanche): Платформа с открытым исходным кодом для запуска децентрализованных приложений. DAG позволяет сети обрабатывать транзакции параллельно. 🔥 Использование DAG позволяет достичь новых уровней эффективности, скорости и децентрализации, открывая новые возможности применения технологии распределённого реестра. @MirraChannel😎

为什么 XELIS 能在巨头之中脱颖而出! 从 #Bitcoin(比特币) 到 #Kaspa 再到 #Monero(门罗币),每个项目都带来了创新…… 但 XELIS 将这一切融合在一起: ✅ DAG 架构 ✅ 保密交易(Confidential Transactions) ✅ 智能合约(Smart Contracts) ✅ 零知识证明(zk-Proofs) ✅ 5 秒出块 ✅ 无预挖 / 无风投 🧠 区块链的进化已经到来 —— 从设计之初就兼具 隐私性 与 可扩展性。 👉 主网升级时间:2025 年 12 月 13 日 17:00(UTC) 了解更多 🔗https://xelis.org/blog/Mainnet-SmartContracts-Launch #XELIS#DAG#DeFi#隐私#加密货币#区块链#BTC#XMR#Kaspa