Redes neuronais artificiais. - página 8

 
gpwr:

Quem estabeleceu isto? Podemos categorizar um objecto após 50 milissegundos com 80% de precisão. São 20 objectos por segundo, em qualquer buckgrunge. Muitos mamíferos fazem-no ainda mais depressa para evitar serem comidos (evolução). As redes artificiais fazem-no em poucos segundos, e sobre uma rede vazia. O poder do cérebro está no seu paralelismo, que nunca conseguiremos alcançar por meios convencionais de tecnologia informática. Ninguém nega a utilidade do comércio automático, mas as redes não substituirão o cérebro do comerciante na procura de padrões no mercado nos próximos 20-30 anos. São precisos muitos neurónios. Será que alguém aqui pensa que uma rede com 10-20 neurónios pode substituir o cérebro do comerciante? Que criatura idiota este comerciante deve ser!

É por isso que há pessoas que trabalham em tecnologias informáticas invulgares. ))

Kwabena Boahen fala de um computador que funciona como um cérebro

Квабена Боахен рассказывает о компьютере, который работает по принципу мозга
Квабена Боахен рассказывает о компьютере, который работает по принципу мозга
  • www.ted.com
Исследователь Квабена Боахен ищет пути повторения в силиконе колоссальной вычислительной мощности человеческого мозга, поскольку изучение беспорядочных, характеризующихся высокой избыточностью процессов, протекающих в голове человека, даёт реальный толчок для создания небольшого, лёгкого и супер...
 
tol64:

Portanto, há pessoas que trabalham com tecnologia informática invulgar. ))

Kwabena Boahen fala de um computador que funciona como um cérebro

Conheço pessoalmente Kwabena. Também conheço o projecto SpiNNaker de Manchester e o seu líder Steve Furber, que desenvolveu o primeiro ARM(http://apt.cs.man.ac.uk/projects/SpiNNaker/project/). Steve conseguiu instalar 18 processadores ARM num único chip e 48 chips, ou seja, 864 processadores paralelos. Cada processador calcula 500 neurónios, ou seja, 432 mil neurónios. Até ao momento, esta rede não faz nada de útil. Estou também ciente de outros grupos que estão a desenvolver um novo tipo de processador. Ainda está muito longe da realidade, daí a minha previsão de que deve esperar 20-30 anos.

Research Groups: APT - Advanced Processor Technologies (School of Computer Science - The University of Manchester)
Research Groups: APT - Advanced Processor Technologies (School of Computer Science - The University of Manchester)
  • apt.cs.man.ac.uk
What are the Goals of the SpiNNaker Project? SpiNNaker is a novel massively-parallel computer architecture, inspired by the fundamental structure and function of the human brain, which itself is composed of billions of simple computing elements, communicating using unreliable spikes. The project's objectives are two-fold: To provide a...
 
gpwr:

Conheço pessoalmente Kwabena. Também conheço o projecto SpiNNaker de Manchester e o seu líder Steve Furber, que desenvolveu o primeiro ARM(http://apt.cs.man.ac.uk/projects/SpiNNaker/project/). Steve conseguiu instalar 18 processadores ARM num chip e 48 chips, ou seja, 864 processadores paralelos. Cada processador calcula 500 neurónios, ou seja, 432 mil neurónios. Até ao momento, esta rede não faz nada de útil. Estou também ciente de outros grupos que estão a desenvolver um novo tipo de processador. Ainda está muito longe da realidade, daí a minha previsão de esperar 20-30 anos.

Concordo com Joo sobre "não há necessidade de copiar a natureza...".

Também concordo consigo que o cérebro humano funciona de forma bastante eficiente... mas

uma pessoa para somar " 2 + 2 " precisa de reconhecer a imagem de "2", depois a imagem de "+", depois novamente "2", depois encontrar a associação da secção "matemática",

Lembre-se de combinar o exemplo com a resposta.

Não acha que tal método, embora universal (que permitiu ao homem elevar-se acima do reino da natureza), é ineficaz em comparação com o computador?

De facto, por alguma razão, todos seguem o caminho da natureza, mas a natureza nunca teve matemática, e os métodos testados pela natureza não são eficazes nesta doutrina, razão pela qual para se tornar um matemático excepcional é necessário quase negar o mundo, e dedicar-se inteiramente à matemática (o que em tradução significa manter os conhecimentos adquiridos de matemática nas associações mais próximas). Mas ao mesmo tempo, alguma máquina burra com MathCad resolve tudo muito mais eficientemente do que o matemático mais brilhante.

SZY imho "o computador é um assistente humano" como um cão com dentes mais fortes e um sentido de olfacto mais aguçado.

 
Urain:

Concordo com Joo na parte "não há necessidade de copiar a natureza...".

Também concordo consigo que o cérebro humano funciona de forma bastante eficiente... mas

uma pessoa, para somar " 2 + 2 " tem de reconhecer a imagem "2", depois a imagem "+", depois novamente a imagem "2", depois encontrar a associação da secção "matemática",

e depois lembrar-se de combinar o exemplo com a resposta.

Não acha que tal método, embora universal (que permitiu ao homem elevar-se acima do reino da natureza), mas em comparação com o computador é ineficaz?

De facto, todos seguem por alguma razão o caminho da natureza, mas a natureza nunca teve matemática, e os métodos testados pela natureza não são eficazes nesta doutrina, é por isso que para se tornar um matemático excepcional é preciso quase negar o mundo, e dedicar-se inteiramente à matemática (o que significa manter o conhecimento recebido da matemática nas associações mais próximas). Mas ao mesmo tempo, alguma máquina burra com MathCad resolve tudo muito mais eficientemente do que o matemático mais brilhante.

SZY imho "o computador é um assistente humano" como um cão com dentes mais fortes e um sentido de olfacto mais aguçado.

A discussão é sobre redes neurais artificiais. Do meu ponto de vista, as redes artificiais modernas não podem substituir o cérebro do comerciante na procura de padrões no mercado. Até agora, apenas utilizam a regressão, ou seja, a modelação de uma saída (compra/venda) como uma função não linear das entradas. Os pesos da rede são optimizados pela minimização do erro em exemplos passados, o que não garante a sua rentabilidade sobre os dados não aprendidos. O número crescente de neurónios na rede - como em qualquer outro modelo não linear - permite reduzir a zero o erro nos exemplos de treino, mas não ajuda a rentabilidade da rede no futuro e apenas a danifica (requalificação). Todos já o sabem. A fim de assegurar que a rede tenha pelo menos algumas hipóteses, é necessário escolher tais entradas, que têm um efeito consistente na saída. Esta escolha de inputs é feita por nós através do estudo de dados passados e da procura de regularidades. A própria rede torna-se uma ferramenta para modelação não linear de entradas-saídas, e não para encontrar padrões. Para que uma rede procure padrões, deve ser construída de acordo com o princípio do nosso cérebro. Aumentar estupidamente o número de neurónios em redes comuns não levaria a nada, caso contrário os elefantes seriam tão inteligentes como nós (o mesmo número de neurónios).

Não menosprezei o papel do computador em lado nenhum aqui, mas sem um humano continuariam a ser de ferro. É possível que, no futuro, novos tipos de redes aprendam a encontrar padrões nos dados. Mas conhecendo o estado actual da investigação neste campo, temos de esperar e esperar. A propósito, será que alguém alguma vez pensou que os livros e filmes de ficção científica previam robôs num futuro que já está no passado mas que nunca chegaram? A humanidade aprendeu a voar até à Lua, os computadores e a Internet são rápidos, mas os robôs não se encontram em lado nenhum!

 
gpwr:

Conheço pessoalmente Kwabena. Também conheço o projecto SpiNNaker de Manchester e o seu líder Steve Furber, que desenvolveu o primeiro ARM(http://apt.cs.man.ac.uk/projects/SpiNNaker/project/). Steve conseguiu instalar 18 processadores ARM num chip e 48 chips, ou seja, 864 processadores paralelos. Cada processador calcula 500 neurónios, ou seja, 432 mil neurónios. Até ao momento, esta rede não faz nada de útil. Estou também ciente de outros grupos que estão a desenvolver um novo tipo de processador. Até agora está longe da realidade, e é por isso que previ esperar 20-30 anos.

É óptimo que conheça pessoalmente tais investigadores. Por acaso conhece Henry Markram? A sua previsão em 2009 foi de 10 anos. :) Pergunto-me onde estará ele agora.

Henry Markram está a construir um cérebro num supercomputador

Генри Маркрам строит мозг в суперкомпьютере
Генри Маркрам строит мозг в суперкомпьютере
  • www.ted.com
Тайны устройства разума могут быть решены, и довольно скоро, говорит Генри Маркрам. Поскольку умственные заболевания, память и восприятие составлены из нейронов и электрических сигналов, он планирует обнаружить всё это с помощью суперкомпьютера, который смоделирует все 100...
 
gpwr:

Não o compreendo. A discussão é sobre redes neurais artificiais. O meu ponto de vista é que as redes artificiais modernas não permitem substituir o cérebro do comerciante na procura de padrões no mercado. Até agora, apenas utilizam a regressão, ou seja, a modelação da produção (compra/venda) como uma função não linear das entradas. Os pesos da rede são optimizados pela minimização do erro em exemplos passados, o que não garante a sua rentabilidade sobre os dados não aprendidos. O número crescente de neurónios na rede - como em qualquer outro modelo não linear - permite reduzir a zero o erro nos exemplos de treino, mas não ajuda a rentabilidade da rede no futuro e apenas a danifica (requalificação). Todos já o sabem. A fim de assegurar que a rede tenha pelo menos algumas hipóteses, é necessário escolher tais entradas, que têm um efeito consistente na saída. Esta escolha de inputs é feita por nós através do estudo de dados passados e da procura de regularidades. A própria rede torna-se uma ferramenta para modelação não linear de entradas-saídas, e não para encontrar padrões. Para que uma rede procure padrões, deve ser construída de acordo com o princípio do nosso cérebro. Aumentar estupidamente o número de neurónios em redes comuns não levaria a nada, caso contrário os elefantes seriam tão inteligentes como nós (o mesmo número de neurónios).

Não menosprezei o papel do computador em lado nenhum aqui, mas sem um humano continuariam a ser de ferro. É possível que, no futuro, novos tipos de redes aprendam a encontrar padrões nos dados. Mas conhecendo o estado actual da investigação neste campo, temos de esperar e esperar. A propósito, será que alguém alguma vez pensou que os livros e filmes de ficção científica previam robôs num futuro que já está no passado mas que nunca chegaram? A humanidade voou para a lua, os computadores e a Internet são rápidos, mas os robôs não se encontram em lado nenhum.

Eu simplesmente questionei a própria direcção da investigação em NS, o próprio paradigma da natureza da cópia.

Tenho grandes dúvidas de que uma rede construída à imagem e semelhança do cérebro humano ultrapasse o seu criador.

Creio que a investigação NS precisa de avançar na direcção da percepção directa dos dados digitais, enquanto que agora os números para NS são apenas imagens.

 
Urain: Eu simplesmente questionei a própria direcção da investigação em NS, o próprio paradigma da natureza da cópia.

os meios técnicos nunca copiaram a natureza, seja uma roda ou um avião, mas são perfeitamente capazes de fazer o seu trabalho, por isso NS deve trabalhar com modelos matemáticos e não deve imitar a análise/tomada de decisão de um comerciante

SZS: Imagine como seria uma câmara que reproduzisse o processo de um artista )))))

 
IgorM:

os meios técnicos nunca copiaram a natureza, seja uma roda ou um avião, mas são perfeitamente capazes de fazer o seu trabalho, por isso NS deve trabalhar com modelos matemáticos e não deve imitar a análise/tomada de decisão de um comerciante

ZS: Imagine como seria uma câmara que reproduzisse o processo de um artista )))))

A câmara copia o olho, por isso o exemplo não conta. Mas, em geral, acertou no meu posto.
 
Urain:
A câmara copia o olho, por isso o exemplo não conta. Mas no geral, acertou no ponto do meu posto.
Mas também apresentei um argumento contra. A câmara ultrapassa muitas vezes as capacidades do olho, se for também um telescópio. ))
 
Urain: A câmara copia o olho, por isso o exemplo não conta. Mas, em geral, acertou no meu posto.

Concordo que a máquina fotográfica copia o olho, mas o resultado é o mesmo que para um artista - uma imagem em papel, a única coisa que não descrevi é o processo tecnológico de fazer uma fotografia

Então finalmente compreendemos porque é que os NS nem sempre são bem sucedidos no comércio: o problema não é com os NS, mas com o modelo matemático de informação de mercado, que os NS fornecem para formação - quem fecha as últimas 2, 3, ... 100 barras, quem lê os indicadores técnicos, numa palavra "para o que você é bom", temos de compreender que informação de mercado é realmente importante para o comércio - padrões? últimas barras? volumes? hora do dia? .... E o triste é que, tendo filtrado informações desnecessárias e criado um modelo matemático do mercado, é possível construir um TS eficaz sem NS.