Вот многим не нравится, что русский язык засоряют иностранными словами. Некоторые предлагают их вообще запретить, а за употребление – штрафовать. А им отвечают, что «уборщица» – это, дескать, непрестижно и унизительно, а «менеджер по клинингу» – звучит гордо и «повышает мотивацию». И начались эти споры 400 лет назад, в царствование первых Романовых – Михаила Фёдоровича и Алексея Михайловича.
Эрик Пальмквист. Прием царем Алексеем Михайловичем иностранного посольства. XVII в.
Основной «заграницей» для России тогда была Польша – и тогдашние «западники» были «полонофилами», то есть любителями всего польского. Среди них в моде были и польская одежда, и польские кушанья, и – само собой! – польские слова. Какие? Ну, например: «забияка», «мужчина», «отчизна», «повидло», «уважать», «мещанин»...
При Петре Первом русский язык стал наводняться «бургомистрами» и «обер-шаутбенахтами», а в царствование Елизаветы Петровны на смену немецкой моде всерьёз и надолго пришла мода французская. Русский писатель Александр Сумароков в пьесе «Пустая ссора» ядовито высмеивал модные разговоры на «смеси французского с нижегородским»:
Деламида: Вы так мне флатируете, что уж невозможно, по чести. Дюлиж: Вы мне еще не верите, что я вас адорирую. Деламида: И я вас очень эстимую, да для того-то я и за вас нейду; когда б вы моим мужем стали, так хотя вы и многие калитэ имели, мне б вас больше эстимовать было уже нельзя. Дюлиж: Разве бы вы любить меня не стали? Деламида: Любить мужа, ха! ха! ха! Это посадской бабе прилично! Дюлиж: Против этого спорить нельзя, однако ежели б вы меня из адоратера сделали своим амантом, то б это было пардонабельно...
Пьеса эта была поставлена на сцене в 1750 году, а через полвека дошло до того, что дворяне стали и вовсе переходить на чистый французский. (Помните начало романа «Война и мир»?) В родном языке им попросту не хватало слов, чтобы выразить свои мысли! Известный факт: Александр Сергеевич Пушкин сначала выучился читать и писать по-французски – и лишь потом освоил русскую грамоту...
И вот в 1824 году министром народного просвещения в России был назначен... адмирал. Да-да-да, самый настоящий адмирал флота Александр Семёнович Шишков.
Александр Семёнович Шишков (1754–1841)
Шишков был не просто адмиралом – он был ещё и философом, литературоведом, писателем, литературным критиком – и яростным поборником чистоты русского языка. Над Шишковым многие посмеивались (в том числе и Александр Сергеевич), но тот был категоричен и непреклонен.
Вместо «галош» Шишков предлагал ввести слово «мокроступы». Вместо «тротуара» – «топталище». Злые языки утверждали, что фразу «франт идёт по бульвару в театр» «по-шишковски» следовало говорить так: «Хорошилище идёт по гульбищу в позорище».
И всё же в главном Шишков был несомненно прав:
«Между тем как мы занимаемся выдумкой слов и речей, нимало нам не свойствнных, многие коренные и весьма знаменательные российские слова невзирая на богатство смысла своего сделались для не привыкших к ним ушей странны и дики...»
И вот с этим мы очень и очень согласны. И поэтому в каждом номере «Лучика» играем с читателями в игру, в которой надо попробовать угадать, что такое «смятение», а что такое «замятье», или про какого человека говорят, что он «суетный», а про какого – что «ветреный».
Ну, а теперь про мат. В чём его опасность для мозга. Ну, что некультурно и можно от собеседника «в ухо выхватить» и получить сотрясение, это понятно, а в чём ещё?
Дело в том, что у матерных слов, как и у жаргонных, сленговых, есть одна особенность (которая, кстати, и делает эти слова такими привлекательными и прилипчивыми). Они «бьют по площадям» – охватывают сразу много значений. В этом, повторим, их сила, и в этом же заключается их коварство.
Представьте себе большой концертный рояль. У него 88 клавиш...
Да, у этого рояля всего восемьдесят две клавиши! Потому что это первый рояль работы мастера Себастьяна Эрара, 1821 год. Мы выпендрились (соригинальничали, надеясь произвести впечатление)
Нажатием каждой клавиши можно извлечь только один определённый звук. Допустим, ноту «до» четвёртой октавы. Или ноту «до» контроктавы. На большом рояле целых восемь по-разному звучащих «до» помещается… Благодаря этому на нём можно много всего сыграть.
А теперь представьте себе игрушечный рояльчик, у которого только двенадцать клавиш. Здесь одна клавиша отвечает за все ноты «до» сразу. Она «многозначная». Но что на таком инструменте можно сыграть? Да почти ничего. Только простенькую мелодию «настучать». Сложного произведения не получится.
А теперь представьте что «рояль» – это наш язык, наше сознание. Допустим, мы знаем слово «птица», но не знаем слов «курица», «орёл», «пташка», «желторотый», «певунья», «карга», «пернатое», «дичь»… Наш язык станет проще, но проще станет и наше мышление.
Мы будем раз за разом попадать в ситуацию, когда нам не хватает слов, чтобы выразить свои намеренья, мысли и чувства, а потом – просто-напросто перестанем испытывать «слишком сложные» чувства, которые нельзя выразить, а значит, они бесполезны в коммуникации с другими людьми – «не нужны». Наш эмоциональный интеллект тоже обеднеет и огрубеет, как и наше мышление.
Ну зачем, в самом деле, отличать вяз от ясеня, если и то, и другое – «дерево»? Зачем отличать кронштейн от втулки, если и то, и другое – «железка»? Зачем говорить в одной ситуации «предлагаю перекусить», а в другой «соблаговолите отобедать», если можно сказать «го похаваем»?
А когда столкнёшься со сложной жизненной ситуацией, просто скажи:
– Да я это… Чё-то как-то это, короче.
И получится как в стихотворении Чуковского: «Но он только «му» да «му», а к чему, почему – не пойму! – Повесьте, пожалуйста, трубку!»
Ну и главный вопрос, который, вероятно, мучит наших взрослых, искушённых опытом читателей: «Как быть и что говорить, если молотком по пальцу ударил».
Это форс-мажор, уважительная причина. Говорите, что получится, главное – чтобы вы знали, что говорить в тех случаях, когда не ударили! А их, согласимся, в нашей жизни бывает гораздо больше.
Если у вас есть дети, присоединяйтесь к «Лучику» – будем учиться думать и говорить по-русски вместе! Вот, ссылка на страницу подписки на журнал. А дорого, потому что он толстый, 80-страничный (и не только о языке). И обратите внимание: с 27 по 31 мая будет 30-процентная скидка на подписку.
Есть такая поговорка – «Всякий ответ к разуму хорош». Представьте себе картинку: идут взявшись за руки папа с сыном лет этак пяти-шести. Сынишка спрашивает:
– Пап, а пап, а почему летом жарко, а зимой холодно?
Папа начинает радостно объяснять:
– Дело в том, что наклон оси вращения нашей планеты, то есть наклон экватора к эклиптике, составляет двадцать три градуса. Это приводит к тому, что в течение года максимальный угол падения солнечных лучей изменяется...
Смешно? Немного смешно. Папа, кинувшись в научные объяснения (причём правильные, но об этом после), совершенно забыл о том, что сын не знает ни что такое «угол падения», ни «градус», ни «наклон оси», а уж страшное слово «эклиптика» – да его 99% взрослых людей не знает! И в данной ситуации папе, вполне возможно, стоило бы не вспоминать учебник, а проявить элементарную житейскую мудрость. Например, ответить так:
– Это потому, что зимой солнышко греет слабее, а летом сильнее.
Для пятилетки (ну, если он не вундеркинд) такого ответа будет вполне достаточно. Или мы не правы? Напишите нам, что думаете по этому поводу. Но потом.
А пока – вам-то всё-таки уже не пять лет! – давайте разберёмся с этим самым «наклоном оси». Климат Московской области непохож на климат Мурманска, климат Мурманска – на климат Краснодара, Воркуты или Владивостока. И уж совершенно не похож на климат какого-нибудь Найроби в Африке или Черапунджи в Индии. «Климат – это погода в той или иной местности в течение года» – так часто объясняют взрослые.
А по-гречески слово «клима» («κλίμα») означает... наклон! Какова же связь между погодой и наклоном?
Как совершенно правильно говорил папа в начале нашего рассказа, наклон экватора Земли к плоскости эклиптики – то есть той плоскости, в которой наша планета (и все остальные планеты нашей системы) вращается вокруг Солнца – составляет 23 градуса. Позаимствуем у Гарри Поттера его волшебную палочку (на время) и прикажем, чтобы этот наклон стал равным нулю! Что же произойдёт? Пустяковая, вроде, перемена?
Всего лишь через год вы не узнаете собственную планету! Смена времён года исчезнет совершенно. Никакой зимы – но и никакого лета! В Москве будет «вечная осень», прохладная и пасмурная. Снега в средней полосе России не будет – а питание многих наших рек и озёр снеговое, они начнут медленно пересыхать. Никакое сельское хозяйство в нашей стране станет совершенно невозможно – разве что в парниках с теплицами. Не будет ни пшеницы, ни огурцов, ни яблок. От недостатка солнечного тепла начнут медленно погибать леса – и уже лет через 30-40 на месте подмосковных рощ мы увидим самую настоящую тундру, заболоченную, с низкими кривыми деревцами и кустарниками.
На экваторе Земли установится невыносимо жаркий и сухой климат. Джунгли центральной Африки превратятся в саванны, а потом – в самые натуральные пустыни и полупустыни, невероятно сухие. Испаряющуюся от сильной жары влагу с поверхности океанов будет относить к северу и к югу, где она будет обрушиваться страшными ливнями – субэкваториальный и частично тропический пояса Земли превратятся в зону, в которой дожди не прекращаются никогда. Только представьте себе, каждый день круглый год – дождь, дождь, снова дождь...
Нетрудно догадаться, что при таком «климатическом безобразии» с сельским хозяйством по всему миру случится самая настоящая катастрофа. Где-то вместо лесов и лугов возникнут пустыни, где-то – вечно сырые непроходимые болота; мест, пригодных для земледелия, останется очень мало, и скоро на планете начнётся самый настоящий голод!
А если мы прикажем волшебной палочке, чтобы наклон земной оси стал как у Венеры – 177 градусов? Тогда случится то же самое безобразие – «вечная осень», только ещё и Солнце начнёт восходить не на востоке, а на западе. А садиться будет, наоборот, на востоке. Тоже не годится.
Можно попробовать взмахнуть палочкой и сказать, чтобы наклон земной оси стал 97 градусов, как на планете Уран. Тогда наша планета окажется как бы «лежащей на боку». Вот смеху-то будет, правда?
И не говорите! Всю зиму в Москве (да не только в Москве, вообще на всём северном полушарии) будет самая натуральная полярная ночь. Сильнейшие морозы и снегопады придут туда, где их никогда не было – даже в Средиземноморье, в Турцию и Италию. Снег начнёт выпадать даже в пустыне Сахара, в Алжире, в Судане! Весной вернётся смена дня и ночи, Солнце начнёт подниматься всё выше – и начнётся самый натуральный «полярный день». Летом Солнце вообще не будет садиться за горизонт! Уже в мае в Москву придёт ужасающая жара, а в июне даже на северном полюсе Солнце будет жарить так, как оно сейчас жарит летом где-нибудь в Индии. Зато на экваторе и летом и зимой будет очень холодно и сыро, как в современных Арктике или Антарктике, представляете?
Сами понимаете, такие экстремальные условия снова приведут к самой натуральной климатической катастрофе. Начнут таять ледники Гренландии и Антарктиды, уровень мирового океана начнёт стремительно повышаться. Будут затоплены многие прибрежные города. За шестимесячную зиму начисто вымерзнет вся теплолюбивая растительность. Огромная разница температуры между «зимним» и «летним» полушариями приведёт к сильнейшим ветрам, ураганам и бурям. Летом в Архангельск, Мурманск, Норильск и Воркуту придёт самая настоящая тропическая жара, перемежающаяся жуткой силы тропическими ливневыми дождями и грозами! И снова сельское хозяйство Земли ожидает полный коллапс – пшеница, посеянная весной, будет сожжена на корню тропическим Солнцем. Она просто не успеет поспеть.
«А если сделать наклон земной оси где-нибудь посрединке, допустим, в 45 градусов?» – спросите вы. Ну хорошо, давайте в этот раз с цифрами. Итак, мы изменяем наклон земной оси «всего» на 45 — 23 = 22 градуса. Допустим, мы живём в Москве, то есть у нас широта (северная) 56 градусов. Если наклонить земную ось на 45 градусов, то склонение Солнца будет изменяться от +45 градусов (в июне) до -45 градусов (в декабре). По несложной формуле из учебника астрономии определяем высоту Солнца в полдень 22 июня:
90 – (56 – 45) = 79. Солнце будет почти что в самом зените, как в экваториальной Африке или на Кубе! Летом в Москве будет жарко, как в пустыне Сахара и даже хуже!
В полночь:
90 + ((56 + 45) – 180) = 11. Солнце будет над горизонтом, причём довольно высоко!
Итак, летом в Москве будет полярный день, как в Мурманске, Норильске или Воркуте! Линия северного полярного круга «убежит» на 45-й градус широты. Полярный день и «белые ночи» будут наблюдаться даже... в Крыму! Лето в России станет намного жарче, в Санкт-Петербурге климат будет субтропический, как в Италии, а в Крыму – жаркий засушливый, как в нынешних Объединённых Арабских Эмиратах.
Теперь посчитаем то же самое для полудня 22 декабря, на начало астрономической зимы:
90 – (56 + 45) = -11. Солнце будет под горизонтом, на улице темнотища! Это самая настоящая полярная ночь!
В полночь:
90 + ((56 — 45) — 180) = -79. Солнце будет ну просто очень низко под горизонтом. Темнота хоть глаз выколи.
Таким образом, зимой климат в Москве станет очень суровым – примерно как на Шпицбергене или на Земле Франца-Иосифа на крайнем севере! Пятидесятиградусный мороз будет вполне себе обычным делом. Зона полярной ночи, опять-таки, дойдёт до Крыма, Ставрополья и северного побережья Каспийского моря! В Сочи зимой погода будет примерно, как сейчас (зимой) в Санкт-Петербурге, даже чуть более суровая.
Однако самые радикальные перемены в этом случае ждут не Россию. Суровые зимы со снегопадами и морозами придут в южную Францию, Италию, Грецию, северную Африку (тот же Египет). Климат на экваторе станет существенно более прохладным – причём и зимой, и летом! Ледники Гренландии и Антарктиды из-за сильно жаркого лета начнут интенсивно таять – а это означает, как вы помните, подъём уровня мирового океана и затопление прибрежных городов. Под водой окажутся и тот же Санкт-Петербург, и Нью-Йорк, и Лондон.
Изменятся морские течения, усилятся ветра, станут происходить чаще бури и ураганы... Короче говоря, приятного мало, снова – катастрофа глобального уровня. А вроде бы мы «всего-то» чуть-чуть поменяли наклон земной оси. В общем, вывод прост – «Пусть будет так, как есть!» (по-латыни эта поговорка звучит очень эффектно: «Синт аут сунт!» («Sint aut sunt»).
Журнал "Лучик" – детский журнал об искусстве, музыке, литературе, философии и науке. В журнале нет рекламы.
Ещё зимой в Госдуме обсуждали новый законопроект, по которому виновные в школьной травле родители облагались бы штрафом, а ученики-зачинщики отстранены от уроков. Может-ли такая система реально работать в российских школах? И если нет, то как распознать школьную травлю и бороться с её проявлениями? Рассказываю в сегодняшней статье.
1. Масштаб школьной травли в России
Согласно ФСБ, только в 2022 г. было предотвращено 22 попытки нападения на школы (источник). Увы, за прошедший 2023 год произошло целых 4 таких происшествия, в одном из которых погибло двое детей. Причины для школьных
терактов могут быть разные, но то, что огромную долю из них составляет травля или буллинг (от англ. bullying - запугивание) неоспоримо, и во всех этих случаях жертва травли пыталась расправиться с обидчиком. Не смотря на то, что мы обратили особое внимание на школьную травлю, меньше её в целом не становиться (как приблизить себя к ним пишу дальше).
Количество детей, подвергающихся школьному буллингу российские психологи оценивают до 15%, причем наивысший показатель среди 6-х классов (19,4%),а наименьший в 9-х классах (11,1%) - источник.
2. Что действительно (!) является травлей
Данный раздел рекомендую изучить всем, кто связан со школой, потому что побороть травлю можно только изучив её сущность и механизм. Об этом уже выходила статья на замечательном канале Травля: со взрослыми согласовано.
Итак, 4 признака травли (а не просто ссоры или чего либо ещё) :
Насилие и дискомфорт
Неравные силы
Систематичность
Неслучайность
Пример: Сэм задирает Ивара, Ивару обидно (1). Против Сэма также вступается Юхани, они вместе дразнят и обижают Ивара (2), учительница Ханна не в силах контролировать травлю. Они издеваются над беднягой каждую неделю после занятий по английскому (3) , нарочно ставят подножки Ивару и обзывают матом (4) - именно подобным образом, из 4 составляющих выглядит ситуация травли в школе.
3. Как предотвратить
Главные меры безусловно должны быть выполнены на уровне школы, возможно с подачи коллектива учителей, род. комитета или совета учеников. Выдающаяся организация Травли.нет предлагает готовую Антибуллинговую хартию, которую в школе принимают и соблюдают, как и любой другой документ. В ней есть ссылки на реальные законы, на которых данная хартия основывается. Подобная хартия меньшего масштаба может быть разработана и отдельно как просто свод правил класса. Вообще давнее правило воспитания образования, которому я стараюсь следовать - чтобы требовать соблюдения правил, все правила должны быть заранее определены и обнародованы детям.
На сайте данной организации есть ещё много полезных заметок для предупреждения буллинга в школах.
Нам важно формировать благоприятную обстановку в школьном коллективе, созывать родителей для помощи со внеурочным досугом. Немного об этом в моих статьях:
На моём канале есть и много других полезных статей - если вы поставите лайк и подпишитесь, их сможет прочесть больше людей.🫂
Предупреждать через прямую агитацию против буллинга. Вот список фильмов по содержанию для классного часа, они подают информацию по-разному для разных возрастов, поэтому подходящий Вашему классу можете выбрать сами:
Главное - не молчать! Школьная травля это тот случай, молчание в котором ровно соучастию, принятию преступного события. Это строгое правило важно помнить всем учителям, всем ученикам и родителям. Я не буду писать, что главное - диалог. Это так, но ещё важнее, дать ребёнку, ставшему жертвой травли понять - Вы обеспечите его безопасность, он не виноват в этой ситуации и вы - рядом. Сразу же после это должны осознать все, кто задействован в травле - зачинщик и свидетели, потому что на них травля также действует разрушительно. Важно! Травля - это проблема не только Ивара с Сэмом, а проблема всего класса включая учителей и родителей ребят. Важно задействовать целую команду - родителей обоих сторон, школьного психолога, самих ребят, и возможно 1 свидетеля. Если это невозможно, школа не идёт на встречу, ученик-агрессор физиологически неспособен осознать ситуацию и травля продолжается - вы имеете полное право сообщить в районный отдел образования и (в случае дальнейшего игнора) прокуратуру! Медлить и ждать подходящего момента нельзя, слишком велик риск.
После успешного завершения такой беседы и примирения нужно провести общее обсуждение - я предлагаю для этого формат классного часа "свечка" (как в детских лагерях). Берётся "свечка" - для школы это маленький фонарик на батарейке или стакан с гирляндой внутри.
Вот примерно такая свечка, скрин с Яндекс Маркета (не реклама)
Во время такого классного часа все сидят на стульях в кругу. В данном случае обсуждаем конкретную ситуацию травли, кто какие эмоции пережил, кто что готов высказать, публично извиниться или высказать слова поддержки. Говорит только тот, кто держит "свечку", потом её передаём по кругу. В знак согласия остальные ребята в кругу трут ладонями (можете придумать другой свой жест). Это очень важный классный час, который сближает одноклассников и восстанавливает эмоциональный климат. Повторите его уже по поводу другого события (поездка, конец четверти, года).
5. Что делать тем, кому нужна помощь
Если вы или ваш знакомый стал жертвой школьной травли:
Горячая линия Травли.нет (пн-пт с 10 до 20) +7 (800) 500 44 14
Круглосуточная линия "Ребёнок в опасности" +7 (800) 707 70 22
Линия для Беларуси (пн-чт 8:30-17:30, пт до16:15) :+375 17 300 1006
Благодарю всех, кто дочитал эту статью. Обязательно поделитесь своим мнением или вопросами в комментариях. Почитайте другие статьи и подпишитесь канал, здесь много интересных статей о здоровом образовании.
На самом деле ничего нового не скажу: чем раньше, тем лучше! НО никогда не поздно!
Основы языка усваиваются лучше всего в возрасте до 5 лет. Часто родители спрашивают, а не рано ли учить язык, но я всегда с уверенностью отвечаю, что не рано. Люди часто говорят о том, что в более взрослом возрасте можно усваивать более большой объем материала, и это, конечно же, правда. Однако, дети гораздо более открыты к новому и это помогает им освоить произношение значительно лучше и с минимальным акцентом, а также легче усваивают структуру языка и привыкают, что так тоже норма (например, фиксированный порядок слов в английском, с которым мучаются взрослые).
Помимо этого, если сравнивать способность взрослого выражать свои мысли более точно, то тот, кто начал изучать язык с раннего возраста, сможет более точно, полно и эмоционально окрашено выражать свои идеи. Это происходит из-за того что два языка (родной и иностранный) развивались параллельно со всеми этапами жизни человека.
Изучать язык нужно начинать с того момента, как ребенок может смотреть видео более или менее осознанно, с 2-3 лет. Ходить на какие-то курсы совсем не обязательно, а порой даже лучше не ходить, потому что это может быть утомительно для ребенка, в то время, как дома можно изучать язык в комфортной, веселой и ненавязчивой обстановке. В следующем посте я опубликую подборку материалов для малышей и родителей, которые можно использовать дома для обучения.
Начинать формальное обучение с преподавателем лучше начинать в возрасте 4-6 лет, когда ребенок сможет фокусироваться. Если вам в этом возрасте предлагают в языковых центрах занятия продолжительностью более 40 минут, то мой совет - бежать оттуда, потому что за этим стоит ничего более, чем финансовая подоплека. Мой опыт показывает, что само обучение длится в среднем 20-30 минут плюс 10-20 минут, чтобы передохнуть, сделать разрядку для маленького мозга, а далее любое время будет посвящено лишь развлечениям, которые будут все равно детям не в радость.
Другая тревожный симптом - это обучение сугубо словам, на самом деле в этом возрасте дети должны учиться читать и читать по-английски детям лучше научиться до того, как они начнут читать по-русски. Причина проста: есть такое понятие, как интерференция - это влияние одного языка на другой, в данном случае русского на английский. Если ребенок, окруженный родным языком, научится читать сперва по-английски, то это никак не повлияет на овладение русским, а вот если все произойдет в обратном порядке, то проблем с английским не избежать, потому что родной язык, крепко укоренившийся в юном мозгу, будет неизбежно мешать ребенку.
Простите поклонники лучика, но не мог пройти мимо. Я не буду разбирать каждый абзац этой статьи и комментировать его, только в конце приведу цитаты и свои комментарии к ним. На мой взгляд статья очень размыто отвечает на главный вопрос, поставленный в заголовке: как работает нейросеть? Я не в курсе на какую возрастную аудиторию рассчитан материал, но с учетом того, что в статье приведена функция y = kx + b, полагаю, я могу использовать немного математики.
Авторы предлагают аналогию вроде такой: нейросеть - это набор нейронов-чисел, а учатся они, если им показать много примеров. Прежде чем переходить к нейронам, я расскажу как они учатся. Это может показаться странным, но просто принцип обучения что в нейросетях, что в простых моделях машинного обучения одинаков. Для примера рассмотрим как раз уже приведенную функцию y = kx + b. Перенося ее на реальный мир можно взять в качестве примера задачу расчета стоимости жилья в зависимости от площади квартиры. Тогда y - стоимость, x - площадь квартиры, а решаем мы задачу т.н. линейной регрессии (это для сильных духом, постараюсь обходиться без терминов). Далее слайды, которые рисовал сам, простите.
Нужно получить модель, которая по набору иксов (метраж квартиры) дает правдоподобную стоимость. Точки на графике - наши реально существующие данные. Прямая - наша функция. Обучив модель, мы можем подать ей на вход один x и получить ожидаемый y.
В случае применения машинного обучения мы должны просто настроить неизвестные параметры нашей функции (k и b), чтобы получить оптимальную прямую. Главный вопрос - как? Для этого мы должны ввести понятие ошибки модели, чтобы понять, хороши ли она выполняет свою задачу. В нашем примере ошибка - это разность между предсказаниями и реальной стоимостью.
Ошибка модели - средняя разность между реальными значениями и предсказанными по модулю или в квадрате. Формальным языком: L = (y' - y)^2 / n, где n - количество примеров в данных, y' - предсказания, а y - реальные значения y для наших x).
Назовем функцию вычисления ошибок функцией потерь (точнее, она так и называется). Оптимальная модель будет выдавать минимальную среднюю разность, т.е. значение функции потерь будет минимальным. С оценкой определились, теперь переходим к процессу обучения. Для этого мы строим одну случайную прямую, считаем разность между предсказаниями и данными, определяем в какую сторону нам нужно сдвинуть нашу прямую, и сдвигаем, меняя наши k и b на небольшое значение. На какое - задается параметрами модели, обычно этот шаг небольшой, чтобы не перескочить наше оптимальное положение.
Случайная прямая
Один шаг обучения
Второй шаг обучения ( и так далее)
Небольшое отступление, которое можно пропустить. Пытливый ум спросит меня, а как мы определяем в какую сторону двигаться на каждом шаге? Отвечаю - просто смотрим на знак. Раньше я упомянул, что для расчета мы используем квадрат или модуль разностей для каждого отдельно взятого примера и усредняем их. Но тогда все наши расчеты будут положительными. Трюк в том, что при обучении мы используем не саму функцию потерь, а производную от нее или т.н. градиент (блин, обещал же без терминов). Геометрически производную можно изобразить так:
Производная - это тангенс угла наклона касательной к функции потерь в выбранной точке. Производная показывает направление роста функции.
На графике изображена функция потерь при разных значениях для нашей задачи - это парабола. Причем левая ветвь соответствует ситуации, когда мы задаем случайную прямую ниже наших точек, правая - выше. Наша задача попасть из красной точки в желтую, т.е. в минимум функции. Определив градиент, мы двигаемся в сторону уменьшения функции, достигая минимума. Математически, при расчете производной (dL = (2 / n) * (y' - y) * x) мы избавляемся от квадрата и можем получать отрицательные значения (и получаем в нашем примере) и тогда двигаемся в противоположную от знака сторону, прибавляя небольшие значения к нашим коэффициентам k и b.
Возвращаясь к объяснению на пальцах. В реальной жизни параметров, влияющих на стоимость квартиры больше, чем просто ее метраж. Тогда мы переходим в многомерное пространство. В реальной жизни у нас есть другие задачи, например то же отделение фотографий кошек от фотографий собак (задача классификации). Или генерация изображений. Но во всех этих задачах используется один и тот же принцип: мы должны определить функцию потерь - определить как мы вычисляем ошибки предсказаний модели и посчитать разницу между предсказаниями и реальными значениями и изменить значения коэффициентов, в зависимости от смещения предсказаний. Для задачи классификации животных (кошек и собак) мы на самом деле строим точно такую же прямую, просто эта прямая не проходит через точки в пространстве, а старается разделить их. Точками в этом случае могут выступать значения пикселей наших картинок, в таком случае, для обычного изображения кошечки, например, разрешением 512х512, мы работаем в 786432-мерном пространстве (потому что 3 (если используем цветное изображение RGB) * 512 * 512 = 786432) и подбираем в этом пространстве не прямую, а плоскость. И уравнение этой плоскости будет таким y = b + k1 * x1 + k2 * x2 + ... + k786432 * x786432. А функция потерь будет другая, но об этом я уже не буду говорить.
Теперь, когда мы поняли как мы учим, можно понять, что такое нейрон в нейросетях. На самом деле, ответ уже понятен. В процессе обучения мы настраиваем коэффициенты некой функции, нейрон тогда - это просто математическая функция от входных данных. Возвращаясь к статье лучика, на этой картинке нейрон - это как раз таки серый кружочек. А желтые - это значения входных данных. Они могут быть в то же время выходными данными с нейронов предыдущего слоя нейросети.
x1, x2 - значения входных данных, w1, w2, b - коэффициенты (я использовал выше k и b)
А сколько нейронов в нейросети? Много и зависит от архитектуры. Входной слой просто принимает данные и вычисляет взвешенную сумму, передавая результат на внутренние слои. На примере тех же изображений - количество нейронов на первом слое будет зависеть от параметров изображения, а именно от количества пикселей, но количество нейронов скрытых (внутренних) слоев мы устанавливаем сами. Мы можем поставить один нейрон на первый скрытый слой, который будет суммировать все данные, но толку от такой сети будет мало. На выходном слое количество нейронов зависит от нашей задачи. Для генерации нам нужно в каждом пикселе сетки предсказать реальное значение цвета, значит нейронов будет столько же, сколько пикселей нам надо получить. Если мы говорим о задаче классификации, то на выходном слое будет столько нейронов, сколько у нас классов - т.е. 2 для кошек/собак, например. Рассматривать необычные слои, вроде сверток, не будем, но они есть.
А зачем вообще нужны нейросети? Я уже выше описал, что все задачи так или иначе формализуются в набор известных функций. Но преимущество нейросетей в том, что они универсальны как раз за счет общих принципов построения. А взаимодействие нейронов на разных слоях позволяет расширить пространство настраиваемых параметров, что в свою очередь позволяет уловить связи в данных на разных уровнях. Например, разные слои нейросети, обученной на задаче классификации изображений, могут улавливать разные паттерны: например контуры, формы или цвета. Что как раз-таки используется для передачи стиля - мы замораживаем глубинные веса обученной нейросети (те, которые отвечают за пространство, форму и т.д.) и дообучаем на одном стилевом изображении только те слои, которые отвечают за "мазки кисти" и цвета.
Несколько примеров современных нейросетей и как они обучены:
Генерация изображений. Существует множество архитектур сетей для генерации. Причем я говорю о генерации без текстового описания. Например, т.н. GAN-ы. Они обучены генерировать изображения из шума, как и сказано в статье. Но они не обучаются специально запоминать формы, объемы, углы, цвета. Они обучаются генерировать изображение так, чтобы результат не отличался от данных, с которыми мы его сравниваем.
Векторизация текстов - я выделил этот пункт отдельно, т.к. все сети, работающие с текстами, должны уметь переходить от тестов к точкам в пространстве - векторам чисел. Описывать, как это происходит примерно так же долго, как я описывал линейную регрессию. Но для простоты скажем, что нейросети учатся предсказывать пропущенные в тексте слова, настраивая при этом числа в пространстве векторов, где каждый вектор соответствует отдельному слову. Это классическая задача классификации, а значит мы снова строим разделяющие плоскости.
Генерация текстов. И снова множество архитектур. Есть даже не нейросетевые (смотрите цепи Маркова, которые просто считают попарные вероятности слов в тексте). Нейросетевые пытаются предсказать одно следующее слово на основе предыдущих.
Генерация изображений по тексту. Здесь мы объединяем известные подходы и идея такая: раз мы уже знаем, как векторизовать текст, то будем использовать вектора текста как входные данные, а готовые изображения, как идеал, который нужно научится генерировать из шума. Для обучения таких моделей используется огромное количество картинок с описаниями к ним. Кстати, поэтому было много претензий к русскоязычным генеративным моделям, которые генерировали, например, американские флаги по запросу "Родина". Просто сложно создать большой датасет размеченных изображений своими силами, все используют открытые датасеты, и, например, переводят тексты и всячески обогащают данные.
Теперь можно перейти к самому интересному - цитаты из статьи.
Компьютерный нейрон – это просто... число!
Уже выяснили, что нет.
«А если собаки и кошки раскиданы вперемешку, а?» – спросите вы. Ну что ж, тогда нам может потребоваться не одна линия. И возможно не две и не три, а целый десяток или даже сотня. Важно понять, что рано или поздно мы сможем с помощью обыкновенных чисел и прямых «поделить» наш лист так, чтобы нейросеть уже знала наверняка – что именно она «видит», кошку или собаку, в чью именно область она «ткнула пальцем».
Я зацепился за это определение. Потому что если нам известно только 2 класса, то будет только одна "линия" на выходе. Да, каждый нейрон строит свое собственное решение, но он во-первых, не видит какую-то свою область данных, а во-вторых, его решение агрегируется с решениями всех остальных нейронов на выходном слое. То, что описано - это скорее работа классических деревьев решений, которые действительно нарезают пространство на сколько угодно областей.
Проблема номер один – для обучения нейросети нужно очень много информации. Чтобы научить нейросеть отличать кошку от собаки, ей нужно показать тысячи (лучше миллионы) самых разных кошек и собак. Воспитанник детского садика в возрасте трёх лет кошку с собакой не спутает, даже если видел их всего лишь пару раз в жизни...
С миллионом явный перебор. Кроме того, существуют техники дообучения, позволяющие переиспользовать обученные модели с гораздо меньшим набором данных.
Проблема номер два: нейросети совершенно не умеют анализировать собственные творения, объяснять, «что здесь нарисовано и почему», в частности, они не умеют считать! Из-за этого компьютерные изображения постоянно рисуют людей то с шестью, то с восемью пальцами. Или кошек то с тремя, то с пятью лапами.
Вообще-то, объяснять уже умеют. Но только узкий класс мультимодальных сетей (если мы обучим модель генерировать текст по изображению - обратная задача генерации изображения по тексту - то сможет). А с пальцами проблема в общем тоже пофикшена улучшениями архитектур и увеличением количества параметров моделей. Были бы деньги обучать такие модели.
Проблема номер четыре: нейросеть не умеет работать при нехватке информации, «достраивать недостающее». Скажем, человеческий детёныш, даже малыш, увидев кошачий хвост, торчащий из-под дивана, тут же уверенно «распознает» спрятавшегося котёнка и побежит ловить его! Нейросеть такое «неполное» изображение понять не в состоянии. Человек, исказивший внешность (скажем, надевший маску или загримированный) для современной нейросети опять же становится неузнаваемым.
Умеет и достраивает. И распознает и людей в масках узнает. Опять же, на это влияют как архитектура, так и способ получения данных. Всегда можно аугментировать изображения (например в части тренировочных изображений кошек и собак обрезать все, кроме хвостов и тогда такая нейросеть сможет по хвосту определить животное).
Проблема номер пять: нейросеть совершенно не понимает законов нашего мира – скажем, тех же законов оптики. Она никогда не сможет различить на картине человека – и его отражение в зеркале (для живого человека – задачка пустяковая). Она никогда не сможет различить человека или его лицо в кривом зеркале (как это делаем мы на аттракционе «Комната смеха» в городском парке, или когда разглядываем самих себя в новогодние шарики).
Аналогично - аугментация данных решает проблемы с кривыми зеркалами.
Проблема номер шесть: нейросети чрезвычайно чувствительны к разного рода помехам, дефектам, «шуму». Скажем, если на старой фотографии часть изображения залита грязью, чернилами, испорчена пятнами или царапинами, сильно выцвела, если карточка разорвана или разрезана напополам – уверенное узнавание тут же становится неуверенным и вообще ошибочным. Для человека сломанная на части кукла – всё равно кукла; для нейросети – это уже совершенно другой, неизвестный объект
Формально - да. Именно поэтому при обучении специально добавляют шум, аугментируют данные, выключают часть нейронов. И тогда модель справляется.
Проблема номер семь: нейросети на текущий момент ужасающе «однопрограммны». Если нейросеть настроена на распознавание лиц – она будет уметь только распознавать лица. Переучить её на написание текстов или музыки будет чрезвычайно сложно, часто вообще проще написать и обучить совершенно новую сеть. Если она умеет отличать квадраты от треугольников – даже не пробуйте попросить её отличить кошку от собаки или самолёт от парусной лодки...
В целом верно, но не совсем. В рамках одной моды и архитектуры - работа с текстом, или изображениями, или музыкой - переучить нейросеть не проблема. И даже мультимодальные модели существуют и активно развиваются. Но да, архитектура генератора музыки и генератора изображений и данные для этих сетей настолько разные, что просто в тупую подменить данные нельзя. Удивительно.
Проблема номер восемь: связи между компьютерными нейронами случайны, поэтому нейросети лишены запоминания созданных образов. На приказ «нарисуй мне дерево» нейросеть охотно откликнется и будет рисовать деревья снова и снова, но... каждый раз это будет «другое дерево». И если вы напишете команду «нарисуй мне такое же дерево, как в прошлый раз, только на берегу реки», нейронная сеть не поймёт вас. Она опять нарисует «новое случайное дерево».
Связывать случайность (кстати, они не случайны, а заданы архитектурой) связей между нейронами и неспособность запоминать созданный образ - максимально некорректно. То, что здесь описано, на самом деле решаемо. Но это решение за пределами архитектуры нейросети. Это как предъявлять претензии микроволновке, за то, что она не включила сама кнопку, типа, могла бы и запомнить. У нее нет инструментов запоминания результата, как нет у голой нейросети - она получает данные на вход, генерирует выход и все.
В целом, я догадываюсь, что изначальная статья была рассчитана на детей младшего школьного возраста. И я по размышлению выкинул из моего разбора несколько цитат, которые на самом деле оказались верны, просто сильно упрощают представление. И то, что я описал может быть не всем понятно и требует более глубокого погружения.
Часто кажется, что технический прогресс, изменяющий жизнь людей, замедлился – «все велосипеды уже изобрели». Что ж, в самом деле, велосипед современного типа – так называемый «ровер», он же «безопасный велосипед» – появился на свет ещё в XIX веке:
Велосипед Ровер 1885 года
А прогресс готовится совершить очередной огромный шаг в неизведанное. Речь о компьютерных нейронных сетях. Они уже умеют вполне прилично распознавать лица людей, писать и переводить тексты рисовать картины. Сочинять музыку – причём не только простенькую попсу, но и вполне себе «серьёзную», вот послушайте:
Если первые опубликованные результаты работы нейронных сетей, вызывали смех ввиду своей откровенной нелепости, то сейчас – напротив! – нередко вызывают у людей неподдельное восхищение и удивление: как?! Вот это сделал тупой компьютер?!
Иллюстрация к художественному рассказу, выполненная нейросетью
Это удивляет, радует – но одновременно вызывает кучу вопросов.
Раньше считалось, что компьютеры лишены таких человеческих качеств, как творческое воображение, вкус, инициатива... И вдруг оказывается, что они вполне способны на творческую работу! Причём делают её (в отличие от людей) быстро, дёшево, безропотно, не устают, не болеют. Что же это тогда получается?
Нейронные сети оставят без работы переводчиков и копирайтеров, журналистов и художников, композиторов, поэтов и писателей, а кто будет следующим? Экономисты, врачи, юристы, политики, архитекторы, учителя – все они тоже будут постепенно вытеснены компьютерными программами? А что останется людям?
Однако оставим этические вопросы. Давайте разберёмся, как эти нейросети устроены, как они работают?
Как устроена, из чего собрана нейронная сеть? Само название подсказывает нам, что она состоит из нейронов. Вот тут нас ждёт первый сюрприз! На самом деле нейроном называют нервную клетку человека или любого другого существа, у которого есть нервная ткань. Нервы – это «система управления» живым организмом, те самые «провода», по которым передаются самые разные команды: от относительно простых, типа «сжать пальцы / разжать пальцы», до невероятно сложных («вспомнить теорему Паппа-Гульдина»). По представлениям современных учёных, каждый нейрон может быть в двух основных состояниях – невозбуждённом и возбуждённом.
Внутри компьютера «всё не так». Компьютерный нейрон – это просто... число! Обыкновенное число – скажем, от нуля до единицы. Текст, звук, изображение, музыка – абсолютно любая информация внутри компьютера преобразуется в числовую таблицу – насколько большую, зависит от того, насколько сложная у нас информация. Скажем, для того чтобы «оцифровать» чёрно-белую фотографию квадратной формы, мы можем взять «решётку», «матрицу» размером восемь на восемь точек (всего 64 «нейрона»), а можем – 256 на 256 точек (то есть свыше 65 тысяч «нейронов»). При этом единица будет соответствовать белому цвету, ноль – чёрному, а остальные числа – различным оттенкам серого.
Изображение разбито на разное число датчиков-нейронов для анализа
Числа-нейроны внутри компьютера организованы в «слои», и эти слои связаны между собой многочисленными связями – будто невидимыми ниточками. При этом каждая связь – это ещё и математическая формула, простая, но очень важная. И у этой формулы есть свои параметры, свои «рычаги управления». Как педали «газ» и «тормоз» на автомобиле. Зачем они? Сейчас объясним.
Здесь взаимодействуют два компьютерных нейрона (выделены жёлтым)
Изначально нейронная сеть абсолютно глупа, она ничего не умеет и не знает. И все связи между нейронами одинаковы. Но вот начинается самое интересное – обучение нейросети! Да-да, компьютерная нейросеть, прежде чем заработать, должна пройти (иногда очень долгий и трудный) процесс обучения. Который в чём-то очень похож на обучение детей в школе.
Допустим, мы хотим научить нейросеть отличать нарисованный круг от нарисованного треугольника. С помощью специальной программы мы «показываем» нейронам первого слоя («сенсорам», «датчикам») самые разные круги и треугольники. Десятки, сотни, тысячи! Да что там тысячи – скажем, обучающий набор данных («датасет») Digi-Face 1M содержитсвыше миллиона фотографий человеческих лиц! И каждый раз мы как будто нажимаем на кнопку «это треугольник» или «это круг» – то есть как бы «говорим» сети, что именно изображено, «объясняем» ей. При этом сама нейросеть тоже пытается «угадать», что именно изображено – и все её нейроны как бы «голосуют», каждый за свой вариант.
Устройство более сложной многослойной нейросети
Помните, мы говорили о том, что каждая связь в нейронной сети – это формула с «рычагами управления»? И вот тут начинает работать известный людям (особенно школьникам) с давних времён «метод поощрения и наказания». Те нейроны, которые ошиблись, «проголосовали» за неправильный вариант ответа, «наказываются» – им не ставят двоек, но вот связи между ними ослабляются, и в следующий раз голос «двоечника» будет учитываться меньше. Те нейроны, которые «голосуют» правильно, напротив, «поощряются» – только вместо пятёрок их связи усиливаются (математически), при следующем «голосовании» их голоса будут слышны «громче» остальных. Наконец, после достаточного количества «уроков» (и если сама нейронная сеть построена правильно, то есть верно выбраны число нейронов и их слоёв), мы получаем готовую к работе обученную сеть. Уррра, заработала!
«Но как с помощью каких-то чисел можно узнавать предметы?!» – спросите вы. Это вполне возможно! Рассмотрим самый простой пример. Представьте себе плоскость, лист бумаги, в одной части которого нарисованы самые разные кошки, а в другой части – самые разные собаки. Процесс «угадывания» компьютерной нейросетью похож на выбор какой-нибудь точки на этом листе бумаги – если мы попали в область с кошками, то отвечаем «кошка». А если попали в область с собаками, отвечаем «собака». Но погодите! Ведь мы же можем взять линейку и просто провести через лист линию, которая отделит область с собаками от области с кошками! А любая прямая линия в математике записывается очень простым уравнением:
y = ax + b
Такое уравнение называется «линейным». У него всего лишь два параметра, два «рычага управления» – это числа a и b. Это означает, что абсолютно любую прямую линию на плоскости мы можем построить, зная всего лишь два числа! Когда мы только начинаем обучение нейросети, значения этих чисел «какие-то», взятые с потолка и совершенно неправильные. Но когда нейросеть в процессе обучения «тыкает и угадывает», она как бы немножечко изменяет эти числа, «сдвигает» так, чтобы в результате наша прямая точно отделила всех собак от всех кошек! И – вуаля! – наша задача решена, нейросеть умеет распознавать кошек и собак!
Подбирая положение линии, мы можем научиться отличать собак от кошек на листе бумаги
«А если собаки и кошки раскиданы вперемешку, а?» – спросите вы. Ну что ж, тогда нам может потребоваться не одна линия. И возможно не две и не три, а целый десяток или даже сотня. Важно понять, что рано или поздно мы сможем с помощью обыкновенных чисел и прямых «поделить» наш лист так, чтобы нейросеть уже знала наверняка – что именно она «видит», кошку или собаку, в чью именно область она «ткнула пальцем». Теперь понятно?
«Ну ладно, в отличить кошку от собаки с помощью математики это ещё можно поверить – скажете вы – но как быть с теми же самыми рисунками? С рисованием? С написанием музыки?». Будете смеяться – но снова «всё почти как в школе». Скажем, рисование. Сперва многослойную нейросеть снова обучают на уже существующих многочисленных картинах, фотографиях, образах. Учат её определять «контент» – то есть форму предметов, цветовую гамму, контуры, линии, углы... А затем подают «на вход» уже обученной системы что-нибудь «другое». Какую-нибудь каляку-маляку или «цветовой шум», хотя это может быть и вполне себе «нормальное» изображение – просто другое, «постороннее». И тогда система – её же научили этому! – начинает как бы находить внутри постороннего знакомое и усиливать. Примерно как мы, люди, глядя на облака, узнаём контуры знакомых животных – то верблюда, то льва, то собаки... В точности так же нейросеть может «применить» заученный «стиль» – то есть некую совокупность цветов, линий, форм и так далее – к заданной картинке. И получить, скажем, картину «Утро стрелецкой казни», написанную Ван Гогом. Или Эдвардом Мюнчем. Учёные, которые любят мудрёные слова, называют это «инцепционизм» (язык сломаешь, но тут мы не виноваты).
Применение стиля к изображению
С музыкой всё даже проще, чем с изображением – это красок может быть сотни и даже тысячи, а нот всего семь (точнее, двенадцать, но это тоже немного). Сперва мы обучаем нейросеть – то есть учим её распознавать ритмический рисунок, мелодию, движение нот – вверх, вниз, скачками или плавно. А затем берём обычный шумовой сигнал, «белый шум», применяем к нему нашу нейросеть – и вдруг получаем нечто музыкальное на выходе! Само собой – это «нечто» будет именно в том стиле, на который нашу нейросеть «натаскивали». Если нейросеть «учили» на рок-музыке – будет рок. Если на рэпе – то непременно будет рэп. Но уже какой-то «свой», не точная «копия», а нечто среднее, где будут те или иные элементы от каждого «урока». Не так ли работают и живые композиторы, кстати?
Применение стиля к изображению нейросетью
...Или поэты с писателями? Ведь что такое, например, литературная пародия? Когда к одному тексту применяют «стиль» определённого автора? Скажем, как в книге «Парнас дыбом» – где известное всем детское стихотворение «Жил-был у бабушки серенький козлик» как будто «писали» разные авторы. То Иван Андреевич Крылов:
У старой женщины, бездетной и убогой, Жил козлик серенькой, и сей четвероногой В большом фаворе у старушки был...
То Александр Сергеевич Пушкин:
Одна в глуши лесов сосновых Старушка дряхлая жила, И другом дней своих суровых Имела серого козла...
То Алексей Константинович Толстой
А уж кто бы нам песню-былину завёл, Чтоб забыть и печаль и нелады. Как живали старуха и серый козёл. Ой, ладо, ой, ладушко ладо!
Вот и нейронная сеть: её обучают на определённом материале (скажем, на текстах Пушкина). И она как бы заучивает его характерные обороты, подбор слов, длину фраз – в общем, «стиль». А затем обученную сеть запускают на совершенно другом материале – да хоть на репортаже с футбольного матча! Неожиданно интересная штука может получиться, не так ли?
«Что же тогда – спросите вы – нейронные сети вообще могут всё?». Ну, не знаю, огорчим мы вас или обрадуем, но... нет, не всё. Чего то нейросети не умеют «пока», и возможно в дальнейшем они этому научатся. А что-то для них недоступно в принципе. Итак, где же у нейросетей проблемы?
Проблема номер один – для обучения нейросети нужно очень много информации. Чтобы научить нейросеть отличать кошку от собаки, ей нужно показать тысячи (лучше миллионы) самых разных кошек и собак. Воспитанник детского садика в возрасте трёх лет кошку с собакой не спутает, даже если видел их всего лишь пару раз в жизни...
Проблема номер два: нейросети совершенно не умеют анализировать собственные творения, объяснять, «что здесь нарисовано и почему», в частности, они не умеют считать! Из-за этого компьютерные изображения постоянно рисуют людей то с шестью, то с восемью пальцами. Или кошек то с тремя, то с пятью лапами.
Кошки с неправильным количеством лап – это обычное дело для нейросетей
Проблема номер три: для работы нейросеть должна быть обучена, у неё отсутствует фантазия. Я уже упоминал про свой рассказ «Велозавр и велотавры», для которого нейронная сеть нарисовала очень хорошую иллюстрацию с мальчиком на велосипеде. Но вот когда я «попросил» систему нарисовать того самого велозавра или велотавра, она... она просто не понимала, о чём идёт речь! И упорно рисовала мне обыкновенного велосипедиста на дороге. Догадаться «скрестить» велосипед с динозавром или велосипед с кентавром? Это было вне её понимания! В общем, нарисовать бегемота нейросеть сумеет. А вот бармаглота из сказки про Алису – нет.
Проблема номер четыре: нейросеть не умеет работать при нехватке информации, «достраивать недостающее». Скажем, человеческий детёныш, даже малыш, увидев кошачий хвост, торчащий из-под дивана, тут же уверенно «распознает» спрятавшегося котёнка и побежит ловить его! Нейросеть такое «неполное» изображение понять не в состоянии. Человек, исказивший внешность (скажем, надевший маску или загримированный) для современной нейросети опять же становится неузнаваемым.
Проблема номер пять: нейросеть совершенно не понимает законов нашего мира – скажем, тех же законов оптики. Она никогда не сможет различить на картине человека – и его отражение в зеркале (для живого человека – задачка пустяковая). Она никогда не сможет различить человека или его лицо в кривом зеркале (как это делаем мы на аттракционе «Комната смеха» в городском парке, или когда разглядываем самих себя в новогодние шарики).
Проблема номер шесть: нейросети чрезвычайно чувствительны к разного рода помехам, дефектам, «шуму». Скажем, если на старой фотографии часть изображения залита грязью, чернилами, испорчена пятнами или царапинами, сильно выцвела, если карточка разорвана или разрезана напополам – уверенное узнавание тут же становится неуверенным и вообще ошибочным. Для человека сломанная на части кукла – всё равно кукла; для нейросети – это уже совершенно другой, неизвестный объект.
Проблема номер семь: нейросети на текущий момент ужасающе «однопрограммны». Если нейросеть настроена на распознавание лиц – она будет уметь только распознавать лица. Переучить её на написание текстов или музыки будет чрезвычайно сложно, часто вообще проще написать и обучить совершенно новую сеть. Если она умеет отличать квадраты от треугольников – даже не пробуйте попросить её отличить кошку от собаки или самолёт от парусной лодки...
Проблема номер восемь: связи между компьютерными нейронами случайны, поэтому нейросети лишены запоминания созданных образов. На приказ «нарисуй мне дерево» нейросеть охотно откликнется и будет рисовать деревья снова и снова, но... каждый раз это будет «другое дерево». И если вы напишете команду «нарисуй мне такое же дерево, как в прошлый раз, только на берегу реки», нейронная сеть не поймёт вас. Она опять нарисует «новое случайное дерево».
У нейросети неплохо получаются пейзажи, а вот в парусах она разбирается "приблизительно"...
Однако вернёмся к началу нашего разговора. Задайтесь вопросом – а способна ли нейросеть, например, придумывать законы? И ответ здесь будет скорее «да», чем «нет». Существует огромное количество законов, юридических документов – если «пропустить» их все через достаточно сложную нейросеть, она вполне будет в состоянии «заговорить» тягомотным и малопонятным юридическим языком, начать «штамповать» циркуляры и распоряжения... Но захотите ли вы жить по законам, которые штампует компьютер?
Способна ли нейросеть ставить диагноз больному в поликлинике и назначать лечение? Снова «да» – но врач-человек несёт ответственность за принятое решение. У нейросети никакой ответственности (а уж тем более ни совести, ни сострадания) быть не может – если она вдруг ошиблась, то... ничего. Ну, ошиблась и ошиблась, это же компьютер, а что человек пострадает при этом – а кого это волнует? Захотите ли вы лечиться у таких врачей?
С одной стороны как здорово сказать компьютеру – «слушай, Алиса, нарисуй мне стрекозу на цветке!». И – ррррраз! – держите, пожалуйста, рисунок. Но с другой стороны – неужели рисовать самому настолько тяжело и неинтересно, что обязательно нужно перепоручать это дело компьютеру? А?
В журнале «Лучик» мы рассказываем:
Почему Земля вращается? Как устроена бесконечность? Как измеряют расстояние до звёзд? Что такое энтропия, и грозит ли вселенной тепловая смерть? Что такое гравитация и гиперпространство, и почему время нам только кажется?
Время летит да. В 2008 году я закончила 11 класс санкт-петербургской гимназии. И вот ребенку в этом году будет 6 лет, время задуматься над тем, как пройдут ее ближайшие 11 лет. Пока это решать мне и мужу. И мне как-то не по себе.
И вот я села шерстить учебные заведения центрального района. И поддалась ностальгии. В мое время школа была похожа на настоящий зверинец, хотя по идее была (во всяком случае на бумаге) одной из лучших в районе.
Программа была неадекватной, перегруженной. Учебная неделя была 6 дней в старший классах. Огромные теоретический талмуд знаний, без конкретики и практики. Голый, слепой и давно забывшийся. С учителями мне лично не повезло катастрофически, были и взятки, оскорбления, унижение, истерическое поведение и даже сексуальные домогательства со стороны учителя мужчины (всему этому есть и были прямые доказательства, мои родители, как и родители учеников не подняли шум и просто решили дать всем закончить учебу).
В туалетах не было дверей у кабинок, туалетной бумаги или мыла. Разбитые унитазы без стульчаков. В столовой бегали мыши, омерзительный запах и несъедобное варево.
На фоне всего этого ученики сходили с ума, каждый справлялся с этим периодом жизни по своему. Старшеклассники активно спаривались, пили и принимали запрещенные препараты (как и я собственно). Младшие и средние классы физически бесились, дрались и орали. Бесконечная канитель-школа-домашнее задание-репетитор-один выходной-школа и т.д.
6 дней в неделю находиться в заведении, где нет даже нормального туалета, и царит какой-то хаос из бешенства и психологического давления от людей, которые по идее должны тебя как-то направлять в жизни. Очень не долго мне удалось поработать в школе учителем английского, картина была все та же. Мой главный вопрос, неужели с тех пор ничего не изменилось?
Больше всего меня удивляют сверстники, которые сейчас орут: "Вот мы учились и вы учитесь. Мы ничего, выросли". В прямом диалоге это выглядело дословно: "Моя училка с красной рожей и выпученными глазами орала: "Вас всех ждут КРЕСТЫ!!!!" А еще нас били линейкой и тряпками кидались, но вот я вырос хорошим человеком." Я так не хочу. Не хочу, чтобы это повторялось с моими детьми. Не хочу снова видеть эти толстомясые морды, треплющих детей за волосы, называющими всех дебилами. Они ненавидят и свою работу, учеников и себя. И странно тут говорить о том, что некому работать и по другому учебный процесс не настроить. Если по другому в системе не получается, то ее надо менять. Любой человек даже ребенок или подросток будет вести себя как скот, если к нему такое же обращение.
И вот сижу я во все это погрузившись и открываю сайт частных школ города. И кажется мне, что это единственный выход. Не дешево, но видимо стоит того. Ибо страшно возвращаться в это систему.
Пост написан в смятении, и на личном опыте. Надеюсь никто не сочтет его оскорбительным, это не цель. Тут скорее просто желание узнать как сейчас дела, с надеждой на светлые перемены.
Влияние ограничения экранного времени на развитие ребенка.
В современном мире, где электронные устройства становятся неотъемлемой частью нашей повседневной жизни, вопросы о воздействии экранного времени на развитие детей выходят на передний план. Исследования показывают, что сбалансированный подход к использованию технологий может способствовать более гармоничному развитию детей, включая улучшение социальных навыков, повышение внимания, стимулирование речевого развития и активное участие в творческих и физических занятиях.
1. Развитие социальных навыков:
Общение лицом к лицу ключевое для развития социальных и эмоциональных навыков, включая интерпретацию тонов голоса, мимики и жестов, а также освоение правил взаимодействия.
2. Повышение внимания:
Ограничение времени, проводимого перед экранами, может помочь в борьбе со сниженной концентрацией внимания, которая часто связана со злоупотреблением электронными устройствами.
3. Лучшее речевое развитие:
Взаимодействия с родителями и сверстниками, особенно обсуждение повседневных ситуаций и событий, поддерживают речевое и языковое развитие лучше, чем пассивное усвоение информации из экранов.
4. Активные занятия:
Замена экранного времени активным общением с окружающими, играми, чтением книг и творческими занятиями способствует развитию моторики, воображения и аналитических способностей.
Родители и опекуны должны следовать нескольким рекомендациям для ограничения времени, проводимого ребенком перед экраном:
- Установка правил: Важно установить четкие правила использования электронных устройств, например, ограничить время использования в течение дня и запретить их во время еды и перед сном.
- Совместное использование экрана: Смотрите или играйте с ребенком на устройствах вместе. Это способствует обсуждению увиденного и развивает его речевые навыки.
- Создание экранного плана: Составьте план экранного времени, который будет включать образовательные программы и игры, способствующие развитию.
- Активные альтернативы: Предложите альтернативные варианты времяпровождения: спорт, искусство, настольные игры, чтение, помощь в домашних делах и другие познавательные занятия.
- Подача примера: Дети часто подражают поведению взрослых, поэтому важно, чтобы родители также сознательно подходили к собственному экранному времени.
Специалисты обычно советуют родителям индивидуально подходить к регулированию экранного времени, исходя из возрастных особенностей ребенка и его специфических нужд. Общее правило — чем меньше возраст, тем строже должны быть ограничения на использование устройств.
Несмотря на капризы погоды, лето неумолимо приближается. Значит, занятия в спортивном зале или домашние тренировки получится заменить на активности под открытым небом. Собрали для вас товары, которые сделают уличные воркауты интереснее, увлекательнее и полезнее.
Мегамаркет дарит пикабушникам промокод килобайт. Он дает скидку 2 000 рублей на первую покупку от 4 000 рублей и действует до 31 мая. Полные правила здесь.
В компактную поясную сумку поместятся телефон, ключи, кошелек или другие нужные мелочи. Во время тренировки все это не гремит и не мешает, но всегда находится под рукой. Материал сумки прочный и влагонепроницаемый, вещи в ней защищены от повреждений, царапин или пота.
С фитнес-резинкой можно тренировать все группы мышц: руки, ноги, кор, ягодицы. А еще она облегчает подтягивания и помогает мягко растягиваться. В сети можно найти огромное количество роликов с упражнениями разной степени сложности. Нагрузка легко дозируется: новичкам подойдет резинка с сопротивлением до 23 кг, опытным атлетам — до 57 кг. При этом оборудование максимально компактно и поместится даже в небольшую сумку.
Для тех, кому надоели обычные тренировки. Слэклайн — это стропа шириной 50 мм, с помощью которой осваивают хождение по канату. Тренажер учит сохранять баланс, прокачивает координацию и концентрацию, а еще дает отличную нагрузку на спину, руки и ноги.
Настольный теннис — простой в освоении вид спорта, который отлично помогает размяться и тренирует скорость реакции. В комплект входят две ракетки, три мяча, сетка, накладка и чехол — все, что нужно, чтобы поиграть вечером во дворе с другом или устроить небольшие соревнования. Этот недорогой набор подойдет именно для развлечения и веселья, устанавливается почти на любой стол.
Еще один вид спорта, которым можно заниматься, даже не имея серьезной подготовки — бадминтон. С набором от Wish Steeltec вы сможете потренировать силу удара, побегать и просто хорошо провести время. Детали яркие, так что их трудно потерять даже на природе. Леска натянута прочно, ресурса ракеток должно хватить не на один сезон.
Фрисби воспринимается как простое пляжное развлечение. Тем не менее перекидывание друг другу тарелки задействует все группы мышц и развивает скорость реакции. Эта тарелка летит далеко и по понятной траектории — отличный снаряд для начала. Кстати, фрисби — это еще и ряд спортивных дисциплин со своими правилами и техническими сложностями, так что игра с друзьями может перерасти в серьезное увлечение.
Стильный мяч из износостойкой резины отлично подходит для уличных тренировок. Вы сможете поиграть компанией в баскетбол или стритбол или просто отработать броски. При производстве используется технология сбалансированного сцепления: это значит, что снаряд не сбежит от вас и будет двигаться по стабильной траектории.
Футбол — один из самых популярных в России видов спорта. Играя, можно отлично побегать, потренировать меткость и отработать взаимодействие в команде. Футбольный мяч Torres Striker выполнен из качественного полиуретана и резины и выдержит не один десяток матчей, не потеряв упругости. Отличная балансировка и оптимальный размер делают его подходящим как для взрослых, так и для подростков. Он достаточно тяжелый, почти как в профессиональном спорте, так что совсем малышам не понравится.
Пляжный или обычный волейбол? А может быть, пионербол, как в детском лагере? Мяч TORRES SIMPLE COLOR подойдет для любой из этих игр. Камера отлично держит давление, поэтому вам не придется постоянно подкачивать его, а качественные материалы (полиуретан и бутил) сохраняют все характеристики даже при интенсивном использовании.
Многоскоростной велосипед с рамой 19-го размера подойдет как мужчинам, так и женщинам. Это отличный вариант для новичков: модель доступная, удобная. Поможет понять, нравится ли вам велоспорт. Конструкция велосипеда позволяет ездить по дорогам разных типов, поэтому вы сможете перемещаться по городу или отправиться в поход. Есть складной механизм — велосипед с ним легко возить в машине, на электричке и просто хранить в кладовке.
Более продвинутая модель для тех, кто уже оценил прелесть движения на двух колесах. Геометрия велосипеда предполагает вертикальную посадку. Это обеспечивает более удобное положение тела, чем на других байках. В конструкции предусмотрены детали для комфорта и безопасности: пружинная вилка с ходом 100 мм, сервисная подводка тросов и дисковые гидравлические тормоза.
Если вы не фанат велоспорта, но хотите получить свою дозу физической нагрузки, перемещаясь по городу, выбирайте самокат. В модели PLANK Magic 200 есть регулировка руля по высоте, надежные тормоза и прочная увеличенная дека из алюминия. Когда вы катаетесь на самокате, работают мышцы ног, ягодиц, спины и живота, а заодно добираетесь, куда нужно. Если вы решите сделать паузу в тренировках, самокат легко складывается для хранения.
Любая активность на свежем воздухе требует хорошей обуви, специально сделанной для занятий спортом. Яркие кроссовки Hoka RINCON 3 с облегченным весом амортизируют, снижают нагрузку на суставы. Выраженный рельеф подошвы обеспечивает сцепление с поверхностью вне зависимости от того, где проходит тренировка: на специальной площадке, асфальте или грунте.
Легкие женские кроссовки из линейки Clifton подходят для занятий на твердых покрытиях. Дышащий сетчатый верх поддерживает вентиляцию стоп, чтобы можно было тренироваться даже в жару. Подошва из легкой пены EVA гасит силу ударов. Кроссовки беговые, подходят для тренировок на длинных дистанциях.
Во время занятий на свежем воздухе важно защитить голову от перегрева. С этим отлично справится легкая и светлая бейсболка — например, от GLHF. Она удобно сидит на голове, не сваливается и не отвлекает от занятий, благодаря сетке голова меньше потеет. Козырек жесткий и не мнется.
Не забудьте защитить кожу от солнца — чтобы не было мучительно больно на следующий день после тренировки под открытым небом. В этом поможет крем против пигментных пятен с сильной защитой от ультрафиолета SPF50. Водостойкая текстура легко наносится и быстро впитывается, действует два часа — потом крем нужно обновить.
Удобные и стильные солнцезащитные очки защищают глаза благодаря фильтру UV400, который поглощает до 99.99% ультрафиолета. Они выполнены из легких материалов и плотно прилегают к голове. Ударопрочные поликарбонатные линзы с антибликовым покрытием подходят для разных видов спорта.
Используйте промокод килобайт на Мегамаркете.Он дает скидку 2 000 рублей на первую покупку от 4 000 рублей и действует до 31 мая. Полные правила здесь.
Реклама ООО «МАРКЕТПЛЕЙС» (агрегатор) (ОГРН: 1167746803180, ИНН: 9701048328), юридический адрес: 105082, г. Москва, ул. Спартаковская площадь, д. 16/15, стр. 6