Показаны записи 13601 - 13610 из 56300
</>
![[pic]](http://pix.academ.org/img/2015/01/02/400x300_8bb5eaa9c41e000d737613543672ce1a.jpg)
Uptime (14) Онтология внешнего-внутреннего / неопределенности-порядка.
metanymous в Metapractice (оригинал в ЖЖ)
http://metapractice.livejournal.com/425769.html
Около-аптаймовые наблюдения
http://metapractice.livejournal.com/453431.html?thread=11621175#t11685943
Онтологические аспекты взаимоотношения внешнего-внутреннего (в лице аптайма-даунтайма) и порядка-неопределенности (в лице тоналя и нагваля)
Около-аптаймовые наблюдения
http://metapractice.livejournal.com/453431.html?thread=11621175#t11685943
Онтологические аспекты взаимоотношения внешнего-внутреннего (в лице аптайма-даунтайма) и порядка-неопределенности (в лице тоналя и нагваля)
</>
Мотыльки слетаются на онтологию порядка-неопределенн
metanymous в посте Metapractice (оригинал в ЖЖ)
Мотыльки слетаются на онтологию порядка-неопределенности / внешнего-внутреннего
Я бы это описал вот какими странными словами. Это восприятие некоего (значимого для меня) внешнего объекта (человека, ситуации, технической или социальной системы) ДЕЙСТВИТЕЛЬНО КАК ВНЕШНЕГО.
Ну, это и есть базовое феноменологическое переживание, которое на слайде обозначено словами «Мир Аптайм».
То есть какой-то такой настрой, который позволяет совершенно точно:
- убрать типа "проекции" об объекте
- разделить достоверную информацию об объекте от гипотез
Да, это и есть феноменологическое переживание аптайм.
Например, если я в таком стиле/ключе думаю о человеке, то я как бы понимаю (и могу даже логично изложить при необходимости -т.е. это не просто иллюзия/ощущение понимания) причинно-следственные связи его поведения, например. В них нет каких-то супер-откровений, наоборот, они очень простые, но это квинтэссенция здравого смысла получается. Например, я начинаю думаю, что вот мол такое-то типа "воспитание" человека + такая-то его жизненная ситуация ведет к такому-то отношению/поведению в мой адрес.
А это ты описываешь свои содержательные переходы между конкретным вариантом:
• невербального – иррационального – двигательного – сущностного - аптайма
• и рационального - вербального – кодового - аптайма
При этом вот эта сумма причин и следствий ощущается очень целостно. Если углубляться в совсем странные описания, то это буквально тактильное ощущение чего-то сферического/круглого/замкнутого.
Это невербальное сущностное аптайм.
Я как бы буквально мысленно ээ ощупываю (некими ментальными ээ щупальцами, которые идут сквозь все ментальные границы - типа захватывают и память, и сенсорный опыт, и представление - короче всю релевантную информацию ээ соединяют) объект. И он типа круглый. Вот такая странная ключевая субмодальность этого настроя - круглость.
Это все шуточки невербального аптайм.
В то же время без этого специального настроя я бы предположил, что поведение человека вызвано намерением что-то сделать в мой адрес. Типа чтением мыслей бы занялся (проекцией). А в этом настрое я понимаю, что мой вклад, обычно, ничтожно мал. И это не типа "личностный" вклад (я такой, поэтому человек ведет себя так-то), а коммуникативный (я сказал/сделал то-то, и теперь человек говорит/делает то-то).
А это переключение на рациональную вербальную кодовую сторону аптайма. Или даже может быть выход в чистый рационал.
Если речь идет о технической системе, я перестаю терзаться мыслями типа "да там вообще все что угодно может произойти в любой момент времени", и воспринимаю разные компоненты системы + интерфейсы, на которых можно отслеживать, например, их надёжность. И тогда я понимаю, что всё что угодно произойти как раз не может - точнее, может, но это не релевантная информация - а всю релевантную информацию я действительно/реально могу учесть и адекватно использовать. То есть проблема раскладывается на конечное и небольшое количество под-проблем (каждая из которых требует работы для своего решения, но уже не требует типа каких-то затратных "думательных" усилий).
Ой как много связей и рефлексии. В этом я усматриваю динамику заныривания даже в даунтайм (это правый нижний угол нашего слайда). Рациональная половина мира даунтайм, содержащая атмосферу формирования системных идей от конкретно-содержательных, до мега-системно-паранояльных.
И вот, забавная связь. Если я в начале дня какое-то довольно небольшое, но пороговое время провел в таком мысленном настрое, то ко мне в течение дня буквально начинают докапываться с разговорами случайные прохожие. Обычно меня игнорируют, но после такого настроя то дорогу спрашивают, то даже без всякого разумного оправдания просто затевают разговор. Вот такая интересная взаимосвязь :)
Это еще один весьма примечательный базовый феномен, связанный с тем, что субъект начинает совершать все более амплитудные переходы: Внешнее-Внутреннее + Неопределенность-Порядок.
В данных переходах субъект наполняется весьма своеобразной онтологической информацией. Сей факт буквально отражается на его лице.
И это притягивает других менее продвинутых субъектов к нашему продвинутому субъекту типа мотыльки слетаются на свет.
Я бы это описал вот какими странными словами. Это восприятие некоего (значимого для меня) внешнего объекта (человека, ситуации, технической или социальной системы) ДЕЙСТВИТЕЛЬНО КАК ВНЕШНЕГО.
Ну, это и есть базовое феноменологическое переживание, которое на слайде обозначено словами «Мир Аптайм».
То есть какой-то такой настрой, который позволяет совершенно точно:
- убрать типа "проекции" об объекте
- разделить достоверную информацию об объекте от гипотез
Да, это и есть феноменологическое переживание аптайм.
Например, если я в таком стиле/ключе думаю о человеке, то я как бы понимаю (и могу даже логично изложить при необходимости -т.е. это не просто иллюзия/ощущение понимания) причинно-следственные связи его поведения, например. В них нет каких-то супер-откровений, наоборот, они очень простые, но это квинтэссенция здравого смысла получается. Например, я начинаю думаю, что вот мол такое-то типа "воспитание" человека + такая-то его жизненная ситуация ведет к такому-то отношению/поведению в мой адрес.
А это ты описываешь свои содержательные переходы между конкретным вариантом:
• невербального – иррационального – двигательного – сущностного - аптайма
• и рационального - вербального – кодового - аптайма
При этом вот эта сумма причин и следствий ощущается очень целостно. Если углубляться в совсем странные описания, то это буквально тактильное ощущение чего-то сферического/круглого/замкнутого.
Это невербальное сущностное аптайм.
Я как бы буквально мысленно ээ ощупываю (некими ментальными ээ щупальцами, которые идут сквозь все ментальные границы - типа захватывают и память, и сенсорный опыт, и представление - короче всю релевантную информацию ээ соединяют) объект. И он типа круглый. Вот такая странная ключевая субмодальность этого настроя - круглость.
Это все шуточки невербального аптайм.
В то же время без этого специального настроя я бы предположил, что поведение человека вызвано намерением что-то сделать в мой адрес. Типа чтением мыслей бы занялся (проекцией). А в этом настрое я понимаю, что мой вклад, обычно, ничтожно мал. И это не типа "личностный" вклад (я такой, поэтому человек ведет себя так-то), а коммуникативный (я сказал/сделал то-то, и теперь человек говорит/делает то-то).
А это переключение на рациональную вербальную кодовую сторону аптайма. Или даже может быть выход в чистый рационал.
Если речь идет о технической системе, я перестаю терзаться мыслями типа "да там вообще все что угодно может произойти в любой момент времени", и воспринимаю разные компоненты системы + интерфейсы, на которых можно отслеживать, например, их надёжность. И тогда я понимаю, что всё что угодно произойти как раз не может - точнее, может, но это не релевантная информация - а всю релевантную информацию я действительно/реально могу учесть и адекватно использовать. То есть проблема раскладывается на конечное и небольшое количество под-проблем (каждая из которых требует работы для своего решения, но уже не требует типа каких-то затратных "думательных" усилий).
Ой как много связей и рефлексии. В этом я усматриваю динамику заныривания даже в даунтайм (это правый нижний угол нашего слайда). Рациональная половина мира даунтайм, содержащая атмосферу формирования системных идей от конкретно-содержательных, до мега-системно-паранояльных.
И вот, забавная связь. Если я в начале дня какое-то довольно небольшое, но пороговое время провел в таком мысленном настрое, то ко мне в течение дня буквально начинают докапываться с разговорами случайные прохожие. Обычно меня игнорируют, но после такого настроя то дорогу спрашивают, то даже без всякого разумного оправдания просто затевают разговор. Вот такая интересная взаимосвязь :)
Это еще один весьма примечательный базовый феномен, связанный с тем, что субъект начинает совершать все более амплитудные переходы: Внешнее-Внутреннее + Неопределенность-Порядок.
В данных переходах субъект наполняется весьма своеобразной онтологической информацией. Сей факт буквально отражается на его лице.
И это притягивает других менее продвинутых субъектов к нашему продвинутому субъекту типа мотыльки слетаются на свет.
Заметил, что вокруг "настроя" Аптайм (на границе контекстов, в которых задействую аптайм) у меня формируется некий мета-настрой "понимания/знания реальности".
(в) Если твое понимание внутри. Тогда это глубокое даунтайм. Это нечто вроде глубинной рефлексии Олдоса Хаксли:
С однобокого прочтения БиГов нашими нелперами даунтайм вроде как плохая и даже позорная активность. Но, высоко качественное аптайм имеет себе обязательную пару – высококачественное даунтайм.
И далее, эта пара имеет к себе ортогональную (установившейся терминологии для которой нет: левополушарное – праваполушарное, абстрактно-логическое – образно-конкретное, и т.п, и даже тональ и нагваль).
Он не целиком внешний - он содержит значительные компоненты и внешнего внимания, и внутреннего. И даже внутренние компоненты, пожалуй, более значимы.
Я на слайде попытался обрисовать некие онтологические аспекты взаимоотношения внешнего-внутреннего (в лице аптайм-даунтайм) и порядка-неопределенности (в лице тоналя и нагваля):
(в) Если твое понимание внутри. Тогда это глубокое даунтайм. Это нечто вроде глубинной рефлексии Олдоса Хаксли:
СПЕЦИАЛЬНОЕ ИССЛЕДОВАНИЕ ПРИРОДЫ И ХАРАКТЕРА РАЗЛИЧНЫХ СОСТОЯНИЙ СОЗНАНИЯ, ПРОВЕДЕННОЕ СОВМЕСТНО С ОЛДОСОМ ХАКСЛИ
American journal of clinical hypnosis, 1965, № 8, pp. 14—33.
http://metapractice.livejournal.com/48599.html?thread=664023
https://blogs.yandex.ru/search.xml?text=%D0%9E%D0%BB%D0%B4%D0%BE%D1%81%20%D0%A5%D0%B0%D0%BA%D1%81%D0%BB%D0%B8&ft=blog%2Ccomments%2Cmicro&server=livejournal.com&author=metanymous&journal=metapractice&holdres=mark
С однобокого прочтения БиГов нашими нелперами даунтайм вроде как плохая и даже позорная активность. Но, высоко качественное аптайм имеет себе обязательную пару – высококачественное даунтайм.
И далее, эта пара имеет к себе ортогональную (установившейся терминологии для которой нет: левополушарное – праваполушарное, абстрактно-логическое – образно-конкретное, и т.п, и даже тональ и нагваль).
Он не целиком внешний - он содержит значительные компоненты и внешнего внимания, и внутреннего. И даже внутренние компоненты, пожалуй, более значимы.
Я на слайде попытался обрисовать некие онтологические аспекты взаимоотношения внешнего-внутреннего (в лице аптайм-даунтайм) и порядка-неопределенности (в лице тоналя и нагваля):
</>
Re: Могущественный аптайм = Разум; Ноосфера и т.п.
metanymous в посте Metapractice (оригинал в ЖЖ)
То что системные идеи не могут переживаться от нутреннего источника есть уникальный феномен.
Ну, это переживание ээ СИСТЕМНОГО знания. Естественно, при таком подходе идеи не могут воспринимать как типа имеющие внутренний источник. Ну, то есть как в ТРИЗе типа – "инновация" есть просто следование/улавливание объективных законов развития систем.
Заметил, что вокруг "настроя" Аптайм (на границе контекстов, в которых задействую аптайм) у меня формируется некий мета-настрой "понимания/знания реальности".
Ключевой вопрос куда спроецировано твое понимание/знание реальности:
(а) буквально во вне. И даже если речь идет о неких масштабных идеях/представлениях, то все равно они воспринимаются как бы твои и одновременно отчужденные от тебя сущности.
Это приводит нас к догадке, что когда Грегори Бейтсон говорит в своем учении об эпистемологии а наличии во вне мыслителя некоего «разума», то на самом деле речь идет о феномене переживания мощного мыслительного аптайм мощным мыслителем.
Думаю, что и ноосфера Вернадского на эту же тему, по крайней мере, одной своей компонентой.
И далее, и далее вплоть до древних греческих философов, которые через одного утверждали о существовании самим по себе идей во внешнем мире и т.п.
Ключевой вопрос куда спроецировано твое понимание/знание реальности:
(а) буквально во вне. И даже если речь идет о неких масштабных идеях/представлениях, то все равно они воспринимаются как бы твои и одновременно отчужденные от тебя сущности.
Это приводит нас к догадке, что когда Грегори Бейтсон говорит в своем учении об эпистемологии а наличии во вне мыслителя некоего «разума», то на самом деле речь идет о феномене переживания мощного мыслительного аптайм мощным мыслителем.
Думаю, что и ноосфера Вернадского на эту же тему, по крайней мере, одной своей компонентой.
И далее, и далее вплоть до древних греческих философов, которые через одного утверждали о существовании самим по себе идей во внешнем мире и т.п.
если мы говорим о текстовых языкоидах. поправляйте, если не прав!
Языкоиды
Языкоид есть разнообразной природы процессы ситуационной семантизации и последующей десемантизации любых элементов экспрессии человека, животных, природных явлений и т.п.
есть текст, который в стандартном понимании состоит из слов. смысл текста -- это смысл отдельных слов, групп слов, сочетаний слов. но языкоид предполагает концепцию, когда смысл/образ/посыл текста определяется не только словами, но и другими атрибутами текста.
фактически, (как я понимаю) задача поиска языкоидов/видов языкоидов в тексте предполает поиск и выделение атрибутов, которые связаны с передачей некоторого смысла/образа/меседжа текста.
таким образом, алгоритмы машинного обучения должны быть нацелены на поиск скрытых атрибутов текста (формы слов, форма/структура текста и т.д.), которые задействованы в передаче месседжа наравне со словами.
Машинное обучение
Одна из классических задач машинного обучения в анализе текстов -- это, например, определение является ли текст спамом или нет.
Для решения этой задачи используется обучающее множество, т.е. множество текстов, о которых уже известно являются ли они спамом или нет. при этом, при обучении мы представляем алгоритмам обучения текст с меткой спам или не спам. алгоритмы машинного обучения ищут закономерности, которые позволяют определить то является текст спамом или не является. это этап обучения. обучение может быть успешным (сходиться) или не быть успешным. обеспечение успешности обучения как задача алгоритмов машинного обучения, так и задача подбора обучающих текстов. фактически, есть неявное правило, что по крайней мере эксперт по обучающему множеству должен быть способен выявить является ли конкретный текст спамом или не является. возможна ситуация, когда эксперт может выявить, но алгоритмы не сходятся, скорее всего это свидетельствует о некоторых неявных данных, которые способен выделить эксперт, но которые не предоставлены алгоритмам машинного обучения в обучающем множестве.
после успешного обучения. мы получаем возможность использовать обученную систему. теперь в нашем примере мы можем подать на вход некий текст и получить ответ явлется ли он спамом или нет?
Как можно использовать алгоритмы машинного обучения для поиска языкоидов
Одна из формулировок задачи анализа языкоидов, например, такова.
Для фрагментов текстов мы определяем некоторые категории.
Человеческий ввод:
Берём тексты. Прописываем для фрагментов этих текстов категории.
Далее программно формируем обучающее множество, в котором передаём в алгоритмы машинного обучения информацию о структуре текста, о том какие фрагменты к каким категориям относятся, информацию о стандартных атрибутах слов (форма, падеж, склонение и т.п.).
Происходит обучение на основе обучающего множества.
Далее, можно попробовать формулировать тексты и наблюдать то, как эти тексты разберёт на языкоиды (т.е. к каким категориям отнесёт те или иные фрагменты текста) обученная система.
Данный разбор обученной системой может подсказать исследователю те или иные закономерности, на основании которых он может сформулировать определённые правила/законы о языкоидах.
(К сожалению, Google Prediction API не позвоялет непосредственно выделить "знания" об атрибутах связаных с теми или иными языкоидами. Эта возможность просто не реализована в API Google-а).
Языкоиды
Языкоид есть разнообразной природы процессы ситуационной семантизации и последующей десемантизации любых элементов экспрессии человека, животных, природных явлений и т.п.
есть текст, который в стандартном понимании состоит из слов. смысл текста -- это смысл отдельных слов, групп слов, сочетаний слов. но языкоид предполагает концепцию, когда смысл/образ/посыл текста определяется не только словами, но и другими атрибутами текста.
фактически, (как я понимаю) задача поиска языкоидов/видов языкоидов в тексте предполает поиск и выделение атрибутов, которые связаны с передачей некоторого смысла/образа/меседжа текста.
таким образом, алгоритмы машинного обучения должны быть нацелены на поиск скрытых атрибутов текста (формы слов, форма/структура текста и т.д.), которые задействованы в передаче месседжа наравне со словами.
Машинное обучение
Одна из классических задач машинного обучения в анализе текстов -- это, например, определение является ли текст спамом или нет.
Для решения этой задачи используется обучающее множество, т.е. множество текстов, о которых уже известно являются ли они спамом или нет. при этом, при обучении мы представляем алгоритмам обучения текст с меткой спам или не спам. алгоритмы машинного обучения ищут закономерности, которые позволяют определить то является текст спамом или не является. это этап обучения. обучение может быть успешным (сходиться) или не быть успешным. обеспечение успешности обучения как задача алгоритмов машинного обучения, так и задача подбора обучающих текстов. фактически, есть неявное правило, что по крайней мере эксперт по обучающему множеству должен быть способен выявить является ли конкретный текст спамом или не является. возможна ситуация, когда эксперт может выявить, но алгоритмы не сходятся, скорее всего это свидетельствует о некоторых неявных данных, которые способен выделить эксперт, но которые не предоставлены алгоритмам машинного обучения в обучающем множестве.
после успешного обучения. мы получаем возможность использовать обученную систему. теперь в нашем примере мы можем подать на вход некий текст и получить ответ явлется ли он спамом или нет?
Как можно использовать алгоритмы машинного обучения для поиска языкоидов
Одна из формулировок задачи анализа языкоидов, например, такова.
Для фрагментов текстов мы определяем некоторые категории.
Человеческий ввод:
Берём тексты. Прописываем для фрагментов этих текстов категории.
Далее программно формируем обучающее множество, в котором передаём в алгоритмы машинного обучения информацию о структуре текста, о том какие фрагменты к каким категориям относятся, информацию о стандартных атрибутах слов (форма, падеж, склонение и т.п.).
Происходит обучение на основе обучающего множества.
Далее, можно попробовать формулировать тексты и наблюдать то, как эти тексты разберёт на языкоиды (т.е. к каким категориям отнесёт те или иные фрагменты текста) обученная система.
Данный разбор обученной системой может подсказать исследователю те или иные закономерности, на основании которых он может сформулировать определённые правила/законы о языкоидах.
(К сожалению, Google Prediction API не позвоялет непосредственно выделить "знания" об атрибутах связаных с теми или иными языкоидами. Эта возможность просто не реализована в API Google-а).
Есть Google Prediction API. Оно хорошо тем, что позволяет обрабатывать достаточно большие объемы данных (быстро и эффективно) и, в принципе, подходит для одного частного решения рассматриваемой в посте задачи. Пока программой для исследования языкоидов я заняться не могу, у меня все ещё подготовка к курсу у студентов. Смогу ближе к концу зимы, к весне, когда более или менее освобожусь.
У меня есть затруднение в понимании сущности языкоидов. До сих пор я не мог сформулировать понимание того, какой интерфейс программы (и в дальнейшем подход по выбору алгоритмов) нужен/оптимален для решения задачи анализа языкоидов с помощью машинного обучения. Пару разборов текста для анализа языкоидов я наблюдал, но желательно больший набор текстов для поиска языкоидов. Если можно, то хотя бы по одному разбору для всех видов языкоидов, которые известны на данных момент. (Можно просто ссылками на уже существующие разборы ну или подсказкой по тому, где их можно искать, такие разборы текстов.) Это нужно для формулирования понимания того, какой интерфейс нужно реализовать для программы по анализу языкодов.
Хотя, т.к. Google Prediction API заточено под решение определённого класса задач, то в общем, частично с интерфейсом для программы поиска языкоидов я более или менее определился (есть ограничения на алгоритмы в Google Prediction API). Но на этапе проектирования программы неплохо было бы понимать, что она сможет сделать, а что скорее всего нет (из-за ограничений по алгоритмам).
Фактически, программа по анализу языкоидов будет способна на выделение определённых закономерностей для слов, групп слов, фрагментов текстов. Как у человека формируется метанойя, так и программа (с использованием Google Prediction API) будет обобщать некоторые данные и давать возможность получить предсказание на основе обучаемого набора данных.
Но такое предсказание будет требовать достаточно большие объемы данных для обучения.
Самая сложная задача в использовании данной программы -- это подготовка достаточного объема входных данных. Т.к. всеже алгоритмы банально находят некоторые закономерности только при достаточном количестве данных. Поэтому есть смысл планировать уже сейчас обработку достаточно больших объемов текстов. Со своей сторорны я постараюсь реализовать программу (интерфейс программы) так, чтобы максимально упростить обработку больших объемов текстов, так чтобы подготовка обучающих данных была максимально простой, быстрой и эффективной.
На данный момент в разработке программы можно помочь подсказав ссылки на разбор текстов по анализу языкоидов.
P.S. Google Prediction API в принципе позволяет обрабатывать достаточно большие объемы данных, достаточно быстро, что скорее всего, позволит обойти ограничения по сложности (как если бы мы использовали собственные вычислительные средства). Все же задачи по обработке текста весьма ресурсоёмки. Предполагаю, что Google Prediction API позволит решить проблемы ограниченности собственных вычислительных ресурсов. К примеру, свести машинное обучение для одного эксперимента от недельного срока, к меньшему времени. Для свободного использования Google Prediction API есть ограничения, но думаю, это не самые сложные вопросы, учитывая преимущества по вычислительным мощностям.
У меня есть затруднение в понимании сущности языкоидов. До сих пор я не мог сформулировать понимание того, какой интерфейс программы (и в дальнейшем подход по выбору алгоритмов) нужен/оптимален для решения задачи анализа языкоидов с помощью машинного обучения. Пару разборов текста для анализа языкоидов я наблюдал, но желательно больший набор текстов для поиска языкоидов. Если можно, то хотя бы по одному разбору для всех видов языкоидов, которые известны на данных момент. (Можно просто ссылками на уже существующие разборы ну или подсказкой по тому, где их можно искать, такие разборы текстов.) Это нужно для формулирования понимания того, какой интерфейс нужно реализовать для программы по анализу языкодов.
Хотя, т.к. Google Prediction API заточено под решение определённого класса задач, то в общем, частично с интерфейсом для программы поиска языкоидов я более или менее определился (есть ограничения на алгоритмы в Google Prediction API). Но на этапе проектирования программы неплохо было бы понимать, что она сможет сделать, а что скорее всего нет (из-за ограничений по алгоритмам).
Фактически, программа по анализу языкоидов будет способна на выделение определённых закономерностей для слов, групп слов, фрагментов текстов. Как у человека формируется метанойя, так и программа (с использованием Google Prediction API) будет обобщать некоторые данные и давать возможность получить предсказание на основе обучаемого набора данных.
Но такое предсказание будет требовать достаточно большие объемы данных для обучения.
Самая сложная задача в использовании данной программы -- это подготовка достаточного объема входных данных. Т.к. всеже алгоритмы банально находят некоторые закономерности только при достаточном количестве данных. Поэтому есть смысл планировать уже сейчас обработку достаточно больших объемов текстов. Со своей сторорны я постараюсь реализовать программу (интерфейс программы) так, чтобы максимально упростить обработку больших объемов текстов, так чтобы подготовка обучающих данных была максимально простой, быстрой и эффективной.
На данный момент в разработке программы можно помочь подсказав ссылки на разбор текстов по анализу языкоидов.
P.S. Google Prediction API в принципе позволяет обрабатывать достаточно большие объемы данных, достаточно быстро, что скорее всего, позволит обойти ограничения по сложности (как если бы мы использовали собственные вычислительные средства). Все же задачи по обработке текста весьма ресурсоёмки. Предполагаю, что Google Prediction API позволит решить проблемы ограниченности собственных вычислительных ресурсов. К примеру, свести машинное обучение для одного эксперимента от недельного срока, к меньшему времени. Для свободного использования Google Prediction API есть ограничения, но думаю, это не самые сложные вопросы, учитывая преимущества по вычислительным мощностям.
--Так, ты еще не определил ни где у тебя на компе эго. И не определил что/какие процессы есть "сознание". Так, откуда у тебя на компе возьмется какое-то подсознание?
--Почему не определил? Эго - часть пользовательского интерфейса. Диалоговые окошки + обои рабочего стола + м.б. иконки рабочего стола. Сознание - пользователь.
Нет – нет, в этой метафоре мы каким-то процессом переносим сознание «в компьютер».
И, если ты настаиваешь еще и на рассмотрении сознания пользователя, то мы на это случай называем такое сознание «надсознанием». И, ежели мы затем переносим результаты моделирования метафоры обратно на нас самих, то «сознание пользователя» будет соответствовать какому-то варианту вне человеческого сознания или, например, любому варианту трансперсонального сознания в системе идей учения Грофа.
Железо компа – физиология. Программы микроконтроллеров – бессознательное. Операционная система + основной системный софт – подсознание. Всё чётко же, нет? :)
Микроконтроллеры в роли бессознательного это интересно.
--Почему не определил? Эго - часть пользовательского интерфейса. Диалоговые окошки + обои рабочего стола + м.б. иконки рабочего стола. Сознание - пользователь.
Нет – нет, в этой метафоре мы каким-то процессом переносим сознание «в компьютер».
И, если ты настаиваешь еще и на рассмотрении сознания пользователя, то мы на это случай называем такое сознание «надсознанием». И, ежели мы затем переносим результаты моделирования метафоры обратно на нас самих, то «сознание пользователя» будет соответствовать какому-то варианту вне человеческого сознания или, например, любому варианту трансперсонального сознания в системе идей учения Грофа.
Железо компа – физиология. Программы микроконтроллеров – бессознательное. Операционная система + основной системный софт – подсознание. Всё чётко же, нет? :)
Микроконтроллеры в роли бессознательного это интересно.
Дочитали до конца.