Нейросети - это просто ПНР, только в миллионах строк
Когда на стройке говорят ,,нейросети,,, у многих сразу возникает ощущение какой‑то магии.
Но если посмотреть на это через призму ПНР, все становится гораздо приземленнее.
В пусконаладке вся «магия» всегда заканчивается проверочными таблицами.
В каждой строке - одна и та же логика:
- что подаем на вход (ситуация, команда, имитация отказа);
- что произошло по факту;
- результат: «да / нет» - прошла проверка или нет.
С нейросетями происходит ровно то же самое, только в промышленном масштабе.
При обучении нейросети ей показывают тысячи и миллионы примеров:
- вот входные данные;
- вот тот результат, который считается правильным.
На каждом примере сеть дает свой ответ. Его сравнивают с эталоном и считают ошибку.
Если ответ совпал -условное ,,да,,.
Если нет ,,нет,,, параметры внутри сети немного корректируют, чтобы в следующий раз результат был ближе к правильному.
По сути это та же проверочная таблица, только:
- вместо ручной галочки ,,да/нет,,- математическая функция ошибки;
- вместо десятков строк -миллионы примеров;
- вместо инженера с ручкой - алгоритм, который автоматически подстраивает параметры.
Поэтому я спокойно отношусь к нейросетям: это не магия и не ,,разум,,, а логичное развитие той же самой проверочной модели, с которой мы давно работаем в ПНР.
И, если честно, в ПНР и сметах нам чаще не хватает не нейросетей, а другого -
четкого определения, что именно считается ,,правильным,,: по технологии, по документации, по программе, по графику, по ВОР.
Иначе никакой инструмент, ни нейросеть, ни сметная программа, не даст устойчивого результата.
А что у нас считать устойчивым результатом?
Не загнать всех в минус своей ,,идеально посчитанной,, сметой.
Когда на стройке говорят ,,нейросети,,, у многих сразу возникает ощущение какой‑то магии.
Но если посмотреть на это через призму ПНР, все становится гораздо приземленнее.
В пусконаладке вся «магия» всегда заканчивается проверочными таблицами.
В каждой строке - одна и та же логика:
- что подаем на вход (ситуация, команда, имитация отказа);
- что произошло по факту;
- результат: «да / нет» - прошла проверка или нет.
С нейросетями происходит ровно то же самое, только в промышленном масштабе.
При обучении нейросети ей показывают тысячи и миллионы примеров:
- вот входные данные;
- вот тот результат, который считается правильным.
На каждом примере сеть дает свой ответ. Его сравнивают с эталоном и считают ошибку.
Если ответ совпал -условное ,,да,,.
Если нет ,,нет,,, параметры внутри сети немного корректируют, чтобы в следующий раз результат был ближе к правильному.
По сути это та же проверочная таблица, только:
- вместо ручной галочки ,,да/нет,,- математическая функция ошибки;
- вместо десятков строк -миллионы примеров;
- вместо инженера с ручкой - алгоритм, который автоматически подстраивает параметры.
Поэтому я спокойно отношусь к нейросетям: это не магия и не ,,разум,,, а логичное развитие той же самой проверочной модели, с которой мы давно работаем в ПНР.
И, если честно, в ПНР и сметах нам чаще не хватает не нейросетей, а другого -
четкого определения, что именно считается ,,правильным,,: по технологии, по документации, по программе, по графику, по ВОР.
Иначе никакой инструмент, ни нейросеть, ни сметная программа, не даст устойчивого результата.
А что у нас считать устойчивым результатом?
Не загнать всех в минус своей ,,идеально посчитанной,, сметой.