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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #559 · 19.09

Первые три сезона "Лучше звоните Солу" — один из самых антигероических сериалов, что я видел. Там нет совсем тяжёлой драмы как "Во все тяжкие", нет череды жестоких смертей как в "Игре престолов". Но весь сюжет о том, как герой постоянно пытается делать хорошие вещи, исправлять свои ошибки и помогать людям, и каждый раз из-за этого получает какой-то серьёзный ущерб: то лишится денег, то в тюрьму попадёт, то физически пострадает. Можно было бы смело использовать лозунг "Делай добро и беги". С четвертого сезона, правда, направление сюжета меняется (возможно, это связано с покупкой сериала Нетфликсом). Но вот до этого: прямо чёткая антиреклама честности и раскаяния. Кстати, уже третий сериал про юристов смотрю (ещё был Suits и How to Get Away with Murder). И не устаю поражаться тому, как много абсурда и отсутствия здравого смысла в юриспруденции. Допускаю, что это всё художественный вымысел для пущего эффекта, но основано то хоть в какой-то степени на реальных законах. Например, сторона, которая не права, может угрожать затягивать дело годами, и сторона, которая права, пойдёт на не слишком справедливую сделку. Или можно найти какую-то мелочь, которая чисто формально меняет ситуацию целиком. Вот такую аналогию придумал: представьте дверь с надписью "не входить". Ты берёшь и въезжаешь туда на роликах. С точки зрения здравого смысла очевидно, что ты нарушил указанный на двери запрет, потому что он говорит о необходимости не допустить присутствия человека в помещении. Но формально ты не вошёл, а въехал, и условный суд может не признать тебя виновным. Читал много лет назад про случай: покупатель засудил производителя холодильников, потому что в инструкции не было написано, что холодильник нельзя таскать на себе, а покупатель попытался и словил травму. Реально выиграл суд. "Кринж", как сейчас говорят. Не сомневаюсь, что достаточно хитрые люди паразитируют на этой кривой системе очень лихо. По крайней мере, США это страна очень вычурной и формализованной юстиции, и в США адвокаты в основном дорогие, их обучение полу-закрыто-элитарное (и тоже очень дорогое), и вообще у них там своя тусовка (если я правильно понял, за преступление адвоката судит тоже не обычный суд, а спец комиссия). Американцы, конечно, порой и сами стебутся над своим кверулянтством: вспомните хотя бы город юристов из "Трасса 60". Можно ли создать какую-то хорошую, но не такую абсурдную систему, при этом работоспособную? Всё-таки, там суды хотя бы работают, в отличие от, скажем так, некоторых других стран. И случаи победы простого человека над гигантской корпорацией или над государством действительно бывают. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #image23

当前筛选 #image23清除筛选
Earth&Climate Tech

@earth_climate_tech · Post #381 · 04.09.2023 г., 21:57

​​IMAGE'23 и генерация моделей по подсказке Всем привет! Пропал-пропал, был на конференции IMAGE'23. Это такая огромная, на тысяч 6-7 человек, геотехническая конференция в Хьюстоне для специалистов в области геонаук, полезных ископаемых и (уже) декарбонизации. Самые большие секции были посвящены машинному обучению в геонауках. На одной из них я показал наши эксперименты в области Генеративного ИИ (Generative AI), а именно первые наброски того как можно генерировать реалистичные геологические\сейсмические модели с помощью семантически понятного текста. Типа говоришь "йоу, модель, сделай мне низкочастотный сейсмический разрез с двумя сбросовыми разломами в восточной части и добавь немного шума". И на выходе получаешь реалистичный сейсмический разрез удовлетворяющий твоему описанию, или получаешь сразу несколько разных разрезов, ведь генерация стохастическая. Использовали мы немного модифицированную версию знаменитой нейронки Dalle-E2 от Open AI, которую обучили с нуля. Точнее три ее компонента: ✅CLIP - для семантической связи между текстом и изображением(моделью) и преобразования последнего в векторное представление; ✅ Diffusion Prior - для стохастической генерации текстовых векторных представлений в текстовые представления изображения(модели) и ✅ Decoder - для стохастической генерации самих изображений(моделей) из их векторного представления. Последняя нейроночка использует диффузионную модель. Получилось неплохо! На второй картинке пример моделей, которые сгенерировались по соответствующей подсказке. Конечно отправлять в продакшн еще рановато, но идея, кажется, работает не только на кошечках и собачках. #Image23#conference#ML#AI#subsurface