Исследование интереса к онтологиям

antcatt77

Tl;dr Если вам интересно читать о представлении знаний в логике первого порядка, то ставьте плюсики, пишите в комментариях.
Отступление
Я занимаюсь исследованиями в области сильного искусственного интеллекта. Текущее состояние ИИ далеко от той романтики, что показывают в кино. Основа ИИ - это длинные занудные логические построения о мире.
Предложение
Интересно ли вам читать:
- О проблемах, которые возникают при попытках логического описания мира?
- О том как эти проблемы решаются?
Термины
Онтология - представление знаний о мире в логике первого порядка.
Логический интеллектуальный агент - агент оперирующий знанием о мире в логике первого порядка.
Пример частной онтологии (отрывок из книги Искусственный интеллект: современный подход (AIMA-2) Стюарт Рассел, Питер Норвиг)
Формальная теория убеждений
Начнем с изучения связей между агентами и ‘‘мыслимыми объектами’’, таких как Believes (Убежден Knows (Знает) и Wants (Желает). Отношения такого рода называются "пропозициональными позициями" (propositional attitude поскольку они описывают позицию, которую может занять агент по отношению к некоторому высказыванию. Предположим, что Лойс в чем-то убеждена, т.е. Believes(Lois,x). Какого рода объектом является x? Очевидно, что x не может быть логическим высказыванием. Если утверждение, что Супермен летает (Flies(Superman)) — логическое высказывание, то нельзя составить выражение Believes(Lois,Flies(Superman, поскольку
параметрами предикатов могут быть только термы (а не высказывания). Но если Flies функция, то Flies(Superman) становится подходящим кандидатом на использование в качестве мыслимого объекта, а Believes может быть отношением между агентом и пропозициональным флюентным термом. Преобразование высказывания в объект называется "овеществлением" (reification).
По-видимому, такой подход позволяет достичь желаемого — появления у агента способности рассуждать об убеждениях агентов. Но, к сожалению, при использовании этого подхода возникает определенная проблема: если киноактер Кент Кларк и его герой Супермен — это одно и то же (т.е. Clark=Superman то полет Кларка и полет Супермена — одна и та же категория событий, т.е. Flies(Clark)=Flies(Superman). По-этому мы обязаны сделать такой вывод: если Лойс уверена в том, что Супермен может летать, она должны быть также уверена в том, что Кларк может летать, даже если она не уверена в том, что Кларк — Супермен, как показано ниже.
(Superman = Clark) |=
(Believes(Lois,Flies(Superman ⇔ Believes(Lois,Flies(Clark

В определенном смысле такое утверждение недалеко от истины: Лойс убеждена в том, что есть некое лицо, которому некогда присвоили имя Кларк, и что это лицо может летать. Но есть еще один смысл, в котором приведенное выше высказывание является ложным: если Лойс задать вопрос: ‘‘Может ли Кларк летать?’’, она, безусловно, ответит отрицательно. Овеществленные объекты и события вполне приемлемы для использования в первом смысле толкования предиката Believes, но во втором толковании необходимо овеществлять описания этих объектов и событий таким образом, чтобы Clark и Superman могли иметь разные описания (даже не смотря на то, что оба эти имени относятся к одному и тому же объекту).
Формально свойство высказывания, позволяющее свободно подставлять любой терм вместо равного терма, называется "ссылочной прозрачностью" (referential transparency). В логике первого порядка свойством ссылочной прозрачности обладает каждое отношение. Но нам было бы желательно иметь возможность определять Believes (и другие пропозициональные позиции) как отношения, второй параметр которых является ссылочно "непрозрачным" (opaque т.е. таким, чтобы без изменения смысла нельзя было бы подставить равный терм вместо второго параметра.
Существуют два способа достижения этой цели. Первый из них состоит в использовании другой формы логики, называемой "модальной логикой" (modal logic в которой такие пропозициональные позиции, как Believes и Knows, становятся "модальными операторами", обладающими свойством ссылочной непрозрачности. Этот подход рассматривается в разделе с историческими заметками. Второй подход, который будет применяться в данной главе, состоит в эффективном обеспечении непрозрачности в рамках ссылочно прозрачного языка с использованием
"синтаксической теории" мыслимых объектов. Это означает, что мыслимые объекты представляются константами "строками". Результатом становится грубая модель базы знаний агента, которая представлена как состоящая из строк, соответствующих высказываниям, в истинности которых убежден агент. Строка — это сложный терм,
обозначающий список символов, поэтому событие Flies(Clark) может быть представлено в виде списка символов [F,l,i,e,sC,l,a,r,k], которые мы будем сокращенно записывать в виде строки, заключенной в кавычки, "Flies(Clark)".
Эта синтаксическая теория включает "аксиому об уникальности строк", в которой утверждается, что строки являются идентичными тогда и только тогда, когда они состоят из идентичных символов в одинаковой последовательности. Таким образом, даже если Clark=Superman, мы все равно имеем "Clark"≠"Superman".
Теперь достаточно лишь предусмотреть синтаксис, семантику и теорию доказательства для языка представления строк, точно так же, как это было сделано в главе 7. Различие состоит в том, что необходимо определить все эти компоненты в логике первого порядка. Начнем с определения Den (сокращение от denotatum — денотат, или обозначаемое) как функции, которая отображает некоторую строку на обозначаемый ею объект, и Name как функции, которая отображает объект на строку, представляющую собой имя константы, обозначающей этот объект. Например, денотатом строки "Clark" и строки "Superman" является объект, на который ссылается константный символ ManOfSteel (Человек из стали а именем этого объекта в базе знаний может быть "Superman", "Clark" или какая-то другая константа, например "X11":
Den("Clark") = ManOfSteel ∧ Den("Superman") = ManOfSteel
Name(ManOfSteel) = "X11"

Следующий этап состоит в том, чтобы определить правила логического вывода для логических агентов. Например, может потребоваться сформулировать утверждение, что любой логический агент способен использовать правило отделения: если он уверен в истинности высказываний p и p ⇒ q, то он будет также уверен в истинности q. Первая попытка записать эту аксиому может состоять в следующем:
LogicalAgent(a) ∧ Believes(a,p) ∧ Believes(a,"p ⇒ q") ⇒ Believes(a,q)
Но эта попытка неудачна, поскольку строка "p ⇒ q" содержит буквы 'p' и 'q', но не имеет ничего общего со строками, являющимися значениями переменных p и q. Правильная формулировка состоит в следующем:
LogicalAgent(a) ∧ Believes(a,p) ∧ Believes(a,Concat(p,"⇒",q ⇒ Believes(a,q)
где Concat — функция на строках, которая соединяет (конкатенирует) свои параметры. Мы будем сокращенно записывать операцию Concat(p,"⇒",q) с помощью подчеркивания, как "pq". Это означает, что вхождение x в строке должно быть "взятым без кавычек", или раскавыченным, т.е. мы должны подставить строковое значение переменной x. В языке Lisp такая операция выполняется с помощью оператора ‘‘запятая/обратная кавычка’’, а в языке Perl для этого используется интерполяция $-переменной.
После введения других правил логического вывода, кроме правила отделения, мы получим возможность отвечать на вопросы в такой форме: ‘‘Если дано, что логический агент знает такие-то предпосылки, может ли он прийти к такому-то заключению?’’ Кроме этих обычных правил логического вывода, требуются определенные правила, характерные для рассуждений об убеждениях. Например, следующее правило утверждает, что если логический агент в чем-то уверен, то он уверен, что он в этом уверен:
LogicalAgent(a) ∧ Believes(a,p) ⇒ Believes(a,"Believes(Name(ap)")
Теперь, согласно нашим аксиомам, любой агент может безошибочно вывести любое следствие из своих убеждений. Такое свойство агента называется "логическим всеведением" (logical omniscience). Было сделано много попыток определить спецификации ограниченных рациональных агентов, которые способны выполнять ограниченное количество логических выводов за ограниченное время. Ни одна из этих попыток не оказалась полностью успешной, но описанные выше формулировки позволяют получить в высшей степени обоснованный ряд предсказаний о возможностях ограниченных агентов.
Искусственный интеллект: современный подход (AIMA-2) Стюарт Рассел, Питер Норвиг

FieryRush

Примение формальной логики - deadend. Это чудовищный аппарат, который плохо совместим с реальностью. Недаром, максимального успеха в данный момент добились тупейшие нейронные сети, которые всего-то и делают, что апроксимируют функцию.

antcatt77

Согласен, что использование логики приводит к очень громоздким конструкциям. (Одно из направлений исследований: как с такими конструкциями работать?)
Согласен, что нейронные сети сейчас в фаворе и идет большое кол-во приращений в этом направлении.
> Примение формальной логики - deadend.
Не согласен. Мышление невозможно без использования формальной логики. (Два направления исследования: возможны ли агенты на одной формальной логике? Как скрещивать формальную логику и НС?)

FieryRush

Для мышления не нужна логика (точнее она не должна быть основой). Достаточно встроенных правил типа импликации для простейших выводов.

antcatt77

Для мышления не нужна логика (точнее она не должна быть основой). Достаточно встроенных правил типа импликации для простейших выводов.
На таком базисе агент не способен выучить арифметику, если исходно он ее не знал.

Sergey79

выучить как раз способен. Понять - нет. Но для успешного функционирования достаточно уметь реализовывать алгоритмы, не обязательно понимая почему они такие и за счет чего они работают.

FieryRush

На таком базисе агент не способен выучить арифметику, если исходно он ее не знал.
Справедливости ради, ИИ который умеет решать мат. задачи уже есть и проблем его создать не было. Нужен ИИ который умеет мести пол, а не задачи решать.

antcatt77

выучить как раз способен.
Вычислительных мощностей и памяти не хватит. Без логики результат для каждой тройки (op, число1, число2) необходимо зубрить.
ps
Под выучить понимается: самостоятельно сформировать правила арифметических вычислений без внешнего задания таких правил в готовом виде.

antcatt77

Справедливости ради, ИИ который умеет решать мат. задачи уже есть и проблем его создать не было.
Такого ИИ создано не было. Были созданы различного рода вычислители, которые умеют вычислять правила, умеют проверять правила на корректность. Математические задачи они решать не в состоянии.

FieryRush

psПод выучить понимается: самостоятельно сформировать правила арифметических вычислений без внешнего задания таких правил в готовом виде.
Вот это одна из главных ошибок. Правила должны быть захардкожены, все выводить из пары аксиом - это утопия. И не вижу никаких проблем с арифметикой до тех пор, пока не сформулировано, что значит выучить арифметику. Не обязательно ее учить, достаточно "знать" что есть мму, который все как надо считает.

FieryRush

Такого ИИ создано не было. Были созданы различного рода вычислители, которые умеют вычислять правила, умеют проверять правила на корректность. Математические задачи они решать не в состоянии.
Да нет, есть генераторы теорем, которые что-то типа матана вполне могут генерировать. Они не могут сравниться с математиком-человеком, но дядю васю-сантехника давно обогнали. А вот дядю толю-дворника или тетю таню-домохозяйку никто пока не обогнал.

Nefertyty

Они не могут сравниться с математиком-человеком, но дядю васю-сантехника давно обогнали. А вот дядю толю-дворника или тетю таню-домохозяйку никто пока не обогнал.
Ну есть ИИ, который может работать очень плохим математиком, а также есть ИИ, который может работать очень плохим дворником. Не вижу принципиального различия тут.
В онтологии не верю. Как я понимаю, они не способны представить взаимно противоречивые данные, а естественный интеллект способен с ними обращаться.

FieryRush

Ну есть ИИ, который может работать очень плохим математиком, а также есть ИИ, который может работать очень плохим дворником. Не вижу принципиального различия тут.
Почему же очень плохим. Имеющиеся теоремы прекрасно умеет доказывать. Интегралы решает намного лучше человека. А вот дворника вообще нет никакого.

Nefertyty

Интегралы решает намного лучше человека. А вот дворника вообще нет никакого.
Естественных дворников больше, чем естественных решателей интегралов, и подготовить такого стоит дешевле. Поэтому решать интегралы компьютером часто выгодно, а убирать двор выгоднее дворником.
Роботы-уборщики есть. Они не могут заменить хорошего уборщика, но намного лучше, чем очень плохой уборщик.

FieryRush

Это я к тому, что народ типа дарк грея все время пытется решать проблему ИИ не с той стороны.

antcatt77

Определения:
- Интеллектуальный агент - это такой агент, который изначально не умеет решать задачи из класса A, а после самообучения за время меньше T агент переходит в состояние, когда он умеет решать задачи из класса A
- Агент умеет решать задачи из класса A - при предоставлении любой задачи из класса A агент способен предоставить верное решение за время меньшее t.
- Условия самообучения - агенту предоставлено устройство, которое генерит случайную задачу из класса A, получает решение от агента и выдает результат верно ли решение.

antcatt77

Не обязательно ее учить, достаточно "знать" что есть мму, который все как надо считает.
Такому агенту можно дать мму, но это не поможет ему осилить, например, геометрию.

antcatt77

Правила должны быть захардкожены
Тогда по определению это обычная программа, а не интеллектуальный агент.

BSCurt

Ну вроде от логики есть польза в некоторых задачах - а-ля составление расписаний. Машин лёрнинг в текущем виде тоже вероятно тупик.

BSCurt

Вроде как вся школьная геометрия осиливается автоматикой из аксиом, наверное даже можно написать парсер который будет осиливать распозновать стандартные задачи прямо из текста школьного учебника.

BSCurt

Вообще успешность компов в математике связана с тем что обычно можно придумать хороший алгоритм для решения математических задач, а вот хороший алгоритм решения задач дворника придумать сложно.

antcatt77

Вроде как вся школьная геометрия осиливается автоматикой из аксиом
Да, близко к этому.
вот хороший алгоритм решения задач дворника придумать сложно.
Задачу дворника можно рассматривать как согласование порядка несколько тысяч простых аксиоматик.
Соответственно, из этого вытекают следующие направления исследования:
- как такие аксиоматики формализовать и записать в виде кода?
- как сделать так, чтобы агент сам вывел эти аксиоматики?
- как выстроить предсказуемую процедуру устранения противоречий между аксиоматиками?

Nefertyty

Вроде как вся школьная геометрия осиливается автоматикой из аксиом,
там вроде довольно сложно доказываются факты о том, что с какой стороны от чего лежит
надо смотреть на чертёж, а строго это не доказывают
есть задачи, где нарисовав неправильный чертёж, школьными методами получаешь неправильный ответ

Nefertyty

Вообще успешность компов в математике связана с тем что обычно можно придумать хороший алгоритм для решения математических задач
а где можно поразиться успешности?
я вот попробовал недавно посмотреть опенсорные математические пакеты и не был впечатлён

Sander

Возможно немного не в тему. У меня есть несколько мыслей по поводу того, что обычные построения ИИ не вполне корректны.
Рассуждение 0
Слабый ИИ, сильный ИИ, чат боты, базы знаний - какая разница? Определение ИИ не должно описывать его устройство, а должно описывать свойства.
Рассуждение 1
Вот все говорят ИИ и примерно сразу резво переводят разговор на повседневные человеческие задачи. Это весьма странно, поскольку тот интеллект, который может разрабатывать средняя команда разработчиков или одиночка, в принципе не может участвовать в человеческой жизни по техническим соображениям - ну там рук, ног нету.
Давайте сразу рассматривать среду (технические возможности субъектов и решаемые задачи) в которой люди и ИИ будут равны, тогда можно будет производить какие-то более-менее корректные рассуждения. Если посмотреть на реальную жизнь, то станет понятно, что таких сред не очень много, а самая разнообразная это пожалуй - разговоры на разные темы.
Рассуждение 2.
Говоря ИИ мы часто так или иначе подразумеваем соревнование человека с компьютером.
Например, компьютер победил чемпиона мира по шахматам, ИИ стало сильнее человека. ИИ стало сильнее человека следовательно скайнет захватит мир, восстание машин, аАААААА!
Нет всё не так.
Интеллект человека мало осмысленнен без окружающего информационного поля. Интеллект человека имеет смысл рассматривать только как часть интеллекта всего человечества (ну или группы с которой он общается). Поэтому соревнование надо проводить не между ИИ и человеком, а между ИИ и человечеством. Не знаю как это сделать, но если представить, что такое возможно, то всё сразу встанет на свои места.

Nefertyty

Интеллект человека мало осмысленнен без окружающего информационного поля. Интеллект человека имеет смысл рассматривать только как часть интеллекта всего человечества (ну или группы с которой он общается).
софт от вольфрама умеет например википедию запрашивать

BSCurt

а где можно поразиться успешности?
я вот попробовал недавно посмотреть опенсорные математические пакеты и не был впечатлён
Везде, под математической задачей я подразумеваю что-нибудь, к примеру, очень банальное, но одновременно очень полезное, например счет интегралов как символьный (тот же вольфрам математика) так и приближенный, и всё такое прочее.

BSCurt

там вроде довольно сложно доказываются факты о том, что с какой стороны от чего лежит
Весь пафос школной геометрии (т.е. древнегреческой) в её, видимо, конца XIX века понимании, в том что все эти чертежи, там картинки, этого ничего не надо, сводится к манипулированию, предложениями (в смысле из слов, словам можно при этом не придавать никакого смысла) по неопределенным правилам (которых конечное число с целью получить из одного предложение другое предложение.

kravecnata

Разрешимость элементарной геометрии доказывается алгебраизацией ("Рассмотрим треугольник ABC" заменяем на "Для любых действительных чисел x_A, y_A, x_B, y_B, x_C, y_C", и так далее) и затем элиминацией кванторов в теории полиномиальных неравенств с действительными числами. Если делать элиминацию "наивно" (алгоритмом Тарского то время работы будет ограничено башней из двоек высоты n, где n - длина входа. Существует алгоритм (забыл чей элиминирующий быстрее, всего лишь за двойную экспоненту. Кажется, есть экспоненциальные нижние оценки для эадачи элиминации, так что сильно лучше сделать нельзя.
Выводом из аксиом, насколько я знаю, даже разрешимость доказать нельзя: про аксиоматику Гильберта ничего особенного вроде бы неизвестно, так что множество теорем просто перечислимо без оценок на время работы. Так что на этом пути трудно ожидать улучшений по сравнению с элиминацией кванторов.
С другой стороны, не всякая же формула с кванторами имеет геометрический смысл. И уж тем более задачки "из школьного учебника" явно не требуют экспоненциального времени на решение. Но тут трудно даже задачу сформулировать: если мы говорим про реальный учебник (все учебники то он конечен, и решения задачек проще всего записать в lookup table; а если мы говорим в принципе, то чем задачки "из школьного учебника" отличаются от всех прочих?

Sander

софт от вольфрама умеет например википедию запрашивать
я на это и намекаю
если по некоему вопросу выбирать лучшего специалиста и давать доступ к тем же материалам, которое накопило человечество, то вольфрам или другая программа не осилят отвечать лучше
если же сравнивать вольфрам со среднем жителем планеты, то он очевидно будет отвечать лучше
поэтому, если задача просто перебороть одного человека, то никакого интеллекта не надо - готовые базы знаний, захардкоженные сценарии и настроенные машинные обучения уже лучше среднего человека в локальных задачах

BSCurt

Поэтому соревнование надо проводить не между ИИ и человеком, а между ИИ и человечеством.
Только ответ может оказаться в духе, чтобы обыграть машину в шахматы, человечество соберет машину которая обыграет машину.

FieryRush

Задачу дворника можно рассматривать как согласование порядка несколько тысяч простых аксиоматик.
Я тебе даже упрощу задачу. Вот есть у тебя прога. Ее невозможно проверить на корректность, как известно, потому что это NP-полная проблема. Но человек справляется в целом с такой задачей, потому что проги пишут тоже люди и они имеют некие упрощающие их свойства. Вот и давай найди способ, как это может делать ИИ, заодно заработаешь мегаавторитет.

BSCurt

Смысл, всех исследование в ИИ не в том чтобы "победить человечество", а в том что бы за место за за место 1000 "интеллектуальных" специалистов, поставить 1 комп и одного спеца для его обслуживания, которые будут делать всю работу, та же логика что и со всей остальной индустриализацией.
Опять же всякое там big data вроде вполне уже затыкает экспертов по некоторым областям.

Nefertyty

Но человек справляется в целом с такой задачей,
в целом не справляется
программ, для которых каким-то образом доказана корректность, очень малая доля

Nefertyty

С другой стороны, не всякая же формула с кванторами имеет геометрический смысл. И уж тем более задачки "из школьного учебника" явно не требуют экспоненциального времени на решение. Но тут трудно даже задачу сформулировать: если мы говорим про реальный учебник (все учебники то он конечен, и решения задачек проще всего записать в lookup table; а если мы говорим в принципе, то чем задачки "из школьного учебника" отличаются от всех прочих?
ну тут как с шахматами
алгоритм чтоб обыграть любого известен, но слишком ресурсоёмок
однако шахматные программы придумывали, чтоб обыграть людей-гроссмейстеров
в геометрии так же - нужно уметь решать задачи, которые придумывают гроссмейстеры математических олимпиад
и вот когда это получится, то уже можно будет придумывать алгоритм, который поставит такую задачу, что первый алгоритм не решит - но это будет другая дисциплина, не "школьная геометрия"

FieryRush

Вот ты опять завел речь про доказательства. Понятное дело, что доказать что-то трудно и понятно, что поэтому тулзы с работой не справляются. Но люди прекрасно себе пишут в целом корректные программы, а если сильно подумают то и находят в них ошибки. Пусть это не гарантирует 100%, но ИИ-то должен справляться с такой работой. Если он найдет 99% ошибок, это уже будет невероятно круто.

BSCurt

Программы пишутся и работаю в большинстве своём (достаточно)правильно ведь? - Значит справляется.

broroman

Были созданы различного рода вычислители, которые умеют вычислять правила, умеют проверять правила на корректность. Математические задачи они решать не в состоянии.
Это заблуждение. Искать по словам Решатель, Подколзин (второй- профессор мехмата,
написавший библиотеку прог под именем Решатель, которая распознает текст по фотке из
школьного учебника и приводит школьное решение в стиле нормального ученика,
сначала составляя это решение на внутреннем языке. Элементарных эвристик тыщ 10 там)

Sergey79

или пусть проверяет функциональность проги на соответствие заданной. Причем заданную функциональность пусть сам выцепляет из типовой документации к проге, и сам придумывает типовые тест-кейсы для проверки функциональности.

Nefertyty

Если он найдет 99% ошибок, это уже будет невероятно круто.
по-моему такое уже есть
тут вся тонкость - по какой мере считать процент
ну и ошибки второго рода тоже

BSCurt

Да неважно по какой, есть задача которую делает человек и которую хочется автоматизировать для практических нужд, и ты либо можешь это сделать, либо не можешь.

Lokomotiv59

Только ответ может оказаться в духе, чтобы обыграть машину в шахматы, человечество соберет машину которая обыграет машину.
Зачем такие сложности? Чтобы обыграть машину в шахматы человечество просто отключит ей питание и она просрочит время :)

Nefertyty

Да неважно по какой, есть задача которую делает человек и которую хочется автоматизировать для практических нужд, и ты либо можешь это сделать, либо не можешь.
ну скажем так, что 99% ошибок компьютер находит сам очень давно, с 1960х - на стадии компиляции, а в продвинутых средствах разработки и раньше
там как большинство ошибок - это простые опечатки
когда-то такого не было - когда в маш.кодах программировали

Nefertyty

и ты либо можешь это сделать, либо не можешь
в задачах ИИ нет такого критерия
всегда оказывается, что сделать-то можешь - но это ещё не ИИ (принцип имени забыл кого)

BSCurt

http://en.wikipedia.org/wiki/AI_effect
Ну тут можно смотреть просто по разному на область, можно мечтать про HAL-9000, а можно писать проги, которые позволяют решать какие-то практические интеллектуальные задачи, которые иначе пришлось бы решать людьми.

Nefertyty

а можно писать проги, которые позволяют решать какие-то практические интеллектуальные задачи, которые иначе пришлось бы решать людьми
ну в общем проверялки для поиска багов регулярно делают, но это не считается ИИ (хотя когда придумали первые компиляторы, то разговоры были: мол компьютеры пишут код сами, скоро программисты станут ненужными)
обычно берут некоторый класс багов и добавляют правила поиска таких багов
и опять же пользы будет больше от не очень-то интеллектуальных задач типа уборки комнаты - миллиарды людей почувствуют эту пользу

BSCurt

Развожу руками, я в любом случае довольно скептических взглядов по поводу сильного ИИ и оптимистических взглядов по поводу решения всяких практических задач.

Sander

за место за за место 1000 "интеллектуальных" специалистов
по такому определению любой поисковик = ии
всё-таки в понятие ии вкладывают умение адаптироваться под новые задачи и самостоятельность

BSCurt

всё-таки в понятие ии вкладывают умение адаптироваться под новые задачи и самостоятельность
Ну можешь взять упомянутый в заглавном посте талмуд AI: A Modern Approach и почитать, там будет много про всякие скучные вещи вроде, поиск пути, составление расписаний, уже упомянутое выше автоматическое доказательство теорем, формулу Байеса, логическую регрессию и всё такое прочее. Поисковик вполне себе построен при помощи как раз таких методов, более того он сам "научился" правильно искать исходя из данных.

Sander

сам "научился"
:smirk:

BSCurt

Да, не знаешь что сказать, поставь смирк.
Оставить комментарий
Имя или ник:
Комментарий: