Тёмные мысли Техношамана

Сел обедать и взгляд упал на кнопку Алиса в яндекс браузере. Дал ей задание: "Можешь написать код для Processing. Игра Жизнь Конвея, но отображаются только живые клетки в виде кубика 3d. Причём каждый новый такт, новые клетки появляются выше старых, а старые не исчезают. По идее должно расти вверх некая структура" Вот результат. (немного ручками поправил управление) Теперь, возможно, я первый Вайб - кодер на Алисе. ЗЫ: Идея не моя

У меня часто на фоне работает Ютуб и я слушаю разные ролики на интересующие меня темы. Но ютуб постоянно мне рекомендует одно и то же и часто я это уже смотрел. Накидайте в комментах разные интересные научные, образовательные или просто интересные ролики или плейлисты. Возможно записи каких нибудь лекций или семинаров, которые можно слушать на фоне. Обычно у них нет просмотров и в рекомендации никогда не попадают. Эволюционная биология, онтогенез, теория игр, история науки, мозг и сознание.... Короче всё, что вам кажется интересным. Тем более у меня сегодня день рождения. Сделайте мне подарок :)

Мне попался ролик про бихевиоризм, в итоге на фоне прослушал ещё несколько видео на эту тему. Классическая схема оперантного научения по Б. Ф. Скиннеру: Стимул - Реакция - Подкрепление. Внешний раздражитель напрямую запускает автоматический ответ. При положительных последствиях реакция закрепляется, и вероятность её повторения растет. То есть это буквально алгоритм классического обучения в проекте Сумобокс. Проблема в том, что ранние бихевиористы (начало 20 века) именно так и представляли всё поведение человека. В 1957 году Б. Ф. Скиннер опубликовал книгу "Вербальное поведение" (Verbal Behavior), где попытался объяснить усвоение языка ребёнком исключительно через схему (Стимул - Реакция - Подкрепление). Лингвист Ноам Хомский в своей критике наглядно показал, что за всё детство ребенок физически не успел бы получить столько подкреплений, чтобы выучить все конструкции языка. Мозг явно работает сложнее. Видимо в этот момент классический бихевиоризм сломался и стал терять популярность. Вот мои представления о мозге и обучении на данный момент. 1. ( Стимул - Реакция - Подкрепление ) - самый примитивный уровень. Его можно обнаружить у простейших организмов. Аналогичные механизмы реакции на среду возможно есть и в мире растений и грибов. 2. ( Стимул - Моделирование - Ответ ) - в ответ на стимул в голове запускается симуляция разнооборазных вариантов действий на основе прошлого опыта и выбирается лучший. В шахматных программах алгоритм просчитывает последствия на несколько ходов вперёд и выбирает тот, который ведет к наиболее выгодной позиции. В Сумобоксе это тоже можно реализовать. Боксёр в своей голове запускает модель сумобокса, прогоняет разные варианты ответа (возможно из заготовленных), выбирая лучший. 3. ( Создание моделей ) У агента нет вшитой модели мира, он строит её сам, наблюдая за окружением, а затем использует для симуляции вариантов (как в пункте 2). Моделей может быть много (бытовая, социальная, научная). Эти внутренние модели постоянно редактируются при поступлении новых данных и могут становиться невероятно абстрактными (вплоть до математики, философии или религии). Напомню, что это лишь моя текущая ментальная модель, которая может быть отредактированна.

Вопрос обсуждался на стриме у Онигири.

Разбираю свои старые проекты. Когда то приступил к изучению java script. Этот генератор пейзажей написал на нём в качестве обучения. При каждом клике создаётся новое изображение. Код в комментариях.

Наткнулся на контринтуитивный закон Бенфорда. Если взять данные, которые охватывают несколько порядков и имеют экспоненциальную природу (население городов, площади стран, капитализация компаний или степени двойки), то числа из этого набора будут начинаться с цифры 1 в 30.1 % случаев. Каждая следующая цифра встречается в начале числа реже, а девятка будет первой всего в 4.6 % случаев. Чтобы почуствовать этот феномен, я по привычке накидал небольшой скрипт (исходник в комментариях). Но этот скрипт не очень удачен, для объяснения (. На видео я выбираю диапазон от 1 до N. Справа показано, с каких цифр начинаются числа в этом отрезке. Если просто считать натуральные числа подряд, то при переходе на новый порядок единица сначала подлетает выше 50%, а в конце полного порядка все цифры выравниваются до одинаковых 11.1%. По центру показаны графики для каждой цифры: любопытно, что при переходе на каждый следующий порядок они фрактально повторяют свою форму. Чтобы вырасти от 1 до 2, величине нужно увеличиться в 2 раза, а чтобы вырасти от 8 до 9, только в 1.125 раза. На логарифмической шкале отрезок от 1 до 2 занимает 30.1 % всего пространства, а отрезок от 8 до 9 лишь 4.6 %. Любой процесс с процентным или экспоненциальным ростом проводит в зоне единицы гораздо больше времени, чем в зоне девятки. Что бы получить подходящие синтетические данные, нужно взять любое число и каждое последующее увеличивать, например, на 10 %. Когда последовательность охватит хотя бы 3, 4 порядка, то в полученной последовательности единица вначале будет встречаться в 30.1 % случаев. Я кажется уловил суть закона, но ещё не достаточно, что бы легко объяснить другим (

Моё объяснение для предыдущего поста. Будем рассматривать только один отдельный блок из 4 букв у всей популяции из 10000 особей. Без совпадения по всем позициям, варианты букв ни на что не влияют, поэтому буквы будут встречаться примерно с равной вероятностью. Примерно раз в два поколения у какой то особи из популяции совпадут все 4 буквы. (вероятность совпадения 1/17576, а популяция 10000 особей) Эта особь в следующем поколении оставит больше потомков. Скорее всего у потомков не будет всех 4 совпадающих букв, но частота конкретно этой буквы в этом блоке возрастёт. Чем чаще конкретная буква встречается, тем с большей вероятностью именно она и совпадёт у кого то в следующих поколениях. Получается положительная обратная связь. Чем чаще буква встречается, чем вероятнее именно она совпадёт во всех 4 позициях и её доля станет ещё больше. Вначале это происходит медленно, но со временем доля конкретной буквы начинает с ускорением возрастать, что и видно на гистограмме.

Несократимая сложность. Я переодически что то моделирую и у меня по разным устройствам разбросаны разные мини проекты. Решил навести порядок. Вот один из таких проектов. Существует популяция из 10000 организмов. Их геном - это последовательность из 28 букв английского алфавита. Геном разбит на 7 блоков по 4 буквы. Если у организма все 4 буквы в блоке совпадут, то он получает преимущество в оставлении потомков. При скрещиваются геномы родителей перемешиваются по буквам, а не блоками. Плюс есть вероятность мутации. То есть, если у организма сложилась последовательность в одном из блоков, то у его потомков она разрушится, перемешаясь с буквами второго родителя. Я предположил, что должна образовываться обратная положительная связь, которая будет быстро приводить к единой букве в блоке у всей популяции. Что и подтвердилось в модели. Сегодня я добавил гистограммки у каждого блока, которые показывают частоту каждой буквы в этом блоке у всей популяции. На видео видно, как случайная буква начинает с ускорением распространяться, вытесняя остальные. Откуда появляется эта положительная обратная связь? Пишите ваши варианты.

Небольшая философия к вчерашнему видео с потоками. Есть горячее тело внизу и холодное сверху. По второму закону термодинамики Вселенная стремится к максимальному хаосу. Температуры верхнего и нижнего тела должны сравняться. Теплопередача от частицы к частице будет происходить долго. Самопроизвольное появление потоков - это как раз попытка ускорить этот процесс. Энтропия локально уменьшается, что бы ускорить глобальный рост. Поэтому идеи физика Пригожина заинтересовали биологов. Он показал, что сложность и самоорганизация вполне может возникать самопроизвольно - это естественное свойство материи, через которую прокачивается поток энергии.

Мне посоветовали почитать о Пригожине И. Р. (Лауреат Нобелевской премии по химии 1977 года за работы в области неравновесной термодинамики. ) Узнал про диссипативные структуры. Про ячейки Бенара. Решил смоделировать. Частицы отталкиваются друг от друга и от стен. Рядом с дном нагреваются и их тенет вверх. Рядом с верхом охлаждаются и их тенет вниз. Должны само образовываться устойчивые структуры из потоков. Поиграв часа три с параметрами, добился эффекта. Но эффект нестабилен. Потоки постепенно ломаются и всё опять превращается в хаос. Как я понимаю, мне не хватает, что бы частицы передавали тепло друг другу (теплопроводность). В этом случае горячая частица, случайно попав в холодный поток, быстро охладится, а не будет ломать всю сложишуюся структуру.

Ещё несколько башен, эволюционировавших без землетрясений. Некоторые рушатся, потому что на видео попали мутанты. В конце - тестовая среда из тысяч параллельных симуляций.

Полюбуйтесь, какую башню построил генетический алгоритм в моей физической симуляции. Её структура позволяет диссипировать качение земли без разрушения.

Попался на глаза простой, но любопытный проект.

В Шэньчжэне стартовал первый в мире MMA чемпионат среди роботов – Ultimate Robot Knock-out Legeng Выглядит достаточно эпично. Главный приз – полтора миллиона долларов, кстати.

А вот и видос https://youtu.be/KKQ3e3B12Lw

понедельник - день видеороликов

Ещё одна красивая модель. Как и предыдущий пример, увидел у @optozorax.

Идея для проекта по обучению, например, с помощью генетического алгоритма. Очень простая механика. Наглядно для зрителей. Только я не могу придумать, как реализовать управление, что бы персонаж мог действовать в разных условиях. Только нейросеть в голову приходит

https://ru.wikipedia.org/wiki/Теорема_Ньютона_о_сферической_оболочке Наткнулся на любопытную теорему, которая состоит в том, что тонкая сферическай оболочка с равномерно распределённой массой не придаёт ускорения телам, находящимся внутри неё. То есть если бы Земля была полой с массой распределённой равномерно по оболочке, то внутри, в любом точке будет состояние невесомости. Мне показалось это абсурдом и я предложил Gemini написать код. Предложил создать множество объектов и расположить их по кругу. Также свободный объект, который можно перемещать с помощью мышки. Все объекты по кругу притягивают этот свободный объект. (Притяжение обратно пропорционально квадрату расстояния) Программа должна с помощью стрелки (вектора) показывать равнодействующую всех сил. В результате модель показывала, что притяжение полностью компенсируется только в центре круга. В других местах внутри круга притяжение действует по направлению к ближайщей точке окружности. Написал Gemini о проблеме, она долго сопротивлялась, утверждая, что никакого притяжения не должно быть. В итоге я понял, что проблема может быть в том, что симуляция происходит в 2д, но Gemini об этом не сообщал. Хотел поиздеваться над ней. В итоге она сама догадалась и предложила исправленный вариант с 3d сферой. Видео модели и код в комментах