Военное дело в ДДГ

Программирование в классическом смысле в далёкой-далёкой галактике практически отсутствует. Точнее - находится примерно на уровне шестидесятых годов двадцатого века на Земле. В ДДГ нет понятия "компьютера", тем более "персонального компьютера". Есть ЭВМ (которые используются исключительно профессиональными программистами и исключительно для вычислений) и есть дроиды. Ещё есть датапады и голонет, которые используются для хранения и передачи данных - но преимущественно в аналоговой форме. Все дроидные системы - от дроидов-уборщиков до разумных звездолётов - строятся на основе нейросетей. Иску́сственная нейро́нная се́ть (ИНС) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. После разработки алгоритмов обучения получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др. ИНС представляет собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты (особенно в сравнении с процессорами, используемыми в персональных компьютерах Земли). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие по отдельности простые процессоры вместе способны выполнять довольно сложные задачи. С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п. С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации. С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники. С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма[2]. А с точки зрения искусственного интеллекта, ИНС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов. Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искажённых данных. "Программирование" конкретной функции (к примеру, распознавания текста) производится следующим образом. Берётся несколько тысяч чипов со специализированными нейросетями, и производится их обучение. Затем берётся чип с наилучшими результатами, с него считывается готовый паттерн (весовые коэффициенты нейронов), и копируется на миллионы других чипов, которые и идут в продажу. Для создания конкретной модели дроида берётся (малыми корпорациями) или самостоятельно разрабатывается (крупными) центральное ядро - более крупная и универсальная нейросеть, обученная для вызова функций младших чипов. После чего в слотах вокруг неё размещается ряд функциональных чипов и производится дообучение нейросети. Самое успешное ядро опять же разбирается на паттерны и тиражируется. Эффективные паттерны для решения конкретных задач являются "ноу-хау" корпораций. Чем старше и богаче корпорация по производству дроидов - тем больше у неё в архивах паттернов на все случаи жизни, а также алгоритмов эффективного обучения под новые функции. Поэтому малым и только выходящим на рынок корпорациям крайне сложно конкурировать со старыми и "хорошо обученными". Обучение не завершается после выпуска с конвейера. Дообучение нейросети на опыте производится всю "жизнь" дроида. Высокоразвитый дроидный мозг имеет крупное ядро с большим числом степеней свободы и высокой способностью к обучению. Мозг с большим числом специализированных чипов но с жёстко заданными функциями центрального ядра считается примитивным - хотя может быть очень мощным и дорогим. Поэтому, с одной стороны, старые и "опытные" дроиды гораздо эффективнее в своей области, а также могут обзавестись дополнительными, изначально не запрограммированными функциями. С другой - у них появляются артефакты самостоятельного поведения. Во избежание последнего (а также неибежного накопления ошибок) рекомендуется производить "очистку памяти" (сброс весов нейросети к базовому паттерну) раз в год. Более дорогим методом является коррекция сети методом дообучения на специализированных тестах - она позволяет исправить ошибки с сохранением опыта. Этот метод обычно недоступен рядовому пользователю, и выполняется только в специализированных центрах техобслуживания. При покупке модельного ряда или прав на его использование, компания, которая разрабатывает нейросеть, вместе с ней поставляет также материалы, по которым она обучалась. Наличие такой таблицы позволяет резко снизить вероятность ошибок в первичном функционале - что отличает "пиратский" продукт от лицензионного, при том что стартовые паттерны могут быть одинаковыми. Понятие хакинга в земном смысле слова (поиск уязвимостей в программах) в ДДГ также отсутствует. Дроид-хакер по сути "общается" с нейросетью дроида-цели, стараясь её "убедить", что является авторизованным пользователем - или "загипнотизировать", чтобы стать ведущей нейросетью и получить возможность передачи в неё своих паттернов - путём обучения или прямого копирования. При этом обе сети продолжают обучаться в процессе - из-за чего однажды произведённый успешный взлом не гарантирует дальнейшего беспроблемного входа