[«Всё течёт, всё изменяется»] «Жидкие» или «текучие» нейросети помогут дронам ориентироваться на незнакомой местности

отметили
24
человека
в архиве
[«Всё течёт, всё изменяется»] «Жидкие» или «текучие» нейросети помогут дронам ориентироваться на незнакомой местности

Исследователи Массачусетского технологического института (МТИ) предложили эффективный, по их словам, способ помочь дронам перемещаться по незнакомой местности — так называемые «жидкие» нейросети.

Исследователи Массачусетского технологического института (МТИ) предложили эффективный, по их словам, способ помочь дронам перемещаться по незнакомой местности — так называемые «жидкие» нейросети.

Первичное обучение адаптивного алгоритма было построено на наборе данных, полученных от пилота — человека. Благодаря этому система научилась учитывать его способность применять свои навигационные навыки на незнакомой местности, когда в условиях среды и её ландшафте происходят значительные изменения. «Жидкие» нейросети, в частности, помогают дронам отслеживать движущиеся цели. А дальнейшее их обучение может быть построено на данных от новых экспертных источников — это повысит надёжность и эффективность дронов в работе.

skillfactory_school9 фев в 23:40

[Научпоп с кодом] Что такое «жидкая» нейросеть и как научить её играть в Atari?

Блог компании SkillFactoryPython*Программирование*Искусственный интеллектTensorFlow*
 
 

Алгоритмы в основе традиционных сетей настраиваются во время обучения, когда подается огромное количество данных для калибровки наилучших значений их весов, ликвидные («текучие») нейронные сети лучше адаптируются.


«Они способны изменять свои основные уравнения на основе входных данных, которые они наблюдают», в частности, изменяя скорость реакции нейронов, — рассказывает директор Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института Даниэла Рус.

Один из первых тестов для демонстрации этой способности — попытка управлять автономным автомобилем. Ведь обычная нейронная сеть анализирует визуальные данные с камеры автомобиля только через постоянные промежутки времени, а ликвидная сеть из 19 нейронов и 253 синапсов (крошечная по стандартам машинного обучения) может оказаться намного отзывчивее.


«Наша модель может делать выборки чаще, например, когда дорога извилиста», — рассказывает соавтор этой и других статей о ликвидных сетях.


Модель успешно удерживала машину на ходу, но, по словам Лехнера, у неё был один недостаток: «Она была очень медленной» из-за нелинейных уравнений, представляющих синапсы и нейроны, которые обычно невозможно решить без повторных вычислений на компьютере, который выполняет несколько итераций, прежде чем сойдется к решению. Эта работа обычно делегируется специальным программным пакетам — решателям, применять которые нужно к каждому синапсу и нейрону отдельно.


В статье 2022 года учёные показали ликвидную нейронную сеть, которая обошла это узкое место. Эта сеть основывалась на уравнениях того же типа, но ключевым достижением стало открытие Хасани, что такие уравнения не нужно решать с помощью трудоемких компьютерных вычислений. Вместо этого сеть могла бы функционировать, используя почти точное или «замкнутое» решение, которое, в принципе, можно было бы разработать на бумаге с карандашом в руках. Как правило, эти нелинейные уравнения не имеют решений в замкнутой форме, но Хасани наткнулся на достаточно хорошее приближенное решение.


«Решение в замкнутой форме — это решение при помощи уравнения, в котором можно подставить значения параметров, затем выполнить простые математические операции — и вы получите ответ, одним выстрелом».

Это ускоряет вычисления и сокращает затраты энергии.


Ликвидные нейронные сети предлагают «элегантную и компактную альтернативу», — считает Кен Голдберг, робототехник из Калифорнийского университета в Беркли. По его словам, эксперименты уже показывают, что эти сети могут работать быстрее и точнее, чем другие так называемые нейронные сети с непрерывным временем, которые моделируют системы, меняющиеся во времени.


Рамин Хасани и Матиас Лехнер, инициаторы новой архитектуры, много лет назад поняли, что C. elegans может стать идеальным организмом, который можно использовать, чтобы выяснить, как создавать устойчивые нейронные сети, способные приспосабливаться к неожиданностям. Этот червь — одно из немногих существ с полностью структурированной нервной системой, и она способна к целому ряду действий: двигаться, находить пищу, спать, спариваться и даже учиться на собственном опыте. «Он живет в реальном мире, где постоянно происходят изменения, и может хорошо работать практически в любых условиях», — сказал Лехнер.


Уважение к непритязательному червю привело Лехнера и Хасани к их новым сетям, где каждый нейрон управляется уравнением, которое предсказывает его поведение во времени. И так же, как нейроны связаны друг с другом, эти уравнения зависят друг от друга. Сеть, по сути, решает ансамбль связанных уравнений, позволяя характеризовать состояние системы в любой момент — в отличие от традиционных нейронных сетей, которые выдают результаты только в определенные моменты времени.


«[Обычные нейросети] могут рассказать вам, что происходит, только через одну, две или три секунды», — сказал Лехнер. «Но модель с непрерывным временем, подобная нашей, может описать происходящее за 0,53 секунды, 2,14 секунды или любое другое время, которое вы выберете».

Ликвидные сети также различаются тем, как они обрабатывают синапсы, связи между искусственными нейронами. Сила этих связей в стандартной нейронной сети может быть выражена одним числом — ее весом. В ликвидных сетях обмен сигналами между нейронами — вероятностный процесс, управляемый «нелинейной» функцией: ответы на входы не всегда пропорциональны. Удвоение входных данных, например, может привести к гораздо большему или меньшему сдвигу вывода. Именно из-за этой естественной изменчивости сети называют ликвидными, «жидкими». Реакция нейрона может варьироваться в зависимости от того, какие входные данные он получает.


«Их метод — победить конкурентов на несколько порядков, не жертвуя точностью», — сказал Саян Митра, ученый-компьютерщик из Университета Иллинойса, Урбана-Шампейн.

По словам Хасани, их новейшие сети не только быстрее, но и необычно стабильнее, а это означает, что система, не выходя из строя, способна обрабатывать огромные входные данные. «Основной вклад здесь заключается в том, что стабильность и другие приятные свойства заложены в этих системах благодаря их чистой структуре», — рассказывает Шрирам Санкаранараянан, ученый-компьютерщик из Университет Колорадо, Боулдер. Ликвидные сети, кажется, работают внутри «золотого пятна: они достаточно сложны, чтобы в них происходило нечто интересное, но сложны не настолько, чтобы привести к хаотичному поведению».


Сейчас учёные из MIT тестирует свою последнюю сеть на автономном БПЛА. Хотя дрона учили ориентироваться в лесу, его переместили в городскую среду Кембриджа, чтобы посмотреть, как он справляется с новыми условиями. Предварительные результаты эксперимента Лехнер считает обнадеживающими.


Команда работает над улучшением архитектуры своей сети. Следующий шаг, по словам Лехнера, «выяснить, сколько или насколько мало нейронов нужно, чтобы решить задачу».


Учёные хотят разработать оптимальный способ соединения нейронов. Сейчас каждый нейрон связан с каждым другим нейроном, но синаптические связи C. elegans работают иначе: они более избирательны. Благодаря исследованиям нервной системы круглых червей учёные надеются определить, какие нейроны в их системе должны быть соединены.


Кроме автономного вождения и полётов, ликвидные сети хорошо подходят для анализа электрических сетей, финансовых транзакций, погоды и других явлений, которые меняются со временем. По словам Хасани, последнюю версию ликвидных сетей можно использовать «для моделирования активности мозга в масштабах, ранее невозможных».


Особенно этим заинтригован Митра. «В каком-то смысле это поэтично, показать, что это исследование может пройти полный цикл [полный, замкнутый круг], — считает он [отсылка на замкнутую форму уравнений]. — Нейронные сети развиваются до такой степени, что те самые идеи, которые мы почерпнули из природы, вскоре смогут помочь нам лучше понять природу».

Перейдём к практике. Покажем пример прямо из документации к пакету c реализацией ликвидных нейросетей. И, конечно, его работу.


Технические подробности

Политика нейронных цепей (NCP) — это повторяющиеся модели нейросетей, вдохновленные нервной системой нематоды C. elegans. По сравнению со стандартными моделями ML, NCP имеют:


  • Нейроны, моделируемые обыкновенным дифференциальным уравнением;
  • Разреженные и структурированные связи нейронов;

Модели нейронов

Сегодня пакет предоставляет две модели нейронов: LTC и CfC на нейронах в виде дифференциальных уравнений, связанных между собой сигмоидальными синапсами. Термин «текучая [ликвидная] постоянная времени» происходит от свойства LTC: поведение этих нейронов во времени подстраивается к входным данным (скорость реакции на некоторые стимулы может зависеть от конкретного входного сигнала). LTC — это обыкновенные дифференциальные уравнения, поэтому их поведение можно описать только во времени.


LTC являются универсальными аппроксиматорами и реализуют причинно-следственные динамические модели. У модели LTC есть один существенный недостаток: для вычисления выходных данных нужен численный решатель дифференциальных уравнений, который серьезно замедляет обучение и время вывода. Модели уравнения [замкнутой формы] с непрерывным временем (CfC) устраняют это узкое место, они содержат приближённое решение дифференциального уравнения в замкнутой форме.


Обе модели LTC и CfC — это рекуррентные нейронные сети, они обладают временным состоянием, а значит, применимы только к последовательным данным или к данным временных рядов.
 

Нейронные связи

Использовать можно обе вышеописанные модели, причём с полносвязной схемой соединений. Для этого просто передадим количество нейронов, как это делается в стандартных моделях, таких как LSTM, GRU, MLP или трансформеры.


from ncps.torch import CfC # a fully connected CfC network rnn = CfC(input_size=20, units=50)

В форме объекта ncps.wirings.Wiring можно указать разреженные структурированные соединения. Политика нейронных цепей (NCP) — самая интересная парадигма нейронных связей в этом пакете, она включает в себя 4-уровневый принцип рекуррентного соединения сенсорных, промежуточных, командных и моторных нейронов.

Самый простой способ создать нейронные связи NCP — использовать класс AutoNCP, требующий указать общее количество нейронов и количество двигательных нейронов, то есть размер вывода.


from ncps.torch import CfC from ncps.wirings import AutoNCP wiring = AutoNCP(28, 4) # 28 neurons, 4 outputs input_size = 20 rnn = CfC(input_size, wiring)


Схема

Учим текучую нейросеть играть в Atari

Ниже научим NCP играть в игру Atari с помощью обучения с подкреплением. Код написан на TensorFlow, а для обучения применяется ray[rllib]. Мы воспользуемся алгоритмом proximal policy optimization (PPO) — ближайшая оптимизация политики. Это хороший базовый алгоритм, который работает и в дискретном, и в непрерывном пространстве действий.

Установка и требования

Для начала нужно установить кое-какие пакеты:


pip3 install ncps tensorflow «ale-py==0.7.4» «ray[rllib]» «gym[atari,accept-rom-license]==0.23.1»
Определяем модель

Модель состоит из блока свертки, за которым следует рекуррентная нейронная сеть типа CfC. Для совместимости модели с rllib создадим подкласс класса ray.rllib.models.tf.recurrent_net.RecurrentNetwork.

 

Наша сеть Conv-CfC обладает двумя выходными тензорами. Это тензоры:

 

  • Распределения возможных действий (политика);
  • Скалярной оценки функции ожидаемого возврата;

 

Второй тензор необходим для наших алгоритмов PPO RL. Изучение как политики, так и функции ожидаемого возврата в одной сети часто имеет некоторые преимущества обучения за счёт общих признаков.

Продолжение следует.

Добавил suare suare 21 Апреля 2023
Дополнения:

Весь исходный код вы найдёте здесь.

 

На современном настольном компьютере требуется около часа, чтобы получить возврат 20, и около 4 часов, чтобы достичь возврата 50.

Для сред Atari rllib различает два возврата: эпизодический (то есть с 1 жизнью в игре) и игровой (с тремя жизнями), поэтому возврат, сообщаемый rllib, может отличаться о полученного при оценке модели с обратной связью.

Вывод скрипта выглядит примерно так:

Добавил suare suare 21 Апреля 2023
Комментарии участников:
suare
+1
suare, 21 Апреля 2023 , url

«Всё течёт, всё меняется», или «Всё течёт и ничто не остаётся на месте» (греч. «πάντα ρεῖ καὶ οὐδὲν μένει»), — античный фразеологизм. Его буквальное значение — «всё движется».

Считается, что его первоисточником послужили слова древнегреческого философа Гераклита из Эфеса (ок. 554—483 до н. э.), которые сохранились в одном из диалогов философа Платона и стали первоисточником также и для другого фразеологизма — «нельзя дважды войти в одну и ту же реку» (греч. «δὶς ἐς τὸν αὐτὸν ποταμὸν οὐκ ἂν ἐμβαίης»); это крылатое выражение используется по поводу постоянных и неизбежных перемен в жизни человека и общества[1].

Содержание
  • 1Цитата из сочинения Гераклита и её судьба в произведениях античных философов
  • 2Различные толкования
  • 3В литературе, искусстве, культуре и науке
  • 4См. также
  • 5Примечания
  • 6Литература

Цитата из сочинения Гераклита и её судьба в произведениях античных философов

Оригинальное сочинение Гераклита, которое содержит данный фрагмент, не сохранилось. Цитата широко известна по наиболее подробному цитированию в диалоге Платона «Кратил». Там фрагмент звучит так:

«Λέγει που Ἡράκλειτος ὅτι „πάντα χωρεῖ καὶ οὐδὲν μένει“, καὶ ποταμοῦ ῥοῇ ἀπεικάζων τὰ ὄντα λέγει ὡς „δὶς ἐς τὸν αὐτὸν ποταμὸν οὐκ ἂν ἐμβαίης“»

В русском переводе Т. В. Васильевой: «Гераклит говорит где-то: „все движется и ничто не остается на месте“, а ещё, уподобляя всё сущее течению реки, он говорит, что „дважды тебе не войти в одну и ту же реку“»[2].

— Платон. Кратил[3]
Неизвестный скульптор. Голова Платона, 347—348 г. н. э.

А. Ф. Лосев считал, что «Кратил» принадлежит к числу трудных диалогов Платона. Здесь иной раз невозможно уловить связь отдельных частей диалога и даже его идею. В диалоге противопоставляется мнение Гермогена, ученика Протагора, об условности имен человеческого языка (зависимости от произвола людей и традиции) и мнение Кратила, ученика Гераклита, об их естественности (полном соответствии природе вещей, понимаемой как нечто совершенно текучее). Известно, что реальный Кратил из гераклитовского учения о вечном становлении делал радикальные выводы: если всё течёт, значит, ничто нельзя и познать. В диалоге Платона он занимает более умеренную позицию. Сократ выступает арбитром в этом вопросе[4].

Платон упоминает эту мысль Гераклита и в других своих произведениях. В диалоге «Теэтет» (160d) упоминается, что, по Гераклиту, «всё движется наподобие течения» (полный фрагмент: «Стало быть, ты превосходно сказал, что знание есть не что иное, как ощущение, и это совпадает с утверждениями тех, кто вслед за Гомером, Гераклитом и всем этим племенем полагает, будто всё течёт, словно река», греч. «Παγκάλως ἄρα σοι εἴρηται ὅτι ἐπιστήμη οὐκ ἄλλο τί ἐστιν ἢ αἴσθησις, καὶ εἰς ταὐτὸν συμπέπτωκεν, κατὰ μὲν Ὅμηρον καὶ Ἡράκλειτον καὶ πᾶν τὸ τοιοῦτον φῦλον οἷον ῥεύματα κινεῖσθαι τὰ πάντα»). В «Кратиле» (412d) он не называет непосредственно Гераклита, но упоминает эту же мысль: «всё находится в пути» (полный текст фразы: «Те, кто считает, что всё находится в пути, полагают также, что большая часть вещей просто движется, а есть ещё нечто такое, что проникает всё остальное, благодаря чему и возникает всё рождающееся. Это нечто есть также самое быстрое и самое тонкое», греч. «Ὅσοι γὰρ ἡγοῦνται τὸ πᾶν εἶναι ἐν πορείᾳ, τὸ μὲν πολὺ αὐτοῦ ὑπολαμβάνουσιν τοιοῦτόν τι εἶναι οἷον οὐδὲν ἄλλο ἢ χωρεῖν, διὰ δὲ τούτου παντὸς εἶναί τι διεξιόν, δι᾽ οὗ πάντα τὰ γιγνόμενα γίγνεσθαι· εἶναι δὲ τάχιστον τοῦτο καὶ λεπτότατον»)[5].

О протекании всего существующего у Гераклита не раз говорит и Аристотель (в книге «Метафизика», XIII, 1078b, «существующее находится в движении» (полный фрагмент — «К учению об эйдосах пришли те, кто был убеждён в истинности взглядов Гераклита, согласно которым всё чувственно воспринимаемое постоянно течёт; так что если есть знание и разумение чего-то, то помимо чувственно воспринимаемого должны существовать другие сущности, постоянно пребывающие, ибо о текучем знания не бывает», греч. «συνέβη δ᾽ ἡ περὶ τῶν εἰδῶν δόξα τοῖς εἰποῦσι διὰ τὸ πεισθῆναι περὶ τῆς ἀληθείας τοῖς Ἡρακλειτείοις λόγοις ὡς πάντων τῶν αἰσθητῶν ἀεὶ ῥεόντων, [15] ὥστ᾽ εἴπερ ἐπιστήμη τινὸς ἔσται καὶ φρόνησις, ἑτέρας δεῖν τινὰς φύσεις εἶναι παρὰ τὰς αἰσθητὰς μενούσας: οὐ γὰρ εἶναι τῶν ῥεόντων ἐπιστήμην»[6]); в книге «О душе» (I, 2, 405а) — «по Гераклиту, всё движется» (полный фрагмент — «И Гераклит утверждает, что душа есть начало, поскольку она, мол, есть испарение, из которого составляется всё остальное. Кроме того, она нечто в высшей степени бестелесное и непрестанно текучее; подвижное же познаётся подвижным. Что всё сущее находится в движении, предполагал и он и большинство», греч. «καὶ Ἡράκλειτος δὲ τὴν ἀρχὴν εἶναί φησι ψυχήν, εἴπερ τὴν ἀναθυμίασιν, ἐξ ἧς τἆλλα συνίστησιν· καὶ ἀσωματώτατόν τε καὶ ῥέον ἀεί· τὸ δὲ κινούμενον κινουμένῳ γινώσκεσθαι· ἐν κινήσει δ' εἶναι τὰ ὄντα κἀκεῖνος ᾤετο καὶ οἱ πολλοί»[7])[8]. Идея, заложенная в цитате Платона из Гераклита, развивается во фрагментах из других философов, сохранившихся до нашего времени:

  • Фрагмент 91. Плутарх «Об „Е“ в Дельфах», 392В, XVIII (перевод А. О. Маковельского у А. Ф. Лосева): «В одну и ту же реку невозможно войти дважды, по Гераклиту, и (вообще) нельзя дважды коснуться смертной субстанции, которая была бы тождественной по (своему) свойству); но, изменяясь с величайшей быстротой, она разбивается и вновь собирается (лучше же сказать, не вновь и не затем, но в одно и то же время она и прибывает и убывает) и притекает и уходит»[9][10].
  • Фрагмент 126b. Аноним «Комментарий к платоновскому „Теэтету“». 71, 12 (текст сильно испорчен, поэтому обычно включается в список подложных или сомнительных). «Эпихарм водил знакомство с пифагорейцами, да и (сам) придумал некоторые очень важные (учения), в том числе рассуждение о росте. Оно ведет по пути, указанному изречением Гераклита: „Всегда одно растет так, другое иначе, каждое согласно своей потребности“. Итак, если каждый непрестанно течёт и видоизменяется, то субстанции, вследствие (этого) беспрерывного (своего) течения, в разное время бывают разными»[11].
  • Аллюзия на высказывание присутствует ещё в одной цитате из Ария Дидима (Фрагмент 39) у Евсевия Кесарийского в «Приготовлении к Евангелию» XV 20,3 (D. 471, 1). «Зенон, подобно Гераклиту, называет душу одаренным способностью ощущения испарением. А именно (Гераклит), желая показать, что разумные души постоянно испаряются, уподобил их рекам в следующем изречении: „На того, кто входит в ту же самую реку, каждый раз текут новые воды (греч. «ποταμοῖσι τοῖσιν αὐτοῖσιν ἐμβαίνουσιν, ἕτερα καὶ ἕτερα ὕδατα ἐπιρρεῖ»). Так же и души испаряются из влаги“»[12].

Различные толкования

М. К. Мамардашвили посвятил трактовке цитаты Гераклита свою Лекцию 6. В ней он, в частности, пишет:

«Он говорит, что мы уже давно в реке, мы никогда не будем вне её, так чтобы нам фактически второй раз приходилось бы решать этот вопрос, мы уже шевелим руками, мы уже делаем движения пловца… И в этом смысле выйти из неё [этой ситуации], посмотреть на неё со стороны и снова в неё войти невозможно, и не только невозможно, но ещё и просто не бывает той ситуации, которую мы на нашем наглядном, обыденном языке называем ситуацией выбора… Другая сторона этой же мысли Гераклита состоит в том, что обратно вернуться, то есть сделать вид, как если бы ничего не было, мы не можем. Иными словами, Гераклит, рассуждая таким образом…, фактически глубоко осознавал, что в той сознательной жизни, которую он называл пониманием, в сознательной жизни как части бытия, имеющей ритмы и организованность, целостность и способы существования, отличные от раздрызга нашей обыденной жизни, в которой явления, события, акции меняются, рассеиваются, повторяются с тошнотворным автоматизмом и скукой, — в сознательной жизни есть необратимость»

— М. К. Мамардашвили. Лекции по античной философии[13]

Целый ряд историков философии выражали сомнение в возможности понять на основе сохранившегося фрагмента смысл проблемы, поставленной Гераклитом. Лосев считал, что подлинный смысл высказывания и само оригинальное выражение Гераклита в данном случае установить уже невозможно. В «Кратиле» цитата является переводом мысли Гераклита на отвлечённый язык Платона. Лосев принимает чтение «πάντα χωρεῖ (а не ρεῖ) καὶ οὐδὲν μένει», отсюда делает вывод, что данное место не обязательно должно пониматься как «всё движется», оно может значить, например «Всё распространяется, или уступает место другому и ничто не ждёт»[14].

Судить же на основании поздних цитирований и интерпретаций, по мнению Лосева, о смысле этого высказывания у Гераклита трудно. По мнению Лосева, единственный текст, который может соответствовать идее Гераклита — «В одну и ту же реку невозможно войти дважды» (В 91 у Плутарха), но он вряд ли принадлежит Гераклиту. В «Метафизике» IV, 1010а, у Аристотеля Кратил «упрекает» в этом Гераклита («Именно на основе этого предположения возникло наиболее крайнее из упомянутых мнений — мнение тех, кто считал себя последователями Гераклита и коего держался Кратил, который под конец полагал, что не следует ничего говорить, и только двигал пальцем и упрекал Гераклита за его слова, что нельзя войти в одну и ту же реку дважды, ибо сам он полагал, что этого нельзя сделать и единожды», греч. «ἐκ γὰρ ταύτης τῆς ὑπολήψεως ἐξήνθησεν ἡ ἀκροτάτη δόξα τῶν εἰρημένων, ἡ τῶν φασκόντων ἡρακλειτίζειν καὶ οἵαν Κρατύλος εἶχεν, ὃς τὸ τελευταῖον οὐθὲν ᾤετο δεῖν λέγειν ἀλλὰ τὸν δάκτυλον ἐκίνει μόνον, καὶ Ἡρακλείτῳ ἐπετίμα εἰπόντι ὅτι δὶς τῷ αὐτῷ ποταμῷ οὐκ ἔστιν ἐμβῆναι: αὐτὸς γὰρ ᾤετο οὐδ᾽ ἅπαξ»[15]), а Плутарх (В 91) и Симплиций, возможно, взяли этот эпизод у Аристотеля. Вероятно, у Кратила позаимствовал эту мысль и Платон (Crat. 402а). Цитату Плутарха «нельзя дважды коснуться смертной субстанции» Лосев считал интерпретацией самого Плутарха[16]:

  • термин «субстанция» не свойственен интуитивному и художественному языку Гераклита;
  • Гераклит не знает ничего смертного в качестве только смертного, он сам же говорит (В 62): «Бессмертные — смертны, смертные — бессмертны; жизнь одних есть смерть других, и смерть одних есть жизнь других».

Тем не менее, Лосев допускал, что у Гераклита был образ реки, и, возможно, с этим образом он соединял мысли о текучести и становлении бытия вообще. Такой образ реки и учение о всеобщем движении приписывала Гераклиту вся античность. Среди таковых философов: Клеанф, Александр Афродисийский, Диоген Лаэртский, Лукиан, Симплиций, Секст Эмпирик[16].

В последующие времена образ реки Гераклита был удобным для философских построений. Однако, по мнению Лосева, нет никаких филологических оснований приписывать определённое логическое содержание данному выражению и выставлять этот символ и вообще учение о текучести как основное и специфическое для Гераклита. Наоборот, сомнительно, чтобы он с этим образом связывал отвлечённо-диалектические построения[17][8].

В литературе, искусстве, культуре и науке

Овидий использовал фразеологизм Гераклита в своих «Метаморфозах» в латинском варианте «cuncta fluunt» в XV книге: «…постоянного нет во вселенной, Всё в ней течёт — и зыбок любой образуемый облик»[18].

Фразеологизм неоднократно использовал Иоганн Вольфганг Гёте в своих стихотворениях (например, в стихотворении «Когда в бескрайности природы»):

Когда в бескрайности природы,

Где, повторяясь, всё течёт,
Растут бесчисленные своды
И каждый свод врастает в свод,
Тогда звезда и червь убогий
Равны пред мощью бытия,
И мнится нам покоем в Боге

Вся мировая толчея»[19]

Фразеологизм дал название повести советского писателя Василия Гроссмана «Всё течёт» (1955—1963). Рукопись повести, затрагивавшей тему возвращения человека из сталинских лагерей, над которой Гроссман работал с 1955 года, была конфискована в 1961 году. Писатель создал новый вариант повести, который завершил в 1963 году (публикация за рубежом — 1970, в СССР — 1989). Украинская певица Юлия Рай (она же — Юлия Бодай) исполняет песню «Дважды в одну реку не войдёшь» (в украинской версии она называется просто «Річка», 2002)[20].

Фраза «πάντα ρεῖ» («всё течёт») является девизом американского Общества реологии (раздела механики, исследующего, в частности, течение жидкости)[21].

suare
+1
suare, 21 Апреля 2023 , url

Lynnot78
+3
Lynnot78, 21 Апреля 2023 , url

Как я понимаю, это шаг к самообучению нейросетей.

suare
+2
suare, 21 Апреля 2023 , url

Та нейросеть, которая прямо подражала действиям человека в данной ситуации, обучаясь от него напрямую, теперь может «свернуть» процесс обучения, сделав его оптимальным, исключая тупиковые участки, а затем переписать «черновой» код самостоятельно «набело». Больше того, она сможет «подсказать», где находятся избыточные или недостающие участки кода или ошибки и заблуждения, допущенные человеком.

Кроме того, возможно описание близких по смыслу и содержанию задач ситуаций по аналогии и включение их в код.

А затем транслировать код другим нейросетям, как жидкость просачивается сквозь пористый материал или смешивается с другой жидкостью.

bee_e
+2
bee_e, 21 Апреля 2023 , url

Т.е., реализовать ад?

suare
+1
suare, 21 Апреля 2023 , url

Этот выбор сделали сами алчные до богатства люди.

Их никто за уши не притягивал, как телёнка к корыту с молоком.

Наоборот: самые дальновидные и осторожные пытались оттащить за уши от этой лоханки с пойлом от ИИ, которое превращает человеков в стадо осликов, как в сказке о Пиноккио.

Но кто же в наше время станет слушать мудрого человека?

Мудрость нынче не в цене.

Лайки, кликабельность и рейтинг подавай.

Они всем хором кричат: «Поучайте лучше ваших паучат!»

suare
+1
suare, 21 Апреля 2023 , url

suare
+2
suare, 21 Апреля 2023 , url



Войдите или станьте участником, чтобы комментировать