Сегодня пиздовал за кареткой в очередную транспортную компанию. В район около ИжМаша. Я не знаю считается это районом "строитель" и есть ли вообще у этого места нормальное название.
Так вот, что такое заводские районы в Ижевске?
Это когда ты слазишь с троллейбуса и пиздуешь несколько километров пешком, а вокруг тебя километры заводов, бетонные заборы с колючей проволокой, которые никак не обойти, нигде не сократить путь. Пешеходных дорожек тоже особо не урожай, хотя местами из под грязи виднеются их потрескавшиеся трупы.
В конце концов ты доходишь до адреса, в который тебя ткнул дубльгис и обнаруживаешь очередной бетонный забор, проходную и охранника.
Спрашиваешь его "бля, я туда вообще попал?"
Получаешь временный пропуск и еще метров сто пиздуешь по территории.
(потом наконец находишь нужную компанию, забираешь свое говно, и пиздуешь несколько километров обратно, не забыв сдать пропуск теперь уже с печатью компании на проходной)
Сегодня штелетта вешал люстру на новой хате:
Полез проверить напряжение мультиком
в котором красный щуп
стоял в гнезде 10А.
Ну короче вы поняли. Оплавленный клеммник, сноп искр в еблище, оплавленные щупы мультиметра, один из щупов вообще от провода отгорел.
После этого я еще минут пять стоял на стремянке обдумывая ответ на вопрос "как можно быть таким мудаком?"
Прорывной результат же, а почти не обсуждается.
http://arxiv.org/pdf/1312.5602v1.pdf
Демонстрируется алгоритм для решения задачи обучения с подкреплением (на основе Q-обучения, нейросети для оценки функции награды и стохастического градиентного спуска для поиска её параметров) который способен учиться играть в 7 игр на Atari, в некоторые из них - лучше человека.
Интерфейс игрового бенчмарка таков: на каждом шаге алгоритм может выбрать действие из конечного набора (аналогично нажатию кнопки на геймпаде) и получает на вход массив RGB пикселей размером 210x160 и число - счёт в игре.
Алгоритм учится взаимодействовать с игрой как чтобы максимизировать счёт, т.е. учится успешным стратегиям игры (и заодно предсказанию будущей награды в каждый момент времени). Алгоритм неизменен, но после тренировки учится играть в любую из 7 игр.
Впечатляет что алгоритм принимает на вход векторы очень высокой (~800 - входные картинки сабсэмплятся и кропаются до 84х84) размерности и учится извлекать из них представление игры (среды в которой работает алгоритм) низкой размерности (содержащее только велечины которые влияют на награду), т.е. "понимает" игру.
Также впечатляет график 3 на странице 7: алгоритм "понимает" что новый враг это возможность получить больший счёт, выпускает снаряд и чем ближе снаряд к врагу тем выше ожидаемая награда.
Алгоритм разработан в DeepMind Technologies, конторе которую Google купило недавно за 400M$ http://www.digitaltrends.com/computing/google-deepmind-artificial-intelligence/
Сегодня сходил на конференцию "Путь в IT", послушал весёлые доклады про то, что делают в ЦВТ и EPAM Systems. Там меня покормили, и там же за отданную анкетку я получил футболку. Но самое интересное было на after party, где разработчики за бокалом пива рассказывали веселые истории из своей практики. Было клёво!"
