Я тут подумал, что воскресенье — это отличный денёк для того, чтобы тешить свои эстетические потребности. А что если выкладывать по воскресеньям результаты красивых генераций?
Вот, например, разнообразные бабочки. Нарисовал, пока прогуливался. Почему бы и нет? Заодно проверил, как модели ГенИИ рисуют различные виды насекомых (пока плоховато, если честно). Нарисовал десять бабочек, названия которых вспомнил. В комментариях пишите — каких бабочек узнали.
Кстати, по латинскому систематическому названию модели работают намного эффективнее и более корректно.
Напишите в комментариях, как вам такая идея?
Вот, например, разнообразные бабочки. Нарисовал, пока прогуливался. Почему бы и нет? Заодно проверил, как модели ГенИИ рисуют различные виды насекомых (пока плоховато, если честно). Нарисовал десять бабочек, названия которых вспомнил. В комментариях пишите — каких бабочек узнали.
Кстати, по латинскому систематическому названию модели работают намного эффективнее и более корректно.
Напишите в комментариях, как вам такая идея?
Введение в распределённый искусственный интеллект: концепция и принципы
Дорогие читатели!
Сегодня мы начинаем новую серию заметок в нашем Телеграм-канале «Технооптимисты», которая будет посвящена распределённому искусственному интеллекту. В этой серии заметок мы постараемся глубоко, но простыми словами рассматривать концепцию и принципы этой захватывающей области.
Что же такое распределённый искусственный интеллект? Это концепция, основанная на использовании сети когнитивных агентов, которые работают вместе для решения сложных задач. Каждый агент в этой сети обладает собственными вычислительными возможностями и способностями. При этом данные и вычисления распределяются между узлами, что позволяет достичь более высокой производительности и эффективности.
Основной принцип распределённого искусственного интеллекта заключается в том, что каждый агент принимает участие в обработке информации и принятии решений. При этом агенты могут обмениваться данными и координировать свои действия с помощью различных алгоритмов и протоколов. Это позволяет создавать распределённые и децентрализованные системы, способные решать сложные задачи, которые были бы недоступны для отдельных агентов.
Распределённый искусственный интеллект имеет широкий спектр применений. Например, в области машинного обучения и глубокого обучения распределённые системы могут обрабатывать большие объёмы данных и ускорять процесс обучения моделей. В автономных системах распределённые алгоритмы позволяют реализовать коллективное поведение и координацию между различными устройствами.
Однако, существуют и вызовы, связанные с распределённым искусственным интеллектом. Например, необходимо обеспечить безопасность и защиту данных при обмене информацией между узлами. Также важно разрабатывать эффективные алгоритмы распределения задач и управления ресурсами для достижения оптимальных результатов. Всё это мы рано или поздно постараемся рассмотреть в наших заметках.
➡️ Важные понятия:
Чтобы начать изучать положения распределённого искусственного интеллекта, важно получить понимание базовых понятий. Вот они:
Автономный агент — сущность, обладающая способностью действовать и принимать решения независимо от других агентов. Он имеет свои цели, знания и возможности взаимодействия с окружающей средой.
Многоагентная система — система, состоящая из нескольких автономных агентов, которые взаимодействуют друг с другом для достижения общих или индивидуальных целей. В такой системе агенты могут сотрудничать, конкурировать или действовать независимо друг от друга.
Взаимодействие агентов — процесс обмена информацией, коммуникации и совместной работы между автономными агентами в многоагентной системе. Взаимодействие может осуществляться путём обмена сообщениями, совместного выполнения задач или координации действий.
Роевой интеллект — концепция, основанная на моделировании коллективного поведения, вдохновлённого поведением животных в стаях или роях. Роевой интеллект предполагает, что небольшие простые агенты, действуя вместе, могут проявлять сложное и адаптивное поведение.
Распределённый искусственный интеллект — область искусственного интеллекта, связанная с разработкой и использованием систем и алгоритмов, которые объединяют несколько автономных агентов для решения сложных задач. Распределённый искусственный интеллект предполагает распределение вычислительной нагрузки и взаимодействие между агентами для достижения лучших результатов.
Дорогие читатели!
Сегодня мы начинаем новую серию заметок в нашем Телеграм-канале «Технооптимисты», которая будет посвящена распределённому искусственному интеллекту. В этой серии заметок мы постараемся глубоко, но простыми словами рассматривать концепцию и принципы этой захватывающей области.
Что же такое распределённый искусственный интеллект? Это концепция, основанная на использовании сети когнитивных агентов, которые работают вместе для решения сложных задач. Каждый агент в этой сети обладает собственными вычислительными возможностями и способностями. При этом данные и вычисления распределяются между узлами, что позволяет достичь более высокой производительности и эффективности.
Основной принцип распределённого искусственного интеллекта заключается в том, что каждый агент принимает участие в обработке информации и принятии решений. При этом агенты могут обмениваться данными и координировать свои действия с помощью различных алгоритмов и протоколов. Это позволяет создавать распределённые и децентрализованные системы, способные решать сложные задачи, которые были бы недоступны для отдельных агентов.
Распределённый искусственный интеллект имеет широкий спектр применений. Например, в области машинного обучения и глубокого обучения распределённые системы могут обрабатывать большие объёмы данных и ускорять процесс обучения моделей. В автономных системах распределённые алгоритмы позволяют реализовать коллективное поведение и координацию между различными устройствами.
Однако, существуют и вызовы, связанные с распределённым искусственным интеллектом. Например, необходимо обеспечить безопасность и защиту данных при обмене информацией между узлами. Также важно разрабатывать эффективные алгоритмы распределения задач и управления ресурсами для достижения оптимальных результатов. Всё это мы рано или поздно постараемся рассмотреть в наших заметках.
➡️ Важные понятия:
Чтобы начать изучать положения распределённого искусственного интеллекта, важно получить понимание базовых понятий. Вот они:
Автономный агент — сущность, обладающая способностью действовать и принимать решения независимо от других агентов. Он имеет свои цели, знания и возможности взаимодействия с окружающей средой.
Многоагентная система — система, состоящая из нескольких автономных агентов, которые взаимодействуют друг с другом для достижения общих или индивидуальных целей. В такой системе агенты могут сотрудничать, конкурировать или действовать независимо друг от друга.
Взаимодействие агентов — процесс обмена информацией, коммуникации и совместной работы между автономными агентами в многоагентной системе. Взаимодействие может осуществляться путём обмена сообщениями, совместного выполнения задач или координации действий.
Роевой интеллект — концепция, основанная на моделировании коллективного поведения, вдохновлённого поведением животных в стаях или роях. Роевой интеллект предполагает, что небольшие простые агенты, действуя вместе, могут проявлять сложное и адаптивное поведение.
Распределённый искусственный интеллект — область искусственного интеллекта, связанная с разработкой и использованием систем и алгоритмов, которые объединяют несколько автономных агентов для решения сложных задач. Распределённый искусственный интеллект предполагает распределение вычислительной нагрузки и взаимодействие между агентами для достижения лучших результатов.
➡️ Литература для погружения:
К сожалению, литературы по этой теме не так много, особенно глубокой литературы. Есть несколько классических источников, а также несколько монографий. Плюс мы нашли для вас очень неплохой обзор по теме, выпущенный в 2023 году. Берите всё:
1. Тарасов В. Б. (2002) От многоагентных систем к интеллектуальным организациям // Серия «Науки об искусственном». — URSS, 2002. — 352 с. — ISBN 5-8360-0330-0. — URL: https://clck.ru/3BuQJY
2. Janbi N., Katib I., Mehmood R. (2023) Distributed artificial intelligence: Taxonomy, review, framework, and reference architecture // Intelligent Systems with Applications, Vol. 18, May 2023. — DOI: 10.1016/j.iswa.2023.200231. — URL: https://clck.ru/3BuQUs
3. Huhns M. N. (1987) Distributed artificial intelligence // Research notes in artificial intelligence, Pitman, London, 1987. — 280 p. — ISSN 0268-7526. — URL: https://clck.ru/3BuQgR
4. Readings in Distributed artificial intelligence (1988) / eds. Bond A. H., Gasser L. — Morgan Kaufmann Publishers, California, USA, 1988. — 629 p. — ISBN 0-934613-63-X. — URL: https://clck.ru/3BuQvm
В следующей заметке мы рассмотрим технологии распределённых систем для искусственного интеллекта. Будьте на связи и следите за обновлениями на нашем канале «Технооптимисты»: @drv_official!
К сожалению, литературы по этой теме не так много, особенно глубокой литературы. Есть несколько классических источников, а также несколько монографий. Плюс мы нашли для вас очень неплохой обзор по теме, выпущенный в 2023 году. Берите всё:
1. Тарасов В. Б. (2002) От многоагентных систем к интеллектуальным организациям // Серия «Науки об искусственном». — URSS, 2002. — 352 с. — ISBN 5-8360-0330-0. — URL: https://clck.ru/3BuQJY
2. Janbi N., Katib I., Mehmood R. (2023) Distributed artificial intelligence: Taxonomy, review, framework, and reference architecture // Intelligent Systems with Applications, Vol. 18, May 2023. — DOI: 10.1016/j.iswa.2023.200231. — URL: https://clck.ru/3BuQUs
3. Huhns M. N. (1987) Distributed artificial intelligence // Research notes in artificial intelligence, Pitman, London, 1987. — 280 p. — ISSN 0268-7526. — URL: https://clck.ru/3BuQgR
4. Readings in Distributed artificial intelligence (1988) / eds. Bond A. H., Gasser L. — Morgan Kaufmann Publishers, California, USA, 1988. — 629 p. — ISBN 0-934613-63-X. — URL: https://clck.ru/3BuQvm
В следующей заметке мы рассмотрим технологии распределённых систем для искусственного интеллекта. Будьте на связи и следите за обновлениями на нашем канале «Технооптимисты»: @drv_official!
Привет, друзья!
Мы делали-делали и, наконец-то, сделали. Представляем вашему вниманию брошюру с компиляцией материалов нашего канала по теме «Воплощённый искусственный интеллект». Скачивайте, читайте, просвещайтесь, удивляйтесь.
Можете распространять. Информация хочет быть свободной.
Мы делали-делали и, наконец-то, сделали. Представляем вашему вниманию брошюру с компиляцией материалов нашего канала по теме «Воплощённый искусственный интеллект». Скачивайте, читайте, просвещайтесь, удивляйтесь.
Можете распространять. Информация хочет быть свободной.
Всем привет и хорошего четвергового настроения. В 12:00, примерно через полчаса, присоединяйтесь к нашему прямому эфиру. На подкасте «Технооптимисты» мы продолжим изучать то, какое образование даёт один из ведущих университетов России — Национальный исследовательский ядерный университет «МИФИ».
Мы продолжаем повышать градус, и сегодня у нас в студии — отец Родион, директор Института фундаментальных проблем социо-гуманитарных наук НИЯУ МИФИ. Он отвечает за социо-гуманитарное наполнение всех образовательных программ в МИФИ.
Действительно, в МИФИ произошла полная перезагрузка гуманитарного блока, и сегодня мы обсудим, для чего физикам изучать лирику (надо!).
Подключайтесь сюда: https://www.youtube.com/watch?v=_84f1WCVG2Y — и ждём ваши вопросы в прямом эфире.
Мы продолжаем повышать градус, и сегодня у нас в студии — отец Родион, директор Института фундаментальных проблем социо-гуманитарных наук НИЯУ МИФИ. Он отвечает за социо-гуманитарное наполнение всех образовательных программ в МИФИ.
Действительно, в МИФИ произошла полная перезагрузка гуманитарного блока, и сегодня мы обсудим, для чего физикам изучать лирику (надо!).
Подключайтесь сюда: https://www.youtube.com/watch?v=_84f1WCVG2Y — и ждём ваши вопросы в прямом эфире.
YouTube
Технооптимисты: ИИ в МИФИ: в поиске равновесия образовательной среды (выпуск 48)
Кто и как делает учебный процесс оптимальным для студентов и преподавателей? О незримой, но важной работе управления.
В новом выпуске подкаста «Технооптимисты» мы рассматриваем тему «ИИ в МИФИ: в поиске равновесия образовательной среды». Как создать оптимальный…
В новом выпуске подкаста «Технооптимисты» мы рассматриваем тему «ИИ в МИФИ: в поиске равновесия образовательной среды». Как создать оптимальный…
Как вам идея прошлого воскресенья с бабочками?
Anonymous Poll
50%
Отличная идея, продолжайте
50%
Ну такое, пролистал без интереса
0%
Ещё раз сделаете, отпишусь
Привет, коллеги!
Сегодня мы продолжаем нашу новую серию «Распределённый искусственный интеллект», и у нас вторая тема — распределённые вычисления и ИИ: основы взаимодействия. Давайте вообще погрузимся в то, что такое распределённые вычисления и возможны ли они на самом деле?
А вообще, что такое вычисления? Вычисление — процесс обработки входных данных при помощи использования некоторого алгоритма с целью получения результата (решения поставленной задачи). Фактически, это и есть то самое базовое понятие метаматематики, которому крайне затруднительно дать определение. Выше, фактически, вычисления определены через алгоритм, а это сама база. Алгоритм получает входные данные и выдаёт результат, реализуя некоторую последовательность шагов преобразования информации. А вычисления, стало быть, представляют собой процесс реализации алгоритма.
Умудрённые читатели нашего канала уже поняли, что речь идёт о функции для вычисления результата на основе значений входных параметров. Наиболее общей математической моделью этого дела является функция из битовой строки в битовую строку произвольных длин. Графически это изображается в виде обычной кибернетической схемы с прямоугольником, в который входит N битовых стрелок, а выходит из него M таких же битовых стрелок. Ну и на самом прямоугольнике написана буква F. Также в кибернетических терминах этот прямоугольник может быть белым (прозрачным) ящиком, чёрным ящиком или даже серым.
Функция (алгоритм) реализуются при помощи какого-то физического устройства. В нашей Вселенной это всегда так. Чтобы вычислить функцию (исполнить алгоритм), нам нужен вычислитель — по-английски computer, от compute = вычислять. Компьютер — это именно физическое устройство, которое реализует вычисления. И это не обязательно то самое, что сейчас вы используете для чтения этой заметки. Собственно, срыв покровов для тех, кто вдруг не знал :)
Нетривиальные примеры компьютеров:
1️⃣ Древний грек со своим абаком.
2️⃣ Советский бухгалтер со своими счётами или даже механической машиной «Феликс».
3️⃣ Бюро, заполненное девушками с карандашами и блокнотами.
4️⃣ Армия сигнальщиков с флажками в руках (см. книгу «Тёмный лес» Лю Цысиня).
Собственно, два последних примера показывают распределённые вычислительные системы. Таким образом, распределённые вычисления — подход к выполнению вычислений, основанный на распределении данных и задач по их обработке между несколькими «атомарными» компьютерами, то есть индивидуальными вычислительными устройствами. При этом все индивидуальные устройства работают в единой сети передачи информации. В распределённых вычислениях каждое устройство выполняет свою часть работы, обмениваясь информацией и координируя свои действия с другими устройствами в вычислительной системе (узел сети).
Основная идея распределённых вычислений состоит в том, чтобы разделить задачу на более мелкие подзадачи и распределить их между узлами сети. Каждый узел выполняет свою часть работы независимо от других узлов, используя доступные ему вычислительные ресурсы. После выполнения своей задачи узлы обмениваются результатами и объединяют их для получения окончательного результата.
Преимущества распределённых вычислений достаточно очевидны и включают в себя: повышение производительности, повышение уровня отказоустойчивости, снижение времени выполнения задач и масштабируемость всей системы. Распределённые вычисления позволяют эффективно использовать ресурсы, ускорить обработку больших объёмов данных и решать сложные задачи, которые были бы недоступны для отдельных устройств.
Несмотря на кажущееся великолепие идеи, у распределённых вычислений есть свои ограничения. В первую и главную очередь — это такая сложная задача, как разработка эффективных алгоритмов распределения задач и управления ресурсами.
Сегодня мы продолжаем нашу новую серию «Распределённый искусственный интеллект», и у нас вторая тема — распределённые вычисления и ИИ: основы взаимодействия. Давайте вообще погрузимся в то, что такое распределённые вычисления и возможны ли они на самом деле?
А вообще, что такое вычисления? Вычисление — процесс обработки входных данных при помощи использования некоторого алгоритма с целью получения результата (решения поставленной задачи). Фактически, это и есть то самое базовое понятие метаматематики, которому крайне затруднительно дать определение. Выше, фактически, вычисления определены через алгоритм, а это сама база. Алгоритм получает входные данные и выдаёт результат, реализуя некоторую последовательность шагов преобразования информации. А вычисления, стало быть, представляют собой процесс реализации алгоритма.
Умудрённые читатели нашего канала уже поняли, что речь идёт о функции для вычисления результата на основе значений входных параметров. Наиболее общей математической моделью этого дела является функция из битовой строки в битовую строку произвольных длин. Графически это изображается в виде обычной кибернетической схемы с прямоугольником, в который входит N битовых стрелок, а выходит из него M таких же битовых стрелок. Ну и на самом прямоугольнике написана буква F. Также в кибернетических терминах этот прямоугольник может быть белым (прозрачным) ящиком, чёрным ящиком или даже серым.
Функция (алгоритм) реализуются при помощи какого-то физического устройства. В нашей Вселенной это всегда так. Чтобы вычислить функцию (исполнить алгоритм), нам нужен вычислитель — по-английски computer, от compute = вычислять. Компьютер — это именно физическое устройство, которое реализует вычисления. И это не обязательно то самое, что сейчас вы используете для чтения этой заметки. Собственно, срыв покровов для тех, кто вдруг не знал :)
Нетривиальные примеры компьютеров:
1️⃣ Древний грек со своим абаком.
2️⃣ Советский бухгалтер со своими счётами или даже механической машиной «Феликс».
3️⃣ Бюро, заполненное девушками с карандашами и блокнотами.
4️⃣ Армия сигнальщиков с флажками в руках (см. книгу «Тёмный лес» Лю Цысиня).
Собственно, два последних примера показывают распределённые вычислительные системы. Таким образом, распределённые вычисления — подход к выполнению вычислений, основанный на распределении данных и задач по их обработке между несколькими «атомарными» компьютерами, то есть индивидуальными вычислительными устройствами. При этом все индивидуальные устройства работают в единой сети передачи информации. В распределённых вычислениях каждое устройство выполняет свою часть работы, обмениваясь информацией и координируя свои действия с другими устройствами в вычислительной системе (узел сети).
Основная идея распределённых вычислений состоит в том, чтобы разделить задачу на более мелкие подзадачи и распределить их между узлами сети. Каждый узел выполняет свою часть работы независимо от других узлов, используя доступные ему вычислительные ресурсы. После выполнения своей задачи узлы обмениваются результатами и объединяют их для получения окончательного результата.
Преимущества распределённых вычислений достаточно очевидны и включают в себя: повышение производительности, повышение уровня отказоустойчивости, снижение времени выполнения задач и масштабируемость всей системы. Распределённые вычисления позволяют эффективно использовать ресурсы, ускорить обработку больших объёмов данных и решать сложные задачи, которые были бы недоступны для отдельных устройств.
Несмотря на кажущееся великолепие идеи, у распределённых вычислений есть свои ограничения. В первую и главную очередь — это такая сложная задача, как разработка эффективных алгоритмов распределения задач и управления ресурсами.
Распределение задач — разделение комплексной задачи на более мелкие подзадачи и их распределение между различными узлами системы. Это позволяет увеличить эффективность выполнения задачи, ускорить время обработки и снизить нагрузку на отдельные узлы. Каждый узел выполняет свою часть работы независимо от других узлов, а затем результаты объединяются для получения окончательного результата. Именно распределение задач требует эффективных алгоритмов для определения того, какие задачи могут выполняться параллельно, и как эффективно распределить данные и ресурсы между узлами в сети.
Управление ресурсами — управление доступными вычислительными ресурсами и координация их использования между узлами системы. Ресурсы могут включать процессорное время, память, сетевую пропускную способность и другие вычислительные ресурсы. Управление ресурсами включает в себя разработку алгоритмов и протоколов, которые определяют, какие ресурсы могут быть выделены каждому узлу, как они могут быть использованы эффективно, и как решать конфликты при необходимости. Цель управления ресурсами — обеспечение справедливого и эффективного использования ресурсов всей распределённой вычислительной системы, минимизация потерь и оптимизация производительности.
А что если в качестве узлов распределённой вычислительной сети выступают системы искусственного интеллекта или автономные искусственные когнитивные агенты? Скорее всего, это добавит новые возможности в контексте распределённых вычислений.
Системы искусственного интеллекта могут представлять собой специализированные алгоритмы и модели, способные обрабатывать сложные задачи и принимать решения на основе больших объёмов данных, обрабатывающих их при помощи слабо формализованных алгоритмов на основе моделей и методов машинного обучения. В распределённой вычислительной сети такие системы могут выполнять вычисления на разных узлах параллельно, что позволяет ускорить время выполнения задач и обработку данных. Более того, системы ИИ могут обмениваться информацией и координировать свои действия для выполнения сложных задач, требующих совместной работы и синхронизации.
Автономные искусственные когнитивные агенты представляют собой более сложные системы, обладающие способностью к обучению «на лету», анализу информации и принятию решений на основе контекста и опыта. В распределённой сети такие агенты могут действовать как самостоятельные узлы, способные выполнять задачи, обрабатывать данные и взаимодействовать с другими агентами для достижения общей цели. Это позволяет создавать более гибкие и интеллектуальные системы, способные адаптироваться к изменениям и эффективно решать сложные проблемы.
Использование систем ИИ и автономных агентов в распределённых вычислениях открывает новые перспективы в области интеллектуальных вычислений и решения сложных задач. Это позволяет создавать более гибкие, эффективные и инновационные системы, способные обрабатывать большие объёмы данных, принимать решения на основе контекста и сотрудничать для достижения общих целей. Однако, для успешной реализации таких систем необходимо учитывать сложности синхронизации, управления ресурсами и безопасности, а также реализовать эффективные алгоритмы и архитектуры для координации и взаимодействия между системами ИИ и автономными агентами. И, фактически, это и есть то самое A2X-взаимодействие, о котором мы так много говорили.
Для тех, кому требуется быстрое введение в теорию распределённых вычислений, рекомендуем хорошее учебное пособие ИТМО:
➡️ Косяков М. С. (2014) Введение в распределённые вычисления. — СПб: НИУ ИТМО, 2014. — 155 с. — URL: https://clck.ru/3C3u2K
Оставайтесь с нами. В следующий раз мы поговорим про разные архитектуры распределённых вычислительных систем, которые могут использоваться при построении сетей взаимодействующих когнитивных агентов. Подписывайтесь на канал «Технооптимисты»: @drv_official
Управление ресурсами — управление доступными вычислительными ресурсами и координация их использования между узлами системы. Ресурсы могут включать процессорное время, память, сетевую пропускную способность и другие вычислительные ресурсы. Управление ресурсами включает в себя разработку алгоритмов и протоколов, которые определяют, какие ресурсы могут быть выделены каждому узлу, как они могут быть использованы эффективно, и как решать конфликты при необходимости. Цель управления ресурсами — обеспечение справедливого и эффективного использования ресурсов всей распределённой вычислительной системы, минимизация потерь и оптимизация производительности.
А что если в качестве узлов распределённой вычислительной сети выступают системы искусственного интеллекта или автономные искусственные когнитивные агенты? Скорее всего, это добавит новые возможности в контексте распределённых вычислений.
Системы искусственного интеллекта могут представлять собой специализированные алгоритмы и модели, способные обрабатывать сложные задачи и принимать решения на основе больших объёмов данных, обрабатывающих их при помощи слабо формализованных алгоритмов на основе моделей и методов машинного обучения. В распределённой вычислительной сети такие системы могут выполнять вычисления на разных узлах параллельно, что позволяет ускорить время выполнения задач и обработку данных. Более того, системы ИИ могут обмениваться информацией и координировать свои действия для выполнения сложных задач, требующих совместной работы и синхронизации.
Автономные искусственные когнитивные агенты представляют собой более сложные системы, обладающие способностью к обучению «на лету», анализу информации и принятию решений на основе контекста и опыта. В распределённой сети такие агенты могут действовать как самостоятельные узлы, способные выполнять задачи, обрабатывать данные и взаимодействовать с другими агентами для достижения общей цели. Это позволяет создавать более гибкие и интеллектуальные системы, способные адаптироваться к изменениям и эффективно решать сложные проблемы.
Использование систем ИИ и автономных агентов в распределённых вычислениях открывает новые перспективы в области интеллектуальных вычислений и решения сложных задач. Это позволяет создавать более гибкие, эффективные и инновационные системы, способные обрабатывать большие объёмы данных, принимать решения на основе контекста и сотрудничать для достижения общих целей. Однако, для успешной реализации таких систем необходимо учитывать сложности синхронизации, управления ресурсами и безопасности, а также реализовать эффективные алгоритмы и архитектуры для координации и взаимодействия между системами ИИ и автономными агентами. И, фактически, это и есть то самое A2X-взаимодействие, о котором мы так много говорили.
Для тех, кому требуется быстрое введение в теорию распределённых вычислений, рекомендуем хорошее учебное пособие ИТМО:
➡️ Косяков М. С. (2014) Введение в распределённые вычисления. — СПб: НИУ ИТМО, 2014. — 155 с. — URL: https://clck.ru/3C3u2K
Оставайтесь с нами. В следующий раз мы поговорим про разные архитектуры распределённых вычислительных систем, которые могут использоваться при построении сетей взаимодействующих когнитивных агентов. Подписывайтесь на канал «Технооптимисты»: @drv_official
Пока все чего-то ждут, я продолжаю немного заниматься своим творчеством. Это четвёртая картина из моего цикла «Города». Это Хилверсюм — город Маурица Эшера. Предыдущие три картины из этого цикла: Брюссель, Рим и Фигерас.
Душкин Р. В. Хилверсюм — город Маурица Эшера, 21.07.2024 г., холст 20х20, гуашь, акриловый лак.
Душкин Р. В. Хилверсюм — город Маурица Эшера, 21.07.2024 г., холст 20х20, гуашь, акриловый лак.
Всем привет и хорошего настроения.
Сегодня четверг, и это значит что? А ровно то, что в 12:00 у нас начнётся прямой эфир подкаста «Технооптимисты» на канале «Медиаметрикс». Ну и поскольку у нас всё ещё июль, то есть продолжение приёмной кампании в НИЯУ МИФИ, то у нас следующий гость.
Встречайте: Дмитрий Александрович Самарченко, директор Института общеобразовательной профессиональной подготовки. Обсудим, как в МИФИ с общеобразовательными курсами, поскольку это очень насущный вопрос для первокусников и второкурсников.
Подключайтесь сюда: https://www.youtube.com/watch?v=ax_zuXt9D9I
Задавайте вопросы в чате YouTube, постараемся ответить в прямом эфире.
Сегодня четверг, и это значит что? А ровно то, что в 12:00 у нас начнётся прямой эфир подкаста «Технооптимисты» на канале «Медиаметрикс». Ну и поскольку у нас всё ещё июль, то есть продолжение приёмной кампании в НИЯУ МИФИ, то у нас следующий гость.
Встречайте: Дмитрий Александрович Самарченко, директор Института общеобразовательной профессиональной подготовки. Обсудим, как в МИФИ с общеобразовательными курсами, поскольку это очень насущный вопрос для первокусников и второкурсников.
Подключайтесь сюда: https://www.youtube.com/watch?v=ax_zuXt9D9I
Задавайте вопросы в чате YouTube, постараемся ответить в прямом эфире.
YouTube
Технооптимисты: ИИ в МИФИ: в поиске равновесия образовательной среды (выпуск 49)
Кто и как делает учебный процесс оптимальным для студентов и преподавателей? О незримой, но важной работе управления
В новом выпуске подкаста «Технооптимисты» мы рассматриваем тему «ИИ в МИФИ: в поиске равновесия образовательной среды». Как создать оптимальный…
В новом выпуске подкаста «Технооптимисты» мы рассматриваем тему «ИИ в МИФИ: в поиске равновесия образовательной среды». Как создать оптимальный…