green_fr: (Default)
[personal profile] green_fr
Пишут про то, что в августе 2020 года лопнул трос на телескопе Аресибо — это тот, на который карабкается Бонд в GoldenEye. Оттуда же было послано одно из самых романтических сообщений человечества (по моей личной шкале). В ноябре лопнул ещё один, и на телескоп окончательно решили забить. 1 декабря телескоп рухнул — понятно, что не отражатель (он был более 300 метров в диаметре), а только «приёмник» (облучатель), но ремонту это всё равно не подлежит.


Статья о новых детекторах лжи, основанных на распознавании микро-мимики. Теперь при помощи искусственного интеллекта. Пишут, что технология работает только в рамках сериала Lie to me (я когда-то писал об авторе идеи и консультанте сериала). Равно как и все остальные имеющиеся у нас на вооружении детекторы лжи. В лучшем случае они показывают волнение, не объясняя его причину.

Достоверность описанного детектора с ИИ порядка 70%. Использовать его собираются на контроле в аэропорту. Учитывая мизерную пропорцию людей, врущих на контроле (предположим, пара процентов), детектор всегда тупо говорящий «он не врёт» будет иметь большую достоверность.


Рассказали о выставке современного искусства в замке Chaumont. Точнее об одной работе — MicaPenrose, автор Léa Barbazanges:



Это мозаика Пенроуза из слюды. Помимо математической красоты самой мозаики здесь ещё и эстетическая красота слюды — автор сравнивает переливающиеся цвета с мыльными пузырями, у меня скорее ассоциация с бензиновыми лужами на асфальте. Когда писали журнал, замок был ещё открыт. Сейчас ехать уже поздно — карантин.


Все видели, наверное, как выпавший «мягкий» снег со временем превращается в жёсткую «крупу». Не особо задумываясь о физике процесса, я представлял, что это перепад температуры — подтаяло, и тут же подморозило. Но нет, оказывается, это сглаживание в результате сублимации (и обратного ей процесса, для которого, как мне казалось, было отдельное слово, но Википедия предлагает только «десублимацию»).

Атомы воды с большей лёгкостью «улетают» в атмосферу с тонких частей снежинки, в то время как в обратном направлении они с большей лёгкостью «влипают» в вогнутые части её. В результате тонкие иголочки постепенно пропадают, и снежинка превращается в шарик.

Температура тоже играет свою роль, но чаще перепадом не во времени (подтаяло — подморозило), а в пространстве. Например, когда относительно тёплую землю накрывает толстый слой снега (снег — хороший теплоизолятор), и при этом температура воздуха сильно понижается. Пишут, что, если градиент температуры выше 20°C на метр, то снег точно так же сублимируется на нижней части кристалла, выпадая на верхней его части. Можно представить, что в итоге получается что-то вроде пирамиды остриём вниз, но на самом деле пирамида получается ступенчатой, как у майя — я не совсем понял механику образования ступеней, но умные люди подтверждают. От них же картинка:




Статья о найденных скелетах трёх динозавров. Сложная история о том, почему именно они важны палеонтологам (пытаются понять, как именно прошло уменьшение количества пальцев от пяти, как у крокодила, до двух или трёх, как у птиц), а мне понравилось название этого динозавра: Oksoko avarsan. Первое слово от якутского Ёксёкю — трёхглавый орёл якутского эпоса. А «аварсан» по-монгольски обозначает «спасённый», потому что эти три скелета были конфискованы монгольскими таможенниками у контрабандистов в 2006 году.

По этому поводу, кстати, крайне рекомендую последний выпуск «Голого землекопа». Это выпуск ответов на вопросы слушателей, я поставлю ссылку сразу не нужный мне вопрос. Не пожалейте времени, послушайте душераздирающую историю двух других скелетов динозавров.
Ну и вообще весь подкаст прекрасный, подписывайтесь, если ещё не. Он не только на youtube есть, конечно же.

Date: 2021-02-04 04:05 pm (UTC)
From: [identity profile] p_govorun.livejournal.com
Не "кабель", а трос. (Кабелей там тоже хватает, но то, на чём висит — это трос.)

Date: 2021-02-04 05:02 pm (UTC)
From: [identity profile] green-fr.livejournal.com
Наверняка, немедленно правлю!
Во французском оригинале это câble de soutien — я как-то не обратил внимание на это уточнение :-)

Date: 2021-02-05 08:20 am (UTC)
From: [identity profile] l-i-d-y-a.livejournal.com
При обучении можно скорректировать дисбаланс в обучающем наборе и, соответственно, меру оценки выбрать такую, чтобы система, которая просто говорит "нет" не давала хороший результат.

Date: 2021-02-05 08:58 am (UTC)
From: [identity profile] green-fr.livejournal.com
Я не понял :-)
На всякий случай, под системой, всегда говорящей "нет" я подразумеваю реальное отсутствие какой бы то ни было логики. То есть просто функция "return false".

Date: 2021-02-05 09:11 am (UTC)
From: [identity profile] l-i-d-y-a.livejournal.com
Качество работы системы определяется какой-то мерой. Если эта мера — просто процент правильных ответов, то система, которая говорит "нет" будет, конечно, давать очень хороший результат. А если, например, считать отдельно процент правильных ответов когда пассажир врет и когда не врет, и потом усреднять, то это уже не будет оптимальной стратегией. Очевидно, они свою систему с 70% правильных ответов оптимизировали не просто под ответ правильных ответов, а под какую-то меру, где ошибка false positive гораздо "дороже", чем false negative.

Date: 2021-02-05 09:17 am (UTC)
From: [identity profile] green-fr.livejournal.com
Я упростил, в статье приводили отдельно процент ложных положительных и ложных отрицательных, примерно одного порядка, я упростил до "70%". Но в моём примере с тупой системой у неё же 0% ложных положительных и минимальный процент ложных отрицательных — всяко лучше чем порядка 30% и тот, и другой? Как меру ни строй. Разве только если выбрать мерой качества количество верно определённых положительных случаев — достаточно ужасная мера, которая к тому же бьётся другой тупой системой, которая всегда отвечает "да".

Date: 2021-02-05 09:32 am (UTC)
From: [identity profile] l-i-d-y-a.livejournal.com
А, ну значит она неплохо работает, если на таких редких примерах все же 70%. Наверное, можно еще улучшить. Обычно берут взвешенное среднее, где у разных классов разный вес. Типа тот класс, где вранье в десять раз более важный, но второй тоже учитывается, иначе, действительно она начнет говорить всегда "да".

Date: 2021-02-05 10:13 am (UTC)
From: [identity profile] green-fr.livejournal.com
Неплохо с академической точки зрения — об этом, собственно, и статья. Я же говорил о практической — использовать её совершенно невозможно именно из-за лавины ложно-положительных результатов. Что в аэропорту делать со всеми этими людьми?

В статье говорили скорее о тупике, если не рассматривать варианты расширения метода. Не просто следить за мимикой (проблема, насколько я понял, ещё и в том, что данных для обучения не так много, просто так не нагенеришь записей обмана на границе), а использовать мимику как один из многих признаков (насколько я понял, это и есть твоё "взвешенное среднее"). Ну и привычно проехались по Китаю и прочим странам, уже сейчас ставящим на эту откровенно сырую технологию.

Date: 2021-02-05 10:18 am (UTC)
From: [identity profile] l-i-d-y-a.livejournal.com
Да, чтоб реально применять, надо процентов 90.

Date: 2021-02-05 10:22 am (UTC)
From: [identity profile] green-fr.livejournal.com
Так примерно та же проблема будет. Ну вот берём пример из статьи: 1000 человек, из них 10 врут. Система с 90% точностью (и там, и там) укажет нам на 99 человек, 9 из которых верно-положительные, а 90 — ложно-положительные. Да, процент нарушителей в выборке увеличился в 10 раз — но всё равно, что делать с этой толпой людей? Обыскивать и допрашивать 10% всего потока пассажиров аэропорта? Или на улице?

Date: 2021-02-05 10:36 am (UTC)
From: [identity profile] l-i-d-y-a.livejournal.com
Это в любом случае лучше, чем обыскивать и допрашивать всю тысячу человек. Еще интересно, с какой точностью люди способны выявлять вранье. Может, у них тоже не выше семидесяти процентов получается.

Date: 2021-02-05 11:10 am (UTC)
From: [identity profile] green-fr.livejournal.com
Кстати да, точно :-) Я так рассуждаю, как будто у нас есть лучшая альтернатива :-)

Profile

green_fr: (Default)
green_fr

June 2025

S M T W T F S
123 4 567
891011121314
15161718192021
22232425262728
2930     

Most Popular Tags

Style Credit

Expand Cut Tags

No cut tags
Page generated Jun. 6th, 2025 03:59 pm
Powered by Dreamwidth Studios
OSZAR »