diff --git a/docs/common/ach.md b/docs/common/ach.md index 1eb6e68..cadcc22 100644 --- a/docs/common/ach.md +++ b/docs/common/ach.md @@ -3,10 +3,10 @@ ## Мотивация Сейчас очень распространились нейросети различных форматов: для работы -с текстом, видео, аудио, для обработки данных. В твиттере ажиотаж -вокруг новой возможности ChatGPT: обработка изображений в стиле студии -Ghibli, известной по фильмам "Мой сосед Тоторо", "Унесенные -призраками" и пр. +с текстом, видео, аудио, для обработки и прогнозирования данных. В +твиттере ажиотаж вокруг новой возможности ChatGPT: обработка +изображений в стиле студии Ghibli, известной по фильмам "Мой сосед +Тоторо", "Унесенные призраками" и пр. Нейросети применяются не только для "развлечений", но и в весьма ответственных областях, например, анализ снимков ренгена, разработке @@ -16,16 +16,16 @@ Ghibli, известной по фильмам "Мой сосед Тоторо", которые генерируют тексты. Это обусловленно преимущественно тем, что люди относятся к ним, как к некой "палочке-выручалочке", которая представляет собой кнопку "сделать красиво". Такой подход не только -*критичное отношение* к окружающему миру (зачем придумывать решение, -если нейросеть может сгенерировать его за меня, *даже если он будет -некорректный*), но уменьшает общее качество результата. +снижает *критичное отношение* к окружающему миру (зачем придумывать +решение, если нейросеть может сгенерировать его за меня, *даже если он +будет некорректный*), но уменьшает общее качество деятельности. Но несмотря на это, я не являюсь противником нейросетей *просто по существу*. У всего есть качественные области применения, иногда не совсем очевидные. -Здесь я хочу рассказать об **анализе конкурирующих гипотез** и -попытке использования нейросетей для его применения. +Здесь я хочу рассказать об **анализе конкурирующих гипотез**, +**мозговом штурме** и попытке использования нейросетей. ## Большие языковые модели @@ -79,11 +79,128 @@ Ghibli, известной по фильмам "Мой сосед Тоторо", ### Применение нейросетей -Когда нет большого аналитического отдела, можно попробовать заменить -его нейросетью. В данном слу +Когда нет большого *команды аналитиков*, можно попробовать заменить их +нейросетью. В данном случае, нейросеть можно применить в двух местах: + +1. В п. 1 для определения всех **возможных** гипотез. Само собой, + качество этих гипотез определяет аналитик, но их генерацию можно + частично делегировать ИИ. +2. В п.2 можно попробовать определить области, где искать + доказательства за и против. Нужно помнить, что доказательства также + могут представлять собой *отсутствие* чего-либо. ## Пример +Рассмотрим пример (полученный также с помощью ИИ): "Почему в городе +резко выросло число ДТП на конкретном перекрестке?". + +Полученный список гипотез: + +``` +- Инфраструктурные факторы + 1. **Изменение дорожной разметки или знаков**: Неправильно + нанесенная разметка, противоречивые знаки или их отсутствие. + 2. **Неисправность светофора**: Сбои в работе (например, мигающий + желтый сигнал), некорректные временные интервалы. + 3. **Сужение полос** из-за ремонтных работ, парковки или временных + ограждений. + 4. **Новые препятствия**: Установка рекламных щитов, столбов, + деревьев, ограничивающих обзор. + 5. **Плохое состояние дорожного покрытия**: Выбоины, ледяная + корка, отсутствие освещения в темное время суток. + 6. **Изменение типа перекрестка**: Например, переход от светофора + к круговому движению без должного информирования. + +- Транспортный поток + 7. **Рост трафика** из-за открытия новых ТЦ, офисов, жилых + комплексов. + 8. **Перенаправление движения** с других улиц из-за ремонта, + аварий или изменений в маршрутах. + 9. **Увеличение грузового транспорта**: Новые логистические + маршруты через перекресток. + 10. **Активность общественного транспорта**: Новые автобусные + остановки или троллейбусные линии. + +- Человеческий фактор + 11. **Нарушение ПДД водителями**: Частые проезды на красный свет, + превышение скорости, агрессивное вождение. + 12. **Низкая видимость пешеходов**: Отсутствие зебры, освещения + или знаков у пешеходного перехода. + 13. **Отвлекающие факторы**: Яркая реклама, использование + телефонов за рулем. + 14. **Новички на дороге**: Увеличение числа неопытных водителей + (например, из-за новой автошколы поблизости). + +- Внешние условия + 15. **Погодные аномалии**: Гололед, туман, дождь, слепящее солнце + в определенные часы. + 16. **Сезонные факторы**: Туристы, листопад, снежные заносы. + 17. **Животные на дороге**: Бродячие собаки, птицы или дикие + животные, вызывающие резкие торможения. + +- Технические причины + 18. **Неисправности автомобилей**: Массовые отзывы авто из-за + брака тормозных систем. + 19. **Сбои в системах помощи водителю**: Например, ошибки в + навигаторах, предлагающих опасные маневры. + 20. **Электромагнитные помехи**, влияющие на работу датчиков или + светофоров. + +- Организационные и социальные факторы + 21. **Снижение контроля со стороны ГИБДД**: Уменьшение числа + патрулей или камер фиксации нарушений. + 22. **Новые правила движения**, которые водители не успели + изучить. + 23. **Вандализм**: Повреждение знаков, светофоров или разметки. + 24. **Массовые мероприятия**: Концерты, митинги или фестивали, + создающие заторы и невнимательность. + +- Статистические аномалии + 25. **Случайная кластеризация**: Краткосрочный всплеск аварий без + системной причины. + 26. **Изменение методики учета ДТП**: Теперь фиксируются даже + мелкие столкновения, которые раньше игнорировались. + 27. **Ошибки в данных**: Технические сбои при сборе статистики. +``` + +Хочется обратить внимание, что гипотез очень много и часть из низ +можно отмести в зависимости от контекста исследования. Но эту задачу +**должен делать аналитик**. + +Ответ на вопрос: "где искать доказательства": + +``` +- Данные ГИБДД: Статистика нарушений, протоколы ДТП, видео с камер. +- Дорожные службы: Отчеты о ремонтах, изменениях разметки, проверках + светофоров. +- Метеорологические службы: Погодные сводки на даты аварий. +- Соцсети и СМИ: Жалобы водителей, репортажи о проблемах на + перекрестке. +- Технические данные: Логи навигаторов (Яндекс.Пробки, Google Maps), + отчеты автопроизводителей. +``` + ## Вывод +В заключении этого небольшого текста, хочу отметить несколько выводов: + +1. Данная заметка не является инструкцией в стиле "вы используете + языковые модели неправильно". Здесь я просто хочу высказать мнение + касательно ИИ и отметить, какое применение я вижу у этого + инструмента. +2. В моем понимании, нейросети подойдут в тех случаях, когда нужно + применить **мозговой штурм**: составление гипотез, поиск + доказательств, составление списка действия для решения задачи в + методологии *GTD*. +3. Не стоит отдавать под контроль ИИ принятие решений на _любом + уровне_. Все логические выкладки должен делать аналитик, который + использует языковую модель как инструмент. + +По итогу, я убежден, что языковые модели -- это весьма хороший +*инструмент*, но это все же *инструмент*. Они не решат все проблемы за +вас, но могут помочь вам решить ваши проблемы. + ## Источники + +1. Psychology of intelligence analysis: https://www.amazon.com/Psychology-Intelligence-Analysis-Richards-Heuer/dp/B0016OST3O +2.