"दो या दो से अधिक शिक्षकों" की समस्या का सारांश और एआई समुदाय के बारे में एक व्यक्तिपरक राय

जब मैं एक विचार स्थापित कर रहा था, यह लेखों पर थोड़ा फैल गया

1. चेतना और अचेतन के कार्यात्मक अलगाव का एक मॉडल। परिचय
2. भूलने के प्रभाव के बिना चेतना या एएनएन की अभिव्यक्ति का एक मॉडल
3. "दो या अधिक शिक्षकों की समस्या।" पहले छूता है
4. तंत्रिका नेटवर्क पर प्रबलित शिक्षण। सिद्धांत

दर्शकों को आवश्यक ज्ञान था, सभी एक ही, हमारे पास समाज का रंग है - प्रोग्रामर :) लेकिन अफसोस ... नवीनतम सर्वेक्षण से पता चला कि सभी प्रोग्रामर एआई समस्याओं से अवगत नहीं हैं। और टिप्पणी में इन लेखों में भाग लेने वाले गंवार छात्रों ने अभी तक अपनी पढ़ाई पूरी नहीं की है।

आइए सर्वेक्षण में वादा किए गए एक विस्तारित लेख को संक्षेप और विचार करने का प्रयास करें। और साथ ही उन्होंने मुझे बताया कि एआई समुदाय में गंभीर समस्याएं हैं। टिप्पणियों की एक श्रृंखला के बाद - हाँ, जाहिरा तौर पर वास्तव में है। चलिए ट्रेंड को देखने की कोशिश करते हैं।

एआई समुदाय के बारे में विशेष राय

इससे शुरुआत करते हैं। कई लोग इसे पसंद नहीं करेंगे, लेकिन खुद इसका मूल्यांकन करने की कोशिश करेंगे।

किसी भी विज्ञान के रूप में, AI पहले से ही एक पूर्ण बुनियादी ढांचे का अधिग्रहण कर चुका है :)। और यहाँ ऐसा है जैसा दिखता है:

1. एअर इंडिया के पिरामिड के पायदान पर, oracles बैठते हैं - ये वे लोग हैं जो जोर से घोषणा करते हैं कि हम "मजबूत AI", "कमजोर AI" में लगे हुए हैं - हमें कोई दिलचस्पी नहीं है। ये लकीरें हैं - कम से कम जो मुझे मिले, वे सभी शैतान थे। ये 21 वीं सदी के रचनाकार हैं, वे तर्क को अपना रहे हैं और काल्पनिक सिद्धांतों को बनाने की कोशिश कर रहे हैं। अब और कम नहीं। यदि आप एक युवा व्यक्ति हैं, जिन्होंने अभी तक ऐसा नहीं किया है, तो इस दलदल से बाहर निकलें, यह अच्छे स्मार्ट हेड्स को चूसता है। सबसे पहले, ऐसे लोगों से भी बात न करें - वे आपकी ऊर्जा पर भोजन करते हैं, जैसा कि धार्मिक संप्रदाय करते हैं।
2. इंजीनियर्स AI के पिरामिड की सीढ़ियों पर स्थित हैं। वे "कमजोर एआई" में संलग्न होने में संकोच नहीं करते, अक्सर यह उनकी रोटी है। संस्थान में भी, वे खुद के लिए एक बहुत ही संकीर्ण दिशा चुनते हैं - मशीन नंबर की पहचान, छवि प्रसंस्करण, स्टॉक एक्सचेंज पर भविष्यवाणी, रोबोट का नियंत्रण आदि। आदि अक्सर उनके पास डॉक्टर ऑफ साइंस का खिताब होता है, और थोड़ा कम अक्सर प्रोफेसर का खिताब होता है। यदि आप एक युवा व्यक्ति हैं जो ऐसे इंजीनियरों के साथ काम करने के लिए मिला है, या उनके व्याख्यान को सुन रहे हैं - मूल बातें अवशोषित करें, अन्यथा आप निश्चित रूप से फिर पैर पर स्लाइड करेंगे। लेकिन मूल बातें अवशोषित - दूर नहीं किया जाता है। एक छात्र न बनें जो केवल शब्दावली जानता है - अपने विचारों को स्वाभाविक रूप से व्यक्त करें। अपने आप को कुछ करने की कोशिश करें, कभी भी एल्गोरिथ्म का न्याय न करें, दृष्टिकोण केवल उस पर आधारित है जो इस तरह के एक इंजीनियर ने आपको बताया था। यह अक्सर पता चलता है कि वह सिर्फ किताबें पढ़ता है और उन्हें जज करता है (हां, मैं अच्छे एआई प्रोफेसरों को जानता था जिन्होंने इसे स्वीकार किया था, जिसने उन्हें अधिक सम्मान दिया था)। यदि आप उसे मानते हैं कि वह सीधे किसमें शामिल नहीं है, तो मूल की जाँच किए बिना - कुछ वर्षों में आप दूसरों के शब्दों से इस ज्ञान को पारित करेंगे। नतीजतन, आपको पूरी तरह से थोड़ा अधिक गलत किया जाएगा। बेशक, मूल की जाँच करना और तरीकों के लेखकों के प्रयोगों को फिर से शुरू करने की कोशिश करना समय लेने वाली है। लेकिन अन्यथा, आपको समय के साथ बनाना होगा, उस झूठी धारणा पर विश्वास करें जो आप पड़ोसी क्षेत्रों में कुछ समझते हैं। और आप न केवल एक गंदे छात्र में बदल जाएंगे जो केवल शब्दावली जानता है, बल्कि अधिकार वाला व्यक्ति है, क्योंकि आप एक निजी कार्य में लगे थे (आप इसे विशिष्ट और विशिष्ट परिणामों के साथ बुलाने में गर्व महसूस करेंगे), लेकिन एक ही समय में आप जानबूझकर गलत प्रभाव डालेंगे। प्रयोगात्मक रूप से प्रयास नहीं किया।
3. छाया में कदमों पर, गर्मी से थोड़ा हटा, न्यूरोफिज़ियोलॉजिकल इंजीनियर बैठ गए, वे मरीजों के साथ अपना काम करने के लिए इतना थक गए कि इस तथ्य के बारे में सोच रहे थे कि दूसरी तरफ, एआई इंजीनियर रो रहे थे। वे चुपचाप अपने प्रयोगों में लेते हैं और करते हैं कि आप एआई इंजीनियरों की परेशानी को दूर कर सकते हैं। कुछ जो इससे निकलता है, कुछ नहीं है ... लेकिन एक नियम के रूप में वे एआई इंजीनियरों के बारे में नहीं सोचते हैं। लेकिन इस तथ्य के लिए धन्यवाद कि वे वास्तव में मानव-मशीन इंटरफ़ेस में इसका अनुवाद करते हैं - यह हमेशा शानदार दिखता है।
4. लेकिन सवाल यह है कि - पिरामिड के शीर्ष पर गज़ेबो में कौन स्थित है? यह अजीब नहीं है - यह खाली है, कोई भी प्रवेश मुक्त नहीं है, बस कोई भी वहां नहीं जाता है। कभी-कभी केवल लड़ाई की गर्मी में चलने वाले इंजीनियर वहां उड़ जाते हैं, और जल्दी से निकल भी जाते हैं। यह एआई सिद्धांतकारों के लिए जगह है। इंजीनियर अक्सर यह नहीं भेद करते हैं कि नीचे कहां है और जहां शीर्ष है - इसलिए वे सिद्धांतवादी को ओरेकल के साथ भ्रमित करते हैं। लेकिन यह एक एआई इंजीनियर का मस्तिष्क कैसे संरचित होता है? जब वह सैद्धांतिक सामान्यीकरण देखता है, तो वह एक विशिष्ट समस्या नहीं देखता है और यह नहीं समझता है कि यह भूनता है या नहीं। वह पेड़ों के पीछे जंगल नहीं देखता है, और जब वह सूरज को देखता है, तो वह उसे ओर्बेल के रहस्योद्घाटन के लिए ले जाता है - और वह सोचता है कि उघ - मुझे कुछ विशिष्ट नहीं करने के लिए सूरज की ओर क्यों बढ़ना चाहिए। इसलिए वह पेड़ों से ऊपर नहीं उठता, सूरज को झुलसाने से डरता है। और जो झुलसे हुए हैं - वह देखता है - पिरामिड के बाहरी इलाके में, अपने पैरों के नीचे रेंगता है। लेकिन निश्चित रूप से, अगर उन्होंने एक समकालीन शब्द से अध्ययन किया, तो उन्हें पता नहीं है कि जिन्होंने तंत्रिका नेटवर्क, आनुवंशिक एल्गोरिदम, फ़ज़ी लॉजिक और बहुत अधिक का विचार बनाया है ... फिर भी पिरामिड के शीर्ष पर इस गेज्बो का दौरा किया, यह अभी बहुत स्वीकार नहीं है बोलना।

सिद्धांतकार का कार्य कठिन है और आभारी नहीं है

जब अंत में एआई इंजीनियरों की भीड़ के माध्यम से धकेलने और एआई सिद्धांतकार के गज़ेबो में प्रवेश करने के लिए होता है, तो एक असभ्य इंतजार करता है। ऊपर से यह उसे स्पष्ट रूप से दिखाई देता है कि उसे सरल समस्याओं के सरल समाधान का अधिकार नहीं है। वह अब उसके सामने किसी विशेष, लेकिन इतने प्यारे विशिष्ट कार्य को करने का जोखिम नहीं उठा सकता। वह देखता है कि गज़ेबो को धक्का न देने के लिए, उसे पिरामिड की सीढ़ियों पर भीड़ की थोड़ी सी ठंडक को ठंडा करना होगा। और आपको हर किसी पर पानी छिड़कना है और किसी विशेष समूह पर नहीं।

लेकिन कोई खुद को कैसे समझा सकता है कि स्प्लिटेड पानी AI इंजीनियरों द्वारा पीने योग्य है? आखिरकार, उन्हें विशिष्ट समस्याओं को हल करने के लिए केवल लोशन की आवश्यकता होती है। यहाँ सबसे कठिन हिस्सा है। एआई इंजीनियरों के कार्यों को कम करना आवश्यक है, तभी उनके पास कुछ सामान्य होगा। और इस पतित समस्या का हल खोजें। इसके अलावा, यह वास्तव में एक वास्तविक मामला नहीं है कि पतित कार्यों को वास्तविक दुनिया से अनुकूलित किया जाए जिससे AI इंजीनियर कार्य प्राप्त करते हैं। उन्हें कम से कम एक उपकरण दिया जाना चाहिए, और उनकी समस्या हथौड़ा या कुल्हाड़ी का उपयोग करना है।

लेकिन यह एक आधुनिक सिद्धांतकार के लिए अधिक से अधिक जटिल होता जा रहा है, व्याख्यात्मक विकृति का निर्माण पहले ही हो चुका है - वर्गीकरण समस्याओं, क्लस्टरिंग समस्याओं, एमडीपी, पीओएमडीपी, आदि के बारे में पहले से ही विचार हैं। हमें कार्यों को पतित करना होगा ताकि उनमें वास्तविक दुनिया की अधिक से अधिक समस्याएं बनी रहें।

तो हम इस तरह के एक पतित समस्या पर विचार करेंगे।

यह समझने के लिए आवश्यक न्यूनतम है कि कृत्रिम तंत्रिका नेटवर्क का उपयोग करके फिटनेस फ़ंक्शन कैसे सेट किया जाए और इसकी आवश्यकता क्यों है?

सबसे पहले, मुझे उन लोगों से "गुलाबी चश्मा" हटाना होगा जो उन्हें डालते हैं। आइए भविष्यवाणी करने की क्षमता और उनके सीखने की गति के बारे में बात करें। सब कुछ मिन्स्की के अनुसार है - वे खराब और धीरे-धीरे पूर्वानुमान करते हैं। और यद्यपि मैं रोसेनब्लाट पेसेप्ट्रॉन पर दिखाऊंगा, लेकिन सिद्धांत रूप में अन्य नेटवर्क के लिए कोई अंतर नहीं है।

यह एआई इंजीनियर है जो विशिष्ट कार्यों के लिए अच्छे परिणामों के साथ कार्यों का एक सुंदर चयन करते हैं। मैं आपको माथे में स्थिति दिखाऊंगा। कौन सहमत नहीं है - हम नीचे वर्णित कार्य को लेते हैं और इसे स्वयं का परीक्षण करते हैं और कोड की गणना के साथ विशिष्ट परिणाम प्रदान करते हैं - ताकि परिणामों को पुन: प्रस्तुत किया जा सके (मैं बोल्टोलॉजी से थक गया हूं - ध्यान रखें)।

टास्क।

हम एक साधारण फ़ंक्शन c = a + b लेते हैं, जहां a और b 1 से 64 तक पूर्णांक हैं, और c 1 से 256 तक पूर्णांक है (हमें बाद में थोड़ा बड़ा आयाम चाहिए होगा)।

तब हमारे पास परसेप्ट्रॉन में 16 इनपुट और 256 आउटपुट होंगे। यानी 2 बाइट्स इनपुट होंगे, जो बाइनरी नंबर ए और बी का प्रतिनिधित्व करेंगे। और परसेप्ट्रॉन के लिए थोड़ा बेहतर काम करने के लिए, आउटपुट को आउटपुट संख्या, जैसे और संख्या के रूप में व्याख्या की जाएगी। बाहर निकलने की अस्पष्टता से छुटकारा पाने के लिए, हम "विजेता सब कुछ लेता है" के सिद्धांत पर काम करते हैं, अर्थात्। हम केवल उस आउटपुट को ध्यान में रखते हैं जो सबसे अधिक सक्रिय है।

तंत्रिका नेटवर्क भविष्यवाणी की सटीकता का विचार

यदि हम आउटपुट के इनपुट के पूरे निर्दिष्ट स्थान पर पेसेप्ट्रॉन को प्रशिक्षित करते हैं, तो यह सही ढंग से जोड़ना सीखेगा। इसे ग्राफिकल रूप से प्रदर्शित करने के लिए, हम एक "लाल वर्ग" बनायेंगे :) जहाँ, एक्स अक्ष पर ऊपरी बाएँ कोने से शुरू करते हुए, हम संख्या को a, Y अक्ष b पर स्थगित करते हैं, और एक डॉट के साथ चौराहे पर योग को प्रदर्शित करते हैं, और लाल रंग का एक ग्रेडेशन करते हैं। हम निम्नलिखित प्राप्त करते हैं:


लेकिन जब सब कुछ जाना जाता है तो भविष्यवाणी के लिए कोई जगह नहीं है। तो चलो हर दूसरे बिंदु को हटा दें:



अब किसी भी ग्राफिक संपादक को लें और गायब बिंदुओं को जोड़ें। क्या आप "लाल वर्ग" को पुनर्स्थापित करने में सक्षम होंगे। मुझे लगता है कि केवल एक ही व्यक्ति यह कर सकता है - हाँ, हाँ मालेविच :)

लेकिन परसेप्ट्रोन को लगभग हर बिंदु पर किसी भी अन्य व्यक्ति की तरह गलत माना जाएगा, लेकिन केवल सामान्य प्रवृत्ति को बनाए रखेगा। यहाँ वह क्या करेगा:



इस प्रकार, हम देखते हैं कि जब गणितीय सटीकता की आवश्यकता होती है - पूर्वानुमान कॉफी आधार पर भाग्य-कह रहे हैं। लेकिन यहां कुछ प्रवृत्ति का संकेत काफी उपयुक्त है। इसलिए, अवधारणात्मक छवि प्रसंस्करण के साथ काम करते हैं, क्योंकि हमारी आँखों को धोखा दिया जा सकता है, और विस्तृत सटीकता की आवश्यकता नहीं है। लेकिन उन मशीनों में जहां अंकगणित की सटीकता की आवश्यकता होती है, परसेप्ट्रॉन काम नहीं करेगा। हमारा अंतर्ज्ञान एक ही संपत्ति का है - इसे एनालिटिक्स में हमारी ग्राफिक मेमोरी का उपयोग कहा जा सकता है। वह पूरा मनोविज्ञान है।

स्वास्थ्य समारोह

यह वास्तव में आसान है। ऊपर, फ़ंक्शन c = a + b का उपयोग हमारे द्वारा किसी प्रक्रिया के लिए उपयुक्तता को दर्शा सकता है। (अर्थशास्त्र में, वे उपयोगिता फ़ंक्शन के बारे में बात करना पसंद करते हैं, उनके पास सब कुछ है जो वहां उपयोगी नहीं है, आपको पैसा खर्च नहीं करना है :), या फिर वे मूल्यांकन समारोह के बारे में बात करते हैं - ये भी शौकीनों से कीमत पूछ रहे हैं :) खैर, लेकिन प्राकृतिक प्रक्रियाओं के लिए हम कीमत नहीं पूछते हैं। हम अपने कार्यों के लिए उपयुक्त परिस्थितियों की उपयुक्तता का न्याय करते हैं)। खैर, हम केतली में दो स्रोतों के साथ पानी गर्म करते हैं, जिससे अलग होते हैं प्रत्येक स्रोत के तापमान सेंसर। हमें यह निर्धारित करने की आवश्यकता है कि पानी कब उबल जाएगा।

वास्तव में, हमने इस समस्या को ऊपर हल कर दिया है। ऊपर, हमने फिटनेस फ़ंक्शन c = a + b को लागू करने के लिए अवधारणात्मक को प्रशिक्षित किया। यह केवल 100 डिग्री से ऊपर के तापमान को खूबसूरती से प्रदर्शित करने के लिए बना हुआ है, चलो इसे हरे रंग के उन्नयन में करते हैं, यही हमें मिलता है।



और हम देखते हैं कि सामान्य तौर पर, जहां परसेप्ट्रॉन ने पूर्वानुमान (ब्लैक डॉट्स) को नहीं छोड़ा है, यह सिद्धांत रूप में है, प्रवृत्ति में गलत नहीं है। एआई इंजीनियर मापदंडों, तंत्रिका नेटवर्क के प्रकार, आदि के साथ थोड़ा खेल सकते हैं। और लगभग कोई गलत तस्वीर नहीं मिलेगी। सामान्य तौर पर, कई गलतियां होंगी - लेकिन सीमा मिल जाएगी। और इस प्रकार, एक पूरी तरह से फजी डिवाइस कार्रवाई को मार्गदर्शन देने में काफी स्पष्ट रूप से सक्षम होगा। इसका उपयोग उन लोगों द्वारा किया जाता है जो एक विशेष फिटनेस फ़ंक्शन के आधार पर एजेंटों को चलाने के लिए प्रशिक्षित करते हैं।

अब आप सिर्फ मदद नहीं कर सकते, लेकिन यह समझ सकते हैं कि कृत्रिम तंत्रिका नेटवर्क पर फिटनेस फ़ंक्शन कैसे सेट करें;)

कृत्रिम तंत्रिका नेटवर्क का उपयोग करके फिटनेस फ़ंक्शन को सेट करना सुविधाजनक क्यों है?

यह सवाल थोड़ा और जटिल है। ऐसा प्रतीत होता है, इस तरह के एक गलत और धीमी गति से सीखने के नेटवर्क का उपयोग क्यों करें, जब आप गणितीय सूत्र द्वारा आसानी से फिटनेस फ़ंक्शन सेट कर सकते हैं? यह अंतर्ज्ञान का उपयोग करने के लिए नहीं, बल्कि स्कूल में प्राप्त विश्लेषिकी की मूल बातों का उपयोग करने के लिए समान है।

गणितीय सूत्र के साथ केवल एक समस्या है - यह कठिन और असम्बद्ध है।

लेकिन व्यवहार में, हमने तापमान को मापना शुरू किया और पहले के अज्ञात बिंदुओं पर - हमें किसी प्रकार की विसंगति प्राप्त होने लगी। यह पता नहीं क्यों, लेकिन उन्होंने शुरू किया। स्रोतों के अभी भी कम तापमान के क्षेत्र में - तापमान तेजी से 100 डिग्री से अधिक हो गया। यहाँ यह कैसा दिख सकता है:



और अब कल्पना करें कि प्रत्येक आयाम हमें बहुत महंगा दिया गया है, इसके लिए कई दिन और $ 10,000 लगते हैं - और हम वास्तव में समझना चाहते हैं कि विसंगति क्या है, और कम से कम किस क्षेत्र में है। हमारा सूत्र पूरी तरह से पुराना और अनुपयुक्त है।

और यहां कुछ भी बेहतर नहीं है और उन्होंने यह नहीं पता लगाया कि तंत्रिका नेटवर्क का उपयोग कैसे किया जाता है, हालांकि यह बुरा है कि यह पूर्वानुमान दे सकता है - कम से कम यह:

संदर्भ में "दो या दो से अधिक शिक्षकों" की समस्या

यह थोड़ा कठिन होगा। सोचने के लिए तैयार हो जाओ :), मुझे लगता है कि ऊपर बाजार में चौकीदार भी स्पष्ट हो गया है।

मान लीजिए कि अब हमारे पास दो प्रोफेसर हैं, उनमें से एक ने हमारे पानी के ताप को दो स्रोतों से मापा और एक लेआउट मिला (दाईं ओर), और दूसरा लेआउट (बाईं ओर):



फिर एक ने इस सिद्धांत का विश्लेषण और निर्माण किया कि अंतिम तापमान प्राप्त करने के लिए स्रोतों के तापमान को जोड़ा जाना चाहिए। और दूसरे ने एक और सिद्धांत बनाया - यह उसके लिए केवल स्रोत के तापमान में से एक को लेने के लिए पर्याप्त है जो अधिक गर्म है।

और इसलिए वे एक दूसरे को अज्ञानी, धोखेबाज, इत्यादि कहते हुए झगड़ते थे। और वे किसी भी बात पर सहमत नहीं हुए, प्रत्येक अपनी प्रयोगशाला में गया। सामान्य कहानी है ना? फिर उनमें से प्रत्येक ने अपना खुद का "स्कूल" बनाया। उन्होंने छात्रों को अपने सिद्धांतों को पढ़ाना शुरू कर दिया, और एक स्कूल के प्रत्येक छात्र ने दूसरे स्कूल के एक ही छात्र के साथ तर्क दिया - आखिरकार, उन्हें एक-दूसरे को चिल्लाना पड़ा - इसलिए छात्र हमारे पिरामिड की सीढ़ियों पर सूरज के नीचे एक स्थान प्राप्त करते हैं।

लेकिन यह एक आधे शिक्षित व्यक्ति के लिए स्पष्ट हो गया, जो लंबे समय से इन स्कूलों के संघर्ष को देख रहे थे। लेकिन शायद कुछ कारक है जो स्कूल ए के प्रोफेसर और स्कूल बी के प्रोफेसर दोनों को ध्यान में नहीं रखते हैं। वह उन्हें बताने का फैसला करता है, लेकिन वे अपने कार्यालय में बंद हो जाते हैं और वे किसी तरह के तांडव में जाने से डरते हुए लोगों को सड़क से नहीं हटने देते। इसलिए, हमारे स्नातक को प्रोफेसरों के छात्रों के माध्यम से अपना रास्ता बनाना पड़ता है, निश्चित रूप से वे प्रत्येक अपने तरीके से गिड़गिड़ाते हैं, मंदिर में अपनी उंगलियों को घुमाते हैं, और एक भी नाक में डालने के लिए कतराते हैं। यह महसूस करते हुए कि कुछ भी नहीं होगा, परिपक्व होने और पक्षों को पीटने के बाद, हमारा हीरो पिरामिड के शीर्ष पर गज़ेबो में सेवानिवृत्त हो गया। वहाँ उन्होंने महसूस किया कि जब तक वह नहीं दिखाते कि दोनों प्रोफेसरों के बीच विसंगति का कारक क्या होगा। और फिर वह चारों ओर बैठा और भीड़ को देखा। और मुझे एहसास हुआ - नहीं, क्योंकि मैं पहले से ही बहुत ऊंचे चढ़ गया था - मुझे दो प्रोफेसरों पर क्यों प्रयास करना चाहिए, उनमें से प्रत्येक एक दूसरे के साथ बहस करते हैं और प्रत्येक जोड़ी में एक विशेष समस्या है - सिद्धांतों के विचलन का अज्ञात सामान्य कारक।

और वह सामान्य श्रेणियों में समस्या के बारे में सोचना शुरू कर दिया, फिर पिरामिड के चरणों पर बैठे उन सभी को छिड़कने के लिए। हाँ - वह गज़ेबो की भावना से संक्रमित था, और समझ गया था कि कई लोग यहाँ क्यों नहीं जाना चाहते थे। यह वास्तव में एक व्यक्ति को तोड़ता है।

और जो उसने अब तक समझा है। तंत्रिका नेटवर्क का उपयोग करें जैसा कि ऊपर बताया गया है कि विसंगति कहां है - काम नहीं करता है। विसंगतियाँ पूरे राज्य में हर जगह हैं, और यह सब इस बात पर निर्भर करता है कि किस प्रोफेसर को देखना है। यानी प्रोफेसर ए के प्रत्येक बिंदु और प्रोफेसर बी के बिंदु के बीच - एक विरोधाभास है।

उन्होंने यह भी समझा कि इस विरोधाभास को हल करने के लिए, प्रोफेसर ए और प्रोफेसर बी के प्रयोग द्वारा निर्धारित पूरे इतिहास को ध्यान में रखना आवश्यक है, जो इस समय के आसपास हो रहा था। बहुत सारे अनावश्यक और कभी-कभी आंकड़ों का मेल करना (क्योंकि प्रोफेसरों ने लगभग यही काम किया था)। लेकिन केवल उनमें कहीं न कहीं एक कारक है जो प्रभावित करता है।

मैनुअल विश्लेषण थका देने वाला है, इसलिए उन्होंने एक तंत्रिका नेटवर्क में डाल दिया और इससे जुड़े फीडबैक दिए, जिसने पूरे प्रयोग के इतिहास को सक्रिय कर दिया। और अब, अगर हमने पूर्वानुमान के बाद दो स्रोतों के तापमान को मापा, तो हमें प्रोफेसर ए के डेटा के समान डेटा प्राप्त हुआ, संदर्भ के बारे में नेटवर्क से एक संकेत वापस आया - प्रोफेसर ए द्वारा प्रयोग का इतिहास और इसी तरह प्रोफेसर बी के डेटा के साथ कई बार प्रायोगिक स्थितियों को बदलना आवश्यक था। प्रोफेसरों के समान डेटा पैटर्न प्राप्त नहीं किया।

और अब यह ताली बजाता है - और नेटवर्क ने विसंगति का कारण पाया, नेटवर्क का काम तुरंत चालू हो गया और इसने एक अन्य कारक के आधार पर पूर्ण लेआउट का निर्माण किया, यह पैटर्न प्रोफेसरों की तुलना में अधिक जटिल हो गया, लेकिन आश्चर्यजनक रूप से सटीक डेटा दे रहा है (हालांकि, अब तक कुछ तीसरा है प्रोफेसर को विरोधाभास नहीं मिलेगा) ... इस पैटर्न, बेशक, अभी भी किसी तरह नेटवर्क से चुना जाना है और विश्लेषणात्मक रूप से दर्ज किया गया है, लेकिन फिर आपको उस आदमी की ओर मुड़ना होगा, जिसने गज़ेबो में पास की बेंच पर लोन लिया था ... लेकिन नहीं, यह एक सपना बन गया है, हमारा आधा शिक्षित -geroy मैं जब तक नेटवर्क ठीक काता बंद dozed, और वह बीयर पीने के लिए, ब्रह्मांड के भविष्य के बारे में सोच चला गया।