Например, очень интересная параллель: ML сейчас очень похож на телеграф в ~1870 годы.
Сходства:
* Телеграф уже существовал, выполнял важные функции и зарабатывал много денег, но все это не было построенно на какой-то стройной теории. Телеграф был, а науки об электричестве не было. Например, методом тыка догадались, что скрученный провод почему-то хуже проводит сигнал, но про явление интерференции не знали. Весь прогресс был построен на том, что энтузиасты перебирали кучу идей и смотрели, что работает. Во многом у нас в ML так же: в первую очередь эксперименты, а теории нормальной нет. Но у нас есть преимущество: научный метод давно изобрели, нам должно быть легче.
* Многие изобретатели и компании богатели просто адаптируя телеграф под разные запросы. Например, сделали систему автоматического подсчета голосов подключив телеграф к кнопкам на столах конгрессменов. С ML так же: корневая технология известна, вопрос где и как применить.
* Каждые пять минут выходили новые патенты, где в телеграфе что-то немного подкручивали и он становился чуть-чуть лучше. В ML каждые пять минут выходят статьи, где к модели прикрутили новый слой или лосс и она стала на 0.001% лучше. И там, и там почти все эти свистки не меняют ситуации в корне. Однако в случае телеграфа они в конце-концов накопились и произошла смена парадигмы (quadruplex телеграф, а потом и телефон). Наверняка так будет и в ML.
* Вся индустрия контроллировалась двумя-тремя корпорациями-гигантами, потому что строить такие системы и проводить эксперименты требовало больших вложений. Корпорации нанимали лучших ученых-изобретателей совершенствовать свои технологии, а так же выкупали за большие деньги компании изобретателей-фрилансеров. Часто лишь даже ради того, чтобы они не достались конкурентам.
Сходства:
* Телеграф уже существовал, выполнял важные функции и зарабатывал много денег, но все это не было построенно на какой-то стройной теории. Телеграф был, а науки об электричестве не было. Например, методом тыка догадались, что скрученный провод почему-то хуже проводит сигнал, но про явление интерференции не знали. Весь прогресс был построен на том, что энтузиасты перебирали кучу идей и смотрели, что работает. Во многом у нас в ML так же: в первую очередь эксперименты, а теории нормальной нет. Но у нас есть преимущество: научный метод давно изобрели, нам должно быть легче.
* Многие изобретатели и компании богатели просто адаптируя телеграф под разные запросы. Например, сделали систему автоматического подсчета голосов подключив телеграф к кнопкам на столах конгрессменов. С ML так же: корневая технология известна, вопрос где и как применить.
* Каждые пять минут выходили новые патенты, где в телеграфе что-то немного подкручивали и он становился чуть-чуть лучше. В ML каждые пять минут выходят статьи, где к модели прикрутили новый слой или лосс и она стала на 0.001% лучше. И там, и там почти все эти свистки не меняют ситуации в корне. Однако в случае телеграфа они в конце-концов накопились и произошла смена парадигмы (quadruplex телеграф, а потом и телефон). Наверняка так будет и в ML.
* Вся индустрия контроллировалась двумя-тремя корпорациями-гигантами, потому что строить такие системы и проводить эксперименты требовало больших вложений. Корпорации нанимали лучших ученых-изобретателей совершенствовать свои технологии, а так же выкупали за большие деньги компании изобретателей-фрилансеров. Часто лишь даже ради того, чтобы они не достались конкурентам.
🔥49😱5👍4👎1
Forwarded from Data Science by ODS.ai 🦜
Amos: An Adam-style Optimizer with Adaptive Weight Decay towards Model-Oriented Scale
Amos is a new optimizer that we propose to pre-train large language models. It is more efficient and converges faster than AdamW: ≤ 51% memory for slot variables, and better valid loss within ≤ 70% training time!Amos is a new optimizer that we propose to pre-train large language models. It is more efficient and converges faster than AdamW: ≤ 51% memory for slot variables, and better valid loss within ≤ 70% training time!
ArXiV: https://arxiv.org/abs/2210.11693
#NLU #NLP #optimizer
Amos is a new optimizer that we propose to pre-train large language models. It is more efficient and converges faster than AdamW: ≤ 51% memory for slot variables, and better valid loss within ≤ 70% training time!Amos is a new optimizer that we propose to pre-train large language models. It is more efficient and converges faster than AdamW: ≤ 51% memory for slot variables, and better valid loss within ≤ 70% training time!
ArXiV: https://arxiv.org/abs/2210.11693
#NLU #NLP #optimizer
👍4👎1
Недавно мою страницу ВК взломали, потому что мой пароль утек в сеть. Она была привязана к старому имейлу, в который я заглядываю очень редко. Я узнал про взлом только когда на мой телефон пришла смс о попытке сменить номер телефона на странице. Причем у ВК что-то очень плохо с безопасностью: при попытке сменить телефон не был отправлен код подтверждения на текущий привязанный телефон. Меня просто уведомили, что через пару дней номер телефона будет изменен.
Я восстановил доступ, но страницу уже стерли целиком. Я обратился в поддержку. 16 дней меня мурыжили. Сначала меня просто с интервалом в пару дней переспрашивали то, что я написал в первом сообщении. А к какому номеру телефона была привязана страница? А какое было имя? А какая почта? Как будто новые операторы подключались и не читали переписку ранее. Далее у меня запросили фотосессию с паспортом. Окей. Первая им не понравилась, пришлось сделать еще одну. Потом у меня запросили подробный рассказ о том, как я потерял доступ к старнице. Я говорю им: “Камон, ребята, вот имейл о логине из Катманду в мой российский аккаунт, который я вел с ранних классов школы, и попытка сменить мой российский номер телефона на катмандушный. Кажется не надо быть Шерлоком, чтобы понять, что произошло.” На тот момент я уже был в пассивно-агрессивном настроении, потому что допрос затянулся. Далее от меня потребовали подробный рассказ о том, из какого сервиса утек мой пароль. Когда я сказал, что я не знаю, мне ответили: “В вашем случае это и правда важно. Ждем подробного рассказа.”
Я сказал им, чтобы они шли нахер, и удалил аккаунт. Все равно VK для меня мертвая соцсеть, я давно не вел страницу, но хранил ее как некий архив. Еще на этапе уголовок за репосты и прочих ФСБ-шных историй думал удалить свою страницу и это стало последней каплей. Очень жаль, что так вышло, но сервис скатился ниже некуда
Я восстановил доступ, но страницу уже стерли целиком. Я обратился в поддержку. 16 дней меня мурыжили. Сначала меня просто с интервалом в пару дней переспрашивали то, что я написал в первом сообщении. А к какому номеру телефона была привязана страница? А какое было имя? А какая почта? Как будто новые операторы подключались и не читали переписку ранее. Далее у меня запросили фотосессию с паспортом. Окей. Первая им не понравилась, пришлось сделать еще одну. Потом у меня запросили подробный рассказ о том, как я потерял доступ к старнице. Я говорю им: “Камон, ребята, вот имейл о логине из Катманду в мой российский аккаунт, который я вел с ранних классов школы, и попытка сменить мой российский номер телефона на катмандушный. Кажется не надо быть Шерлоком, чтобы понять, что произошло.” На тот момент я уже был в пассивно-агрессивном настроении, потому что допрос затянулся. Далее от меня потребовали подробный рассказ о том, из какого сервиса утек мой пароль. Когда я сказал, что я не знаю, мне ответили: “В вашем случае это и правда важно. Ждем подробного рассказа.”
Я сказал им, чтобы они шли нахер, и удалил аккаунт. Все равно VK для меня мертвая соцсеть, я давно не вел страницу, но хранил ее как некий архив. Еще на этапе уголовок за репосты и прочих ФСБ-шных историй думал удалить свою страницу и это стало последней каплей. Очень жаль, что так вышло, но сервис скатился ниже некуда
👍29😱14🐳5🤔2👎1
Eric Hoel как всегда отлично формулирует в слова то, что вертится на языке. В этот раз про превалирующую ментальность деления людей на плохих и хороших
https://erikhoel.substack.com/p/karens-and-the-nature-of-evil
https://erikhoel.substack.com/p/karens-and-the-nature-of-evil
The Intrinsic Perspective
Karens and the nature of evil
On the necessity of the Karen meme
🔥11👎1😁1
#лабораторный_журнал
Пока что кажется, что скрам это сплошная потеря времени.
Каждый день дейли. Это такая встреча, где все по очереди говорят: “я усердно работаю над Хдшыщымапн и Аргашгывав (так звучат их задачи для тех, кто не в теме).” Далее два человека зацепляются и начинают обсуждать детали одной мелкой задачи. Они говорят до конца встречи, пока остальные стоят и неловко переминаются с ноги на ногу. Встреча происходит утром, когда люди могли бы быть максимально сфокусированы. В нашем случае встреча проходит в 11, а в 12 Португальцы идут на ланч. Проверили слек, сходили на дейли, поболтали за жизнь. Уххх рабочий день, время отдохнуть, а тут как раз время обеда.
Главная функция дейли как у утреннего построения в армии. Обязывает всех проснуться и приехать к нужному времени. Позволяет проверить, что никто не дезертировал.
Помимо дейли в конце спринта у нас то, что я называю “день скрама”. Это испытание воли: подряд идут дейли, рефайнмент, ретроспектива, ревью и планирование спринта. И не забываем про ланч! Эти встречи такие же неэффективные, как дейли: два человека общаются, остальные ждут. К третьей встрече все сливается в один поток скрама и ты уже ничего не понимаешь.
Есть и полезные функции. Скрам поинты и оценка времени выполнения задач это полезная штука. Ревью довольно полезная штука, позволяет обсудить такие вещи, которые нигде больше не вспылвают. Подробное расписывание задач (на скрамном “рефайнмент”) в теории полезная штука. На практике, по текущим наблюдениям, много работы не ложится на модель скрама, поэтому таски рефайнятся просто, чтобы скрам мастер отстал. Планирование однозначно полезная штука, причем не важно, насколько оно точное. Как и в жизни, ценность планирования в самом процессе планирования: заставляет задуматься о решениях. Наконец, просто собраться с коллегами и пообщаться это клево.
Я работал по всем системам от “делаешь что считаешь нужным” до канбана “просто возьми тикет” до аджайла и скрама. Пока ни разу не видел, чтобы система орагинзации тикетов явно повлияла на работу. Кажется, будто работа всегда идет как идет, а потом подгоняется под скрам.
Выглядит так, будто потери времени (целый день!) перевешивают выигрыш продуктивности. Возможно польза перевесит потери, если очень грамотно модерировать встречи и ужать все в два раза.
Пока что кажется, что скрам это сплошная потеря времени.
Каждый день дейли. Это такая встреча, где все по очереди говорят: “я усердно работаю над Хдшыщымапн и Аргашгывав (так звучат их задачи для тех, кто не в теме).” Далее два человека зацепляются и начинают обсуждать детали одной мелкой задачи. Они говорят до конца встречи, пока остальные стоят и неловко переминаются с ноги на ногу. Встреча происходит утром, когда люди могли бы быть максимально сфокусированы. В нашем случае встреча проходит в 11, а в 12 Португальцы идут на ланч. Проверили слек, сходили на дейли, поболтали за жизнь. Уххх рабочий день, время отдохнуть, а тут как раз время обеда.
Главная функция дейли как у утреннего построения в армии. Обязывает всех проснуться и приехать к нужному времени. Позволяет проверить, что никто не дезертировал.
Помимо дейли в конце спринта у нас то, что я называю “день скрама”. Это испытание воли: подряд идут дейли, рефайнмент, ретроспектива, ревью и планирование спринта. И не забываем про ланч! Эти встречи такие же неэффективные, как дейли: два человека общаются, остальные ждут. К третьей встрече все сливается в один поток скрама и ты уже ничего не понимаешь.
Есть и полезные функции. Скрам поинты и оценка времени выполнения задач это полезная штука. Ревью довольно полезная штука, позволяет обсудить такие вещи, которые нигде больше не вспылвают. Подробное расписывание задач (на скрамном “рефайнмент”) в теории полезная штука. На практике, по текущим наблюдениям, много работы не ложится на модель скрама, поэтому таски рефайнятся просто, чтобы скрам мастер отстал. Планирование однозначно полезная штука, причем не важно, насколько оно точное. Как и в жизни, ценность планирования в самом процессе планирования: заставляет задуматься о решениях. Наконец, просто собраться с коллегами и пообщаться это клево.
Я работал по всем системам от “делаешь что считаешь нужным” до канбана “просто возьми тикет” до аджайла и скрама. Пока ни разу не видел, чтобы система орагинзации тикетов явно повлияла на работу. Кажется, будто работа всегда идет как идет, а потом подгоняется под скрам.
Выглядит так, будто потери времени (целый день!) перевешивают выигрыш продуктивности. Возможно польза перевесит потери, если очень грамотно модерировать встречи и ужать все в два раза.
👍22😁6👎2🤔2
Про Португальский ланч.
На фото блюдо под названием Francesinha. В переводе “Little French Girl”. Это сендвич с говядиной, колбасой, салями. Сверху плавленный сыр и яйцо. Все полито пивным соусом. Прилагается киллограм жареной картошки. Как правило португальцы едят его с пивом или вином. По местным законам можно водить выпив под литр пива. В конце десерт и кофе. Часто до основного блюда так же едят суп.
Все это 8-12 евро кстати.
Естественно после такого ланча нужно реабилитироваться еще часа полтора
На фото блюдо под названием Francesinha. В переводе “Little French Girl”. Это сендвич с говядиной, колбасой, салями. Сверху плавленный сыр и яйцо. Все полито пивным соусом. Прилагается киллограм жареной картошки. Как правило португальцы едят его с пивом или вином. По местным законам можно водить выпив под литр пива. В конце десерт и кофе. Часто до основного блюда так же едят суп.
Все это 8-12 евро кстати.
Естественно после такого ланча нужно реабилитироваться еще часа полтора
🔥22😱11👎1
Forwarded from Hacker News
Musk’s Twitter purchase was a leveraged buyout (🔥 Score: 151+ in 1 hour)
Link: https://readhacker.news/c/5qAFx
Some people are giving Musk a pass for today’s layoffs because Twitter is unprofitable and needs to cut costs. But the real pressure for cost cutting and the layoffs is that Musk purchased Twitter via a leveraged buyout. He loaded the company with $10B of additional debt and now is facing annual $1B interest payments. The dramatic layoffs with no severance are thus the result of Musk’s decision to buy the company and the acquisition strategy of using a leveraged buyout.
Link: https://readhacker.news/c/5qAFx
Some people are giving Musk a pass for today’s layoffs because Twitter is unprofitable and needs to cut costs. But the real pressure for cost cutting and the layoffs is that Musk purchased Twitter via a leveraged buyout. He loaded the company with $10B of additional debt and now is facing annual $1B interest payments. The dramatic layoffs with no severance are thus the result of Musk’s decision to buy the company and the acquisition strategy of using a leveraged buyout.
👎2🤔2❤1👍1
Ex 2.10: Read a textbook on light and colour
Ex 2.11: Get a degree in Computer Vision
Ex 2.12: Write a textbook on light and colour
Ex 2.11: Get a degree in Computer Vision
Ex 2.12: Write a textbook on light and colour
😁31👎1🔥1
После длинного перерыва снова вкатываюсь в учебу. Стараюсь тратить на это первые час-полтора каждого дня. Хорошо, что культура в компании предполагает, что учится на работе это не просто норм, а даже необходимо. Сильно помогает, что у меня снова есть маркерная доска.
Сейчас изучаю классический CV по этой книге и этому курсу. Я бы предложил проходить курс вместе, как мы раньше проходили курс по теории информации, но мне лень это менеджерить. Но если вдруг будете проходить его параллельно то пишите, будем обсуждать задачи.
У меня все довольно плохо с доказательствами, поэтому пока учусь доказывать базовые вещи про перспективу.
Сейчас изучаю классический CV по этой книге и этому курсу. Я бы предложил проходить курс вместе, как мы раньше проходили курс по теории информации, но мне лень это менеджерить. Но если вдруг будете проходить его параллельно то пишите, будем обсуждать задачи.
У меня все довольно плохо с доказательствами, поэтому пока учусь доказывать базовые вещи про перспективу.
🔥36👎1👏1
👍12👎1
#лабораторный_журнал
Я прилетел в Милан. Только что завершил первый обход фабрики PF в Covenago, то есть самой большой вертикальной фермы в Европе.
Очень много впечатлений. Никогда раньше не был внутри фабрики. Сильные вайбы Half Life (1). Интересно, что фабрика была построена всего два года назад и год как функционирует. Продукты появились на полках спустя всего два года с основания компании. Получается за три года можно как написать B2B SASS, так и построить фабрику с уймой софта и собственного железа. Так же выяснилось, что для обслуживания фабрики нужно не очень много людей. Вот это lean startup.
Оказалось, что в строительстве фабрик есть свой легаси. Многие вещи задумывались одним образом, а после постройки и начала продаж выяснилось, что надо делать по-другому. Где-то юзкейсы докручены с помощью изоленты и костылей, а где-то уже ничего не поделать, придетсявсе переписывать исправить в следующей фабрике.
ML в этом плане открывает большие возможности. В идеале многие проблемы оптимально решать с помощью решений на уровне конструкции. Если поняли, что система посева работает неправильно — делаем новую систему. Но по факту такое вмешательство никогда не окупится. Примерно все, что уже в железе или камне, остается с этой фабрикой навсегда.
Часто нельзя даже добавить сенсоров. Например, вы хотите внедрить датчик в почву. Но конструкция контейнеров этого не позволяет. Менять контейнеры значит менять систему, которая их перетаскивает, менять их хранилище, менять систему, которая их моет, и так далее. Зато прикрутить камеры и использовать ML как датчик это “неинвазивное” вмешательство которое не требует изменения конструкций. Я вижу, что в этом плане система на основе ML гораздо более гибкая, чем система на железе, хотя и ценой потерь точности.
В ближайшие три дня предстоит так же посетить агролабораторию и ресторан в Brussaporto.
Недавно я прикинул экономию денег от нашего текущего ML проекта. Он должен сэкономить некоторым людям три часа нудной работы в день. И все же по моим подсчетам экономия за год не окупит даже мою зарплату. По крайней мере на текущем масштабе. Там еще будет выигрыш от улучшения качества, но его мне очень сложно оценить. Вот если бы получилось, например, увеличить производство на процент или уменьшить потребление энергии на процент, то я наверное окупился бы навсегда. Поэтому буду ходить и общаться со всеми, пытаться найти такое бутылочное горлышко, где можно сделать наиболее масштабное изменение наименьшими усилиями.
Я прилетел в Милан. Только что завершил первый обход фабрики PF в Covenago, то есть самой большой вертикальной фермы в Европе.
Очень много впечатлений. Никогда раньше не был внутри фабрики. Сильные вайбы Half Life (1). Интересно, что фабрика была построена всего два года назад и год как функционирует. Продукты появились на полках спустя всего два года с основания компании. Получается за три года можно как написать B2B SASS, так и построить фабрику с уймой софта и собственного железа. Так же выяснилось, что для обслуживания фабрики нужно не очень много людей. Вот это lean startup.
Оказалось, что в строительстве фабрик есть свой легаси. Многие вещи задумывались одним образом, а после постройки и начала продаж выяснилось, что надо делать по-другому. Где-то юзкейсы докручены с помощью изоленты и костылей, а где-то уже ничего не поделать, придется
ML в этом плане открывает большие возможности. В идеале многие проблемы оптимально решать с помощью решений на уровне конструкции. Если поняли, что система посева работает неправильно — делаем новую систему. Но по факту такое вмешательство никогда не окупится. Примерно все, что уже в железе или камне, остается с этой фабрикой навсегда.
Часто нельзя даже добавить сенсоров. Например, вы хотите внедрить датчик в почву. Но конструкция контейнеров этого не позволяет. Менять контейнеры значит менять систему, которая их перетаскивает, менять их хранилище, менять систему, которая их моет, и так далее. Зато прикрутить камеры и использовать ML как датчик это “неинвазивное” вмешательство которое не требует изменения конструкций. Я вижу, что в этом плане система на основе ML гораздо более гибкая, чем система на железе, хотя и ценой потерь точности.
В ближайшие три дня предстоит так же посетить агролабораторию и ресторан в Brussaporto.
Недавно я прикинул экономию денег от нашего текущего ML проекта. Он должен сэкономить некоторым людям три часа нудной работы в день. И все же по моим подсчетам экономия за год не окупит даже мою зарплату. По крайней мере на текущем масштабе. Там еще будет выигрыш от улучшения качества, но его мне очень сложно оценить. Вот если бы получилось, например, увеличить производство на процент или уменьшить потребление энергии на процент, то я наверное окупился бы навсегда. Поэтому буду ходить и общаться со всеми, пытаться найти такое бутылочное горлышко, где можно сделать наиболее масштабное изменение наименьшими усилиями.
🔥44👍5👎1👏1
Фоток изнутри к сожалению не будет и в публичном доступе тоже не нашел 🙁
😢14👍1👎1
Про экономику вертикальных ферм.
Вертикальные фермы проигрывают обычным полям или теплицам во всем, кроме одного аспекта.
Обычное агро ужасно неэффективная штука. Например, нормальная история, когда почти весь урожай приходится выбрасывать. Любая засуха и изменение климата приводит к перебоям в процессе. Но это все равно выгоднее вертикальных ферм и вот почему.
Вся суть во вложениях в вертикальные фермы и расходах на производство. Для обычного агро нужны земля, семена, удобрения и солнышко. Для вертикальной фермы нужна фабрика, немного земли, семена, удобрение и полная замена солнышка электрическим светом. Замена солнышка это главная статья расходов и она огромная. То есть экономика вертикальной фермы это экономика переработки энергии в биомассу, а энергия штука дорогая.
К тому же вертикальные фермы полезны только для маленьких растений. Большие растения нет смысла складывать вертикально, а то получатся фермы-небоскребы. Так же растения должны иметь короткий цикл роста. Например, каннабис проще выращивать в теплицах, потому что он высокий и зреет пять месяцев. Получается, что перечень растений для вертикальных ферм довольно небольшой.
Наконец, маржинальность условного шпината, который может эффективно производить вертикальная ферма, стремится к нулю.
Но есть то, в чем вертикальным фермам нет равных. Логистика. Традиционное агро это ужасно большие логистические цепочки. Для каждого растения есть не очень много мест, где его выгодно производить. Во все остальные места его приходится доставлять. Проблема решалась бы большими складами, но еда, зараза, еще и портится. Растения это commodity, их стоимость складывается не столько из стоимости продукта, сколько из его доступности. Если вы производите что-то из растений, например косметику или лекарства, то вам важно иметь постоянный и стабильный поток продукта с прогнозируемым качеством. Потому что для вас самое страшное это остановка фабрики.
Вот здесь вертикальные фермы все меняют. Такая ферма может производить продукт сразу там, где он используется, 24/7 и независимо от внешних условий, с постоянным объемом и качеством. Логистическая цепочка состоит из одного звена. Не нужно огромных складов. Ферма становится модулем внутри фабрики.
Возможно, что будущее вертикальных ферм, как ни странно, это не еда для конечного потребителя, а B2B.
Вертикальные фермы проигрывают обычным полям или теплицам во всем, кроме одного аспекта.
Обычное агро ужасно неэффективная штука. Например, нормальная история, когда почти весь урожай приходится выбрасывать. Любая засуха и изменение климата приводит к перебоям в процессе. Но это все равно выгоднее вертикальных ферм и вот почему.
Вся суть во вложениях в вертикальные фермы и расходах на производство. Для обычного агро нужны земля, семена, удобрения и солнышко. Для вертикальной фермы нужна фабрика, немного земли, семена, удобрение и полная замена солнышка электрическим светом. Замена солнышка это главная статья расходов и она огромная. То есть экономика вертикальной фермы это экономика переработки энергии в биомассу, а энергия штука дорогая.
К тому же вертикальные фермы полезны только для маленьких растений. Большие растения нет смысла складывать вертикально, а то получатся фермы-небоскребы. Так же растения должны иметь короткий цикл роста. Например, каннабис проще выращивать в теплицах, потому что он высокий и зреет пять месяцев. Получается, что перечень растений для вертикальных ферм довольно небольшой.
Наконец, маржинальность условного шпината, который может эффективно производить вертикальная ферма, стремится к нулю.
Но есть то, в чем вертикальным фермам нет равных. Логистика. Традиционное агро это ужасно большие логистические цепочки. Для каждого растения есть не очень много мест, где его выгодно производить. Во все остальные места его приходится доставлять. Проблема решалась бы большими складами, но еда, зараза, еще и портится. Растения это commodity, их стоимость складывается не столько из стоимости продукта, сколько из его доступности. Если вы производите что-то из растений, например косметику или лекарства, то вам важно иметь постоянный и стабильный поток продукта с прогнозируемым качеством. Потому что для вас самое страшное это остановка фабрики.
Вот здесь вертикальные фермы все меняют. Такая ферма может производить продукт сразу там, где он используется, 24/7 и независимо от внешних условий, с постоянным объемом и качеством. Логистическая цепочка состоит из одного звена. Не нужно огромных складов. Ферма становится модулем внутри фабрики.
Возможно, что будущее вертикальных ферм, как ни странно, это не еда для конечного потребителя, а B2B.
👍28🔥9🤔6👎1
Офигеть, глаза человека это чисто искусственные нейронные сети. Я уже где-то видел эту аналогию, но впервые вчитался.
Свет состоит из смеси волн разной длины. Среди них наш глаз реагирует на волны от 400нм до 700нм. Разные рецепторы глаза реагируют сильнее или слабее в зависимости от длины волны. Реакция рецепторов это одномерный сигнал, то есть они не сообщают, какую длину они видят, а просто сильнее или слабее выстреливают. Каждый рецептор реагирует на все длины волн в диапазоне, но на какие-то сильнее, на другие слабее. Есть три вида рецепторов в зависимости от того, на какие длины волн они реагируют. Соответственно Short-, Medium- и Long-wavelength. Далее сигналы всех рецепторов обрабатываются где-то у нас в мозгах и превращаются в цвет, который мы видим.
То есть активация рецептора это буквально взвешенная сумма интенсивности волн разной длины, а веса для длин эволюционно зарадкожены.
Для нейрона из DNN нехватает только нелинейной функции активации.
*Стандартный дисклеймер о том, что биологические аналогии с DNN лживы и все такое*
Свет состоит из смеси волн разной длины. Среди них наш глаз реагирует на волны от 400нм до 700нм. Разные рецепторы глаза реагируют сильнее или слабее в зависимости от длины волны. Реакция рецепторов это одномерный сигнал, то есть они не сообщают, какую длину они видят, а просто сильнее или слабее выстреливают. Каждый рецептор реагирует на все длины волн в диапазоне, но на какие-то сильнее, на другие слабее. Есть три вида рецепторов в зависимости от того, на какие длины волн они реагируют. Соответственно Short-, Medium- и Long-wavelength. Далее сигналы всех рецепторов обрабатываются где-то у нас в мозгах и превращаются в цвет, который мы видим.
То есть активация рецептора это буквально взвешенная сумма интенсивности волн разной длины, а веса для длин эволюционно зарадкожены.
Для нейрона из DNN нехватает только нелинейной функции активации.
*Стандартный дисклеймер о том, что биологические аналогии с DNN лживы и все такое*
👍23🤔4😱2👎1🔥1