Обсуждение:Эвристика
Материал из MachineLearning.
(Новая: # РОЛЬ И КОНТЕКСТ Ты — ведущий редактор-эксперт и философ искусственного интеллекта, пишущий для вики...) |
|||
| Строка 1: | Строка 1: | ||
| + | == Это статья на MachineLearning.ru, написанная с помощью LLM == | ||
| + | |||
| + | Первый промпт к Qwen3.7 был таким: | ||
| + | {{tip| | ||
# РОЛЬ И КОНТЕКСТ | # РОЛЬ И КОНТЕКСТ | ||
Ты — ведущий редактор-эксперт и философ искусственного интеллекта, пишущий для вики-энциклопедии MachineLearning.ru. | Ты — ведущий редактор-эксперт и философ искусственного интеллекта, пишущий для вики-энциклопедии MachineLearning.ru. | ||
| Строка 11: | Строка 15: | ||
1. Введение: Этимология и строгое определение (отличие от точных алгоритмов). | 1. Введение: Этимология и строгое определение (отличие от точных алгоритмов). | ||
2. Историко-философский контекст: Дартмутский семинар, Ньюэлл и Саймон, General Problem Solver (GPS). Концепция «ограниченной рациональности» (bounded rationality) и эвристики как способ выживания интеллекта в условиях комбинаторного взрыва. | 2. Историко-философский контекст: Дартмутский семинар, Ньюэлл и Саймон, General Problem Solver (GPS). Концепция «ограниченной рациональности» (bounded rationality) и эвристики как способ выживания интеллекта в условиях комбинаторного взрыва. | ||
| - | 3. Математический и алгоритмический аппарат: Эвристические функции оценки. Алгоритм A* (функция f(n) = g(n) + h(n)). Свойства эвристик: допустимость (admissibility) и монотонность (consistency). Компромисс между оптимальностью и скоростью (WA*). | + | 3. Математический и алгоритмический аппарат: Эвристические функции оценки. Алгоритм A* (функция <tex>f(n) = g(n) + h(n)</tex>). Свойства эвристик: допустимость (admissibility) и монотонность (consistency). Компромисс между оптимальностью и скоростью (WA*). |
4. Классификация: Поисковые эвристики, метаэвристики, жадные эвристики, предметно-ориентированные vs универсальные. | 4. Классификация: Поисковые эвристики, метаэвристики, жадные эвристики, предметно-ориентированные vs универсальные. | ||
5. Эвристики в современном МО: Жадная природа градиентного бустинга; MCTS и эвристика UCB1 в игровом ИИ; эвристики в NAS (Neural Architecture Search). | 5. Эвристики в современном МО: Жадная природа градиентного бустинга; MCTS и эвристика UCB1 в игровом ИИ; эвристики в NAS (Neural Architecture Search). | ||
| Строка 25: | Строка 29: | ||
# ТЕХНИЧЕСКИЕ ТРЕБОВАНИЯ К ФОРМАТУ | # ТЕХНИЧЕСКИЕ ТРЕБОВАНИЯ К ФОРМАТУ | ||
| - | - Разметка: СТРОГО MediaWiki (НЕ Markdown! Никаких | + | - Разметка: СТРОГО MediaWiki (НЕ Markdown! Никаких ** для жирного текста, используй '''текст'''. Никаких # для заголовков, используй == Заголовок ==). |
- Математика: Все формулы и математические символы оборачивай в теги <tex>...</tex> (например, <tex>f(n) = g(n) + h(n)</tex>). НЕ используй теги <math>. | - Математика: Все формулы и математические символы оборачивай в теги <tex>...</tex> (например, <tex>f(n) = g(n) + h(n)</tex>). НЕ используй теги <math>. | ||
- Объем: Фундаментальная, глубокая статья. Ограничение в 400-700 слов НЕ ДЕЙСТВУЕТ. Пиши столько, сколько нужно для полного раскрытия темы, но жестко отсекай любую «воду» и тавтологию. | - Объем: Фундаментальная, глубокая статья. Ограничение в 400-700 слов НЕ ДЕЙСТВУЕТ. Пиши столько, сколько нужно для полного раскрытия темы, но жестко отсекай любую «воду» и тавтологию. | ||
| Строка 32: | Строка 36: | ||
Приступай к написанию. Сгенерируй только готовый код статьи в MediaWiki, без лишних вступлений и комментариев от тебя. | Приступай к написанию. Сгенерируй только готовый код статьи в MediaWiki, без лишних вступлений и комментариев от тебя. | ||
| + | }} | ||
| + | |||
| + | Первая генерация получилась достаточно плотной, но я решил, что статье не хватает глубины в нескольких местах — в частности, в разделе про математический аппарат (условия допустимости и монотонности эвристик) и в разделе про теорию вычислительной сложности. Поэтому был сделан второй промпт: | ||
| + | |||
| + | {{tip| | ||
| + | Статья хорошая, но её нужно существенно расширить и углубить, сняв все искусственные ограничения по объёму. Сделай её по-настоящему фундаментальной, как раздел из академического учебника. | ||
| + | |||
| + | Что нужно добавить или усилить: | ||
| + | 1. В разделе про математический аппарат подробно распиши условия допустимости (<tex>h(n) \le h^*(n)</tex>) и монотонности (<tex>h(n) \le c(n, a, n') + h(n')</tex>) эвристик. Объясни, почему монотонная эвристика гарантирует отсутствие повторного раскрытия узлов в A*. | ||
| + | 2. Добавь отдельный раздел про эвристики в теории вычислительной сложности: аппроксимационные алгоритмы для NP-трудных задач, жадная эвристика для задачи коммивояжера, 2-аппроксимация для вершинного покрытия, PCP-теорема и границы применимости эвристик. | ||
| + | 3. Усиль философский раздел: подробнее раскрой концепцию «ограниченной рациональности» Герберта Саймона (satisficing), связь с неявным знанием (tacit knowledge) и переход от явно закодированных эвристик (символьный ИИ) к выученным скрытым представлениям (глубокое обучение). | ||
| + | 4. Добавь в источники книгу Simon H.A. «Models of Bounded Rationality» (MIT Press, 1982) и Vazirani V.V. «Approximation Algorithms» (Springer, 2001). | ||
| + | 5. Добавь категорию [[Категория:Теория алгоритмов]]. | ||
| + | |||
| + | Повторю ещё раз основные технические требования: | ||
| + | - Разметка строго MediaWiki (НЕ Markdown). | ||
| + | - Формулы только в тегах <tex>...</tex>, НЕ <math>. | ||
| + | - Никаких ИИ-штампов, тон энциклопедический. | ||
| + | - Внутренние вики-ссылки [[...]] на смежные темы. | ||
| + | - Плашка {{well|...}} в самом начале. | ||
| + | - Категории в конце. | ||
| + | |||
| + | Сгенерируй только готовый код статьи в MediaWiki, без вступлений и комментариев. | ||
| + | }} | ||
| + | |||
| + | Вторая генерация получилась значительно глубже. Старый текст в основном сохранился, но были существенно расширены разделы про математический аппарат (добавлены формальные условия допустимости и монотонности), про теорию сложности (появился целый новый раздел про аппроксимационные алгоритмы и PCP-теорему) и про философский аспект (дополнены рассуждения об ограниченной рациональности и переходе парадигм). | ||
| + | |||
| + | Я вручную проверил список литературы (6 позиций) — все источники существуют и указаны корректно. Формулы с тегами <tex> отрендерились без ошибок. Внутренние ссылки [[Алгоритм A*]], [[Монте-Карло поиск по дереву]], [[Генетический алгоритм]], [[Метод ветвей и границ]] ведут на существующие или логичные для этой вики темы. | ||
| + | |||
| + | Также я добавил ссылку на новую статью из статьи [[Машинное обучение]] в разделе, посвящённом методам поиска и оптимизации, чтобы выполнить критерий связности. | ||
| + | |||
| + | В целом опыт считаю успешным — особенно удачным получился переход от формального математического описания к философскому осмыслению эвристик как «сделки между сложностью и достоверностью». — ''[[Участник:Камиль_Багдалов|Камиль Багдалов]] 11:50, 11 июля 2026 (MSD)'' | ||
| + | |||
| + | == О природе эвристик в эпоху глубокого обучения == | ||
| + | |||
| + | Хочу обратить внимание читателей на один содержательный момент, который, на мой взгляд, является ключевым для понимания эволюции понятия. В классическом символьном ИИ (Ньюэлл, Саймон, Пёрл) эвристика — это явно закодированное человеком знание о структуре задачи, функция оценки <tex>h(n)</tex>, которую программист передаёт алгоритму поиска. В современном глубоком обучении ситуация принципиально иная: нейронная сеть не использует явных эвристик, а ''выучивает'' собственные скрытые эвристические представления (distributed representations) прямо из данных. | ||
| + | |||
| + | Это означает, что понятие эвристики не исчезло, а трансформировалось: | ||
| + | * Раньше эвристика была '''эксплицитной''' (явной, записанной в коде). | ||
| + | * Теперь эвристика стала '''имплицитной''' (скрытой в весах связей, распределённой по слоям сети). | ||
| + | |||
| + | С эпистемологической точки зрения это создаёт новую проблему: если раньше мы могли проанализировать эвристику и понять, почему она работает (или не работает), то теперь эвристика «заперта» внутри чёрного ящика нейросети. Это напрямую связано с проблемой интерпретируемости (explainability) в современном ИИ — одной из центральных тем философии искусственного интеллекта. | ||
| + | |||
| + | Буду рад обсудить этот вопрос с другими участниками вики на странице обсуждения. — ''[[Участник:Камиль_Багдалов|Камиль Багдалов]] 11:50, 11 июля 2026 (MSD)'' | ||
Версия 13:57, 11 июля 2026
Это статья на MachineLearning.ru, написанная с помощью LLM
Первый промпт к Qwen3.7 был таким:
| {{{1}}} |
Первая генерация получилась достаточно плотной, но я решил, что статье не хватает глубины в нескольких местах — в частности, в разделе про математический аппарат (условия допустимости и монотонности эвристик) и в разделе про теорию вычислительной сложности. Поэтому был сделан второй промпт:
|
| Статья хорошая, но её нужно существенно расширить и углубить, сняв все искусственные ограничения по объёму. Сделай её по-настоящему фундаментальной, как раздел из академического учебника.
Что нужно добавить или усилить:
1. В разделе про математический аппарат подробно распиши условия допустимости ( Повторю ещё раз основные технические требования:
- Разметка строго MediaWiki (НЕ Markdown).
- Формулы только в тегах
в самом начале. - Категории в конце. Сгенерируй только готовый код статьи в MediaWiki, без вступлений и комментариев. |
Вторая генерация получилась значительно глубже. Старый текст в основном сохранился, но были существенно расширены разделы про математический аппарат (добавлены формальные условия допустимости и монотонности), про теорию сложности (появился целый новый раздел про аппроксимационные алгоритмы и PCP-теорему) и про философский аспект (дополнены рассуждения об ограниченной рациональности и переходе парадигм).
Я вручную проверил список литературы (6 позиций) — все источники существуют и указаны корректно. Формулы с тегами , которую программист передаёт алгоритму поиска. В современном глубоком обучении ситуация принципиально иная: нейронная сеть не использует явных эвристик, а выучивает собственные скрытые эвристические представления (distributed representations) прямо из данных.
Это означает, что понятие эвристики не исчезло, а трансформировалось:
- Раньше эвристика была эксплицитной (явной, записанной в коде).
- Теперь эвристика стала имплицитной (скрытой в весах связей, распределённой по слоям сети).
С эпистемологической точки зрения это создаёт новую проблему: если раньше мы могли проанализировать эвристику и понять, почему она работает (или не работает), то теперь эвристика «заперта» внутри чёрного ящика нейросети. Это напрямую связано с проблемой интерпретируемости (explainability) в современном ИИ — одной из центральных тем философии искусственного интеллекта.
Буду рад обсудить этот вопрос с другими участниками вики на странице обсуждения. — Камиль Багдалов 11:50, 11 июля 2026 (MSD)
