Показаны записи 5611 - 5620 из 30962
</>
Re: Нагвалист не возвращается по той же самой дороге.
metanymous в посте Metapractice (оригинал в ЖЖ)
--Это типовой ход. Нагвалисты всегда ходят по круговым маршрутам. И никогда не возвращаются по той же самой дороге.
--Вроде помню, что мы это уже обсуждали, а где - найти не могу. И в книгах КК прямых указаний на круговые маршруты не припомню.
Прямые указания есть в паре мест. И десятки описаний, в которых неназойливо подчёркнуто, что вернулись домой, например, с другой стороны.
--Без луны ясное небо света не даёт. У него уже включено либо ночное *зрение лягушки, либо вИдение.
--Млечный Путь?
Может быть, к стати.
Я сам ловил такой эффект во время ночных пробежек зимой. При определённых условиях узкая снежная утоптанная тропинка в лесу начинает как бы слегка светиться. И ноги уже не проваливаются в снег, ежели ступить мимо.
--Вроде помню, что мы это уже обсуждали, а где - найти не могу. И в книгах КК прямых указаний на круговые маршруты не припомню.
Прямые указания есть в паре мест. И десятки описаний, в которых неназойливо подчёркнуто, что вернулись домой, например, с другой стороны.
--Без луны ясное небо света не даёт. У него уже включено либо ночное *зрение лягушки, либо вИдение.
--Млечный Путь?
Может быть, к стати.
Я сам ловил такой эффект во время ночных пробежек зимой. При определённых условиях узкая снежная утоптанная тропинка в лесу начинает как бы слегка светиться. И ноги уже не проваливаются в снег, ежели ступить мимо.
http://metapractice.livejournal.com/456189.html
Оригинал взят у antizoomby в Пентагон обращается к учёным для улучшения пропагандистской машины США.
На всём протяжении истории человечества правительства были заинтересованы «властью над человеческой сферой», чтобы понимать как контролировать умы населения. В 2015 году DARPA запустила программу «Narrative Networks» («сети рассказов») или N2.
Этот проект предназначен для анализа того, как игра «в рассказы» влияет на человеческую психологию, чтобы определить, как эти конструкции затрагивают мышление. Рассказ – способ выразить что-то, подбор слов, например, как предвзятая стратегия определяет информацию.
«Рассказы оказывают мощное влияние на человеческое мышление, эмоции и поведение, и могут быть особенно важны в контексте безопасности», - говорят исследователи DARPA в докладе, опубликованном в журнале Journal of Neuroscience Methods.
Они обсуждают «… урегулирование конфликтов и контртеррористические сценарии, и обнаружение нервного отклика, лежащего в основе сочувствия к историям – всё это имеет большое значение».
Мастерство «рассказывания» может использоваться для манипулирования восприятием населения с помощью таких систем коммуникации как телевидение, чтобы тонко и насильно изменять мышление людей. Многие люди знакомы с этими технологиями под именем «пропаганда».
«Правительства часто используют истории, чтобы представить информацию, поэтому понимание того, как мы воспринимаем её, очень важно», - сказал адъюнкт-профессор психологии из Технологического института Джорджии и соавтор доклада Эрик Шумахер (Eric Schumacher).
В дополнение к «рассказам», исследование сосредоточилось на страхе. Исследователи наблюдали феномен «туннельной точки зрения» или ослабления мышления, возникавшие в мозге субъекта после обработки, например, с использованием тревожных моментов в кино.
Washington Post подводит итог:
По мере роста тревоги снижается мозговая деятельность периферийной точки зрения. Шумахер называет это «нервной подписью туннельной точки зрения». Растущая тревога также связана с сильным вмешательством во вторичные задачи. В этом случае, испытуемые должны были нажимать на кнопки, услышав сигнал.
Вероятно, эти хищные военные действия могли появиться в результате сбора знаний. Армия США довольно давно финансирует психологические эксперименты, которые нарушают основные права человека (например, Проект MKUltra).
Сейчас у нас есть финансируемая Пентагоном программа DARPA, которая платит университетским исследователям и другим учёным миллионы долларов, чтобы расширить и укрепить методы ведения войны. В результате этого, в руки явно преступного правительства и преступной армии передаются мощные технологические инструменты.
DARPA платит гениям, которые работают на неё; и это можно назвать эксплуатацией интеллектуальных ресурсов для объединения правительственной и военной власти.
Это лишь малая часть информации о развитии армией США пропагандистских приёмов, но даже эта малая часть может помочь разгадать всю головоломку.
Автор – Кассиус Метил (Cassius Methyl) - независимый журналист, работающий в theAntiMedia.org с марта 2014 года. В его статьях рассматриваются проблемы мышления, будущего, духовности и астрологии. Он проживает в столице Калифорнии – Сакраменто. Более подробную информацию об авторе можно узнать здесь.
Источник: Pentagon Employing Top Scientists to Improve US Propaganda Machine, Cassius Methyl, AntiMedia, ActivistPost, July 31, 2015.
На всём протяжении истории человечества правительства были заинтересованы «властью над человеческой сферой», чтобы понимать как контролировать умы населения. В 2015 году DARPA запустила программу «Narrative Networks» («сети рассказов») или N2.
Этот проект предназначен для анализа того, как игра «в рассказы» влияет на человеческую психологию, чтобы определить, как эти конструкции затрагивают мышление. Рассказ – способ выразить что-то, подбор слов, например, как предвзятая стратегия определяет информацию.
«Рассказы оказывают мощное влияние на человеческое мышление, эмоции и поведение, и могут быть особенно важны в контексте безопасности», - говорят исследователи DARPA в докладе, опубликованном в журнале Journal of Neuroscience Methods.
Они обсуждают «… урегулирование конфликтов и контртеррористические сценарии, и обнаружение нервного отклика, лежащего в основе сочувствия к историям – всё это имеет большое значение».
Мастерство «рассказывания» может использоваться для манипулирования восприятием населения с помощью таких систем коммуникации как телевидение, чтобы тонко и насильно изменять мышление людей. Многие люди знакомы с этими технологиями под именем «пропаганда».
«Правительства часто используют истории, чтобы представить информацию, поэтому понимание того, как мы воспринимаем её, очень важно», - сказал адъюнкт-профессор психологии из Технологического института Джорджии и соавтор доклада Эрик Шумахер (Eric Schumacher).
В дополнение к «рассказам», исследование сосредоточилось на страхе. Исследователи наблюдали феномен «туннельной точки зрения» или ослабления мышления, возникавшие в мозге субъекта после обработки, например, с использованием тревожных моментов в кино.
Washington Post подводит итог:
По мере роста тревоги снижается мозговая деятельность периферийной точки зрения. Шумахер называет это «нервной подписью туннельной точки зрения». Растущая тревога также связана с сильным вмешательством во вторичные задачи. В этом случае, испытуемые должны были нажимать на кнопки, услышав сигнал.
Вероятно, эти хищные военные действия могли появиться в результате сбора знаний. Армия США довольно давно финансирует психологические эксперименты, которые нарушают основные права человека (например, Проект MKUltra).
Сейчас у нас есть финансируемая Пентагоном программа DARPA, которая платит университетским исследователям и другим учёным миллионы долларов, чтобы расширить и укрепить методы ведения войны. В результате этого, в руки явно преступного правительства и преступной армии передаются мощные технологические инструменты.
DARPA платит гениям, которые работают на неё; и это можно назвать эксплуатацией интеллектуальных ресурсов для объединения правительственной и военной власти.
Это лишь малая часть информации о развитии армией США пропагандистских приёмов, но даже эта малая часть может помочь разгадать всю головоломку.
Автор – Кассиус Метил (Cassius Methyl) - независимый журналист, работающий в theAntiMedia.org с марта 2014 года. В его статьях рассматриваются проблемы мышления, будущего, духовности и астрологии. Он проживает в столице Калифорнии – Сакраменто. Более подробную информацию об авторе можно узнать здесь.
Источник: Pentagon Employing Top Scientists to Improve US Propaganda Machine, Cassius Methyl, AntiMedia, ActivistPost, July 31, 2015.
</>
![[pic]](http://i.ytimg.com/vi/7qKqKYTKcRg/maxresdefault.jpg)
Обучение (N) "Мы все учились понемногу, чему нибудь и как нибудь."
metanymous в Metapractice (оригинал в ЖЖ)
обучение - metanymous в metanymous
https://blogs.yandex.ru/search.xml?text=%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5&ft=blog%2Ccomments%2Cmicro&server=livejournal.com&author=metanymous&journal=metanymous&holdres=mark
обучение - openmeta
https://blogs.yandex.ru/search.xml?text=%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5&ft=blog%2Ccomments%2Cmicro&server=livejournal.com&journal=openmeta&holdres=mark
обучение - metanymous в metapractice
https://blogs.yandex.ru/search.xml?text=%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5&ft=blog%2Ccomments%2Cmicro&server=livejournal.com&author=metanymous&journal=metapractice&holdres=mark
Основное на этом уровне -- собрать достаточно данных для обучения и понять, как учить. Ибо прикладной уровень занимался своими пользователями и данными предметной области и не знал, что вместо программирования вдруг нужно будет учить программы на специально подготовленных данных -- и хрен обучения оказывается в целом не слаще редьки программирования. Хотя да, результаты могут впечатлять больше.
...
2. Когнитивная архитектура
Укрепляется подход, основывающийся на хитрой обвязке алгоритмов глубокого обучения (а не на логики экспертных систем, в том числе и нечёткой логики, логики высоких порядков на мультиграфах, фреймовых вычислений, онтологий и семантических сетей, решениях традиционных задач планирования и прочих подходов "классического AI 80-х" -- т.е. упор делается не на хитро программируемый и настраиваемый "решатель", solver, а на более-менее автоматическое "обучение").
В принципе, лучшие теоретические достижения мелкого обучения сейчас стремительно обогощают deep learning -- то, что связано со сменой парадигмы солверов и пруверов на "обучение" берётся, отдельные алгоритмы тоже берутся как основа "слоя", но в новую глубокую жизнь прорывается отнюдь не всё (чуть-чуть я об этом писал в "машинное обучение и трудные вопросы к инженерии и науке" -- http://ailev.livejournal.com/1207563.html и там же см. комментарии по поводу "гибридного вывода", ибо обучение обучением, а эффективный логический вывод лучше делать прямо на логических гейтах и в архитектуре фон Неймана, нежели эмулировать логический вывод в нейронной сетке. Не удивлюсь, если лет через десять будет уже не "нейронный ускоритель для фон-неймонавского компьютера", а "фон-неймановский ускоритель для нейроморфного компьютера").
Тренд сегодняшнего момента: повышение универсальности предлагаемых алгоритмов -- декларируется, что один и тот же алгоритм должен сработать на самых разных данных, в самых разных задачах при общей сдержанности риторики в части "похожести на человека", "самообучаемости", "возможностей саморазвития", "сознания" и т.д.. Да, как в старые добрые времена, когда появлялись шапкозакидательные имена алгоритмов типа General Problem Solver (GPS, 1959 год,
https://en.wikipedia.org/wiki/General_Problem_Solver
Почему я выделил слой когнитивной архитектуры отдельно, а обучающиеся алгоритмы отдельно? Потому как хороший обучающийся алгоритм просто используется когнитивной архитектурой (он часть когнитивной системы), а архитектура может использовать несколько обучающихся алгоритмов и варьировать обучение с учителем и без учителя, подстройки своих гиперпараметров. Вспоминаем тут Грегори Бейтсона с его вниманием к эпистемологии и уровнями обучения
-- и пытаемся понять, как от онтологических/логических уровней классификации перейти к эпистемологическим уровням обучения http://core.ac.uk/download/pdf/101767.pdf
-- Learning IV `…would be change in Learning III, but probably does not occur in any adult living organism on this earth.’
-- Learning III …is change in the process of Learning II, e.g. a corrective change in the system of sets of alternatives from which choice is made.
-- Learning II …is change in the process of Learning I, e.g. a corrective change in the set of alternatives from which choice is made, or it is a change in how the sequence of experience is punctuated.
-- Learning I …is change in specificity of response by correction of errors of choice within a set of alternatives.
--Learning 0 …is characterised by specificity of response, which – right or wrong - is not subject to correction.
Именно на этом уровне можно рассматривать всё, что связано с возможностью обучать алгоритмы, а не программировать их вручную или генерировать к ним код. Именно тут вопросы embodied intelligence, именно на этом уровне можно рассматривать обучение без учителя, на этом уровне обсуждается организация рефлексии (например, используя теории схемы внимания http://ailev.livejournal.com/1193568.html
3. Обучающиеся алгоритмы
...
http://ailev.livejournal.com/1210678.html
https://blogs.yandex.ru/search.xml?text=%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5&ft=blog%2Ccomments%2Cmicro&server=livejournal.com&author=metanymous&journal=metanymous&holdres=mark
обучение - openmeta
https://blogs.yandex.ru/search.xml?text=%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5&ft=blog%2Ccomments%2Cmicro&server=livejournal.com&journal=openmeta&holdres=mark
обучение - metanymous в metapractice
https://blogs.yandex.ru/search.xml?text=%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5&ft=blog%2Ccomments%2Cmicro&server=livejournal.com&author=metanymous&journal=metapractice&holdres=mark
Основное на этом уровне -- собрать достаточно данных для обучения и понять, как учить. Ибо прикладной уровень занимался своими пользователями и данными предметной области и не знал, что вместо программирования вдруг нужно будет учить программы на специально подготовленных данных -- и хрен обучения оказывается в целом не слаще редьки программирования. Хотя да, результаты могут впечатлять больше.
...
2. Когнитивная архитектура
Укрепляется подход, основывающийся на хитрой обвязке алгоритмов глубокого обучения (а не на логики экспертных систем, в том числе и нечёткой логики, логики высоких порядков на мультиграфах, фреймовых вычислений, онтологий и семантических сетей, решениях традиционных задач планирования и прочих подходов "классического AI 80-х" -- т.е. упор делается не на хитро программируемый и настраиваемый "решатель", solver, а на более-менее автоматическое "обучение").
В принципе, лучшие теоретические достижения мелкого обучения сейчас стремительно обогощают deep learning -- то, что связано со сменой парадигмы солверов и пруверов на "обучение" берётся, отдельные алгоритмы тоже берутся как основа "слоя", но в новую глубокую жизнь прорывается отнюдь не всё (чуть-чуть я об этом писал в "машинное обучение и трудные вопросы к инженерии и науке" -- http://ailev.livejournal.com/1207563.html и там же см. комментарии по поводу "гибридного вывода", ибо обучение обучением, а эффективный логический вывод лучше делать прямо на логических гейтах и в архитектуре фон Неймана, нежели эмулировать логический вывод в нейронной сетке. Не удивлюсь, если лет через десять будет уже не "нейронный ускоритель для фон-неймонавского компьютера", а "фон-неймановский ускоритель для нейроморфного компьютера").
Тренд сегодняшнего момента: повышение универсальности предлагаемых алгоритмов -- декларируется, что один и тот же алгоритм должен сработать на самых разных данных, в самых разных задачах при общей сдержанности риторики в части "похожести на человека", "самообучаемости", "возможностей саморазвития", "сознания" и т.д.. Да, как в старые добрые времена, когда появлялись шапкозакидательные имена алгоритмов типа General Problem Solver (GPS, 1959 год,
https://en.wikipedia.org/wiki/General_Problem_Solver
Почему я выделил слой когнитивной архитектуры отдельно, а обучающиеся алгоритмы отдельно? Потому как хороший обучающийся алгоритм просто используется когнитивной архитектурой (он часть когнитивной системы), а архитектура может использовать несколько обучающихся алгоритмов и варьировать обучение с учителем и без учителя, подстройки своих гиперпараметров. Вспоминаем тут Грегори Бейтсона с его вниманием к эпистемологии и уровнями обучения
-- и пытаемся понять, как от онтологических/логических уровней классификации перейти к эпистемологическим уровням обучения http://core.ac.uk/download/pdf/101767.pdf
-- Learning IV `…would be change in Learning III, but probably does not occur in any adult living organism on this earth.’
-- Learning III …is change in the process of Learning II, e.g. a corrective change in the system of sets of alternatives from which choice is made.
-- Learning II …is change in the process of Learning I, e.g. a corrective change in the set of alternatives from which choice is made, or it is a change in how the sequence of experience is punctuated.
-- Learning I …is change in specificity of response by correction of errors of choice within a set of alternatives.
--Learning 0 …is characterised by specificity of response, which – right or wrong - is not subject to correction.
Именно на этом уровне можно рассматривать всё, что связано с возможностью обучать алгоритмы, а не программировать их вручную или генерировать к ним код. Именно тут вопросы embodied intelligence, именно на этом уровне можно рассматривать обучение без учителя, на этом уровне обсуждается организация рефлексии (например, используя теории схемы внимания http://ailev.livejournal.com/1193568.html
3. Обучающиеся алгоритмы
...
http://ailev.livejournal.com/1210678.html
</>
![[pic]](http://cs4.pikabu.ru/images/previews_comm/2015-08_6/1440573249122010913.jpg)
Революция кликера (20) Оперантное формирование стимулировало Обучение (N?)
metanymous в Metapractice (оригинал в ЖЖ)
http://metapractice.livejournal.com/463647.html
Оригинал взят у greenrainstorm в Сообразительные дельфины
Оригинал взят у greenrainstorm в Сообразительные дельфины
В Институте исследований морских млекопитающих (Миссисипи) ученые научили дельфинов обменивать на рыбу любой мусор, попавший в бассейн. Так животные помогали поддерживать бассейн в чистоте. Дельфин Келли стала использовать эту систему в собственных целях. Поняв, что за любую бумажку, вне зависимости от ее размера, она получает одинаковое количество рыбы, она начала прятать бумагу под скалой и отрывать от нее небольшие кусочки в обмен на рыбу.
На этом Келли не остановилась. Как-то раз она поймала чайку, залетевшую в бассейн, и получила за нее много рыбы — чайка была большая. Тогда Келли перестала сразу съедать всю рыбу и начала делать запасы, которыми приманивала новых чаек. А потом научила этому трюку остальных дельфинов, и все они тоже начали охотиться на чаек.
http://www.adme.ru/zhizn-zhivotnye/vsego-odno-dokazatelstvo-dyavolskoj-soobrazitelnosti-delfinov-1028360/?vksrc=vksrc1028360
http://www.theguardian.com/science/2003/jul/03/research.science
На этом Келли не остановилась. Как-то раз она поймала чайку, залетевшую в бассейн, и получила за нее много рыбы — чайка была большая. Тогда Келли перестала сразу съедать всю рыбу и начала делать запасы, которыми приманивала новых чаек. А потом научила этому трюку остальных дельфинов, и все они тоже начали охотиться на чаек.
http://www.adme.ru/zhizn-zhivotnye/vsego-odno-dokazatelstvo-dyavolskoj-soobrazitelnosti-delfinov-1028360/?vksrc=vksrc1028360
http://www.theguardian.com/science/2003/jul/03/research.science
Солнечное излучение в различных частях спектра + Земной геомагнетизм.
--добавить калибровки на явлениях живой природы
--Мне приходят в голову только явления, свершения которых нужно достаточно долго ждать, типа будет ли сегодня дождь и т.п.
Ну, если найти сайт по динамике природных явлений, показываемых в малом масштабе, то ты можешь делать хоть ежечасовой прогноз/калибровку.
Например, с ручным ежеминутным обновлением обновлением:
http://www.tesis.lebedev.ru/sun_flares.html
С авто ежеминутным обновлением:
http://sdowww.lmsal.com/suntoday/
Животных вокруг очень мало, изредка вижу кошек и собак.
Птицы - голуби.
Приведите, пожалуйста, несколько примеров калибровок на живой природе.
Облака в небе.
На явлениях не живой природы. Это мало понятно. Также прошу привести несколько примеров
А погода и есть явления неживой природы.
--Мне приходят в голову только явления, свершения которых нужно достаточно долго ждать, типа будет ли сегодня дождь и т.п.
Ну, если найти сайт по динамике природных явлений, показываемых в малом масштабе, то ты можешь делать хоть ежечасовой прогноз/калибровку.
Например, с ручным ежеминутным обновлением обновлением:
http://www.tesis.lebedev.ru/sun_flares.html
С авто ежеминутным обновлением:
http://sdowww.lmsal.com/suntoday/
Животных вокруг очень мало, изредка вижу кошек и собак.
Птицы - голуби.
Приведите, пожалуйста, несколько примеров калибровок на живой природе.
Облака в небе.
На явлениях не живой природы. Это мало понятно. Также прошу привести несколько примеров
А погода и есть явления неживой природы.
Ваши калибровки интересные и достаточно однородные.
Пришло время вводить большее разнообразие, например, добавить калибровки на явлениях живой природы, но не связанных с человеком. На явлениях не живой природы.
Пришло время вводить большее разнообразие, например, добавить калибровки на явлениях живой природы, но не связанных с человеком. На явлениях не живой природы.
Дочитали до конца.