Hoʻokuʻu ʻia nei , e hōʻike ana i kahi ʻano maikaʻi o ke aʻo ʻana i ka mīkini i nā makahiki i hala iho nei. I ka pōkole: ua hāʻule ka helu o nā hoʻomaka aʻo mīkini i nā makahiki ʻelua i hala.
Pono. E nānā kākou i "inā ua pohā ka ʻōhū", "pehea e hoʻomau ai i ke ola" a kamaʻilio e pili ana i kahi i hele mai ai kēia squiggle ma kahi mua.
ʻO ka mea mua, e kamaʻilio kākou e pili ana i ka mea i hoʻoikaika i kēia pihi. No hea mai ʻo ia? E hoʻomanaʻo paha lākou i nā mea a pau aʻo mīkini ma 2012 ma ka hoʻokūkū ImageNet. Ma hope o nā mea a pau, ʻo kēia ka hanana honua mua loa! Akā ʻo ka ʻoiaʻiʻo ʻaʻole kēia ka hihia. A hoʻomaka ka ulu ʻana o ka pihi ma mua iki. E wawahi au i mau wahi.
- Ua ʻike ʻo 2008 i ka puka ʻana o ka huaʻōlelo "ʻikepili nui". Hoʻomaka nā huahana maoli mai ka makahiki 2010. Pili pololei ka ʻikepili nui i ke aʻo ʻana i ka mīkini. Me ka ʻole o ka ʻikepili nui, hiki ʻole ke hana paʻa o nā algorithm i kēlā manawa. A ʻaʻole kēia mau pūnaewele neural. A hiki i ka makahiki 2012, ʻo nā neural network ka mālama ʻana i kahi hapa liʻiliʻi. Akā, ua hoʻomaka ka hana ʻana o nā algorithms ʻokoʻa, i mau makahiki, a i ʻole mau makahiki: (1963,1993), (1995), (2003)
ʻO kahi derivative o kēia nalu mua he hoʻonohonoho o nā frameworks e like me XGBoost, CatBoost, LightGBM, etc.
- I ka makahiki 2011-2012 ua lanakila 'o ia i kekahi mau ho'okūkū 'ike ki'i. Ua lohi iki ko lakou hoohana maoli ana. E ʻōlelo wau ua hoʻomaka nā hoʻomaka a me nā hoʻonā nui i ka makahiki 2014. He ʻelua mau makahiki ka ʻeli ʻana i ka hana mau ʻana o nā neurons, e hana i nā papa hana kūpono i hiki ke hoʻokomo ʻia a hoʻokuʻu ʻia i ka manawa kūpono, e hoʻomohala i nā ʻano hana e hoʻopaʻa a wikiwiki i ka manawa convergence.
Hiki i nā pūnaewele convolutional ke hoʻoponopono i nā pilikia ʻike kamepiula: ka hoʻokaʻawale ʻana i nā kiʻi a me nā mea i ke kiʻi, ka ʻike mea, ka ʻike ʻana i nā mea a me nā kānaka, ka hoʻomaikaʻi ʻana i ke kiʻi, etc., etc.
- 2015-2017. ʻO ka boom o nā algorithms a me nā papahana e pili ana i nā pūnaewele hou a i ʻole kā lākou mau analogues (LSTM, GRU, TransformerNet, etc.). Ua ʻike ʻia nā ʻōlelo algorithm a me nā ʻōnaehana unuhi mīkini. Hoʻokumu ʻia lākou ma nā pūnaewele convolutional e unuhi i nā hiʻohiʻona maʻamau. Ma muli o ka ʻoiaʻiʻo ua aʻo mākou e hōʻiliʻili i nā ʻikepili nui a maikaʻi.
“Ua pohā ka ʻōhū? Ua wela ka hype? Ua make anei lākou ma ke ʻano he blockchain?
A i ʻole! ʻApōpō e pau ka hana ʻana o Siri ma kāu kelepona, a i ka lā apopo ʻaʻole ʻike ʻo Tesla i ka ʻokoʻa ma waena o ka huli a me ka kangaroo.
Ke hana nei nā ʻupena neural. Aia lākou i loko o nā mīkini he nui. Hāʻawi maoli lākou iā ʻoe e loaʻa kālā, hoʻololi i ka mākeke a me ka honua a puni ʻoe. He ʻokoʻa iki ka Hype:
ʻAʻole ia he mea hou nā neural network. ʻAe, nui ka poʻe i manaʻolana kiʻekiʻe. Akā ua aʻo ka nui o nā hui e hoʻohana i nā neurons a hana i nā huahana e pili ana iā lākou. Hāʻawi nā neurons i nā hana hou, ʻae iā ʻoe e ʻoki i nā hana, a hoʻemi i ke kumukūʻai o nā lawelawe:
- Ke hoʻohui nei nā ʻoihana hana i nā algorithm e nānā i nā hemahema o ka laina hana.
- Kūʻai nā ʻoihana holoholona i nā ʻōnaehana no ka mālama ʻana i nā bipi.
- Hui 'akomi.
- Nā kikowaena kelepona ʻakomi.
- Nā kānana ma SnapChat. (ʻAe, ma ka liʻiliʻi he mea pono!)
Akā ʻo ka mea nui, ʻaʻole ka mea maopopo loa: "ʻAʻohe manaʻo hou, a ʻaʻole lākou e lawe mai i ke kapikala koke." Ua hoʻoponopono nā ʻoihana neural i nā pilikia he nui. A e hoʻoholo hou lākou. ʻO nā manaʻo maopopo a pau i loaʻa i ala mai i nā hoʻomaka. Akā, ua hōʻiliʻili ʻia nā mea a pau ma luna o ka ʻili. I nā makahiki ʻelua i hala iho nei, ʻaʻole wau i ʻike i kahi manaʻo hou no ka hoʻohana ʻana i nā ʻupena neural. ʻAʻole kahi ala hou (maikaʻi, ʻae, aia kekahi mau pilikia me GAN).
A ʻoi aku ka paʻakikī o kēlā me kēia hoʻomaka ʻana. ʻAʻole ia e koi hou i ʻelua mau kāne e hoʻomaʻamaʻa i kahi neuron me ka hoʻohana ʻana i ka ʻikepili wehe. Pono ia i nā polokalamu polokalamu, kahi kikowaena, kahi hui o nā māka, kākoʻo paʻakikī, etc.
ʻO ka hopena, ua emi nā mea hoʻomaka. Akā ʻoi aku ka nui o ka hana. Pono e hoʻohui i ka ʻike palapala laikini? He mau haneli o nā loea me ka ʻike kūpono ma ka mākeke. Hiki iā ʻoe ke hoʻolimalima i kekahi a i loko o ʻelua mau mahina e hana kāu limahana i ka ʻōnaehana. A i ʻole kūʻai i mākaukau. Akā ke hana nei i kahi hoʻomaka hou? .. Puka!
Pono ʻoe e hana i kahi ʻōnaehana mākaʻikaʻi malihini - no ke aha e uku ai i kahi pūʻulu laikini inā hiki iā ʻoe ke hana iā ʻoe iho i loko o 3-4 mau mahina, e hoʻokala iā ia no kāu ʻoihana.
I kēia manawa ke hele nei nā pūnaewele neural i ke ala like i hele ai nā ʻenehana ʻē aʻe.
Ke hoʻomanaʻo nei ʻoe i ka loli ʻana o ka manaʻo o "ka mea hoʻomohala pūnaewele" mai 1995? ʻAʻole i piha ka mākeke me nā loea. He kakaikahi ka poe oihana. Akā hiki iaʻu ke koho i loko o 5-10 mau makahiki ʻaʻole nui ka ʻokoʻa ma waena o kahi polokalamu Java a me kahi mea hoʻomohala pūnaewele neural. E lawa nā loea ʻelua ma ka mākeke.
E loaʻa wale kahi papa o nā pilikia e hiki ke hoʻoponopono ʻia e nā neurons. Ua kū mai kahi hana - hoʻolimalima i kahi loea.
"He aha ka hope? Aia i hea ka ʻike akamai i ʻōlelo ʻia?”
Eia nō naʻe kahi kuhi hewa liʻiliʻi akā hoihoi :)
ʻO ka ʻenehana ʻenehana e kū nei i kēia lā, ʻaʻole ia e alakaʻi iā mākou i ka naʻauao artificial. ʻO nā manaʻo a me kā lākou mea hou i hoʻopau nui iā lākou iho. E kamaʻilio kākou e pili ana i ka mea e paʻa ai ke kūlana o kēia wā.
Nā palena
E hoʻomaka kākou me nā kaʻa hoʻokele ponoʻī. Me he mea lā ua hiki ke hana i nā kaʻa kūʻokoʻa piha me ka ʻenehana o kēia lā. Akā i ka nui o nā makahiki e hiki mai ana kēia ʻaʻole maopopo. Manaʻo ʻo Tesla e hiki mai kēia i nā makahiki ʻelua -
Nui nā mea ʻē aʻe , ka mea nana i manao he 5-10 makahiki.
ʻO ka mea nui loa, i koʻu manaʻo, i loko o 15 mau makahiki e hoʻololi ʻia ka ʻōnaehana o nā kūlanakauhale i ke ʻano o ka hiki ʻana mai o nā kaʻa autonomous e lilo i mea hiki ʻole a lilo i mea hoʻomau. Akā ʻaʻole hiki ke manaʻo ʻia kēia i ka naʻauao. ʻO Tesla hou kahi pipeline paʻakikī no ka kānana ʻikepili, ʻimi a hoʻomaʻamaʻa hou. ʻO kēia nā lula-rula-rula, hōʻiliʻili ʻikepili a me nā kānana ma luna o lākou (eia Ua kākau hou wau e pili ana i kēia, a i ʻole e nānā mai hōʻailona).
Pilikia mua
A ma kēia wahi mākou e ʻike ai pilikia kumu mua. ʻIkepili nui. ʻO kēia ka mea i hānau ai i ka nalu o nā neural network a me ke aʻo mīkini. I kēia mau lā, e hana i kahi mea paʻakikī a maʻalahi, pono ʻoe i ka nui o ka ʻikepili. ʻAʻole nui wale, akā nui loa. Pono mākou i nā algorithms automated no kā lākou hōʻiliʻili, hōʻailona, a hoʻohana. Makemake mākou e ʻike i ke kaʻa i nā kaʻa e kū pono ana i ka lā - pono mākou e hōʻiliʻili mua i ka nui o lākou. Makemake mākou ʻaʻole e hele pupule ke kaʻa me ke kaʻa i hoʻopaʻa ʻia i ke kumu - ʻoi aku ka nui o nā laʻana.
Eia kekahi, ʻaʻole lawa kekahi laʻana. He mau haneli? He mau tausani?
Pilikia ʻelua
Pilikia ʻelua - ka ʻike ʻana i ka mea a kā mākou pūnaewele neural i hoʻomaopopo ai. He hana koʻikoʻi ʻole kēia. A hiki i kēia manawa, liʻiliʻi ka poʻe i hoʻomaopopo pehea e nānā ai i kēia. He mea hou loa kēia mau ʻatikala, he mau hiʻohiʻona wale nō kēia, ʻoiai inā he mamao.
hoʻopaʻapaʻa me nā ʻano ʻano. Hōʻike maikaʻi ia i ka mea a ka neuron e manaʻo ai e hoʻoponopono i + ka mea i ʻike ʻia e hoʻomaka ana i ka ʻike.
Nānā ma . ʻO ka ʻoiaʻiʻo, hiki ke hoʻohana pinepine ʻia ka attraction e hōʻike i ke kumu o ka hopena pūnaewele. Ua ʻike au i nā mea like no ka debugging a me nā hoʻonā huahana. Nui nā ʻatikala e pili ana i kēia kumuhana. Akā ʻoi aku ka paʻakikī o ka ʻikepili, ʻoi aku ka paʻakikī o ka hoʻomaopopo ʻana pehea e hoʻokō ai i ka hiʻohiʻona ikaika.
ʻAe, ʻae, ka pūʻulu kahiko maikaʻi o "nānā i ka mea i loko o ka mesh i loko " Ua kaulana kēia mau kiʻi i nā makahiki 3-4 i hala aku nei, akā uaʻike koke nā mea a pau he nani nā kiʻi, akā,ʻaʻole i nui ka manaʻo.
ʻAʻole wau i haʻi aku i ka nui o nā hāmeʻa ʻē aʻe, nā ʻano, hacks, noiʻi e pili ana i ka hōʻike ʻana i nā loko o ka pūnaewele. Ke hana nei kēia mau mea hana? Ke kōkua nei lākou iā ʻoe e hoʻomaopopo koke i ke ʻano o ka pilikia a me ka debug i ka pūnaewele?.. Loaʻa i ka pākēneka hope? ʻAe, ua like ia:
Hiki iā ʻoe ke nānā i kekahi hoʻokūkū ma Kaggle. A me ka wehewehe ʻana i ka hana ʻana o nā kānaka i nā hoʻoholo hope. Hoʻopaʻa mākou i nā ʻāpana 100-500-800 o nā hiʻohiʻona a ua hana!
Ke hoʻonui nei au, ʻoiaʻiʻo. Akā ʻaʻole hāʻawi kēia mau ala i nā pane wikiwiki a pololei.
Loaʻa ka ʻike nui, ke ʻimi nei i nā koho like ʻole, hiki iā ʻoe ke hāʻawi i kahi hoʻoholo no ke kumu i hoʻoholo ai kāu ʻōnaehana. Akā paʻakikī ke hoʻoponopono i ka ʻano o ka ʻōnaehana. E hoʻouka i kahi koʻokoʻo, e hoʻoneʻe i ka paepae, e hoʻohui i kahi waihona, e lawe i kahi pūnaewele hope.
pilikia kolu
Pilikia Kumu ʻekolu - ke aʻo nei nā grids i nā helu helu, ʻaʻole i ka loiloi. Heluhelu keia :
ʻO ka loiloi, ʻaʻole like loa. ʻAʻole aʻo nā neural network i kekahi mea paʻakikī ke ʻole lākou e koi ʻia. Ke aʻo mau nei lākou i nā hōʻailona maʻalahi loa. He maka kou, he ihu, he poo? No laila ke alo kēia! A i ʻole e hāʻawi i kahi laʻana inā ʻaʻole he maka ka maka. A eia hou - miliona mau hiʻohiʻona.
Nui ka lumi ma lalo
E ʻōlelo wau ʻo ia kēia mau pilikia honua ʻekolu e kaupalena nei i ka hoʻomohala ʻana o nā neural networks a me ke aʻo ʻana i ka mīkini. A ma kahi i kaupalena ʻole ai kēia mau pilikia, ua hoʻohana ikaika ʻia.
O keia no ka hopena? Ke piʻi nei nā pūnaewele neural?
ʻAʻole ʻike ʻia. Akā, ʻoiaʻiʻo, manaʻolana nā mea a pau ʻaʻole.
Nui nā ala a me nā kuhikuhi no ka hoʻoponopono ʻana i nā pilikia koʻikoʻi aʻu i kuhikuhi ai ma luna. Akā i kēia manawa, ʻaʻohe o kēia mau ala i hiki ke hana i kahi mea hou, e hoʻoponopono i kahi mea i hoʻoholo ʻole ʻia. I kēia manawa, ke hana ʻia nei nā papahana koʻikoʻi ma ke kumu o nā ala paʻa (Tesla), a i ʻole e noho mau i nā papahana hoʻāʻo o nā institute a i ʻole nā hui (Google Brain, OpenAI).
ʻO ka ʻōlelo koʻikoʻi, ʻo ke kuhikuhi nui ka hana ʻana i kahi hōʻike kiʻekiʻe kiʻekiʻe o ka ʻikepili hoʻokomo. Ma keʻano, "hoʻomanaʻo". ʻO ka laʻana maʻalahi o ka hoʻomanaʻo ʻana he ʻano "Embedding" - nā kiʻi kiʻi. ʻAe, no ka laʻana, nā ʻōnaehana ʻike maka a pau. Aʻo ka ʻupena i ka loaʻa ʻana mai kahi maka mai kekahi mau hiʻohiʻona paʻa ʻaʻole i hilinaʻi i ka ʻōwili, kukui, a i ʻole ka hoʻonā. ʻO ka mea nui, hoʻemi ka pūnaewele i ka metric "ʻokoʻa nā helehelena mamao" a "pili nā maka like."
No ia hoʻomaʻamaʻa ʻana, pono nā ʻumi a me nā haneli haneli o nā hiʻohiʻona. Akā ʻo ka hopena e loaʻa kekahi o nā kumu o ka "Hoʻokahi-shot Learning". I kēia manawa ʻaʻole pono mākou i nā haneli he nui e hoʻomanaʻo i kahi kanaka. Hoʻokahi wale nō maka a ʻo mākou wale nō !
Hoʻokahi wale nō pilikia... Hiki i ka māka ke aʻo i nā mea maʻalahi. Ke ho'āʻo nei e hoʻokaʻawale i nā maka, akā, no ka laʻana, "nā kānaka ma nā lole" (task ) - hāʻule ka maikaʻi ma nā kauoha he nui. A ʻaʻole hiki i ka pūnaewele ke aʻo hou i nā loli i ʻike ʻia i nā kihi.
A ʻo ke aʻo ʻana mai nā miliona o nā laʻana he ʻano leʻaleʻa.
Aia ka hana e hōʻemi nui i ke koho balota. No ka laʻana, hiki i kekahi ke hoʻomanaʻo koke i kekahi o nā hana mua ma Aʻo OneShot :
Nui nā hana like, no ka laʻana ai ole ia, ai ole ia, .
Hoʻokahi wale nō mea liʻiliʻi - ʻoi aku ka maikaʻi o ka hoʻomaʻamaʻa ʻana ma kekahi mau hiʻohiʻona maʻalahi, "MNIST". A i ka neʻe ʻana i nā hana paʻakikī, pono ʻoe i kahi waihona nui, kahi kumu hoʻohālike o nā mea, a i ʻole kekahi ʻano kilokilo.
Ma keʻano laulā, he kumuhana hoihoi loa ka hana ma ka hoʻomaʻamaʻa One-Shot. Loaʻa iā ʻoe nā manaʻo he nui. Akā ʻo ka hapa nui, ʻo nā pilikia ʻelua aʻu i helu ai (e hoʻomaʻamaʻa mua i kahi dataset nui / instability ma nā ʻikepili paʻakikī) ke hoʻopilikia nui nei i ke aʻo ʻana.
Ma ka ʻaoʻao ʻē aʻe, GANs—generative adversarial networks—hoʻokokoke i ke kumuhana o Embedding. Ua heluhelu paha ʻoe i nā ʻatikala ma Habré ma kēia kumuhana. (, ,)
ʻO kahi hiʻohiʻona o GAN ʻo ia ka hoʻokumu ʻana o kekahi wahi mokuʻāina kūloko (ʻo ia hoʻi ka Embedding like), hiki iā ʻoe ke kaha kiʻi. Hiki paha , hiki ke .
ʻO ka pilikia me GAN ʻo ka ʻoi aku ka paʻakikī o ka mea i hana ʻia, ʻoi aku ka paʻakikī o ka wehewehe ʻana iā ia ma ka loiloi "generator-discriminator". ʻO ka hopena, ʻo nā noi maoli wale nō o GAN i lohe ʻia ʻo DeepFake, ka mea, e hoʻoponopono hou i nā hiʻohiʻona maka (no laila kahi kumu nui).
Ua ʻike liʻiliʻi wau i nā hoʻohana pono ʻē aʻe. ʻO ka maʻamau kekahi ʻano hoʻopunipuni e pili ana i ka hoʻopau ʻana i nā kiʻi kiʻi.
A hou. ʻAʻohe mea i manaʻo pehea e hiki ai iā mākou ke neʻe i kahi wā e hiki mai ana. Maikaʻi ka hōʻike ʻana i ka logic/space i kahi neural network. Akā makemake mākou i kahi helu nui o nā hiʻohiʻona, ʻaʻole maopopo mākou i ke ʻano o ka neuron e hōʻike nei iā ia iho, ʻaʻole maopopo mākou pehea e hoʻomanaʻo ai ka neuron i kekahi manaʻo paʻakikī.
Aʻo hoʻoikaika - he ala kēia mai kahi ʻaoʻao ʻokoʻa loa. Hoʻomanaʻo maoli ʻoe i ka lanakila ʻana o Google i nā mea āpau ma Go. Nā lanakila hou ma Starcraft a me Dota. Eia naʻe, mamao loa nā mea a pau mai ka rosy a me ka hoʻohiki. Kamaʻilio maikaʻi ʻo ia e pili ana iā RL a me kāna mau paʻakikī .
No ka hōʻuluʻulu pōkole i ka mea a ka mea kākau i kākau ai:
- ʻAʻole kūpono / hana maikaʻi nā hiʻohiʻona ma waho o ka pahu i ka nui o nā hihia
- ʻOi aku ka maʻalahi o ka hoʻoponopono ʻana i nā pilikia ma nā ʻano ʻē aʻe. ʻAʻole hoʻohana ʻo Boston Dynamics i ka RL ma muli o kona paʻakikī / hiki ʻole ke ʻike ʻia / paʻakikī helu
- No ka hana ʻana o RL, pono ʻoe i kahi hana paʻakikī. Paʻakikī pinepine ka hana/kākau
- Paʻakikī e hoʻomaʻamaʻa i nā kumu hoʻohālike. Pono ʻoe e hoʻolilo i ka manawa nui e pume a puka i waho o ka optima kūloko
- ʻO ka hopena, paʻakikī ke hana hou i ke kumu hoʻohālike, ʻaʻole paʻa ke kumu hoʻohālike me nā loli liʻiliʻi
- Hoʻopili pinepine i kekahi ʻano ʻēheu hema, a hiki i kahi mea hoʻoheheʻe helu maʻamau
ʻO ka mea nui ʻaʻole i hana ʻo RL i ka hana. Loaʻa iā Google kekahi mau hoʻokolohua ( , ). Akā ʻaʻole wau i ʻike i kahi ʻōnaehana huahana hoʻokahi.
hoomanao ana. ʻO ka haʻahaʻa o nā mea a pau i hōʻike ʻia ma luna nei ʻaʻole i kūkulu ʻia. ʻO kekahi o nā ala e hoʻāʻo ai e hoʻomaʻemaʻe i kēia mau mea a pau, ʻo ia ka hāʻawi ʻana i ka neural network me ke komo ʻana i ka hoʻomanaʻo kaʻawale. I hiki iā ia ke hoʻopaʻa a kākau hou i nā hopena o kāna mau kapuaʻi ma laila. A laila hiki ke hoʻoholo ʻia ka neural network e ke kūlana hoʻomanaʻo o kēia manawa. Ua like loa kēia me nā mea hana maʻamau a me nā kamepiula.
ʻO ka mea kaulana a kaulana loa — mai DeepMind:
Me he mea lā ʻo ia ke kī o ka hoʻomaopopo ʻana i ka naʻauao? Akā ʻaʻole paha. Pono ka ʻōnaehana i ka nui o ka ʻikepili no ke aʻo ʻana. A hana nui ia me ka ʻikepili tabular structured. Eia kekahi, i ka manawa o Facebook ʻO kahi pilikia like, a laila hele lākou i ke ala "hoʻomanaʻo hoʻomanaʻo, e hoʻoikaika i ka neuron, a loaʻa i nā hiʻohiʻona hou aʻe - a e aʻo iā ia iho."
Hoʻokaʻawale. ʻO kahi ala ʻē aʻe e hana ai i kahi hoʻomanaʻo koʻikoʻi, ʻo ia ka lawe ʻana i nā hoʻopili like, akā i ka wā o ke aʻo ʻana, e hoʻolauna i nā pae hoʻohālikelike hou e hiki ai iā ʻoe ke hōʻike i nā "manaʻo" i loko o lākou. No ka laʻana, makemake mākou e hoʻomaʻamaʻa i kahi pūnaewele neural e hoʻokaʻawale i waena o ke ʻano kanaka i loko o kahi hale kūʻai. Inā mākou e hahai i ke ala maʻamau, pono mākou e hana i ʻelua mau pūnaewele. Ke ʻimi nei kekahi i ke kanaka, ʻo ka lua e hoʻoholo ana i kāna hana, ʻo ke kolu kona mau makahiki, ʻo ka hā kona kāne. Nānā ka lokahi kaʻawale i ka ʻāpana o ka hale kūʻai kahi i aʻo ʻia ai e hana i kēia. Hoʻoholo ke kolu i kona alahele, etc.
A i ʻole, inā loaʻa ka nui o ka ʻikepili, a laila hiki ke hoʻomaʻamaʻa i hoʻokahi pūnaewele no nā hopena hiki ke loaʻa (ʻoiaʻiʻo, ʻaʻole hiki ke hōʻiliʻili ʻia kēlā ʻano ʻikepili).
Ke haʻi mai nei ke ala hoʻokaʻawale - e hoʻomaʻamaʻa kāua i ka pūnaewele i hiki iā ia ke hoʻokaʻawale i waena o nā manaʻo. No laila e hana ia i kahi hoʻopili e pili ana i ka wikiō, kahi e hoʻoholo ai kahi wahi i ka hana, e hoʻoholo kekahi i ke kūlana ma ka papahele i ka manawa, e hoʻoholo kekahi i ke kiʻekiʻe o ke kanaka, a e hoʻoholo kekahi i ke kāne o ke kanaka. I ka manawa like, i ka wā e hoʻomaʻamaʻa ai, makemake wau e ʻaneʻane ʻaʻole e koi i ka pūnaewele me nā manaʻo koʻikoʻi, akā no ka mea e hōʻike a me nā wahi hui. Aia kekahi mau ʻatikala like ʻole (kekahi o lākou , , ) a ma keʻano laulā he ʻano manaʻo.
Akā ʻo kēia kuhikuhi, ma ka liʻiliʻi loa, pono e uhi i nā pilikia i helu ʻia ma ka hoʻomaka.
ʻO ka hoʻoheheʻe kiʻi e like me nā ʻāpana "ka waihoʻoluʻu o ka paia / ka waihoʻoluʻu papahele / ke ʻano mea / ka waihoʻoluʻu mea / etc."
ʻO ka decomposition o kahi maka e like me nā ʻāpana "ka nui, nā kuʻemaka, ke ʻano, ka ʻili ʻili, a pēlā aku."
ʻO kekahi
Nui nā wahi ʻē aʻe, ʻaʻole i ka honua, e ʻae iā ʻoe e hōʻemi i ka waihona, hana me nā ʻikepili heterogeneous, etc.
noonoo. ʻAʻole kūpono paha ka hoʻokaʻawale ʻana i kēia ma ke ʻano he ʻano kaʻawale. ʻO kahi ala e hoʻonui ai i nā mea ʻē aʻe. Nui nā ʻatikala i hoʻolaʻa iā ia (,,). ʻO ka manaʻo o ka nānā ʻana ʻo ia ka hoʻomaikaʻi ʻana i ka pane o ka pūnaewele i nā mea koʻikoʻi i ka wā o ke aʻo ʻana. Hoʻohana pinepine ʻia e kekahi ʻano hoʻolālā i waho, a i ʻole kahi pūnaewele liʻiliʻi waho.
Hoʻohālike 3D. Inā hana ʻoe i kahi ʻenekini 3D maikaʻi, hiki iā ʻoe ke uhi pinepine i ka 90% o ka ʻikepili hoʻomaʻamaʻa me ia (ʻike wau i kahi hiʻohiʻona kahi kokoke i 99% o ka ʻikepili i uhi ʻia e kahi mīkini maikaʻi). Nui nā manaʻo a me nā hacks e pili ana i ka hana ʻana i kahi pūnaewele i hoʻomaʻamaʻa ʻia ma kahi mīkini 3D me ka hoʻohana ʻana i ka ʻikepili maoli (Fine tuning, style transfer, etc.). Akā ʻoi aku ka paʻakikī o ka hana ʻana i kahi mīkini maikaʻi ma mua o ka ʻohi ʻana i ka ʻikepili. Nā laʻana i ka wā i hana ʻia ai nā ʻenekini:
Hoʻomaʻamaʻa robot (, )
Nā papa hoʻonaʻauao nā waiwai i loko o ka hale kūʻai (akā ma nā papahana ʻelua a mākou i hana ai, hana maʻalahi mākou me ka ʻole).
Hoʻomaʻamaʻa ma Tesla (hou, ke wikiō ma luna).
haʻina
ʻO ka ʻatikala holoʻokoʻa, ma ke ʻano, nā hopena. Malia paha ʻo ka ʻōlelo nui aʻu i makemake ai e hana ʻo ia "ua pau nā manuahi, ʻaʻole hāʻawi hou nā neurons i nā hoʻonā maʻalahi." I kēia manawa pono mākou e hana ikaika e hana i nā hoʻoholo paʻakikī. A i ʻole e hana ikaika i ka hana noiʻi ʻepekema paʻakikī.
Ma keʻano laulā, hiki ke hoʻopaʻapaʻa ke kumuhana. Loaʻa paha i ka poʻe heluhelu nā hiʻohiʻona hoihoi?
Source: www.habr.com