2020-11-14 o 21:56 -0800, M.M. napisał:
> Nadal nie znam wystarczającej ilości szczegółów,

Bo i szczegółów niewiele mogę podać, gdyż pomysł wdrożenia AI do mojego
rozwiązania nigdy się nie zrealizował. Po kilku tygodniach męczenia
bibliotek AI, uczenia sieci na różnych wariantach i testów wszelakich
doszedłem do wniosków które podałem wcześniej w wątku. Tj. że to
ciekawa rzecz, ale jednak nie dla mnie, nie dla każdego i nie do
wszystkiego.

A konkretniej: kilka lat temu stworzyłem ten produkt:
https://youtu.be/64cj-VcjCZk

Działa, klienci zadowoleni i w ogóle wszystko cacy. Ale jako że
ostatnio temat "AI" jest na czasie, to porobiłem nieco testów aby
zobaczyć czy dałoby się wdrożyć jakąś sieć neuronową do produktu,
zamiast obecnie relatywnie skomplikowanego algorytmu. Wartość dodana w
zasadzie byłaby żadna, ot, inne podejście - ale temat mnie ciekawił
więc obadałem.

> ale może sieć wcześniej dużo zarobiła, albo dużo zaoszczędziła
> względem alternatywnych rozwiązań, że na pewne problemy można sobie
> pozwolić?

Tak, dlatego pisałem o tym, że jednostkowa pomyłka sieci to mniejszy
problem. Jednak po takiej wpadce moi klienci (przynajmniej ci
przemysłowi) oczekują, że produkt zostanie udoskonalony i do takiej
sytuacji w wersji n+1 już nie doprowadzi. Często wymagają również
formalnego RFO (Reason For Outage). Przy AI niczego wytłumaczyć się nie
da, żadnej analizy też przeprowadzić nie można. Można co najwyżej dodać
kolejny przykład do nauki i ufać, że następnym razem się uda.

> Albo w ogóle nie ma lepszego rozwiązania i trzeba z wadami sieci żyć?

Żyć z AI nie trzeba - w takich (być może specyficznych, nie wiem)
zastosowaniach wystarczy robić po staremu - tj. proceduralny, dobrze
opisany algorytm. W warunkach kiedy użytkownik godzi się na jakiś
procent strat, a oczekiwana metoda działania jest bardzo trudna do
opisania ("odróżnij twarz owcy od ludzkiej"), to AI z pewnością jest
dobrym rozwiązaniem. Ja tylko opisuję moje wrażenia w kontekście
własnego doświadczenia, które wskazuje na to że czasem nie ma sensu
pchać się na siłę w AI (w odpowiedzi na wypowiedź Sebastiana, w której
sugerował że nowoczesne rozwiązanie problemu to AI).

> Sieci według 'mojego autorskiego' pomysłu w bardzo wstępnych testach
> miały mniej tego typu problemów. Ale nie mogę ich opatentować, więc
> nie podaję szczegółów.

Szkoda.

> Ja też się długo (może z 20 lat) zastanawiałem dlaczego dobrze
> wytresowany pies działający w oparciu o biologiczną sieci neuronową,
> 1000 razy na 1000 przynosi treserowi ręcznik, gdy treser o ręcznik go
> prosi. Podobnie dziecko dobrze nauczone tabliczki mnożenia 1000 razy
> na 1000 dobrze poda wynik. Tymczasem sieć neuronowa zrealizowana w
> krzemie, jeśli ze zbioru uczącego poda 100% poprawnych wyników, to na
> zbiorze testowym skuteczność spada np. do 50%.

Żaden ze mnie specjalista w dziedzinie AI, ale czy to nie po prostu
dlatego, że psi hardware jest daleko szybszy od obecnych krzemowych
klocków? Sama ilość neuronów jest oczywiście znacząco wyższa, a i z
tego co rozumiem to struktury biologicznych neuronów są jednak znacznie
bardziej złożone od aproksymacji którą wykonują biblioteki ANN (m.in
dlatego, że prawdziwe neurony potrafią tworzyć między sobą nowe
połączenia, a komputerowa sieć te połączenia ma sztywne i tylko zmienia
wagi na funkcjach aktywacji poszczególnych neuronów).

> W przypadku moich sieci, na początku wystarczy mniej danych, np.
> tyle, aby zapewnić, iż sieć zadziała poprawnie przez godzinę. Potem
> dane z kraksy dodajemy do danych uczących i próbujemy wyuczyć
> ponownie.

Tylko, że te kraksy trzeba wykrywać... czyli albo opłacać człowieka,
który analizuje system na bieżąco, albo napisać proceduralny program
który sprawdza wszystko po AI. A i tak nie będzie gwarancji, że jutro
rano znów się system nie wysypie.

Mateusz