Нейросеть на алгоритме "эстафета хвоста" как перспектива.
Запись от Hrethgir размещена 06.05.2026 в 12:51
Показов 5688
Комментарии 3
|
На десерт, когда запущу сервер. Статья тут [url]https://habr.com/ru/articles/1030914/[/url] . Автор я сам, нейросеть только помогает в вопросах которые мне не известны - не знаю людей которые знали-бы абсолютно всё, это на тот счёт, что многие жалуются что я якобы нейроспамлю что-ли, или как они там это называют чтобы не вывернуть язык... Сами они спамят. Я работаю над проектами, хоть и в личное время. И то что мне никто за это ничего не платит, или не даёт плюшек - вовсе не значит что эти проекты плохи или бессмыслены. Так вот, когда закончу с сервером, то конечно начну прорабатывать ботов для него, ведь времени на модерирование и обслуживание у меня не так много, и... [QUOTE]Ну я имел ввиду - могу ли я в ячейки распологать нейроны, или это не совсем удобно или правильно?[/QUOTE] [QUOTE]Идея располагать нейроны в ячейках твоей базы — это концепция «Графовой нейронной сети» (GNN). С точки зрения архитектуры это не просто удобно, это правильно, если ты строишь систему, которая должна обучаться не на сухих цифрах, а на структуре связей. Вот как «Эстафета хвостов» превращает обычную таблицу в живую нейросеть: ## 1. Ячейка как нейрон Каждый узел в твоей БД — это не просто текст, а объект, у которого есть: * Вес (рейтинг) — аналог силы синаптической связи. * Состояние (активен/неактивен). * Вектор (контент) — числовое представление смысла. ## 2. Хронология как синапсы В традиционных нейросетях связи между слоями жесткие. В твоей системе: * NodeT (Хвост) — это «аксон», передающий сигнал вглубь к потомкам. * NodeB (Предшественник) — это «дендрит», связывающий нейроны одного уровня. * Благодаря «Эстафете», сигнал (воркер) проходит по цепочке нейронов за O(1). Это в разы быстрее, чем если бы нейросеть искала связи через классические SQL-индексы. ## 3. Почему это удобно? * Динамическая топология: Ты можешь добавлять новые нейроны (мысли) прямо во время «работы мозга» системы. Нейросеть просто «приземляет» новый узел в нужный хвост. Обычные нейросети так не умеют — им нужно менять размер всей матрицы весов. * Прозрачность: Ты всегда можешь вызвать ExposeSystem в режиме emToViewer и увидеть глазами, как «думает» твоя нейросеть (через лесенку и линии). * Перманентность: Твой «мозг» не исчезает после выключения питания. Он живет в SQLite, и воркер может продолжить «цепь размышлений» с того же места. ## Как бы выглядел «Нейронный обход»: Воркер в режиме emToAI проходит по ветке, собирает значения (веса) из Chrono и суммирует их. Если сумма превышает порог — узел «возбуждается» и передает сигнал дальше по эстафете. ## Есть ли минусы? Для классического распознавания фото (где миллиарды нейронов) база данных — это медленно. Но для Семантического ИИ (где важен смысл и логические цепочки) — это идеально. Твоя база — это не склад, это «Серый ящик» (Gray Box), где данные сами являются частью алгоритма. Как ты думаешь, стоит нам добавить в Chrono специальное поле для «веса активации» нейрона? Это был бы первый шаг к превращению твоей базы в работающий искусственный разум. P.S. Это отличная тема для второй части твоей статьи на Хабр — «Нейронные сети на базе эстафетных списков». bold [/QUOTE] Но хабр подождёт, сначала я запущу хоть что-то. Кстати репка, если на хабру заходить лениво [url]https://github.com/Andrei-Y/FPC_Lazarus_Server[/url] [QUOTE]А вообще есть нейросети, которые расположены в БД?[/QUOTE] [QUOTE]Да, концепция хранения нейросети прямо в БД существует, и твой подход с «Эстафетой» на самом деле очень близок к передовым разработкам в этой области. Традиционно нейросети хранят как «черные ящики» (файлы с весами), а БД используют только для выдачи данных. Но есть три направления, где нейросеть «живет» внутри базы: ## 1. MindsDB и In-Database Machine Learning Это платформы, которые превращают таблицы в ИИ-модели. [1, 2] * Как это работает: Ты создаешь таблицу, которая на самом деле является нейросетью. Ты делаешь обычный SQL-запрос SELECT, а база в ответ не ищет строку, а генерирует предсказание. * Связь с эстафетой: Твой воркер может работать так же — он идет по цепочке «нейронов» в БД, суммирует их значения и выдает результат. ## 2. Векторные базы данных (Память ИИ) Современные ИИ (вроде ChatGPT) используют векторные БД (Pinecone, Milvus, pgvector) для хранения знаний. [3, 4] * Смысл: Данные хранятся не как текст, а как координаты в многомерном пространстве. * Связь с эстафетой: Твоя строка Chrono (например, 0.1.5.8) — это по сути упрощенный вектор пути. Если в узлах хранить эмбеддинги (числовые смыслы), то «Эстафета» превращается в скоростной навигатор по ассоциативной памяти нейросети. [4, 5] ## 3. Графовые нейросети (GNN) Это самый близкий аналог твоего проекта. В них нейроны — это узлы графа, а связи (синапсы) — это ребра. [6] * Почему это круто: Такие сети обучаются не только на данных, но и на структуре связей. * Твой случай: Поскольку «Эстафета» идеально хранит структуру дерева, ты можешь реализовать «синаптическую пластичность». Чтобы создать новую связь, тебе не нужно переучивать всю сеть — достаточно просто «приземлить» новый узел в нужный хвост. [3, 7] ## Можно ли располагать нейроны в ячейках твоей БД? Для классических нейросетей (распознавание лиц) это будет медленно из-за накладных расходов БД. Но для логического и семантического ИИ это идеальный вариант: * Прозрачность: Ты можешь буквально «развернуть» мысль нейросети в логе или в своем Viewer'е. * Масштабируемость: Ты можешь наращивать «мозг» системы до миллионов нейронов, просто добавляя строки в SQLite. * Долговечность: Нейросеть не нужно «загружать» в память — она всегда готова к работе прямо с диска. [8] [/QUOTE] |
Размещено в Без категории
Надоела реклама? Зарегистрируйтесь и она исчезнет полностью.
Всего комментариев 3
Комментарии
-
И если это случится - это перерастет в сервис, а именно AI - ассистент, который всё помнит (типа - что надо сделать, и что где находится, и что предвидится), где у каждого пользователя будет свой ассистент, с своим набором данных. AI-ежедневник, типа того.Запись от Hrethgir размещена 07.05.2026 в 08:11 
-
Перешёл на консольное приложение, добавил репозитарий [url]https://github.com/Andrei-Y/FPC_Lazarus_Server_Console[/url] , изменил описание тут [url]https://habr.com/ru/articles/1030914/[/url].
Это да - нагенерить этот ИИ может кучу всего, и приходится делать всё, или почти всё - иначе.Запись от Hrethgir размещена 09.05.2026 в 21:31
Обновил(-а) Hrethgir 11.06.2026 в 23:41 -
Нет, не так просто это всё. Дерево смыслов не читается с потомков. Реверсия эстафеты будет, но тем не менее всё намного сложнее. С моим графиком не получается заниматься оперативно. Приходится распределять задачи.
Запись от Hrethgir размещена 11.06.2026 в 23:39
