О научности ИИ

Лол, в каком месте они основывают?

В описании результатов, конкретно - рис. 2D и рис. 2E:

Эти клетки обычно демонстрируют высокую долю возбуждающих глутаматергических клеток, определенных количественно с использованием кПЦР (qPCR), показанных на Figure 2D. Интеграция этих нейронных культур в HD-MEA была подтверждена с помощью сканирующей электронной микроскопии (SEM) на клетках, которая поддерживалась в течение > 3 месяцев (Figure 2E).

Перевод автоматический, но общий смысл ясен - в наличии у них нет ничего, кроме 1,5 интересной, но пока гипотетической идеи - и красивых картинок рез-тов ПЦР-тестов, которые, увы, чем-то реально работающим не являются.

P.S. Ща напишу знакомым биохимикам, чтобы больше не применяли ПЦР, ибо Дону Алькону этот метод не нравится. Пусть секвенируют.

А вы напишите, если они за вопросы денег не берут. Дело же не в том, что алькону нравится или нет, а в том, что у них действительно есть в наличии - по итогу их в исследования я вот вижу, что немного. Одна из идей-то красивая, кто же спорит, - сформировать из специальных стволовых клеток нейроны, а затем из них нейронные связи, после чего поместить их в специальные колбочки с контактами и далее уже цеплять к компьютерному железу. Но дальше-то что? Маниловщина научная ведь на данном этапе - в формате научного исследования: "Хорошо бы через речку мостик навести, и беседку построить, и в ней сидеть чай пить".

Пусть секвенируют. Ой, хотя даже секвенаторы ошибаются. Блин, ведь неправильное использование любых методов ведет к фигне. Отменяем науку.

Генерация новых идей дело хорошее, вопрос насколько качественные методы используются при проверке этих идей. А качеством здесь не пахнет, хотя наука, Bioskeptic, вроде как должна подтверждаться какими-то рез-тами.

Добавлено через 1 мин. 50 с.

Кстати, раз уж прежнюю тему закрыли, а у меня тут сохранился черновик ответа.

Отлично, Bioskeptic, я немного раскидаюсь с работой и околокнижной суетой, прочту повнимательней и постараюсь ответить.

Боже, это же классический сбор вишенок. Просто хрестоматийный.

Перевод автоматический, но общий смысл ясен - в наличии у них нет ничего, кроме 1,5 интересной, но пока гипотетической идеи - и красивых картинок рез-тов ПЦР-тестов

и т.д. и т.п.

Лол, вы всерьез думаете, что электронные изображения и измерение электрофизиологической активности были получены с помощью ПЦР-анализа? ПЦР-анализ тут использовался как подсобный необязательный метод и то только для измерения уровня биомаркера, так что с него в данном случае взятки гладки То есть вы, по сути, выкинули все исследование, все результаты в условную мусорку, увидев в одном месте упоминание про ПЦР, серьезно?

Вообще, у меня для вас есть новость. Метод ПЦР в молекулярной биологии является одним из основных методов молекулярной биологии, и его используют в каждом институте и университете биологической направленности. Использовали и там, где учился я. Как и любой метод, имеет свои достоинства и недостатки, требует опыта и четкого понимания, в каких случаях результаты являются надежными, а в каких - требуют дополнительной проверки. Нужно ли говорить, что ПЦР в отношении консервативного маркера работы нейронов по подходу будет отличаться от ПЦР вирусного белка, подверженного мутациям?

По сути, логическая ошибка, жертвой которой вы позволяете себе быть, называется выборочным представлением фактов или как раз

сбор вишенок

. Это избирательное цитирование того, что поддерживает вашу точку зрения, при игнорировании всего того, что ее не поддерживает. Даже если речь идет о цитировании одного и того же источника. Разбирать за вас весь остальной массив текста, при этом моделируя в голове, что для вас будет убедительным, а что нет - это очень времязатратный и неблагодарный труд. Ну, в общем, против этой логической ошибки приема нет, она в вас прочно засела и будет всегда проскакивать, а ловить ее я более не хочу, сори.

ПЦР на то и ПЦР, что при определенном кол-ве циклов покажет именно то, что хочет найти исследователь

Нет.
—————————————————————————————————————-

Черные ящики существуют и являются проблемой...  вы не можете предсказать, как поведет себя ... в той или иной ситуации 

Ага, например Windows95. Пользователи Apple Macintosh взирали на эту тамагочи с презрительным недоумением :) Но со временем винду допилили, проблема стала годным изделием.

модели глубокого машинного обучения могут состоять из миллионов параметров и быть нелинейными.

Вот тут не понял, нелинейность (в данном контексте) - это чёткий критерий, как у функций в алгебре, или оценочное суждение? Двухслойная сетка из 50 нейронов уже нелинейная или ещё не?.. Её поведение непредсказуемо? Непредсказуемость и нелинейность как-то жёстко связаны?

вы не можете предсказать поведение нелинейной модели,

Не эксперт, но подозреваю, что мощный комп может точно предсказывать поведение маленькой нейросеточки.

малейшие отклонения во входных данных могут привести к кардинально другому результату.

В прикладном плане это не является фатальным недостатком. Если робот с нейросетками распознаёт речь и сортирует апельсины лучше, чем nn% обычных людей, притом круглосуточно и бесплатно - нам ли быть в печали? Пусть голова болит у фанатов однозначных математических описаний :)
Человек даже при отсутствии новых входных данных внезапно такое отчебучивает - вот где неизбывная проблема. Но свыклись же, считаем нормальным.

Двухслойная сетка из 50 нейронов уже нелинейная или ещё не?.. Её поведение непредсказуемо? Непредсказуемость и нелинейность как-то жёстко связаны?

Нейлинейность - четкий критерий, но он связан непосредственном с моделью (функцией), генерируемой нейросеткой. Я сильно подозреваю, что нейросетку можно обучить и линейной модели (как в случае с предсказаниями поведения маятника), но не думаю, что нам в таком случае нужно глубокое обучение с кучей параметров. К сожалению, я недостаточно разбираюсь в сетках и математике, чтобы сказать, какая архитектура для чего подходит.

Не эксперт, но подозреваю, что мощный комп может точно предсказывать поведение маленькой нейросеточки.

Проблема в том, что чтобы смоделировать поведение нейросетки, нужно знать модель, а в этом и проблема. Сорян за каламбур)
Мы можем сделать новую нейросетку, чтобы угадать поведение другой нейросетки.
Но все-таки да, есть подходы по созданию нейросеток на основе глубокого обучения "прозрачными", и некоторые спецы утверждают, что для создания сильного ИИ "прозрачность" необходима.

В прикладном плане это не является фатальным недостатком.

Да про недостатки тут речь не идет, тут больше про то, что уже сейчас нейросетки демонстрируют некоторые особенности человеческого мышления, которое кажется "неалгоритмичным". Сия неалгоритмичность якобы является препятствием на пути к созданию ИИ, но лично я не встречал мало-мальски годных доказательств этому, только спекуляции. Естественно то, что мы не функционируем как калькуляторы, не означает, что нейронные цепочки человеческого мозга не выполняют своего рода вычислительную работу.

UPD. Даже если признать, что нынешняя компьютерная архитектура не способна смоделировать мозг, то уже есть зачатки нейроморфной архитектуры, где транзисторы, не так сильно отличающиеся от МОП-транзисторов, имитируют работу синапсов. Если я ничего не путаю, тактовая частота схем на их основе очень сильно напоминает частоту мозговых волн и является критерием энергоэффективности. Так что постепенно мы нащупываем подходы к созданию искусственного мозга, пусть пока и примитивного.

некоторые спецы утверждают, что для создания сильного ИИ "прозрачность" необходима.

Человеческий мозг как-то вот создался сам собой в результате эволюции, и никакой сверхразум не контролировал хитросплетения дендритов поштучно. Я так верю)

Сия неалгоритмичность якобы является препятствием на пути к созданию ИИ, но лично я не встречал мало-мальски годных доказательств этому, только спекуляции.

Да, я тоже. Чаще встретишь удивление специалистов (не доказательства, оценочные суждения), что весьма маленькие и простенькие нейросетки неожиданно хорошо справляются с задачами, проблематичными для алгоритмов. (К примеру, игра го. Тут, вдобавок, и люди со своим сильным многомиллиардонейронным И уступают машине. Но это уже другая история.)

Черные ящики существуют и являются проблемой, потому что модели глубокого машинного обучения могут состоять из миллионов параметров и быть нелинейными. Такие модели не поддаются прямой интерпретации, то есть вы банально не можете предсказать, как поведет себя функция, полученная вами при обучении нейронной сети, в той или иной ситуации. Это и есть черный ящик.

Человеку достаточно бросить один единственный взгляд на исходные картинки и результаты работы нейросети, чтобы понять, где искать ошибку - поэтому ваше утверждение, что "такие модели не поддаются прямой интерпретации" противоречат реальному положению вещей в этой сфере. Да вот же, пример из вашей обзорной статьи:

Рисунок 3. Конфликт формы-текстуры [24]: текстура (слева) определена как слон; форма кошки (середина) определена как кошка; форма кошки с текстурой слона (справа) определена как слон из-за смещения текстуры.

Например, в обзорной статье Analysis of Explainers of Black Box Deep Neural Networks for Computer Vision: A Survey (2019), опубликованной в научном журнале Machine Learning and Knowledge Extraction, прямо говорится следующее:
Latest models are more complex and Deep Learning (DL) architectures are getting deeper and
deeper and millions of parameters are calculated and optimized by a machine.
For example, the common network VGG-19 incorporates about 144 millions parameters that were
optimized over millions or hundred thousands of images. ResNet has about 5 · 10^7 trainable parameters
and for classifying one image it needs to execute about 10^10 floating point operations, see. It is hardly traceable and not recalculate-able by humans.

Еще один хороший пример из той же обзорной статьи. Программа распознавания должна была отличать собак от волков, но из-за разного фона изображений начала хорошо определять снег. А все оттого, что фото волков для тренировочных наборов изображений чаще всего делались на фоне белого снега (и еще потому, что летом волков сфотографировать сложней), в то время как фото собак чаще всего были сделаны на более темном фоне (т.к. собака друг-человека, а население сосредоточено больше всего в тех местах, где снега нет или мало, поэтому фон фото чаще всего темный). В процессе работы этой программы было накоплено очень много данных - однако человеку достаточно получить несколько результатов определения снега вместо волков и посмотреть на несколько исходных фото с волками, чтобы догадаться, в чем дело. Поэтому люди всегда смогут быстро разобраться, почему нейронная программа работает неправильно, причем, не анализируя весь многомиллионный массив параметров.

Конечно, я не утверждаю, что нейронные сети-«черные ящики» выполняют неалгоритмические операции, как раз наоборот, они полностью алгоритмичны, хотя и не в том смысле, как алгоритмичны калькуляторы. Но они генерируют сложные нелинейные модели, которые могут создавать впечатление этой самой неалгоритмичности, о которой писал Пенроуз. «Черный ящик» в данном случае означает, что вы не можете предсказать поведение нелинейной модели, потому что малейшие отклонения во входных данных могут привести к кардинально другому результату.

Вопрос, что понимать под "отклонениями" и какие это отклонения. Если это на самом деле не отклонения, а ошибочные наборы входных данных для обучения, то предсказать поведение программы, как в случае с фото волков на снегу, конечно, не получится. Что вовсе не означает, что нейронные сети - «черные ящики». Черным ящиком является процесс, который нейронная программа просчитывает. Там для таких процессов известны только входные и выходные данные, а что там внутри этого ящика - это неважно. Программы нейросетей программистами написаны, поэтому в них всегда можно заглянуть, исправить, изменить, доработать.

Более того, эта модель (или функция) образована сложными связями между искусственными нейронами, образующими слои,

Искусственные нейроны, слои и связи на самом деле это названия для элементов информации - записей, накопленных программой нейросети. Все это записано в массиве данных в виде набора записей в таблицах в базы данных. Можно ли анализировать эти данные? Конечно, а почему нет? Выше есть возражение, что эти данные громоздки и могут состоять из миллионов параметров и поэтому людям их невозможно анализировать. Однако невозможно и сложно это совсем разные вещи, не находите? Человеку не нужно анализировать весь многомиллионный массив параметров и связей, которые наплодила программа, ему достаточно бросить один единственный взгляд на исходные картинки и результаты работы нейросети, чтобы понять, где искать ошибку. Люди всегда смогут быстро разобраться, почему нейронная программа работает неправильно.

Однако использовать людей для обучения нейросетей и дорого, и во многих случаях незачем, потому что это медленно. И тут начинается автоматизации процесса обучения и коррекции ошибок обучения, чему ваша обзорная статья уделяет особое внимание - методам, при помощи которых это делается. В вашей обзорной статье речь в основном идет об _автоматическом_ исправлении ошибок некорректных начальных данных и о проблемах _автоматического_ обучения компьютерных нейронных сетей. Т.е. те самые explainers - это грубо говоря и есть те самые программы, которые анализируют данные, накопленные программой нейросети и находят в них некорректные начальные данные, и затем_автоматически_исправляют входные данные для обучения. Где вы видите здесь черные ящики, если все записи, накопленные программой нейросети, доступны для этих анализа этими explainers?

Что касается нейросети, изучающей качания маятника, то нет, никаких предварительных моделей в нейронную сеть не вкладывалось, нейронная сеть сама сгенерировала модель, причем не статистическую, а динамическую.
Она самообучалась на видеокадрах физического процесса, при каждом цикле она сравнивала сгенерированное ею изображение будущего положения объекта (маятника) со следующим видеокадром из выборки.

Вы можете называть это моделью или функцией, если вам угодно - сути это не меняет. Она обучалась, используя данные видео - динамическое изменение положения маятника во времени - за энное кол-во колебаний. Затем полученные результаты обрабатывались статистическими методами анализа. То, что нейронные сети, в отличие от статистических методов классификационного анализа, позволяют работать с неполными данными, не означает, что статистические методы не используются в нейросетях.

Нейронные сети – это статистические вычислительные модели, применяемые к множеству практических задач, в том числе обработка изображений, машинный перевод и поиск шаблонов. При обучении с учителем, нейросеть тренируется на примере уже известных объектов, то есть для всех исходных данных у нас есть предопределенный правильный ответ. Главная идея обучения нейросети – это настроить такую конфигурацию, при которой ответы модели будут максимально приближены к корректным.
...

Статистика используется и для этого максимального приближения, и для поиска поиска шаблонов, совпадений и зависимостей - для много чего еще, - короче, это факт - статистика используется в нейросетях.

Лол, вы всерьез думаете, что электронные изображения и измерение электрофизиологической активности были получены с помощью ПЦР-анализа? ПЦР-анализ тут использовался как подсобный необязательный метод и то только для измерения уровня биомаркера, так что с него в данном случае взятки гладки То есть вы, по сути, выкинули все исследование, все результаты в условную мусорку, увидев в одном месте упоминание про ПЦР, серьезно?

Вы меня спросили, в каком месте:

Цитата(Bioskeptic)
Лол, в каком месте они основывают?

Я это место назвал, и сейчас мне несколько непонятно, чему вы, Lol (Laughing out loud), громко смеетесь.

Вообще, у меня для вас есть новость. Метод ПЦР в молекулярной биологии является одним из основных методов молекулярной биологии, и его используют в каждом институте и университете биологической направленности. Использовали и там, где учился я. Как и любой метод, имеет свои достоинства и недостатки, требует опыта и четкого понимания, в каких случаях результаты являются надежными, а в каких - требуют дополнительной проверки.

Для меня это не новость. Один вопрос только - откуда мы знаем, что это за результаты, если они действительно надежны? Здесь мы возвращаемся к тому самому месту, который вы попросили показать.

Нужно ли говорить, что ПЦР в отношении консервативного маркера работы нейронов по подходу будет отличаться от ПЦР вирусного белка, подверженного мутациям?

Не "консервативного маркера работы нейронов", а маркера наличия аминокислоты глутамата натрия.

Глутаминовая кислота – одна из 20 аминокислот, встречающихся во всех белках организма. Глутамат, её кислотный остаток, – это то, что остаётся, когда от неё «отваливается» катион водорода H+, что в условиях организма происходит почти всегда.
…
глутамат – один из первых нейромедиаторов. Он появился на рассвете эволюции многоклеточных, уже тогда, когда ещё даже не было самой нервной системы. Отголоски этого мы наблюдаем сегодня у губок. Эти древние и примитивные существа не имеют специализированных нервных клеток. Однако, сокращение их тела активируется глутаматом и блокируется γ-аминомасляной кислотой.
…
Для сообщества нейрофизиологов того времени казалось очевидным, что определённый нейромедиатор может распространяться только в отдельных структурах мозга и выполнять какую-то одну, специализированную роль, а его концентрация в мозге не может быть слишком большой. Глутамат же возбуждал абсолютно все нейроны, на которые его капали в экспериментах. Так же выяснилось, что он – одно из наиболее заметных низкомолекулярных веществ мозга и участвует в десятках метаболических путей.

По сути, логическая ошибка, жертвой которой вы позволяете себе быть, называется выборочным представлением фактов или как раз
Цитата
сбор вишенок
Это избирательное цитирование того, что поддерживает вашу точку зрения, при игнорировании всего того, что ее не поддерживает. Даже если речь идет о цитировании одного и того же источника

Вы сами попросили показать место, а теперь говорите, что мне не следовало его вам показывать, потому что с моей стороны это "избирательное цитирование".
Лол, Bioskeptic, давайте смеяться вместе.

Разбирать за вас весь остальной массив текста, при этом моделируя в голове, что для вас будет убедительным, а что нет - это очень времязатратный и неблагодарный труд. Ну, в общем, против этой логической ошибки приема нет, она в вас прочно засела и будет всегда проскакивать, а ловить ее я более не хочу, сори.

Не надо за меня разбирать весь массив. Вы лучше за себя на одни только картинки поглядите повнимательнее, что эти исследователи показывают. И описания к этим картинкам почитайте - это займет немного времени.

Свернутый текст

Эти клетки обычно демонстрируют высокую долю возбуждающих глутаматергических клеток, определенных количественно с использованием кПЦР (qPCR), показанных на Figure 2D. Интеграция этих нейронных культур в HD-MEA была подтверждена с помощью сканирующей электронной микроскопии (SEM) на клетках, которая поддерживалась в течение > 3 месяцев (Figure 2E). Плотно взаимосвязанные дендритные сети можно наблюдать в нейронных культурах, образующих чересстрочные сети, выросшие на области микроэлектродной матрицы MEA (Рис. 2F).

Мне несложно объяснить, что там на картинках. Афера с Панамским каналом была хорошо всем известна, а тут вместо канала у нас научное и вроде как передовое исследование, хотя по сути такое же панамское.

Свернутый текст

Исследователи развели глутамат натрия в питательной среде на контактной площадке микроэлектродной матрице MEA, затем энное кол-во дней подождали, после чего, как в аналогичных опытах в детстве, начался естественный процесс кристаллизации соли, подтвержденный на рис. 2D (при помощи ПЦР). ПЦР тесты, ес-но, честно определяют аминокислоту глутамата натрия, которой в питательном растворе много, и эти же тесты вполне справедливо показывают на том же рис. 2D еще больший рост концентрации глутамата натрия в тех местах, где в скором времени появятся кристаллы глутамата натрия. Затем идет рис. 2E, подсохшая соль глутамата натрия, сделанная при помощи сканирующей электронной микроскопии - на нём все та же кристаллизация, со шкалой 200 мкм. Далее, на рис. 2G тот же итог процесса кристаллизации соли при шкале 50 мкм, а на рис. 2F - еще увеличенный, до 20 мкм.

Обратите внимание на масштабы, указанные на изображениях выше, сравните эти картинку с тем, как на самом деле выглядят нейроны и нейронные связи:

Свернутый текст

затем, вспомните, что размер тела нейрона от 5 до 120 мкм, и поймите, наконец, что структуры на этой картинке другие, и у исследователей типичная Панама, попытка выдать подсохшую соль за нейронные связи.
И этот процесс кристаллизации соли исследователи бесстрашно называют "ростом нейронной сети для вычислений", хотя ни вычислениями, ни новыми нейронными связями тут и не пахнет. Более того, непонятно, что происходит с мышиными нейронами - наверное, они к тому времени давно уж протухли (если вообще были помещены в раствор). Но это все ерунда, это исследователей не волнует, им нужно лишь добавить в их систему некое программное обеспечение, которое они называют драйверами и которое симулирует игру, - и опа, - очередной миллиончик баксов переходит из фондов ошарашенных грантодателей в карманчики ловких исследователей.

да у вас тут искры:)

не ругаццо!!

Мы примусы мирно починяем и научными плюшками балуемся. :)

В России создали цифровой аналог человеческого уха

Дон Алькон



Поясню, дабы никто не обвинил меня в сливании спора. У вас фатальные логические ошибки. Вы на самом базовом уровне путаете везикулярный глутаминовый переносчик VGLUT1 с самим глутаматом (это как грузовик перепутать с грузом), далее у вас следует офигительная история про то, как солевые кристаллы выдают за нейроны (валидолу мне ). Постом ранее вы ругали ПЦР, теперь вот оказывается дело не в ПЦР, а в фотографиях солевых кристаллов (хотя аминокислотные кристаллы выглядят по другому,а нейроны внезапно под электронными микроскопом именно так и выглядят).
Вот как всякие псевдонаучные теории заговора и заодно антиваксерство создаются. Методом подгона оторванных от контекста данных под точку зрения, которая уже принята и не подлежит пересмотру. Все тот же сбор вишенок.

Понимаете, почему такую сложную тему, как нейросетки, я обсуждать больше не желаю? А смысл, если оппонент из раза в раз использует слова из статьи, напрочь игнорируя важный для их понимания контекст и перескакивая с одной нити обсуждения на другую? То у вас черных ящиков нет; то они есть, но это процесс внутри нейросетки; то раз есть эксплейнеры черных ящиков, значит, нет черных ящиков. При том, что в статье прямо написано, что эксплейнеры пытаются раскрыть внутреннюю структуру обучения, а уже отсюда указывать, какие входные данные оптимальны. Но вас это уже не интересует, ведь это нельзя подогнать под вашу точку зрения.

Учитывая вышесказанное, тратить время на спор больше не буду. Вы уже все для себя объяснили. В общем, всего хорошего и спасибо за рыбу, я отдельфиниваю.

Поясню, дабы никто не обвинил меня в сливании спора. У вас фатальные логические ошибки.

А у вас что? Дайте я попробую угадать - безусловная вера всему, что печатается в научных журналах?

Три экспериментатора рассказали, как публиковали в научных журналах фейки

Двое американских ученых и журналистка признались, что на протяжении года проводили социальный эксперимент, в рамках которого публиковали в научных изданиях заведомо абсурдные статьи.
...
Авторы подписывались вымышленными именами, выдавая себя за сотрудников несуществующих учреждений и ссылаясь на несуществующие источники. Однако авторитетные научные издания этого не замечали и допускали статьи к публикации. Таких статей до момента, когда авторы исследования себя раскрыли, было семь. Другие работы находились на этапе рецензирования.

Такого рода "шутки" совсем не означают, что все статьи в научных журналах такие, они лишь означают, что в большинстве научных изданий приходящие статьи проверке либо совсем не подвергаются, либо в их редколлегиях отсутствуют консультанты приемлемого уровня для соответствующих разделов.
А вот конкретно по этой статье можно сказать, что

Вы на самом базовом уровне путаете везикулярный глутаминовый переносчик VGLUT1 с самим глутаматом (это как грузовик перепутать с грузом), далее у вас следует офигительная история про то, как солевые кристаллы выдают за нейроны (валидолу мне ). Постом ранее вы ругали ПЦР,

после первого взгляда на представленные в рез-татах изображения мне сразу стало ясно, что-то с ними что-то не то, поскольку нейроны так не выглядят. Что же на самом деле представлено на этих изображениях на тот момент был открытый вопрос.

теперь вот оказывается дело не в ПЦР, а в фотографиях солевых кристаллов (хотя аминокислотные кристаллы выглядят по другому, а нейроны внезапно под электронными микроскопом именно так и выглядят).

Как выглядят нейроны под электронным микроскопом известно:

Свернутый текст

и их структура выглядит не так, как в рез-тах статьи:

Свернутый текст

Впрочем, вы можете верить в эту научную Панаму и не верить своим глазам, которые наверное все же могут отличить явно мертвую неорганику от живой нервной ткани, можете также называть кристаллы соли нейронами, - это дело исключительно ваше.

Вот как всякие псевдонаучные теории заговора и заодно антиваксерство создаются. Методом подгона оторванных от контекста данных под точку зрения, которая уже принята и не подлежит пересмотру. Все тот же сбор вишенок.

И вы также, безотносительно к теориям заговора и разборок ваксеров-антиваксеров, имеете право черное называть белым, а белое - черным, если вам угодно.

Понимаете, почему такую сложную тему, как нейросетки, я обсуждать больше не желаю? А смысл, если оппонент из раза в раз использует слова из статьи, напрочь игнорируя важный для их понимания контекст и перескакивая с одной нити обсуждения на другую? То у вас черных ящиков нет; то они есть, но это процесс внутри нейросетки; то раз есть эксплейнеры черных ящиков, значит, нет черных ящиков. При том, что в статье прямо написано, что эксплейнеры пытаются раскрыть внутреннюю структуру обучения, а уже отсюда указывать, какие входные данные оптимальны. Но вас это уже не интересует, ведь это нельзя подогнать под вашу точку зрения.

Меня это интересует, только тема компьютерных нейросетей не имеет прямого отношения к научной Панаме сопряжения компьютеров и людей. А по той теме у нас с вами был отчасти консенсус - отчасти говорение о разных вещах, да и вообще, если помните, разговор наш не с того начинался и не о том вначале велся.

Учитывая вышесказанное, тратить время на спор больше не буду. Вы уже все для себя объяснили. В общем, всего хорошего и спасибо за рыбу, я отдельфиниваю.

Спасибо и вам за разговор, и меня он тоже несколько развлек. И вам тоже всего наилучшего.

Может ли человек создать Вселенную?
https://www.youtube.com/watch?v=Jdp4iFzzYQ0

Павел Амнуэль
8 мин. ·
На канале YouTube опубликована пятнадцатая беседа о науке и научной фантастике с Ираклием Вахтангишвили.

после первого взгляда на представленные в рез-татах изображения мне сразу стало ясно, что-то с ними что-то не то, поскольку нейроны так не выглядят. Что же на самом деле представлено на этих изображениях на тот момент был открытый вопрос.

Именно так культуры нервных тканей - под SEM и без применения контрастной визуализации отдельных нейронов - в этом масштабе и выглядят.

Серьезно, хватит дилетантскую чушь в массы нести.

Именно так культуры нервных тканей - под SEM и без применения контрастной визуализации отдельных нейронов - в этом масштабе и выглядят.

Где вы увидели культуры нервных тканей - пусть без контрастной визуализации? Масштаб соответствующий, размер нейронов известен (от 5 мкм до 150 мкм ), но нейронов нету. Зато хорошо заметны вот эти комочки кристаллизованной соли,

Свернутый текст

которые для совсем невнимательных или близоруких специально помечены зелеными кружками. Сравните их с комочками подсохшей соли с берега Мертвого моря в центре этого изображения:

Свернутый текст

Химический раствор соли тут был изначально иной, зато процесс кристаллизации и конечный результат похожи.

Серьезно, хватит дилетантскую чушь в массы нести.

Хватит верить на слово грантососам и жуликам от науки ) Серьезно, эта ваша излишняя доверчивость, Bioskeptic, может вам же лично когда-нибудь аукнуться.