Очередная зима ИИ не за горами?

[Red_Herring]

(Оффтоп)

rockclimber в сообщении #1394299 писал(а):

Red_Herring в сообщении #1394297 писал(а):

но и не Париж

А что, в Париже все настолько плохо? Я там был на машине за рулем один раз 4 года назад, и, имхо, - это один из самых похожих на Москву городов. А про Москву 20 лет назад ничего не могу сказать - был только пешеходом.

Я вообще не вожу, но мне кажется что французы водят недисциплинированно. В Москве же все выглядело скверно. В подтверждение: тогда мой младший сын ходил в шахматный кружок в "русском Торонто" и рядом была автошкола, русскоязычная. Инструктор постоянно объяснял слушателям, что пешехода надо беречь, а тот тут не так как там (в России). Там у пешехода никаких прав, а тут тебя он или его вдова засудить могут. Сейчас я бы сказал что в М. водители уважают пешехода в большей степени, чем в Торонто. Ну может не пешехода, а притаившегося постового...

[Dmitriy40]

(Оффтоп)

Red_Herring в сообщении #1394297 писал(а):

Dmitriy40 в сообщении #1394115 писал(а):

Ну Москва да, явно в числе лидеров по концентрации автопридурков и автохамов на тысячу водителей.

Я не согласен. 20 лет назад это был Carmageddon. Drivers were homicidal and pedestrians suicidal. Но уже 10 лет назад ситуация резко улучшилась--и я думаю, что жадность и мздоимство ГАИшников тому причина. Не Стокгольм, конечно--но и не Париж.

Я не буду сравнивать Москву с ней же 20 лет назад - просто не помню как было - но вот ездил на днях в центр на велике, пришлось много переходить по наземным переходам улицы (со светофорами и без) и наглядно увидел сколько нарушают правила: и поворотники забывают включать (а это очень напрягает когда ты рассчитываешь что он поедет прямо, а он раз и сворачивает направо прямо на тебя), и на красный выезжают на перекрёсток (хотя по правилам даже на зелёный не всегда разрешается выезжать), и паркуются где запрещено (на тротуарах) так что фиг протиснешься пешком. Единственное что радовало: на переходах таки в 99% случаев пешехода пропускают, это да, привили, ещё лет 5 назад почти не пропускали.
Навскидку (т.к. не запоминал) в среднем на каждый перекрёсток было по несколько нарушителей. Т.е. были перекрёстки и вовсе без них, но были и где нарушали десятками. Не все тотально, такого не помню, но где-то вплоть до половины потока - нарушали (помню пару раз 2/3 машин поворачивали направо через нерегулируемый переход без поворотников, иногда поворотники включали уже остановившись перед пешеходом на переходе).
Справедливости ради: пешеходы откровенно обнаглели многие, прутся по переходам не глядя на поток, типа "всё равно ж пропустят", уже привыкли. Ну и на красный тоже переходят если машин нет, но так всегда было и есть.
Про езду по обочинам и по выделенным полосам упоминать не буду (пешеходам это малозаметно, хотя когда ехал на машине - ещё как заметно), это уже общее место.

[Red_Herring]

(Оффтоп)

Dmitriy40 в сообщении #1394562 писал(а):

и наглядно увидел сколько нарушают правила: и поворотники забывают включать (а это очень напрягает когда ты рассчитываешь что он поедет прямо, а он раз и сворачивает направо прямо на тебя

А что в Торонто лучше? "Yellow is a new green". Это означает, что все едут на желтый (а заканчивают на красный), практически никто не смотрит, есть ли место за перекрестком, и проехав туда стоит на переходе, мешая пешеходам идущим нас зеленый?

[Dmitriy40]

(Оффтоп)

Red_Herring
Не знаю что в Торонто лучше, не был лично и не смотрел вебкамеры.
А указанную Вами причину (неправомерный выезд на перекрёсток) считаю одной из главных причин пробок в Москве, о чём выше и сказал под п.№4.

[Red_Herring]

(Оффтоп)

Dmitriy40 в сообщении #1394562 писал(а):

Справедливости ради: пешеходы откровенно обнаглели многие, прутся по переходам не глядя на поток, типа "всё равно ж пропустят",

Да что Вы понимаете в обнаглевших пешеходах? В районе Harvard Square три пешехода прущиеся на красный останавливаю поток. Но я видел нечто похлеще в Торонто. Одна из главных магистралей в Торонто была остановлена минут на 10 пешеходами, которые ее пересекали гуськом, причем первый давно прошел, а последний еще и не начал. Они нагло игнорировали бибикаснье. Впрочем, пешеходами были гуси. Дикие канадские гуси.

[Rasool]

Dmitriy40 в сообщении #1394067 писал(а):

sys_analis в сообщении #1394050 писал(а):

С пробками есть три решения:

4) соблюдать правила проезда перекрёстков - уже только это резко сократит большинство пробок

Rasool в сообщении #1394047 писал(а):

Сократить время ожидания в пробках.

Мне просто интересно, какое именно время будете сокращать: 1) среднее, 2) максимальное, 3) медианное, 4) ещё какое-то. Кроме того сокращать абсолютное время ожидания в пробках или процент времени в пробках от полного времени поездки? И отдаёте ли себе отчёт что при почти любом методе оптимизации будет доля тех, чьё время стояния в пробках увеличится? И при некоторых методах таковых будет даже большинство?
Я к тому что критерий оптимизации не так очевиден как кажется без учёта психологии людей (например Парадокс Браеса).

Я поставил эту задачу так:

Цитата:

Задана улично-дорожная сеть (УДС) с регулируемыми перекрестками (в принципе ее можно обобщить и на случаи путепроводов, транспортных развязок и т.д.).
В любой момент времени на УДС находится множество транспортных средств (ТС) – в основном автомобилей. Для каждого ТС заданы исходный и конечный пункты движения на УДС. Требуется таким образом сформировать маршруты и графики движения ТС в УДС, чтобы математическое ожидание среднего удельного времени задержек в пути из-за нахождения в пробках было минимальным. Время задержки одного ТС можно посчитать как разность между реальным временем нахождения в пути и идеальным временем, когда ТС движется по кратчайшему маршруту в УДС без остановок. Удельное время – отношение этой разности к минимальному времени движения по кратчайшему маршруту.
Если для i-го автомобиля возможно построить всего $n_i$ маршрутов на УДС, то для всех $N$ машин общее число сочетаний маршрутов (способов проезда) будет $\prod\limits_{i=1}^N n_i$. Таким образом задачу можно представить, как оптимизационную – путем перебора всех сочетаний всех возможных маршрутов отдельных автомобилей достичь минимальной средней задержки проезда ТС в УДС.

[Dmitriy40]

Rasool
Ну что удельное это хорошо, десятиминутные поездки не будут стоять в пробках часами.
А вот что мат.ожидание именно среднего - не обязательно хорошо, например если есть 100 машин с удельной задержкой в 5% и одна машина с удельной задержкой 8000% (это был ученик и он пропускал всех вообще), то средняя задержка будет 83%, увеличив задержки всех 100 быстрых машин вчетверо (до 20% задержки) и пропустив из-за этого медленную машину тоже вчетверо быстрее (с задержкой 2000%) получим уменьшение среднего с 83% до 39% - и при этом 99% машин едут ощутимо медленнее! Далеко не факт что это лучше.
Выравнивание всех удельных задержек тоже не панацея: могут быть длинные маршруты, на значительном протяжении проходящие вне пробок, для них ситуация будет странной, они будут много стоять в пробках и замедлять прочие машины, хотя могли бы оперативно проскочить пробки и уйти на пустую дорогу и уже не тормозить остальные машины.
В общем простые условия оптимизации сформулировать конечно можно, но вот будут ли они приемлемы людям с их странной психологией - ещё вопрос.

[mserg]

При составлении (многосменных) расписаний возникают те же самые проблемы. Расписание, удобное для многих сотрудников компании, может быть составлено за счет его неудобности для «изгоев». И наоборот, желание угодить небольшой группе сотрудников может привести к проблемам для значительного числа сотрудников. Поэтому создавались нормативы, а величина выхода за нормативы штрафовалась по экспоненте в зависимости от величины выхода за норматив. Экспонента защищает "изгоев" и режет хотелки для "любимчиков". Для транспорта, видимо, можно попытаться сделать что-нибудь похожее.

Нужно иметь в виду, что использование транспорта связано с планированием: часто нужно добраться в определенное место к определенному времени. Например, если бизнес компании связан с работой с людьми (клиентами), то есть (временной) режим работы и его нужно соблюдать. Например, в отделениях банков есть режим работы «с» и «по».
Если транспортная система работает нестабильно, то нужно выезжать с запасом чтобы не опаздывать. Запас должен быть таким, чтобы из пункта из A в B добираться с определенной вероятностью. Например, не более 1-го опоздания в 2 месяца. Для подсчета издержек нужно прибавлять к среднему время пути из A в B запас на нестабильность транспорта. Возможно, для подсчета издержек, нужно запас учитывать с некоторым коэффициентом в диапазоне от 0 до 1.

Таким образом, издержки (времени) в среднем медленной но стабильной транспортной системе могут оказаться меньше, чем издержки в среднем быстрой но нестабильной. Этим можно объяснить «странность психология человека», когда он предпочитается стабильность высокой средней скорости. Точнее, он предпочитает баланс средней скорости и стабильности – а это, как показано выше, - «настоящий» оптимум.

Управление транспортной системой без учета проблем нестабильности – это неприемлемое упрощение в реальной жизни. При сходной дорожной ситуации, время в пути от A до B должно быть более-менее одинаковым. Если требуется критерий для управления автомобилями в сети, то я бы постарался создать «нормативы» для времен в пути из пункта A в B в зависимости от состояния системы. В издержки добавил бы экспоненты от времени превышения норматива. Это должно стабилизировать систему. Общий критерий – что-нибудь среднее время в пути плюс среднее превышение нормативов.

[Dmitriy40]

Кстати да, абсолютно согласен что ожидаемое время в пути должно быть достаточно предсказуемым (это пожалуй лучше чем просто стабильным).

[Rasool]

Суть моей идеи заключается в следующем:

Цитата:

- централизованная (назовем ее “диспетчерской”) система сначала собирает статистику для реальной дорожной сети - наиболее часто имеющие место транспортные потоки, скорости движения отдельных транспортных средств (ТС) в разных условиях движения (заторы, свободное движение).
- на базе этого система настраивает параметры симулятора – виртуального экспериментального стенда, который имитирует проезд разных ТС по улично-дорожной сети (УДС) с учетом разных погодных условий (дождь, снег), времени суток, дня недели, времени года – примерно по типу того, как это реализовано в AnyLogic 8 – вероятностным образом, то есть просчитывает разные исходы движения транспорта. Допустим, автомобиль, стоящий в пробке перед светофором с определенной вероятностью успевает проехать на следующий зеленый сигнал светофора, а с определенной вероятностью не успевает. Симулятор выдает разветвляющееся дерево для каждого из исходов для всех машин на всех перекрестках, где каждый узел взвешен со своей вероятностью.
- потом система начинает самообучаться, прогоняя самые разные варианты развития дорожной обстановки на симуляторе - перебор возможных вариантов маршрутов ТС на УДС и их моделирование, моделирование ДТП и т.д., обучая оценочную нейронную сеть (недостатки: отличие данных, полученных с симулятора, от данных, полученных с реальной УДС), на входе которой – одна из возможных реальных ситуаций на УДС, на выходе – мат. ожидание средней удельной задержки времени проезда автомобилей.
- Потом обученная система начинает работать, управляя маршрутами ТС на УДС или возможными направлениями поворотов ТС на перекрестках путем сообщения предлагаемых действий водителям машин (или автопилотам) и режимами работы светофоров, но обучение системы и сбор статистики дорожных ситуаций продолжается. Реализуется дерево поиска по вероятности: осуществляется ветвление по разным переключениям светофоров (также возможна “зеленая волна”), разным поворотам машин на перекрестках, либо маршрутам машин по УДС (нужно выбрать, что именно, скорее всего первое) – вершины взвешены вероятностями этих исходов и вычисляются мат. ожидания среднего времени задержки проезда с помощью уже обученной нейронной сети. Ввиду большого ветвления дерева поиска можно применить метод Монте-Карло – тоже по аналогии с алгоритмом AlphaGo.

У этой идеи есть следующие особенности и недостатки:

Цитата:

- AlphaGo реализует игру с противником, система управления дорожным движением – игру с природой.
- Громоздкость реализации идеи для проверки (нужен коллектив программистов).
- Система станет наиболее актуальной при подавляющем количестве беспилотных автомобилей.
- Необходимо иметь разработанный адекватный симулятор движения автомобилей на УДС для точного предсказания математического ожидания удельных задержек движения машин.
- Видимо, систему можно реализовать только на небольшой УДС ввиду большого объема данных.

[Mihaylo]

Идея, во-первых, не нова. Во-вторых, плохо проработана. В-третьих, имеет недостаток, из-за которого имеет малозначительную пользу. То, что Вы переживаете по поводу дирижирования коллективом программистов - это ерунда, ведь на заявленную цель могут выделить достаточно денег. Но даже на уровне идеи не видно связи между целью и задачами.

[Rasool]

Mihaylo в сообщении #1395327 писал(а):

Идея, во-первых, не нова.

Нечто подобное, сразу после появления AlphaGo, сделали китайцы в 2016-м году - систему City Brain 2.0 в городе Ханчжоу. «Головной мозг» принимает сигналы 128 светофоров Ханчжоу, в пилотной зоне время в пути сократилось на 15.3%. На 100 с лишним перекрестках осуществляется автоматическая работа светофоров. Продолжительность поездок на эстакадах уменьшилась на 4.6 минуты.

[Mental]

Одна из первых машинно-сгенерированных книг научной тематики.
Во введении описано, как устроены алгоритмы, с помощью которых книга была написана: "Литий-ионные аккумуляторы".

[Rasool]

Интересная статья Ричарда Саттона (профессора компьютерных наук в университете Альберты. Считается одним из основателей современных вычислительных методов обучения с подкреплением) на Хабре в тему треда: Горький урок отрасли ИИ:

Цитата:

Стремясь к улучшению в краткосрочной перспективе, исследователи пытаются применить человеческие знания в предметной области, но в долгосрочной перспективе имеет значение только мощность вычислений. Эти две тенденции не должны противоречить друг другу, но на практике противоречат. Время, потраченное на одно направление, — это время, потерянное для другого. Есть психологические обязательства инвестировать в тот или иной подход. И внедрение знаний в предметной области имеет тенденцию усложнять систему таким образом, что она хуже подходит для использования общих вычислительных методов. Было много примеров, когда исследователи слишком поздно усваивали этот горький урок, и полезно рассмотреть некоторые из самых известных.

Во всяком случае, пока не будет создан сильный ИИ, просто вкладывать свои знания о человеческих способах решения задач в алгоритмы кажется бесперспективным.

[Mihaylo]

Чтобы обучить нейросеть чему-либо, нужно собрать миллион примеров на вполне определенную тему (кошечки, собачки, лица, светофоры и т.д.). Чтобы обучить нейросеть непонятно чему (стремление создать сильный интеллект), придется набрать датасеты на хрен знает какое количество. Дело ведь не в усложнении алгоритма, как пишет "мегаспец по нейросетям". По его словам, почему-то вдруг алгоритм нейросетей перестал подходить для разных задач. Дело не в коде, а в данных, которые для каждой узкой задачи приходится добывать кровью и потом. А код нейросетей един для всех задач, отличаются лишь размеры. Непонятно, про что философствует Саттон.