mayton2019

Это называется сбор сведений. К ИИ не имеет никакого отношения.

В самой нейросети. Нейросеть - это и есть память. Она конечно загадочным образом сочетает
в себе и память и процессинг но в этом вся идея.

В геймдеве нету проблем сделать умного бота. И ИИ здесь вобщем-то не при делах. Бот на обычной линейной логике вполне себе симулирует интеллект. Я общался недавно на эту тему с одним тех-лидом. Он говорит - что в целом для игры это не нужно ИИ. Заказчик не видит никакого резона. Игрок щас пошел глупый. Ленивый. И иногда ему надо наоборот понизить планку требований. И сделать игру комфортной. Грубо говоря бот должен быть просто пушечным мясом. И это - хороший бот.

Matlab - это старое десктопное приложение. Оно создавалось для работы на конкретной рабочей станции
(десктоп) и скорее всего не сможет использовать ресурсы облака или кластера. По оставшимся
библиотекам tensorflow,pytoch,keras я не знаю. Я-бы почитал их стек технологий. Возможно они совместно
используют общие библиотеки и тогда вопрос надо переформулировать или свести к общим зависимостям.

Но в целом когда говорят о скорости - вопрос звучит обычно так - параллелится ли в облаке алгоритм и
параллелятся ли данные. Если да - то только ваш кошелек ограничивает скорость.

AI здесь вобщем не нужен. Это классика машинного обучения еще из 20-го века.

Я такое делал в алгоритме K-Means для Apache Spark. В данном случае выборкой были векторы { r, g, b }
всех пикселов картинки а количество кластеров было 256. И на выходе алгоритма я получал массив из 256 наиболее популярных цветов (центров кластеров) для данной картинки.

Реализация алгоритма K_Means есть в любом научном или статистическом пакете. Я еще находил ее
в java commons-math кажется.

Далее рисование мозаики - это отдельная задача. Она - утилитарная и любой разработчик Python / JavaScript
ее сделает за 5 минут. И здесь AI тоже не нужен.

Сделай генерацию из двух частей. Подложку пускай сделает Midjourney.

А надпись сделай сам программно. Более простой и более контролируемый способ.

Мне кажется что дешевле игру запрограммировать чем обучать ей бота.

Просто в случае обучения - ты должен показать все возможные сочетания "стритов", "флешей" и прочего.
И не один а несколько раз. И обеспечить учителя или подкреплять удачные ходы.

Поищи по ключевому слову Stable Diffusion.

Мне не удавалось добиться от GPT генерации корректного кода под ассмблеры fasm/nasm.
Видимо все таки языковые модели обобщают языки настолько что не могут придерживаться
строгих правил при генерации. Может отсутсвие строгих правил - это как раз сильная сторона
этих моделей. В противном случае мы вернулись бы в эпоху Prolog-программирования и формальной
логики где программы бы всегда компилировались и работали но никакой фантазии или обобщения
из двух программ мы не получили-бы.

В поддержку автора я-бы попросил лог общения с чатом чтобы разобраться на каком этапе была
ошибка и как можно было-бы исправить вопросы чтобы двигаться к ответу более быстрыми шагами.

Я никогда не расчитывал на чяты в части чистого написания кода. Но например в сборе информации
эти чяты вполне себе полезны.

Самая интересная идея для ИИ - как разбогатеть очень быстро и без рисков.

Идея - нужная. Я гарантирую это (С)

Если зайти в вики по ключевому слову MNIST - можно найти наборы для распознавания рукописного ввода. И еще от самой странчки MNIST еще 2 ссылки идут на аналогичные тестовые сеты.

+UPD

https://en.wikipedia.org/wiki/MNIST_database
https://www.kaggle.com/datasets

Я вижу это как нейронную сеть, которая через API получит координаты определенного газона (который является графом) и затем сгенерирует возможное расположение дождевателей, основываясь на таких параметрах, как тип дождевателя/размер газона/расход воды и/или будет использовать проекты пользователя в качестве датасета для получения весов или другой оценки производительности.

Мне эта задача напоминает оптимальный раскрой. Решалась она в 90х и 2000х без всяких нейросетей.
Ну я-бы по крайней мере попробовал. Не стал-бы пренебрегать простыми решениями.

Нейросети - это тяжелая артиллерия. И она все равно требует ручной работы. А именно - подготовки данных
ко входу. Эта итерация не автоматизирована и от нее зависит успех.

Очень верный совет вам - нанять разработчика который это один раз сделает. И заплатите ему чтоб он вам
объяснил как это работает.

Тема интересная и реально полезная. Но получается что тут недостаточно обучить модель на экспертных ответах. Нужно точняк еще как-то предоставить доступ к актуальной базе заявок.

Зачем транзисторы? Нужна сверх-задача.
Например.

Загрузил туда все данные по котировкам - и завтра разбогател.
Или загрузил всю историю литературы - и завтра стал литературным гением.
Или загрузил всю науку за последние 20 веков - и стал новым Ноббелевским лауреатом.

Зачем унижаете возможности GPT?

Тут надо сезон "разлохматить" на 4 входа. Обычно НС не работают с текстовым вводом. Поэтому
будет во входном слое 6 входов типа:
- area
- AC
- isSummer
- isWinter
- isSpring
- isAutumn

Всем сезонным факторам присваивается нолик на входе кроме текущего сезона.
Там можно дать единичку. Для признака кондиционера тоже можно брать 1.0 если он есть.

Дальше можно искать решение в виде например однослойной сети. Я-бы пошел от простого.

И данных нужно побольше. Чтоб хотя-бы была выборка учебная и контрольная.

Тяжеловато будет изучать и С++ и ИИ одновременно. Для новичка. Оба направления - это просто космос знаний.
С++ - сложен. И даже Бьярн Страус-труп советует его изучать частями. Не охватывая сразу все фичи. Восходящая звезда хай-лоада - язык Rust выглядит привлекательнее но я к сожалению не знаю насколько его библиотеки покрывают саму педметную область НС и ИИ. Пускай Rust-овщики скажут.

По поводу наук. Я-бы по старой привычке посоветовал изучать теор-вер и мат-статистику но смотрю что сейчас на это все забивают. Надеются подготовить не ученого по ИИ а ИИ-девопса. Тоесть парня который лихо знает названия квадратиков на диаграмме. И патчит эти квадратики. Вобщем наверное оно и не надо.

Кроме Python я могу посоветовать Python. Потому что все API будут делаться под него.

Платный курс советую купить. Какой по сути не важно. Они все почти одинаковы и продают первую дозу наркотика. Потом все равно докупать вам придется. Но если вы начнете платить живые деньги - это не спрыгните с обучения. Этим курс выгоднее отличается от видосов скачаных с торрента. Другой уровень отвественности.

Не знаком с авиацией. Но предположу что современный БПЛА такой же сложный как и хорошая операционная система. В нем будет несколько уровней управления. Или несколько одновременно работающих и независимых систем. Одна из них будет - автопилотом. Это то что будет контролировать азимут и тангаж и высоту и прочее. Компенсировать ветры и воздушные ямки. Будет другая система связанная с полу-ручным управлением. Будет третья система связнная с тактической задачей. И еще много чего. То что автор называет ИИ - это может быть либо одна из этих систем, либо все вместе взятые. Все вместе - автор не потянет. Тут нужны специальные знания из авиации. Взять какую-то одну из систем (то что он называет ИИ) и просто начать ее программировать - это профанация с моей точки зрения. Или очень поверхностный подход. Я просто не верю в эффективность подобного метода когда речь идет о технике которая дорого стоит. Но потренироваться на симуляторах - вполне себе можно.

Сомнительно что по огрызку лога ты сможешь нарисовать более-менее полный шаблон. Как вспомогательная подсказка при разработке парсера - это хорошо. Но как авто-генерация парсера логов на все времена - это плохо.
Да и вообще message не специфицирован в логах аж нигде и никогда. Сиди наблюдай его хоть целую неделю а потом на следующей неделе прилетит exception или нечто новое и вся твоя работа будет вечной недоделкой.