Машины тест: Опросы, тесты про автомобили. Пройти бесплатно тесты онлайн

D3D12 виртуальной машины — тест уничтожения Коммандлист

• Статья
• 12/10/2021
• Чтение занимает 2 мин

Были ли сведения на этой странице полезными?

Оцените свои впечатления

Да Нет

Хотите оставить дополнительный отзыв?

Отзывы будут отправляться в корпорацию Майкрософт. Нажав кнопку «Отправить», вы разрешаете использовать свой отзыв для улучшения продуктов и служб Майкрософт. Политика конфиденциальности.

Отправить

В этой статье

Проверка соответствия пакета. Проверяет правильность пакетов поддержки драйверов устройств.

Сведения о тесте

Характеристики	Device. Graphics. WDDM24. Адаптеррендер., виртуализированный. Коререкуиремент
Платформы	Windows 10, клиентские выпуски (x86) Windows 10, выпуски клиента (x64) Windows Server 2016 (x64) Windows 10, выпуски клиента (ARM64) Windows 10, mobile edition (ARM) Windows 10, mobile edition (ARM64)
Поддерживаемые выпуски	Windows 10 Windows 10 версии 1511 Windows 10, версия 1607 Windows 10 версии 1703 Windows 10 версии 1709 Windows 10 версии 1803 Windows 10, версия 1809 Windows 10 версии 1903 Следующее обновление Windows 10
Ожидаемое время выполнения (в минутах)	2
Категория	Разработка
Время ожидания (в минутах)	20
Требуется перезагрузка	false
Требуется специальная конфигурация	false
Type	automatic

Дополнительные сведения

Параметры

имени параметра	Описание параметра

Дополнительная документация

Тесты в этой функциональной области могут иметь дополнительную документацию, включая предварительные требования, настройки и сведения об устранении неполадок, которые можно найти в следующих разделах:- Device. Graphics дополнительная документация

Устранение неполадок

общие сведения об устранении неполадок тестирования хлк см . в разделе устранение неполадок Windows хлк тестов.

Стоит ли покупать авто с тест-драйва со скидкой и чем это чревато?

Периодически у дилеров появляются в продаже машины, которые ранее у них работали в тест-драйве. На эти авто предлагают неплохую скидку, что делает их покупку довольно привлекательной, так как можно получить свежий автомобиль с небольшим пробегом и прозрачной сервисной историей. Но так ли на самом деле выгодно покупать автомобили из тест-драйва?

Заманчивое предложение

Плюсов в покупке такой машины много. Она гарантировано не имеет юридических проблем и регулярно обслуживалась у дилера. Для тест-драйва всегда выбирают машины в максимальной комплектации, чтобы показать все преимущества модели. Кроме того, на машины в тест-драйве часто устанавливают различное дополнительное оборудование и даже делают шумоизоляцию. При этом цена на такую машину будет ощутимо ниже аналогичной новой, даже в базовом исполнении. Некоторые автомобилисты даже специально ищут себя такую машину, считая её покупку наиболее выгодной. Но так ли всё на самом деле, нет ли в этой бочке мёда приличной ложки дёгтя?

Кот в мешке со скидкой

Как бы ни хотелось, но халявы не бывает и за всё приходится платить. Не исключение и машины из тест-драйва. Да, они редко бывают старше 2 лет, и на их одометре нет и 20 тысяч километров пробега, но покупать себе такую машину очень опасно. Нужно всегда помнить, что это рабочие машины и их никто не жалел, ни менеджеры, ни клиенты, ни журналисты и блогеры. Такие машины не проходят нормальную обкатку, а сразу бросаются на растерзание разным водителям.

Естественно, в процессе тест-драйва может произойти какое-то ДТП, последствия которого тщательно будет скрыто. Также не секрет, что эти машины нередко используются менеджерами как бесплатный корпоративный транспорт, и они ездят на них по своим делам. К минусам покупки такой машины можно отнести и проблемы с гарантией. Хотя иногда автосалон предлагает расширенную гарантию, но это бывает нечасто. Также не стоит забывать, что, купив такую машину, вы будете уже вторым владельцем, первым будет вписан автосалон.

Заявка на тест-драйв — Формы Citroen —

Контакты

+7 (495) 727 11 77

г. Москва, ул. Рябиновая , д. 14

+7 (8652) 230 999

г. Ставрополь, ул. Южный Обход, 57

+7 (495) 730 44 40

г. Москва, Волгоградский пр., д. 41, корп.1

+7 (495) 987 10 53

г. Москва, шоссе Энтузиастов, д.59

+7 (495) 987 10 53

г. Москва, пос. Мосрентген, завода Мосрентген п., км. МКАД 44-й (внешняя сторона), д. 1

+7 (4872) 706 030

г. Тула, ул. Лейтейзена, д. 1а

+7 (495) 737 88 88

г. Москва, Ленинградское шоссе, вл. 14, стр.1

+7 (812) 644 02 27

г. Санкт-Петербург, Проспект Маршала Жукова, д. 82

+7 (812) 644 02 27

г. Санкт-Петербург, Выборгская набережная, д. 57, к. 2

+7 (3412) 655 263

г. Ижевск, Удмуртская республика, г. Ижевск, ул. Союзная, 2Б.

+7 (473) 262 05 70

г. Воронеж, Ленинский проспект, 156

+7 (831) 220 00 10

г. Нижний Новгород, Московское шоссе, д. 302 Г

+7 (492) 245 01 01

г. Владимир, ул. Тракторная, д. 33, корп. 2

г. Екатеринбург, Маневровая, д 45

+7 (495) 023 08 51

г. Москва, Варшавское шоссе, д. 150

+7 (351) 211 03 87

г. Челябинск, Свердловский тракт, 5Р

+7 (342) 211 40 04

г. Пермь, шоссе Космонавтов 368а

+7 (861) 263 00 01

г. Яблоновский, ул. Краснодарская, д. 3

+7 (812) 291 30 00

г. Санкт-Петербург, Пулковское шоссе 36, корпус 3, литер Б

+7 (495) 786 25 25

г. Москва, ул. Коптевская, д. 69А, стр. 5

+7 (495) 162 52 79

г. Москва, г. Москва, Коптевская ул., д. 69А

+7 (812) 501 26 39

г. Санкт-Петербург, ул.Камчатская, д.9

+7 (4912) 955 551

г. Рязань, Московское шоссе, 22Б

+7 (383) 233 53 33

г. Новосибирск, ул. Станционная, д. 98/2

+7 (495) 739 33 80

г. Москва, Новорижское ш. 9 км от МКАД

+7 (3952) 500 024

г. Иркутск, ул.Джамбула, д.5

+7 (391) 299 76 00

г. Красноярск, Северное шоссе, д. 19Д

+7 (4822) 777 800

г. Тверь, Московское ш., д. 11, корп. 1

+7 (495) 995 77 17

г. Москва, ул. Варшавское шоссе, 127, Б

+7 (495) 925 53 43

г. Москва, ул. Иркутская, д.5/6, строение 1

+7 (8442) 205 222

г. Волгоград, Волгоград, пр-кт им маршала Советского Союза Г.К. Жукова, д. 94д

+7 (812) 331 98 78

г. Санкт-Петербург, ул. Оптиков, д. 3, лит. А (вход с Ситцевой улицы)

+7 (347) 240 00 00

г. Уфа, ул. Интернациональная, д.2

+7 (495) 778 98 50

г. Москва, 14 км МКАД Коммерческий проезд., 8, Котельники

+7 (343) 298 99 03

г. Екатеринбург, ул.Посадская, 10

Урал-ТМ Барс за 20 миллионов: тест-драйв

С чего всё началось?​

Про обычные Уралы 4320 мы уже неоднократно писали. Вот тут, например, можно почитать о том, как Урал ездит, а тут довольно подробно рассказано о его истории. Повторяться не буду, поэтому перейдём к теме появления Урал-ТМ Барс. Она полна драматизма, разочарований, подвига и, наконец, успеха.

Всё началось с того, что у руководителя компании «Б-Армс» из Истры Алексея Бутримова появился ЗИЛ-131. Рядовому любителю махнуть куда-нибудь на бездорожье такой машины обычно хватает, но Алексею не слишком понравилась проходимость ЗИЛа. Было принято решение искать что-то более серьёзное.

Выбор пал на Урал. Подходящую машину нашли в Питере. Однако возраст не щадит ни Дженнифер Лопес, ни Уралы. Машина требовала восстановления, и к вопросу отнеслись максимально серьёзно: отправили её на родину, в Миасс. Там на авторемонтном заводе «Русский Урал» (не путать с АО «АЗ «Урал»») грузовик откапиталили и вернули владельцу. На этом история могла бы закончиться, если бы на момент восстановления Урала на складах завода оставались бы хотя бы палки. Но их, видимо, там не было, поэтому для ремонта использовали только второй компонент из ругательной поговорки. Скрутки проводов, саморезами прикрученное кресло, неработающие датчики, неполадки в трансмиссии, а вдобавок – коррозия. Оно бы ещё ничего, если бы после ремонта нормально работал хотя бы мотор. Но он смог проехать менее двух тысяч и «словил» клина.

Разумеется, заказчику такое отношение к работе не понравилось. Мотор отправили в Миасс, но ответ оттуда пришёл очень странный: признаков масляного голодания нет, но в рекомендациях числилась замена масляного насоса. 

Стало очевидно, что на «Русском Урале» на работу положили болт на 24. Любой другой бы плюнул и забыл, но Алексей пошёл своим путём – путём замены двигателя. И уж если менять мотор, то менять на что-нибудь интересное, поэтому вместо стокового ЯМЗ-236 на сцене появился американский 6-цилиндровый монстр Caterpillar C15. Почему именно он? Потому что это один из настоящих американских моторов в хорошем смысле слова: надёжный и долговечный. И ещё к нему можно сравнительно легко купить кит для тюнинга. Поэтому были приобретены новая турбина, новый распредвал с изменёнными кулачками, а сам мотор был разобран и собран заново. Причём коленвал возили на балансировку, что говорит о некоторых маниакальных (в хорошем смысле слова) наклонностях создателей Барса: рядная «шестёрка» – и без того очень хорошо сбалансированный двигатель, который не досаждает лишними вибрациями.

Объём этого мотора – 15 литров, мощность в стоке – до 550 л.с. Со всеми переделками и новой прошивкой он выдаёт, конечно, больше, но сколько именно, сказать трудно. Никто мощность этого Урала пока не замерял, но расчётная должна составлять около 600-650 л.с. 

Конечно, с установкой мотора были сложности. Во-первых, потому что он заметно больше родного ЯМЗ. Во-вторых, потому что он 12-вольтовый, а всё остальное электрооборудование этого Урала 24-вольтовое. Второй вопрос решил трансформатор, а вот первый… Тут всё, как обычно: мотор потянул за собой и раму, и кабину, и трансмиссию, и всё прочее. Так потянул, что родными в этой машине остались только мосты, выключатель массы и кардан, стоящий между мостами задней тележки. Начнём с рамы.

От рамы до монитора

Разбирали машину, само собой, до рамы. Её пришлось не только отпескоструить и оцинковать, но и укоротить сзади (это была удлинённая версия). Под кабиной сделали усиление кронштейнами, передние кронштейны кабины сделали новые. Тут причины переделок понятны: нужно было сделать новое крепление неродного двигателя (точнее, его подушек), а кроме того, кабину пришлось поднять на 12 см, потому что Caterpillar на место ЯМЗ просто не помещался. Между рамой и кузовом спрятали новый топливный бак, который тоже сделали новый на заводе «Б-Армс». Теперь его повредить никак не получится: укрыли его надёжно.

Кабину, можно сказать, строили новую. Она была сдвоенной, но реализация была безобразной: по сути, две ураловские кабины, одна из которых (без моторного отсека) крепилась сзади к передней кабине. Крепилась она не то чтобы чудом, но и не совсем по-человечески. Что-то было приварено внахлёст, что-то – с помощью каких-то уголков и саморезов, попавшихся в своё время под руку сборщикам этой кабины. Поэтому кабину разобрали и принялись ваять заново. 

Крышу подняли на 15 см, сделали вставки в середине и около задней стенки, что добавило ещё 20 см. Пол тоже сделали по-своему – ровным, а не панорамным, как это было с завода. Для этого сварили для кабины отдельную общую раму и каркас верха кабины. Получилось и прочно, и красиво, и, что очень важно, просторно. 

Само собой, для новой кабины потребовались и новые стёкла. Их делали на заказ, причём лобовое стекло из триплекса сразу делали с подогревом.

Кабина, как и мотор, стоит на раме на резиновых подушках. Тут всё классически. Для мотора пришлось самим варить впускной коллектор (потому что турбина стоит не стоковая, а, как я уже говорил, из набора для тюнинга) и систему выпуска.

Отдельных слов (разумеется, восторженных) заслуживает система охлаждения. С очень большим для Урала мотором под капот удалось засунуть только интеркулер. Что делать с радиаторами? Убрать их за кабину! Поэтому между кабиной и кузовом теперь стоит вся система охлаждения (а заодно и система ресиверов, и гидравлика лебёдок), которую, по сути, делали сами. Покупали только готовые вентиляторы и радиаторы. Зато она теперь на Урале двухконтурная и гигантского объёма – 120 л. Два радиатора (переваренные из камазовских) и четыре шаровых крана позволяют использовать либо всю систему целиком, либо её половину. Нам зимой, например, хватало и половины – мотор не перегревался. Ну и уж коли вспомнили про отопление, то сразу скажу, что в этом Урале стоят две «автономки» Eberspacher (для мотора и салона) и два кондиционера. Так что с климатом тут всё в порядке.

Не было бы ничего удивительного в том, что американский мотор свернул бы ураловскую коробку после первого же заезда, поэтому и коробка передач, и раздаточная коробка тут тоже совсем не стоковые. КПП – 10-ступенчатая Eaton Fuller, раздатка – ZF. Это позволило дать Уралу ещё одну изюминку – отключаемый передний мост, чего на 4320 никогда не было. Причём подключение тут пневматическое, как и блокировка межколёсных дифференциалов. 

Сцепление осталось от Eaton Fuller, но его тросовый привод заменили на ураловский пневмогидравлический. 

Карданные валы и крестовины делали под заказ, но не все: один кардан в задней тележке остался ураловским. Сами мосты – тоже, но от лесовоза, причём поздних лет выпуска (семейства 4320, не Next). На мой взгляд, долго они прослужить не должны, но у Урала свой взгляд на эти вещи, посуровей моего. Пока служат и ломаться не собираются. 

Тормоза тоже переделывали. Они тут чисто пневматические (даже тормозной кран стоит от Камаза), а не ПГУ, как это было у Урала. Теоретически можно поставить и ABS, техническая возможность для этого есть, но желания пока нет – и без неё всё работает хорошо. 

На этом пока остановимся и пойдём смотреть машину своими глазами и щупать своими руками. Точнее, не руками, а другим местом, потому что пришло время открыть дверь и сесть в кабину.

Так и должно быть

А дверь-то непростая! Она со слоем шумоизоляции внутри, отчего открывается и – что более заметно – закрывается благородно, а не с характерным ураловским «хрясь». Правда, у новых Next с дверьми тоже всё в порядке, но я-то сравниваю с 4320, в котором деликатности не больше, чем в альбоме «Дачники» группы «Ленинград». Итак, открыли дверь и сели на водительское место.

Первое, на что я обратил внимание, это на простор в кабине. Ураловская кабина в принципе никогда не грешила теснотой, но тут места ещё больше. 

Второе – это… Даже не знаю, что сказать. Ну нет тут ничего кустарного или хотя бы такого, что говорило бы о незаводском изготовлении автомобиля. Впрочем, оно и понятно: «Б-Армс» – это как раз завод, и кустарщины в их машине быть не должно. И всё же исполнение радует.

Есть тут что-то Урала? Что-то неуловимое есть. Но если отвлечься от мысли, что это 4320 (хотя бы по документам), то кажется, что это какая-то совсем другая машина. Например, Камаз – потому что приборная панель стоит от него. Ладно, шучу, кроме панели Камаз тут ничего больше не напоминает. А вот количество кнопок на панели напоминает что-то из лёгкой авиации.

Кто-то скажет: а кнопки-то китайские! Ну и что? Зато они качественнее российских (сейчас кому-то должно стать стыдно), они все работают и делают это превосходно. Но об этом – чуть ниже. Пока посмотрим на задний ряд сидений.

Сзади стоят три сиденья. Все они раздельные, у каждого можно не только отрегулировать наклон спинки, но и подстроить под себя жёсткость амортизации. И места сзади тоже очень много: сидеть втроём можно, не мешая друг другу, а ноги даже можно вытянуть вперёд. Одним словом, тут претензий тоже нет, можно переходить к наиболее интересной части – к поездке.

Звук мотора, конечно, слышен – всё-таки 15-литровый дизель, он не может быть бесшумным. Но и высказывать какие-то претензии было бы глупо: это грузовик-вездеход, а не лимузин. В целом, для грузовика в кабине очень тихо. И очень-очень удобно. А иначе и быть не может: ручка стояночного тормоза перенесена на панель справа от руля, передние сиденья пневматические, следить за габаритами можно по четырём камерам, картинки которых выведены на огромный монитор. Да тут и девочка справится! Или нет?

Наверное, справится, но только после того, как машина хорошо прогреется. Даже не вся машина, а масло в коробке передач: в начале теста некоторые передачи включались не очень чётко. Уж простите, что придрался: в этом образцовом Урале очень хотелось найти хотя бы что-то, что работает не так, как хотелось бы. Кроме хруста при переключении передач на холодной коробке – ничего… Ах, да! – ещё отмечу неудобное расположение ручек открывания дверей: они стоят прямо под подлокотником, и если не знать, куда их запрятали, можно остаться в плену кабины. 

Итак, лепесток на рычаге КПП переведён на повышенный ряд, включаем вторую (первая передаче на ровной дороге не нужна), и полетели! Сколько там было лошадиных сил у этого Урала в юности? Тут стоял ЯМЗ-236, значит, 180. Был бы ЯМЗ-238, было бы 240. Не знаю, сколько тут «лошадей» получилось по факту, но это зверь какой-то, а не машина. Не думал, что когда-нибудь скажу такое вслух, но у Урала действительно ураганная динамика. Максимальная скорость, правда, не слишком высокая (привет ураловской главной паре), но свои 100-110 он идёт. Собственно, весь цимес именно в разгоне. Под приятный уху еле слышный свист турбины почти десятитонный Урал-ТМ Барс так улетает с места, что вдавливает в сиденье. Ненадолго, но вдавливает. 

А ещё лучше он едет по снежным сугробам. Где мне почти по пояс, Уралу не требуется даже «понижайка»: прёт, как бабушка на почту за пенсией – ничего не видя, не разбирая дороги, никого не боясь, с маниакальной настойчивостью и под гнётом чувства долга. Оно, конечно, Уралу так и положено, но тут есть одна особенность: водитель при этом чувствует себя человеком, а не страдающим мешком с больными суставами. Надо было очень постараться, чтобы добиться этого от машины: все блокировки включаются простым нажатием кнопочек, без всяких «ой, не получилось, попробуем ещё раз», без дёрганья рычагов с упоминанием матерей миасских жителей. Даже подкачка шин работает с кнопок, а не с поворотов пневматических кранов. Причём подкачать можно отдельно шины задней тележки или передней оси, и всё – с минимальным количеством усилий со стороны водителя. Это какой-то «сверх-урал» просто!

Так как мы ездили по заснеженным и довольно узким дорогам, гонять от души было опасно (да и не нужно это такой машине). Зато на этих дорогах можно было оценить некоторые другие особенности. Например, отлично и предсказуемо работающие тормоза и послушность рулю. Рулевое управление, кстати, осталось от Урала, и к нему претензий нет.

Насчёт манёвренности что-то сказать сложно. Конечно, это не Матиз, и места для поворотов Уралу требуется много. Тут ничего особенного – Урал как Урал. Но вот возможность при разворотах в узком пространстве мониторить ситуацию по картинкам с камер – это, конечно, удобно. Вообще при установке четырёх камер планировали реализовать круговой обзор с видом сверху, как это есть на некоторых легковых иномарках, но пока не получилось срастить картинку. На мой взгляд, этого и не требуется – достаточно того, что есть.

Общее впечатление получилось однозначным: вот бы взять эту машину и отвезти в Миасс! Показать её на заводе и сказать: «Смотрите, вот таким должен быть Урал 4320. Всё продумано, всё очень качественно сделано и собрано». Но… Но это было бы глупостью.

И так неплохо!

Скажем честно: этот Урал стоит денег. Больших денег – больше двадцати миллионов. И некоторые вещи (те же самые камеры, премиальная музыка Alpine) относятся к разряду роскоши. Даже кондиционеры, электростеклоподъёмники, электрозеркала с подогревом, лобовое стекло с подогревом, лебёдки, светотехника, шины Continental – всё это тоже деньги, которые вряд ли кто-то захочет отдавать за обычный Урал. Урал-ТМ Барс – продукция единичная и более имиджевая, она не рассчитана на массового покупателя (хотя под заказ сделать можно, обращайтесь), а серийные заводские Уралы – это совсем другое. Они должны быть доступными, более простыми в ремонте и эксплуатации. 

И, конечно, тыкать в нос на заводе в Миассе Барсом было бы неправильно: там стоят другие задачи. Единственное, чему там могли бы позавидовать, это качеству сборки. У Урал-ТМ Барс она на высоте, у миасских Уралов… Ну, как повезёт. А их ПГУ, например, ругают до сих пор, но ничего от этой ругани не меняется. Поэтому не стану приводить Барс в пример заводу «Урал»: это разные машины для разных задач. Но удовольствия от Барса я получил всё-таки больше, чем от обычного 4320. Где-то раз в пять больше, если пересчитать это удовольствие в рубли.

Благодарим компанию «Б-Армс» за предоставленный на тест-драйв автомобиль

Как взять машину на тест-драйв в автосалоне

В настоящее время большинство экспертов автомобильного рынка перед покупкой машины рекомендуют автолюбителям провести её тест-драйв. К сожалению, в нашем обществе подобный сервис в новинку и многие водители не знают, как взять машину на тест-драйв в автосалоне и на что стоит обратить внимание. Встречаются даже такие личности, которые пользуются подобным предложением автосалона просто для развлечения, просто потому, что им захотелось проехаться на дорогой иномарке.

Как это работает

Многие производители автомобилей, в особенности иностранных, дают возможность своим потенциальным клиентам «обкатать» понравившуюся им машину перед её покупкой. Для того чтобы воспользоваться такой услугой, зачастую хватает одного простого телефонного звонка. Позвонив в автосалон, вы с лёгкостью можете договориться с менеджером о дате и времени испытания заинтересовавшего вас «четырёхколёсного друга». Кроме этого, вы всегда можете посетить салон без предварительной записи и, если автомашина будет свободна, прокатится на ней. Однако лучше внести тест-драйв в своё расписание, чем хаотично и без подготовки испытывать понравившуюся машину.

Автомобили Mercedes для тест-драйва

Учтите, что тестировать автомобиль лучше всего в выходные, когда на дорогах не собирается больших пробок и можно испытать её на скорость. Но здесь есть одно но — не стоит увлекаться высокоскоростной ездой, так как ответственность соблюдения ПДД лежит на вас!

Ещё один нюанс — комплектация тестируемой автомашины. Она, к сожалению, не всегда может совпадать с заявленной вами комплектацией. Вы можете взять автомобиль в салоне на тест-драйв с максимальной комплектацией. Это позволит насладиться всеми прелестями модели и в дальнейшем отсечь ненужные «навороты».

Неправильный тест-драйв

Для начала огорчим любителей отечественного автопрома, взять на тест-драйв «Калину» гораздо сложнее, чем дорогую иномарку. Большинство автосалонов ВАЗа не предлагают подобную услугу, объясняя это тем, что все и так осведомлены о работе автомобилей отечественных марок. Это в корне неправильный подход. Ещё более странно звучит, если менеджер всё-таки предлагает вам опробовать машинку, но только в сухую погоду и только на территории автотехцентра. Это означает, что потом он продаст испытанную вами машину по полной стоимости, хотя по правилам тестовый экземпляр должны продавать по большой скидке.

К неправильному тестированию автомобиля также можно отнести круг почёта вокруг автосалона с бдительным штурманом — менеджером предприятия. Последний отвлекает клиента от автомобиля своими постоянными разговорами, похвалами и уговорами сделать покупку побыстрее. Зомбирование покупателей — это целая наука, так что не попадайтесь на удочку. Для того чтобы заставить продавца замолчать, просто задайте ему вопрос «по делу», о какой-либо конкретной характеристике автомашины.

Тест-драйв автомобиля Шевроле в городе

Долой страхи

Многие автолюбители отказываются от проведения тест-драйва, так как боятся повредить тестируемый автомобиль. Зарубите себе на носу — за повреждение машины во время тестового заезда вам ничего не будет! Тестовый экземпляр перед первым использованием обязательно страхуют. Страховка покрывает полностью все виды ущерба, даже такие как извержение вулкана и землетрясение.

Видео о тест-драйвах в автосалонах:

Таким образом, если менеджер перед тестированием предложит вам подписать документ о возмещении ущерба в случае повреждения автомобиля, смело разворачивайтесь и уходите!

Что можно, а чего нельзя

У каждого автосалона существует определённый маршрут, который согласован с ГИБДД, для проведения тестовых заездов. Чаще всего тест-драйв автомашины длится не менее 10 минут и не более 40 минут.

Дорогие автомобили можно проверять на протяжении суток. Однако для этого нужно быть постоянным клиентом, то есть раз в год покупать автомобиль новой модели. Подобные заявки рассматривает только директор по продажам, который также раздаёт разрешения на длительный тест-драйв. Эта услуга предоставляется бесплатно, но на клиента оформляют страховой полис.

Многие водители не имеют понятия, какие нужны документы для проведения тестирования понравившегося автомобиля. Это ещё раз доказывает отсталость отечественного автомобильного сервиса. Внимание, для тест-драйва нужны водительские права и паспорт! Ваша прописка, семейное положение и внешний вид никого не должны интересовать.

Тест-драйв Паджеро Спорт на бездорожье

Как себя вести

Для того чтобы понять, как пройти тест-драйв на автомобиле из салона и после этого сделать правильный выбор, необходимо придерживаться определённых рекомендаций экспертов автосервиса. Существует небольшой свод общераспространённых правил поведения за рулём тестовой автомашины:

1. Перед тем как завести мотор, пристегните ремень безопасности, настройте удобно кресло и зеркала.
2. Не стоит забывать о правилах дорожного движения, их никто для вас не отменял!
3. Не спешите, не стартуйте резко, для правильной оценки авто требуется спокойствие и концентрация.
4. Не нужно менеджеру и остальным водителям на дороге демонстрировать свой уровень вождения. Ездите так, как вы обычно ездите, иначе не прочувствуете автомобиля.
5. Выезд из территории автосалона смело доверьте консультанту, он лучше ориентируется на местности и знает все особенности маршрута и стоянок.
6. Не избегайте дорожных неровностей и ям. Вы заранее должны знать, как ведёт себя автомобиль в условиях некачественного дорожного покрытия, тем более что для дорог России — это не в новинку.
7. Для более полных впечатлений от автомобиля возьмите с собой будущих постоянных пассажиров.
8. Во время тест-драйва сосредоточьтесь на работе автомобиля, а не на его стоимости и комплектациях. Не стоит разговаривать с консультантом и обсуждать различные проблемы личного характера.
9. Не забудьте проверить работу всех климатических систем автомобиля: кондиционера, подогрева сидений, климат-контроля и отопительной системы.
10. Возьмите с собой диск, чтобы испробовать аудиосистему и понять, как будет звучать ваша любимая музыка.
11. Проверьте все двери, они должны закрываться тихо и не заедать при открывании. Так же должны вести себя крышки капота и багажника.
12. Во время поездки обратите внимание на шум, который издаёт двигатель, вентиляция, шины, обшивка и т. д. Вам должно быть комфортно, звук не должен отвлекать от дороги.

На видео — пример тест-драйва автомобиля:

Итак, тест-драйв проводить перед покупкой не просто можно, но и нужно! Добивайтесь этого от дилеров или идите в другую компанию. Поверьте, эффективное тестирование всегда приводит к правильному выбору автомашины.

Виртуальные машины и тест Гилева / Хабр

А давайте поговорим про синтетические тесты? Мы заметили, что часть клиентов использует их, оценивая «профпригодность» любого облачного решения. Иногда нас просят предоставить результаты какого-либо теста или сами проверяют систему во время бесплатного пробного периода. Причём то же нагрузочное тестирование проводят редко. В фаворитах — тест Гилева. Про него-то мы и расскажем. Ведь если и делать подобный тест, то делать его нужно правильно.

Введение

Стоит понимать, что тест Гилева никак не отражает быстродействие реальной конфигурации с реальной базой данных. Он запускается на пустой платформе без установки каких-либо конфигураций и тем более загрузки реальных баз 1С. А ведь многопоточный тест может быть запущен в качестве нагрузочного и на реальной системе с реальными данными.

Более того, тест в первую очередь разрабатывался для проверки дискретных серверов (поскольку именно их рекомендует использовать производитель платформы), а однопоточный тест изначально разрабатывался для проверки файловой архитектуры хранения баз 1С. И если по настройке дискретных серверов и операционных систем на сайте авторов имеются рекомендации, хотя и неполные и отчасти устаревшие, то по виртуальным и облачным технологиям присутствует только приглашение к заключению договора с авторами теста на проведение работ по оптимизации.

Тем не менее, многие технические специалисты считают результаты теста истиной в последней инстанции, придавая очень большое значение полученным результатам. При этом зачастую внимание обращают только на результаты однопоточного теста, как самые наглядные и простые. Это не совсем правильно, но стереотип весьма устойчив.

Данная статья описывает результаты исследования влияния различных оптимизаций виртуальной машины, её гостевой ОС и прикладного программного обеспечения на результаты прохождения теста Гилева.

Исходные данные

Тест Гилева – синтетический тест, позволяющий оценить быстродействие платформы «1С:Предприятие». В основном используется для оценки производительности при использовании СУБД для хранения баз данных 1С, но может использоваться и для файлового варианта хранения баз данных 1С. Поставляется в виде файла конфигурации (*.cf) для дальнейшей загрузки в конфигураторе «1С:Предприятие».

Тест состоит из двух частей, которые могут быть запущены независимо друг от друга.

Первая часть – однопоточный тест, оценивает производительность выполнения операций в один поток, что является характерной особенностью платформы «1С:Предприятие». По результатам теста строится график в виде столбчатой диаграммы, в котором слева направо представлены текущий результат теста и результаты, соответствующие оценкам «плохо», «удовлетворительно», «хорошо» и «отлично». «Оценочные» результаты имеют фиксированные значения (10, 15, 35 и 60 соответственно). Результат однопоточного теста предоставляется в неких условных единицах.

Вторая часть – многопоточный тест, позволяет оценить скорость записи на диски при одновременном обращении к базе данных нескольких запросов. В качестве результатов выводятся максимальные скорости записи отдельных строк, однопоточной записи, максимальной скорости записи и рекомендуемого числа пользователей. При использовании файловой архитектуры хранения баз 1С этот тест недоступен.

Дополнительно тест позволяет сохранить результаты в облако авторов теста и получать результаты других пользователей теста для сравнения.

Среда тестирования

Для тестирования в «обычном» облаке Cloud4Y мы создали виртуальную машину с гостевой ОС Windows Server 2019. ВМ развернули из стандартного шаблона в варианте с паравиртуальным драйвером дисков. Данный тип контроллера не даёт преимуществ по скорости работы в сравнении с LSI Logic SAS, но активно продвигается вендором и может стать типом контроллера по умолчанию в будущем.

В качестве СУБД использовали Microsoft SQL Server 2019 редакции Standard. Редакция Express даёт схожие результаты тестирования, однако неприменима на реальных базах из-за ограничений редакции. Следовательно, использовать её в шаблоне виртуальной машины не имеет смысла.

На виртуальной машине установили сервер «1С:Предприятие» и настроили кластер серверов 1С. Также установили дополнительные средства администрирования серверов 1С. В качестве единственной конфигурации использовался тест Гилева.

Для тестирования раздельной конфигурации, где сервер 1С и СУБД размещаются на отдельных ВМ, мы клонировали исходную ВМ, после чего в гостевой ОС каждой из получившихся виртуальных машин удалили лишние компоненты и провели дополнительную настройку.

Оптимизации

1. Оптимизировали виртуальную машину. На виртуальных машинах, использующихся в тестировании, отключили функции добавления на лету виртуальных процессоров и оперативной памяти, как потенциально снижающие производительность.

2. Оптимизировали гостевую ОС. Все оптимизации делались на основании рекомендаций с сайтов https://its.1c.ru и https://gilev.ru. Также учитывались данные с других тематических ресурсов. При внесении изменений в гостевую ОС мы проверяли актуальность рекомендаций, так как значительная их часть относится к устаревшим версиям операционных систем. В итоге мы а)полностью отключили все функции энергосбережения в гостевой ОС и включили режим максимальной производительности, б) отключили на уровне системы протокол IPv6, в реестре по адресу HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Services\Tcpip6\Parameters создали ключ DisabledComponents типа DWORD (32 бита) со значением 0xffffffff, что соответствует отключению всех компонент IP версии 6, кроме интерфейса замыкания на себя. При этом значении также будет использоваться в политиках префиксов протокол IP версии 4 вместо IPv6.

3. Оптимизировали СУБД. В частности, мы:

• Установили минимально необходимый набор компонентов СУБД MSSQL

• Установили лимит потребления памяти сервером СУБД: минимальное значение равное половине объёма оперативной памяти, максимальное – полный размер RAM, за вычетом 1 ГБ на каждые выделенные 16 ГБ оперативной памяти

• Установили максимальную степень параллелизма равную 1

• Базу tempdb, пользовательскую базу данных, лог базы данных разнесли на отдельные файловые системы на отдельных виртуальных дисках

• Выполнили тонкую настройку параметров баз model и tempdb: значения начального размера базы от 1 ГБ до 10 ГБ, начальный размер журнала транзакций от 1 ГБ до 2 ГБ и авторасширение в 512 МБ

• В СУБД разрешили операции по обслуживанию томов

• Для раздельной архитектуры для пользователя, от имени которого запускался сервер СУБД, дополнительно установили политику «Блокировка страниц в памяти». Для совместной архитектуры эта политика не должна использоваться, что подтверждается результатами тестов

• Для совместной архитектуры отключили все протоколы обмена данными, кроме shared memory, для раздельной – все, кроме tcp

Тестирование

Настройки сделаны, давайте посмотрим на то, какое влияние на результаты теста оказывают разные параметры инфраструктуры

Влияние виртуальных процессоров и сокетов

Рис.1Рис. 2Рис. 3

На рис. 1-3 приводятся результаты исследования влияния сокетов для совмещённой конфигурации. Как можно увидеть, максимальные значения достигаются при одном сокете, при увеличении их количества результаты теста снижаются.

Рис. 4Рис. 5

На рис. 4 и 5 показано слияние увеличения количества виртуальных процессоров. Как можно увидеть, значительного выигрыша в результатах теста Гилева увеличение количества виртуальных процессоров не даёт.

Примечание: но при работе с реальной базой данных и при подключении более одного пользователя количество виртуальных процессоров будет существенно влиять на производительность, и это нужно учитывать.

Влияние объёма RAM

Теперь давайте оценим влияние объёма оперативной памяти на результаты теста

Рис. 6

Как можно увидеть, увеличение памяти не даёт ощутимого влияния на результаты теста.

Примечание: но при работе с реальной базой данных и при подключении более одного пользователя объём оперативной памяти будет существенно влиять на производительность, и это нужно учитывать.

Влияние размера кластера файловой системы тома с базой данных

Рис. 7Рис. 8Рис. 9

На рис. 7-9 представлено влияние размера кластера файловой системы тома с базой данных. Как вы видите, размер кластера файловой системы не даёт ощутимого влияния на результаты теста.

Примечание: при работе с реальной базой данных размер кластера файловой системы может оказывать существенное влияние на производительность, и это нужно учитывать и использовать размер кластера, рекомендованный для имеющегося размера тома.

Влияние совместной или раздельной архитектуры

Рис. 10

На рис.10 представлены результаты теста Гилева для раздельной архитектуры (отдельный сервер СУБД). Обратите внимание, тест никак не учитывает в однопоточном тесте конфигурацию сервера СУБД, учитывается только конфигурация сервера, где развёрнута платформа «1С:Предприятие». В целом, производительность в тесте Гилева у раздельной архитектуры несколько ниже, чем у совместной, поскольку используется протокол tcp вместо более быстрого протокола shared memory.

Влияние нагруженности кластера и выделения ресурсов

Рис. 11

На рис. 11 представлены результаты теста Гилева на виртуальной машине, расположенной на изолированном от основного кластера хосте. Результаты существенно выше предыдущих, поскольку все ресурсы хоста гарантированно предоставляются единственной виртуальной машине.

Рис. 12

На рис. 12 представлены результаты теста в общем кластере с включенными политиками гарантированного предоставления ресурсов. Как вы видите, результат существенно ниже, чем на изолированном хосте.

Итоги исследований

1. На результаты теста наибольшее влияние имеют отключение всех возможных технологий энергосбережения в гостевой операционной системе и базовая частота виртуального процессора

2. Нагруженность кластера, в котором работает виртуальная машина, может существенно влиять на результат теста Гилева

3. Совмещённая архитектура даёт более высокие результаты по сравнению с раздельной за счёт использования более быстрого протокола shared memory. Однако, при использовании такой архитектуры нужно внимательно следить за ресурсами, потребляемыми отдельными компонентами системы, чтобы избежать конкуренции

4. Значительная часть рекомендаций, представленных на сайтах https://its.1c.ru и https://gilev.ru, неактуальна при использовании современных версий операционных систем и СУБД

Надеюсь, эта информация будет вам полезна. И помните, что одними лишь синтетическими тестами руководствоваться не стоит.  Обращаем ваше внимание на тот факт, что мы проводили тест Гилева по 1С в виртуальной среде на не очень мощных процессорах. В будущем можно будет провести исследование на новом железе. Интересно?

---

Что ещё интересного есть в блоге Cloud4Y

→ В тюрьму за приложение

→ 20000 петабайт под водой: есть ли перспективы у подводных центров обработки данных

→ Определённо не Windows 95: какие операционные системы поддерживают работу в космосе?

→ Рассказываем про государственные защищенные сервисы и сети

→ Как настроить SSH-Jump Server

Подписывайтесь на наш Telegram-канал, чтобы не пропустить очередную статью. Пишем не чаще двух раз в неделю и только по делу.

Тест: стиральные машины (test: washing). Как постираем?

Стиральные машины безусловно находятся в категории самых востребовательных помощников для человека. Можно конечно и ручками, но кто же это будет делать в 21 веке? Количество разновидностей и моделей стиральных машин множество. С разнообразными функциями и постоянно улучшающимися экологическими характеристиками.

Цены указаны из оригинального тестирования, поэтому в Украине они будут отличаться. Это касается как самих стиральных машин, так и расчетов с учетом стоимости электроэнергии и воды.

В тестировании 9 моделей стиральных машин с фронтальной загрузкой:

1. AEG L6FB64470

2. Bauknecht WM Care 8418 Z

3. Bosch WAN 28270

4. Constructa CWF14N22

5. Hanseatic HWM 714 A3IT

6. Gorenje W2A 744 T

7. Miele WDB 330 WPS SpeedCare

8. Samsung WW7XM642OPA

9. Siemens WM14N270

 

     

   

оригинал тестирования: Stiftung Warentest (test.de). 11.2019

  Чистой одежды!

Оплата
	Стоимость тестирования составляет примерно 50 евроцентов (примерно, потому, что в разных странах операторы и налоговые берут по разному). Ваша оплата помогает нам проводить новые исследования качества товаров и услуг, СПАСИБО!	— Оплата проводится только Авторизованными пользователями. Регистрация и Авторизация на стартовой странице; — Формы оплаты можно посмотреть здесь… — Пополнение счета, любые изменения подписки — в Персональном кабинете

I.—ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И ИНТЕЛЛЕКТ | Разум

1. Игра в имитацию

Предлагаю рассмотреть вопрос «Могут ли машины мыслить?» Начать следует с определения значения терминов «машина» и «мыслить». Определения могут быть составлены таким образом, чтобы, насколько это возможно, отражать нормальное употребление слов, но такое отношение опасно. Если значение слов «машина» и «думать» должно быть найдено путем изучения того, как они обычно используются, трудно избежать вывода о том, что значение и ответ на вопрос «Могут ли машины думать?» ищут в статистическом обзоре, таком как опрос Гэллапа.Но это абсурд. Вместо того, чтобы пытаться дать такое определение, я заменю этот вопрос другим, тесно связанным с ним и выраженным в относительно недвусмысленных словах.

Новая форма задачи может быть описана в терминах игры, которую мы называем «имитационной игрой». В нее играют три человека: мужчина (А), женщина (В) и следователь (С), которые могут быть любого пола. Следователь остается в комнате отдельно от двух других. Цель игры следователя состоит в том, чтобы определить, кто из двух других является мужчиной, а кто женщиной.Он знает их по ярлыкам X и Y, а в конце игры говорит либо «X есть A, а Y есть B», либо «X есть B и Y есть A». Следователю разрешается задавать вопросы А и Б следующим образом:

С: Скажите, пожалуйста, X, какой длины его или ее волосы? Теперь предположим, что X на самом деле является A, тогда A должен ответить. Цель игры А состоит в том, чтобы попытаться заставить С провести неправильную идентификацию. Таким образом, его ответ может быть таким:

«Мои волосы спутаны, а самые длинные пряди имеют длину около девяти дюймов».Идеальным вариантом является наличие телетайпа для связи между двумя комнатами. В качестве альтернативы вопрос и ответы могут быть повторены посредником. Цель игры для третьего игрока (В) — помочь следователю. Вероятно, лучшая стратегия для нее — давать правдивые ответы. Она может добавить к своим ответам такие вещи, как «Я женщина, не слушай его!», но это ничего не даст, поскольку мужчина может делать подобные замечания.

Теперь мы задаем вопрос: «Что произойдет, когда машина возьмет на себя роль А в этой игре?» Будет ли следователь принимать ошибочные решения так же часто, когда игра ведется таким образом, как он делает это, когда игра ведется между человеком? а женщина? Эти вопросы заменяют наш первоначальный вопрос «Могут ли машины думать?»

2.Критика новой проблемы

Помимо вопроса: «Каков ответ на эту новую форму вопроса?», можно спросить: «Стоит ли исследовать этот новый вопрос?» Этот последний вопрос мы исследуем без дальнейших церемоний, тем самым сокращая бесконечную регресс.

Преимущество новой задачи в том, что она проводит довольно резкую грань между физическими и интеллектуальными способностями человека. Ни один инженер или химик не претендует на способность производить материал, неотличимый от кожи человека.Возможно, когда-нибудь это удастся сделать, но даже если предположить, что это изобретение станет доступным, мы должны чувствовать, что нет большого смысла пытаться сделать «мыслящую машину» более человечной, облекая ее в такую ​​искусственную плоть. Форма, в которой мы поставили задачу, отражает этот факт в условиях, при которых исследователь не может видеть или прикасаться к другим участникам или слышать их голоса. Некоторые другие преимущества предложенного критерия могут быть показаны примерными вопросами и ответами.Таким образом:

• Q :

  Пожалуйста, напишите мне сонет на тему Форт-Бридж.

• A :

  Считайте меня на этом. Я никогда не умел писать стихи.

• Q :

  Добавить 34957 к 70764

• A :

  (Пауза около 30 секунд, а затем дать ответ) 105621.

• Q :

  Вы играете в шахматы?

• А :

  Да.

• В :

  У меня К1 на К1, других фигур нет. У вас есть только K на K6 и R на R1.Это ваш ход. Что вы играете?

• A :

  (после 15-секундной паузы) R-R8 mate.

Метод вопросов и ответов кажется подходящим для ознакомления практически с любой из областей человеческой деятельности, которую мы хотим включить. Мы не хотим наказывать машину за ее неспособность блистать на конкурсах красоты или наказывать человека за поражение в гонке с самолетом. Условия нашей игры делают эти недостатки неактуальными. «Свидетели» могут сколько угодно хвастаться, если считают нужным, своим обаянием, силой или героизмом, но практических доказательств следователь требовать не может.

Игра, возможно, может быть подвергнута критике на том основании, что шансы слишком сильно зависят от машины. Если бы этот человек попытался притвориться машиной, он явно показал бы себя очень плохо. Его бы сразу выдали медлительность и неточность в арифметике. Не могут ли машины совершать нечто, что следует назвать мышлением, но что очень отличается от того, что делает человек? Это возражение очень сильное, но, по крайней мере, мы можем сказать, что если, тем не менее, можно сконструировать машину для удовлетворительной игры в имитацию, нас не должно беспокоить это возражение.

Можно возразить, что при игре в «имитационную игру» лучшей стратегией для машины может быть нечто иное, чем имитация поведения человека. Это может быть, но я думаю, что вряд ли есть большой эффект такого рода. В любом случае здесь нет намерения исследовать теорию игры, и предполагается, что наилучшая стратегия состоит в том, чтобы попытаться дать ответы, которые, естественно, дал бы человек.

3. Машины, задействованные в игре

Вопрос, поставленный нами в § 1, не будет вполне определенным, пока мы не уточним, что мы подразумеваем под словом «машина».Естественно, что мы хотели бы разрешить использование в наших машинах всех видов инженерной техники. Мы также хотим допустить возможность того, что инженер или команда инженеров могут построить машину, которая работает, но принцип работы которой не может быть удовлетворительно описан ее конструкторами, потому что они применили метод, который в значительной степени является экспериментальным. Наконец, мы хотим исключить из машин людей, рожденных обычным образом. Трудно сформулировать определения так, чтобы они удовлетворяли этим трем условиям.Можно, например, настаивать на том, чтобы вся команда инженеров была одного пола, но на самом деле это было бы неудовлетворительно, поскольку вполне вероятно, что из одной клетки кожи, скажем, человека, можно вырастить целостную особь. Сделать это было бы подвигом биологической техники, заслуживающим самой высокой похвалы, но мы не были бы склонны рассматривать это как случай «построения мыслящей машины». Это побуждает нас отказаться от требования, чтобы всякая техника была разрешена.Мы тем более готовы сделать это ввиду того факта, что нынешний интерес к «мыслящим машинам» вызван особым типом машин, обычно называемым «электронным компьютером» или «цифровым компьютером». Следуя этому предложению, мы разрешаем участвовать в нашей игре только цифровым компьютерам.

Это ограничение на первый взгляд кажется очень резким. Я попытаюсь показать, что в действительности это не так. Для этого необходимо кратко рассказать о природе и свойствах этих компьютеров.

Можно также сказать, что это отождествление машин с цифровыми компьютерами, как и наш критерий «мышления», будет неудовлетворительным только в том случае, если (вопреки моему убеждению) окажется, что цифровые компьютеры не могут хорошо себя показать в игра.

Уже есть несколько цифровых компьютеров в рабочем состоянии, и может возникнуть вопрос: «Почему бы не провести эксперимент прямо сейчас?» Было бы легко удовлетворить условия игры. Можно использовать несколько следователей и собирать статистику, чтобы показать, как часто давалась правильная идентификация.Короткий ответ заключается в том, что мы не спрашиваем, будут ли все цифровые компьютеры хорошо работать в игре или будут ли хорошо работать компьютеры, доступные в настоящее время, а спрашиваем, существуют ли вообразимые компьютеры, которые будут работать хорошо. Но это только краткий ответ. Позже мы увидим этот вопрос в другом свете.

4. Цифровые компьютеры

Идею цифровых компьютеров можно объяснить, сказав, что эти машины предназначены для выполнения любых операций, которые могут выполняться человеческим компьютером.Предполагается, что человеческий компьютер следует установленным правилам; он не имеет права отклоняться от них в деталях. Мы можем предположить, что эти правила содержатся в книге, которая изменяется всякий раз, когда его переводят на новую работу. У него также есть неограниченный запас бумаги, на которой он делает свои расчеты. Он также может делать свои умножения и сложения на «настольной машине», но это не важно.

Если мы используем приведенное выше объяснение в качестве определения, мы рискуем зациклиться на рассуждениях.Мы избегаем этого, описывая средства, с помощью которых достигается желаемый эффект. Цифровой компьютер обычно можно рассматривать как состоящий из трех частей:

• Магазин.

• Исполнительный блок.

• Управление.

Хранилище является хранилищем информации и соответствует бумаге человеческого компьютера, будь то бумага, на которой он выполняет свои расчеты, или та, на которой напечатана его книга правил. Поскольку человеческий компьютер производит вычисления в своей голове, часть хранилища будет соответствовать его памяти.

Исполнительный блок — это часть, которая выполняет различные отдельные операции, связанные с вычислением. Что представляют собой эти отдельные операции, зависит от машины к машине. Обычно можно выполнять довольно длительные операции, такие как «Умножить 3540675445 на 7076345687», но на некоторых машинах возможны только очень простые, такие как «Записать 0».

Мы упомянули, что поставляемая компьютеру «книга правил» заменяется в машине частью магазина. Тогда она называется «таблицей инструкций».Контрольная служба обязана следить за тем, чтобы эти инструкции выполнялись правильно и в правильном порядке. Управление так построено, что это обязательно происходит.

Информация в магазине обычно разбита на пакеты умеренно небольшого размера. Например, на одной машине пакет может состоять из десяти десятичных цифр. Частям хранилища, в которых хранятся различные пакеты информации, присваиваются номера некоторым систематическим образом. Типичная инструкция может сказать:

«Сложите число, хранящееся в позиции 6809, с числом в 4302 и поместите результат обратно в последнюю позицию хранения».

Излишне говорить, что это не произойдет в машине, выраженной на английском языке. Скорее всего, он будет закодирован в такой форме, как 6809430217. Здесь 17 говорит, какая из различных возможных операций должна быть выполнена с двумя числами. В этом случае операция описана выше, , а именно . «Добавьте число…». Следует заметить, что инструкция занимает 10 цифр и, таким образом, формирует один пакет информации, что очень удобно. Обычно система управления воспринимает инструкции в том порядке, в котором они хранятся, но иногда может встречаться такая инструкция, как

«Теперь выполнить инструкцию, хранящуюся в позиции 5606, и продолжить оттуда», или снова

‘Если позиция 4505 содержит 0, выполните следующую инструкцию, хранящуюся в 6707, в противном случае продолжайте прямо.

Инструкции этих последних типов очень важны, потому что они позволяют повторять последовательность операций снова и снова до тех пор, пока не будет выполнено какое-либо условие, но при этом подчиняться не новым инструкциям при каждом повторении, а одни и те же снова и снова. Возьмем бытовую аналогию. Предположим, мама хочет, чтобы Томми каждое утро по дороге в школу заходил к сапожнику, чтобы узнать, готова ли ее обувь, она может спрашивать его каждое утро заново. В качестве альтернативы она может раз и навсегда повесить объявление в холле, которое он увидит, уходя в школу, и в котором ему предлагается вызвать обувь, а также уничтожить объявление, когда он вернется, если туфли у него с собой. .

Читатель должен принять как факт, что цифровые компьютеры могут быть построены и действительно были построены в соответствии с описанными нами принципами, и что они могут фактически очень точно имитировать действия человеческого компьютера.

Книга правил, которую мы описали как использование человеческого компьютера, конечно же, удобная фикция. Настоящие человеческие компьютеры действительно помнят, что они должны делать. Если кто-то хочет заставить машину имитировать поведение человека-компьютера в какой-то сложной операции, нужно спросить его, как это делается, а затем перевести ответ в форму таблицы инструкций.Составление таблиц инструкций обычно называют «программированием». «Запрограммировать машину на выполнение операции А» означает поместить в машину соответствующую таблицу команд, чтобы она выполняла А.

Интересным вариантом идеи цифрового компьютера является «цифровой компьютер со случайным элементом». ‘. У них есть инструкции, связанные с бросанием игральной кости или каким-либо эквивалентным электронным процессом; одной из таких инструкций может быть, например, «Бросьте кубик и поместите полученное число в хранилище 1000».Иногда такую ​​машину описывают как обладающую свободой воли (хотя сам я бы не использовал эту фразу). Обычно невозможно определить, наблюдая за машиной, есть ли в ней случайный элемент, поскольку такие устройства могут произвести аналогичный эффект, например, сделать выбор зависящим от цифр десятичного числа для π.

Большинство современных цифровых компьютеров имеют только конечную память. В идее компьютера с неограниченным хранилищем нет теоретических трудностей. Конечно, в любой момент времени может быть использована только конечная часть.Точно так же может быть построено только конечное количество, но мы можем вообразить, что по мере необходимости будет добавляться все больше и больше. Такие компьютеры представляют особый теоретический интерес и будут называться компьютерами бесконечной мощности.

Идея цифрового компьютера старая. Чарльз Бэббидж, профессор математики Лукаса в Кембридже с 1828 по 1839 год, планировал такую ​​машину, названную аналитической машиной, но она так и не была завершена. Хотя у Бэббиджа были все основные идеи, его машина не представляла в то время такой уж привлекательной перспективы.Скорость, которая была бы доступна, была бы определенно выше, чем у человеческого компьютера, но примерно в 100 раз медленнее, чем у манчестерской машины, которая сама по себе является одной из самых медленных современных машин. Хранение должно было быть чисто механическим, с использованием колес и карт.

Тот факт, что аналитическая машина Бэббиджа должна была быть полностью механической, поможет нам избавиться от суеверия. Часто придается большое значение тому факту, что современные цифровые компьютеры являются электрическими и что нервная система также является электрической.Поскольку машина Бэббиджа не была электрической и поскольку все цифровые компьютеры в некотором смысле эквивалентны, мы видим, что такое использование электричества не может иметь теоретического значения. Конечно, электричество обычно появляется там, где речь идет о быстрой передаче сигналов, так что неудивительно, что мы находим его в обоих этих соединениях. В нервной системе химические явления не менее важны, чем электрические. В некоторых компьютерах система хранения в основном акустическая. Таким образом, особенность использования электричества представляется лишь очень поверхностным сходством.Если мы хотим найти такие сходства, нам следует искать математические аналогии функций.

5. Универсальность цифровых компьютеров

Цифровые компьютеры, рассмотренные в последнем разделе, могут быть классифицированы как «дискретные конечные автоматы». Это машины, которые внезапными скачками или щелчками переходят из одного вполне определенного состояния в другое. Эти состояния достаточно различны, чтобы можно было игнорировать возможность смешения между ними. Строго говоря, таких машин нет.Все действительно движется непрерывно. Но есть много видов машин, которые можно с пользой рассматривать как машины с дискретными состояниями. Например, при рассмотрении переключателей для системы освещения удобной фикцией является то, что каждый переключатель должен быть определенно включен или определенно выключен. Должны быть промежуточные позиции, но в большинстве случаев о них можно забыть. В качестве примера дискретного конечного автомата мы могли бы рассмотреть колесо, которое совершает оборот на 120° один раз в секунду, но может быть остановлено рычагом, которым можно управлять извне; кроме того, лампа должна гореть в одном из положений колеса.Абстрактно эту машину можно описать следующим образом. Внутреннее состояние машины (которое описывается положением колеса) может быть q ₁ , q ₂ или q ₃ . Есть входной сигнал i ₀ или i ₁ , (положение рычага). Внутреннее состояние в любой момент определяется последним состоянием и входным сигналом по таблице

Выходные сигналы, единственная внешне видимая индикация внутреннего состояния (свет) описаны таблицей

Этот пример типичен для автоматов с дискретными состояниями.Их можно описать такими таблицами при условии, что они имеют только конечное число возможных состояний.

Может показаться, что по начальному состоянию машины и входным сигналам всегда можно предсказать все будущие состояния. Это напоминает точку зрения Лапласа о том, что по полному состоянию Вселенной в один момент времени, описываемому положениями и скоростями всех частиц, можно предсказать все будущие состояния. Предсказание, которое мы рассматриваем, однако, гораздо ближе к осуществимости, чем предсказание Лапласа.Система «вселенная в целом» такова, что совсем небольшие ошибки в начальных условиях могут иметь подавляющее влияние в более позднее время. Смещение одного электрона на миллиардную долю сантиметра в один момент может иметь значение для человека, погибшего под лавиной год спустя, или для побега. Неотъемлемым свойством механических систем, которые мы назвали «дискретными конечными автоматами», этого явления не происходит. Даже когда мы рассматриваем реальные физические машины, а не идеализированные машины, достаточно точное знание состояния в один момент дает достаточно точное знание через любое количество шагов позже.

Как мы уже упоминали, цифровые компьютеры относятся к классу дискретных конечных автоматов. Но число состояний, на которое способна такая машина, обычно чрезвычайно велико. Например, номер машины, которая сейчас работает в Манчестере, это примерно 2 ^{165 000,} , т.е. примерно 10 ^{50 000} . Сравните это с нашим примером щелкающего колеса, описанного выше, которое имело три состояния. Нетрудно понять, почему количество государств должно быть таким огромным.Компьютер включает в себя хранилище, соответствующее бумаге, используемой человеческим компьютером. Должна быть возможность записать в память любую из комбинаций символов, которые могли бы быть записаны на бумаге. Для простоты предположим, что в качестве символов используются только цифры от 0 до 9. Изменения в почерке не учитываются. Предположим, что компьютеру разрешено 100 листов бумаги, каждый из которых содержит 50 строк и место для 30 цифр. Тогда количество состояний равно 10 ^100×50×30 , т.е. 10 ^150,000 .Это примерно равно числу состояний трех манчестерских машин вместе взятых. Логарифм числа состояний по основанию два обычно называют «емкостью памяти» машины. Таким образом, манчестерская машина имеет вместимость около 165 000, а колесная машина из нашего примера — около 1,6. Если объединить две машины, их мощности необходимо сложить, чтобы получить мощность результирующей машины. Это приводит к возможности таких утверждений, как «Манчестерская машина содержит 64 магнитных дорожки, каждая емкостью 2560, восемь электронных ламп емкостью 1280».Разное хранилище составляет около 300, что в сумме составляет 174 380».

Имея таблицу, соответствующую дискретному конечному автомату, можно предсказать, что он будет делать. Нет никаких причин, по которым этот расчет не может быть выполнен с помощью цифрового компьютера. При условии, что это может быть выполнено достаточно быстро, цифровой компьютер может имитировать поведение любого дискретного конечного автомата. Затем можно было бы сыграть в имитирующую игру с рассматриваемой машиной (как B) и имитирующим цифровым компьютером (как A), и следователь не смог бы их различить.Конечно, цифровой компьютер должен иметь достаточную емкость памяти, а также работать достаточно быстро. Более того, его необходимо заново программировать для каждой новой машины, которую необходимо имитировать.

Это особое свойство цифровых компьютеров, заключающееся в том, что они могут имитировать любой дискретный конечный автомат, описывается тем, что они являются универсальными машинами. Существование машин с этим свойством имеет то важное следствие, что, помимо соображений скорости, нет необходимости разрабатывать различные новые машины для выполнения различных вычислительных процессов.Все это можно сделать с помощью одного цифрового компьютера, соответствующим образом запрограммированного для каждого случая. Мы увидим, что вследствие этого все цифровые компьютеры в некотором смысле эквивалентны.

Теперь мы можем снова рассмотреть вопрос, поднятый в конце § 3. Предварительно было предложено заменить вопрос «Могут ли машины думать?» вопросом «Существуют ли вообразимые цифровые компьютеры, которые хорошо бы справлялись с игрой в имитацию?» конечные автоматы, которые будут работать хорошо?» Но ввиду свойства универсальности мы видим, что любой из этих вопросов эквивалентен следующему: «Давайте сосредоточим наше внимание на одном конкретном цифровом компьютере C. Верно ли, что, изменив этот компьютер так, чтобы он имел достаточный объем памяти, соответствующим образом увеличив скорость его действий и снабдив его соответствующей программой, C можно заставить удовлетворительно играть роль А в имитационной игре, роль

6. Противоречивые взгляды на основной вопрос

Теперь мы можем считать, что почва расчищена, и мы готовы приступить к обсуждению нашего вопроса «Могут ли машины мыслить?» и варианта его, процитированного в конце последнего раздела.Мы не можем полностью отказаться от первоначальной формы задачи, ибо мнения будут расходиться относительно уместности замены, и мы должны, по крайней мере, прислушаться к тому, что должно быть сказано по этому поводу.

Читателю будет проще, если я сначала объясню свои собственные убеждения по этому поводу. Рассмотрим сначала более точную форму вопроса. Я полагаю, что примерно через пятьдесят лет можно будет запрограммировать компьютеры с объемом памяти около 10 90 159 9 90 160 , чтобы заставить их играть в имитацию настолько хорошо, что у среднего следователя будет не более 70 процентов памяти. шанс сделать правильную идентификацию после пяти минут допроса.Первоначальный вопрос «Могут ли машины думать!» я считаю слишком бессмысленным, чтобы заслуживать обсуждения. Тем не менее я полагаю, что в конце века употребление слов и общее образованное мнение изменятся настолько, что можно будет говорить о машинном мышлении, не ожидая возражений. Я полагаю далее, что сокрытие этих верований не служит никакой полезной цели. Популярное мнение о том, что ученые неуклонно движутся от хорошо установленных фактов к хорошо установленным фактам, никогда не подвергаясь влиянию каких-либо недоказанных предположений, совершенно ошибочно.При условии, что будет ясно, какие факты являются доказанными, а какие предположениями, никакого вреда не может быть причинено. Гипотезы имеют большое значение, поскольку они предлагают полезные направления исследований.

Теперь я перехожу к рассмотрению мнений, противоположных моему собственному.

(1) Теологическое возражение

Мышление есть функция бессмертной души человека. Бог дал бессмертную душу каждому мужчине и женщине, но не любому другому животному или машине. Следовательно, ни животное, ни машина не могут мыслить.

Я не могу принять ни одну часть этого, но попытаюсь ответить теологически. Я нашел бы этот аргумент более убедительным, если бы животных причисляли к людям, ибо, на мой взгляд, между типичными одушевленными и неодушевленными существует большее различие, чем между человеком и другими животными. Произвольный характер ортодоксального взгляда становится яснее, если мы рассмотрим, как он мог бы показаться члену какой-либо другой религиозной общины. Как христиане относятся к мусульманскому мнению о том, что у женщин нет души? Но оставим этот момент в стороне и вернемся к основному аргументу.Мне кажется, что приведенный выше аргумент предполагает серьезное ограничение всемогущества Всевышнего. Признано, что есть определенные вещи, которые Он не может сделать, например, сделать один равным двум, но не должны ли мы верить, что Он имеет свободу даровать душу слону, если Он сочтет нужным? Мы могли бы ожидать, что Он будет использовать эту силу только в сочетании с мутацией, которая снабдила слона должным образом улучшенным мозгом, чтобы служить нуждам этой души. Точно такой же аргумент можно привести и в случае машин.Это может показаться другим, потому что его труднее «глотать». Но на самом деле это означает только то, что мы считаем менее вероятным, что Он сочтет обстоятельства подходящими для дарования души. Обстоятельства, о которых идет речь, обсуждаются в остальной части этого документа. Пытаясь сконструировать такие машины, мы не должны безжалостно узурпировать Его власть создавать души, как и в рождении детей: скорее, в любом случае мы являемся инструментами Его воли, предоставляющими обители для душ, которые Он создает.

Однако это всего лишь предположение. Меня не очень впечатляют богословские аргументы, для чего бы они ни использовались. В прошлом такие аргументы часто оказывались неудовлетворительными. Во времена Галилея утверждалось, что тексты «И остановилось солнце… и не спешило заходить около целого дня» (Иисус Навин, X, 13) и «Он положил основания земли, чтобы она не двигаться в любое время» (Псалом cv. 5) были адекватным опровержением теории Коперника. С нашими нынешними знаниями такой аргумент кажется бесполезным.Когда этого знания не было, оно производило совсем другое впечатление.

(2) Возражение «головы в песке»

«Последствия машинного мышления были бы слишком ужасны. Будем надеяться и верить, что они не смогут этого сделать».

Этот аргумент редко выражается так открыто, как в приведенной выше форме. Но это затрагивает большинство из нас, кто вообще об этом думает. Нам нравится верить, что Человек каким-то неуловимым образом превосходит все остальное творение. Лучше всего, если можно показать, что он обязательно выше, ибо тогда нет опасности, что он потеряет свое командное положение.Популярность богословского аргумента явно связана с этим чувством. Она, вероятно, весьма сильна у интеллектуальных людей, так как они выше других ценят силу мышления и более склонны основывать на этой силе свою веру в превосходство человека.

Я не думаю, что этот аргумент достаточно существенен, чтобы требовать опровержения. Утешение было бы уместнее: может быть, его следует искать в переселении душ.

(3) Математическое возражение

Существует ряд результатов математической логики, которые можно использовать для демонстрации ограничений мощности машин с дискретными состояниями.Самый известный из этих результатов известен как теорема Гёделя ¹ и показывает, что в любой достаточно мощной логической системе могут быть сформулированы утверждения, которые нельзя ни доказать, ни опровергнуть внутри системы, если, возможно, сама система непротиворечива. Есть и другие, в некоторых отношениях похожие результаты, полученные благодаря Черчу, Клини, Россеру, и Тьюрингу. Последний результат наиболее удобен для рассмотрения, так как он относится непосредственно к машинам, в то время как другие могут быть использованы только в сравнительно косвенных рассуждениях: например, если нужно использовать теорему Гёделя, нам нужно вдобавок иметь некоторые средства описания логические системы с точки зрения машин и машины с точки зрения логических систем.Рассматриваемый результат относится к типу машины, которая по существу является цифровым компьютером с бесконечной производительностью. В нем говорится, что есть определенные вещи, которые такая машина не может делать. Если он настроен давать ответы на вопросы, как в имитационной игре, будут некоторые вопросы, на которые он либо даст неправильный ответ, либо вообще не даст ответа, сколько бы времени ни отводилось на ответ. Конечно, таких вопросов может быть много, и на вопросы, на которые не может ответить одна машина, может дать удовлетворительный ответ другая.Мы, конечно, пока предполагаем, что это такие вопросы, на которые уместно ответить «Да» или «Нет», а не такие вопросы, как «Что вы думаете о Пикассо?» Вопросы, на которые мы знаем машины. должны завершаться ошибкой, относятся к этому типу: «Рассмотрите машину, указанную следующим образом… . Будет ли эта машина когда-нибудь отвечать «Да» на любой вопрос?» Точки следует заменить описанием какой-либо машины в стандартной форме, которая могла бы быть чем-то вроде используемой в § 5. Когда описываемая машина находится в некотором сравнительно простом отношении к изучаемой машине, можно показать что ответ либо неправильный, либо не ожидается.Это математический результат: утверждается, что он доказывает неспособность машин, которым не подвластен человеческий интеллект.

Краткий ответ на этот аргумент заключается в том, что, хотя установлено, что существуют ограничения мощности любой конкретной машины, было только заявлено без каких-либо доказательств, что такие ограничения не применимы к человеческому интеллекту. Но я не думаю, что эту точку зрения можно так легко отвергнуть. Всякий раз, когда одной из этих машин задают соответствующий критический вопрос и она дает определенный ответ, мы знаем, что этот ответ должен быть неверным, и это дает нам определенное чувство превосходства.Это чувство иллюзорно? Оно, без сомнения, вполне подлинное, но я не думаю, что ему следует придавать слишком большое значение. Мы слишком часто сами даем неправильные ответы на вопросы, чтобы иметь право быть очень довольными такими свидетельствами ошибочности со стороны машин. Кроме того, наше превосходство может ощущаться в таком случае только по отношению к той единственной машине, над которой мы добились нашего мелкого триумфа. О победе одновременно над всеми машинами не могло быть и речи.Короче говоря, могут быть люди умнее любой данной машины, но опять же могут быть и другие машины, умнее, и так далее.

Те, кто придерживается математического аргумента, я думаю, в основном будут готовы принять игру в имитацию как основу для обсуждения. Те, кто верит в два предыдущих возражения, вероятно, не будут интересоваться никакими критериями.

(4) Аргумент от сознания

Этот аргумент очень хорошо выражен в речи профессора Джефферсона Листера за 1949 год, которую я цитирую.«Пока машина не сможет написать сонет или сочинить концерт из-за переживаемых мыслей и эмоций, а не из-за случайного падения символов, мы можем согласиться, что машина равна мозгу, то есть не только писать, но и знать, что она написала. Это. Никакой механизм не мог бы чувствовать (а не только искусственно сигнализировать, легкое приспособление) удовольствие от своих успехов, огорчение, когда его клапаны сгорают, согреваться лестью, огорчаться от своих ошибок, очаровываться сексом, злиться или впадать в депрессию, когда не может. получить то, что хочет.”

Этот аргумент выглядит как отрицание достоверности нашего теста. Согласно самой крайней форме этого воззрения, единственный способ убедиться в том, что машина мыслит, — это быть машиной и чувствовать себя думающим. Тогда можно было бы описать эти чувства миру, но, конечно, никто не имел бы права обращать на них внимание. Точно так же, согласно этой точке зрения, единственный способ узнать, что думает человек , — это быть этим конкретным человеком. На самом деле это солипсистская точка зрения.Возможно, это самая логичная точка зрения, но она затрудняет обмен идеями. А склонен полагать, что «А думает, а Б нет», в то время как Б верит, что «Б думает, а А нет». Вместо того, чтобы постоянно спорить по этому поводу, обычно придерживаются вежливой условности, о которой думают все.

Я уверен, что профессор Джефферсон не хочет становиться на крайнюю и солипсистскую точку зрения. Вероятно, он был бы вполне готов принять игру в имитацию в качестве теста. Игра (с опущенным игроком B) часто используется на практике под названием viva voce , чтобы выяснить, действительно ли кто-то что-то понимает или «выучил как попугай».Давайте послушаем часть такого viva voce :

Следователь: В первой строке вашего сонета, которая гласит: «Сравню ли я тебя с летним днем», не годится ли «день весенний» или лучше?

Свидетель: Не сканирует.

Следователь: А как насчет «зимнего дня» Это нормально сканирует.

Свидетель: Да, но никто не хочет, чтобы его сравнивали с зимним днем.

Следователь: Как вы думаете, мистер Пиквик напомнил вам о Рождестве?

Свидетель: В каком-то смысле.

Следователь: Однако Рождество — зимний день, и я не думаю, что мистер Пиквик будет возражать против сравнения.

Свидетель: Я не думаю, что вы серьезно. Под зимней шкурой подразумевается типичный зимний день, а не особый, как Рождество.

И так далее. Что сказал бы профессор Джефферсон, если бы машина, пишущая сонеты, могла ответить таким же голосом ? Я не знаю, расценил бы он машину как «просто искусственно сигнализирующую» эти ответы, но если бы ответы были столь же удовлетворительными и устойчивыми, как в приведенном выше отрывке, я не думаю, что он назвал бы ее «легким изобретением».Эта фраза, я думаю, предназначена для прикрытия таких приемов, как включение в машину записи о чтении кем-либо сонета с соответствующим включением время от времени.

Короче говоря, я думаю, что большинство тех, кто поддерживает аргумент сознания, можно было бы убедить отказаться от него, а не принуждать к солипсистской позиции. Тогда они, вероятно, захотят принять наш тест.

Я не хочу производить впечатление, что я думаю, что в сознании нет никакой тайны.Есть, например, некий парадокс, связанный с любой попыткой его локализации. Но я не думаю, что эти загадки обязательно нужно разгадывать, прежде чем мы сможем ответить на вопрос, который нас интересует в этой статье.

(5) Аргументы от различных видов инвалидности

Эти аргументы принимают форму: «Я допускаю, что вы можете заставить машины делать все, что вы упомянули, но вы никогда не сможете заставить машину делать Х». В этой связи предлагаются многочисленные особенности X.Предлагаю на выбор:

Быть добрым, находчивым, красивым, дружелюбным (с. 448), проявлять инициативу, иметь чувство юмора, отличать правильное от неправильного, ошибаться (с. 448), влюбляться, наслаждаться клубникой и крем (стр. 448), влюбить в себя, учиться на опыте (стр. 456 f.), правильно использовать слова, быть предметом собственных мыслей (стр. 449), иметь такое же разнообразие поведения как мужчина, сделать что-то действительно новое (стр. 450). (Некоторым из этих нарушений уделяется особое внимание, как указано в номерах страниц.)

Обычно для этих утверждений поддержка не предоставляется. Я считаю, что они в основном основаны на принципе научной индукции. За свою жизнь человек повидал тысячи машин. Из того, что он видит о них, он делает ряд общих выводов. Они уродливы, каждая предназначена для очень ограниченной цели, когда требуется для совсем другой цели, они бесполезны, разнообразие поведения каждого из них очень мало и т. д. и т. д. Естественно, он заключает, что это необходимые свойства. машин вообще.Многие из этих ограничений связаны с очень маленькой емкостью памяти большинства машин. (Я предполагаю, что идея емкости памяти каким-то образом расширена для охвата машин, отличных от машин с дискретными состояниями. Точное определение не имеет значения, поскольку в настоящем обсуждении не претендует на математическую точность.) Несколько лет назад, когда очень мало что было слышно о цифровых компьютерах, можно было вызвать большое недоверие к ним, если упоминать их свойства, не описывая их конструкции.Предположительно, это произошло из-за аналогичного применения принципа научной индукции. Эти приложения принципа, конечно, в значительной степени бессознательны. Когда обожженный ребенок боится огня и показывает, что боится его, избегая его, я должен сказать, что он применял научную индукцию. (Конечно, я мог бы также описать его поведение многими другими способами.) Труды и обычаи человечества кажутся не очень подходящим материалом для применения научной индукции. Для получения надежных результатов необходимо исследовать очень большую часть пространства-времени.В противном случае мы можем (как и большинство английских детей) решить, что все говорят по-английски и что учить французский глупо.

Тем не менее, следует сделать особые замечания по поводу многих из упомянутых нарушений. Неспособность полакомиться клубникой со сливками могла показаться читателю легкомысленной. Возможно, машину можно было бы заставить наслаждаться этим восхитительным блюдом, но любая попытка заставить ее делать это была бы идиотизмом. Что важно в этой инвалидности, так это то, что она способствует возникновению некоторых других инвалидностей, 90–103 e.г. к трудности такого же дружелюбия, которое существует между человеком и машиной, как между белым человеком и белым человеком, или между черным человеком и черным человеком.

Утверждение, что «машины не могут ошибаться», кажется любопытным. Возникает искушение возразить: «И что, им от этого хуже?» Но давайте займем более сочувственную позицию и попытаемся понять, что же имеется в виду на самом деле. Думаю, эту критику можно объяснить игрой в имитацию. Утверждается, что следователь мог отличить машину от человека, просто задав им ряд арифметических задач.Машина будет разоблачена из-за ее смертоносной точности. Ответ на это прост. Машина (запрограммированная для игры) не будет пытаться дать правильные ответы на арифметические задачи. Это преднамеренно вносило бы ошибки таким образом, чтобы сбить следователя с толку. Механическая ошибка, вероятно, проявилась бы в неподходящем решении относительно того, какую ошибку сделать в арифметике. Даже такая интерпретация критики недостаточно сочувственна.Но мы не можем позволить себе углубляться в это. Мне кажется, что эта критика основана на смешении двух видов ошибок. Мы можем назвать их «ошибками функционирования» и «ошибками заключения». Ошибки в работе возникают из-за какой-либо механической или электрической неисправности, из-за которой машина ведет себя не так, как было задумано. В философских дискуссиях любят игнорировать возможность таких ошибок; следовательно, речь идет об «абстрактных машинах». Эти абстрактные машины являются математическими фикциями, а не физическими объектами.По определению они не способны к ошибкам функционирования. В этом смысле мы действительно можем сказать, что «машины никогда не могут ошибаться». Ошибки вывода могут возникнуть только тогда, когда выходным сигналам машины придается какое-то значение. Машина может, например, печатать математические уравнения или предложения на английском языке. Когда печатается ложное предложение, мы говорим, что машина совершила ошибку вывода. Совершенно очевидно, что нет никаких оснований говорить, что машина не может совершать такого рода ошибки.Он может ничего не делать, кроме как многократно печатать «0 = 1». Если взять менее извращенный пример, у него может быть какой-то метод для получения выводов с помощью научной индукции. Мы должны ожидать, что такой метод будет иногда приводить к ошибочным результатам.

Утверждение, что машина не может быть предметом своего собственного мышления, конечно, может быть подтверждено только в том случае, если можно показать, что машина имеет некоторые мысли с некоторыми предметами. Тем не менее, кажется, что «предмет работы машины» что-то значит, по крайней мере, для людей, которые имеют с ним дело.Если бы, например, машина пыталась найти решение уравнения x ² — 40 x — 11 = 0, возникло бы искушение описать это уравнение как часть предмета, изучаемого машиной в данный момент. В этом смысле машина, несомненно, может быть своим собственным предметом. Его можно использовать для помощи в составлении собственных программ или для предсказания последствий изменений в его собственной структуре. Наблюдая за результатами своего собственного поведения, он может модифицировать свои собственные программы для более эффективного достижения какой-либо цели.Это возможности ближайшего будущего, а не утопические мечты.

Критика в отношении того, что машина не может иметь большого разнообразия поведения, — это всего лишь способ сказать, что у нее не может быть большой емкости памяти. До недавнего времени емкость памяти даже в тысячу разрядов была большой редкостью.

Критика, которую мы здесь рассматриваем, часто представляет собой замаскированные формы аргументации от сознания. Обычно, если кто-то утверждает, что машина может делать одну из этих вещей, и описывает тип метода, который может использовать машина, это не произведет большого впечатления.Думается, что метод (каким бы он ни был, ибо он должен быть механическим) действительно довольно низок. Сравните скобки в утверждении Джефферсона, приведенном на с. 21.

(6) Возражение леди Лавлейс

Самая подробная информация об аналитической машине Бэббиджа взята из мемуаров леди Лавлейс. В нем она заявляет: «Аналитическая машина не претендует на то, чтобы что-то порождала. Он может делать все, что мы знаем, как приказать ему выполнять» (курсив ее).Это утверждение цитирует Hartree (стр. 70), который добавляет: «Это не означает, что невозможно сконструировать электронное оборудование, которое будет «думать само по себе» или в котором, с точки зрения биологии, можно было бы установить условный рефлекс, который служил бы основой для «обучения». Возможно ли это в принципе или нет, является стимулирующим и захватывающим вопросом, на который указывают некоторые из этих недавних событий. Но, похоже, машины, построенные или спроектированные в то время, не обладали этим свойством».

Я полностью согласен с Хартри по этому поводу. Следует отметить, что он не утверждает, что машины, о которых идет речь, не обладали имуществом, а скорее то, что доказательства, имевшиеся в распоряжении леди Лавлейс, не побуждали ее верить в то, что оно у них было. Вполне возможно, что рассматриваемые машины в некотором смысле обладали этим свойством. Предположим, что некоторый автомат с дискретными состояниями обладает этим свойством. Аналитическая машина была универсальным цифровым компьютером, так что, если бы ее объем памяти и скорость были адекватными, ее можно было бы с помощью подходящего программирования заставить имитировать рассматриваемую машину.Вероятно, этот аргумент не пришел в голову ни графине, ни Бэббиджу. В любом случае они не были обязаны требовать все, что можно было потребовать.

Весь этот вопрос мы еще раз рассмотрим в рубрике обучающихся машин.

Вариант возражения леди Лавлейс гласит, что машина «никогда не может сделать ничего действительно нового». Это можно на мгновение парировать пилой: «Нет ничего нового под солнцем». Кто может быть уверен, что «первоначальная работа», которую он проделал, была не просто ростом семени, посаженного в него учением, или следствием следования общеизвестным общим принципам.Лучший вариант возражения гласит, что машина никогда не сможет «застигнуть нас врасплох». Это утверждение является более прямым вызовом, и на него можно ответить напрямую. Машины застают меня врасплох с большой частотой. Во многом это происходит потому, что я недостаточно рассчитываю, чтобы решить, чего от них ожидать, или, скорее, потому, что, хотя я и рассчитываю, делаю это торопливо, небрежно, рискуя. Возможно, я говорю себе: «Я полагаю, что напряжение здесь должно быть таким же, как и там: во всяком случае, допустим, что оно есть».’

Естественно, я часто ошибаюсь, и результат оказывается для меня неожиданностью, потому что к тому времени, когда эксперимент закончен, эти предположения были забыты. Эти признания делают меня открытым для лекций о моем порочном поведении, но не подвергайте сомнению мою достоверность, когда я свидетельствую о неожиданностях, которые я испытываю.

Не думаю, что этот ответ заставит моего критика замолчать. Он, вероятно, скажет, что такие сюрпризы происходят из-за какого-то творческого умственного акта с моей стороны и не делают никакого кредита на машину.Это возвращает нас к аргументу сознания, а не к идее неожиданности. Это направление рассуждений мы должны считать законченным, но, возможно, стоит отметить, что оценка чего-либо как удивительного требует такого же «творческого умственного акта», независимо от того, исходит ли неожиданное событие от человека, книги, машины или чего-то еще. еще.

Представление о том, что машины не могут преподносить сюрпризы, я полагаю, связано с заблуждением, которому особенно подвержены философы и математики.Это допущение, что как только факт представлен уму, все следствия этого факта возникают в уме одновременно с ним. Это очень полезное допущение во многих обстоятельствах, но слишком легко забывается, что оно ложно. Естественным последствием этого является предположение, что нет никакой ценности в простом выводе следствий из данных и общих принципов.

(7) Аргумент непрерывности в нервной системе

Нервная система определенно не является машиной с дискретными состояниями.Небольшая ошибка в информации о величине нервного импульса, воздействующего на нейрон, может иметь большое значение для величины исходящего импульса. Можно возразить, что если это так, то нельзя ожидать, что можно будет имитировать поведение нервной системы с помощью системы с дискретным состоянием.

Это правда, что машина с дискретными состояниями должна отличаться от машины непрерывного действия. Но если придерживаться условий игры в имитацию, то следователь не сможет воспользоваться этой разницей.Положение можно прояснить, если рассмотреть какую-нибудь другую более простую непрерывную машину. Дифференциальный анализатор подойдет очень хорошо. (Дифференциальный анализатор — это машина определенного типа, не относящаяся к типу с дискретным состоянием, используемая для некоторых видов вычислений.) Некоторые из них дают свои ответы в типизированной форме и поэтому подходят для участия в игре. Цифровой компьютер не сможет точно предсказать, какие ответы даст дифференциальный анализатор на задачу, но он вполне способен дать правильный ответ.Например, если вас попросят дать значение π (фактически около 3,1416), будет разумно выбрать наугад между значениями 3,12, 3,13, 3,14, 3,15, 3,16 с вероятностью 0,05, 0,15, 0,55, 0,19, 0,06 (скажем). В этих условиях следователю будет очень трудно отличить дифференциальный анализатор от цифрового компьютера.

(8) Аргумент от неформального поведения

Невозможно составить набор правил, описывающих, что должен делать человек в каждом мыслимом наборе обстоятельств.Например, у человека может быть правило: останавливаться, когда видишь красный свет светофора, и ехать, если видишь зеленый, но что, если по какой-то ошибке оба сигнала появляются вместе? Возможно, кто-то решит, что безопаснее всего остановиться. Но впоследствии из этого решения вполне могут возникнуть дополнительные трудности. Попытка разработать правила поведения, охватывающие все возможные ситуации, даже возникающие в результате светофора, представляется невозможной. Со всем этим я согласен.

Отсюда утверждается, что мы не можем быть машинами.Я попытаюсь воспроизвести этот аргумент, но боюсь, что вряд ли смогу передать его правильно. Кажется, что-то вроде этого работает. «Если бы у каждого человека был определенный набор правил поведения, регулирующих его жизнь, он был бы не лучше машины. Но таких правил нет, поэтому люди не могут быть машинами». Нераспределенная середина бросается в глаза. Я не думаю, что аргумент когда-либо формулировался именно так, но я считаю, что этот аргумент тем не менее используется. Однако может возникнуть определенная путаница между «правилами поведения» и «законами поведения», чтобы затуманить проблему.Под «правилами поведения» я подразумеваю такие заповеди, как «Остановись, если увидишь красный свет», на основании которых можно действовать и которые можно осознавать. Под «законами поведения» я подразумеваю законы природы применительно к человеческому телу, такие как «если его ущипнуть, он завизжит». Если мы заменим «законами поведения, регулирующими его жизнь» на «законы поведения, которыми он регулирует свою жизнь» в приведенном аргументе, то нераспределенная середина перестанет быть непреодолимой. Ибо мы считаем, что верно не только то, что регулирование законами поведения подразумевает существование некоторого рода машины (хотя и не обязательно машины с дискретными состояниями), но, наоборот, существование такой машины подразумевает регулирование такими законами.Однако мы не можем так легко убедиться в отсутствии полных законов поведения, как полных правил поведения. Единственный известный нам способ найти такие законы — это научное наблюдение, и мы, конечно же, не знаем обстоятельств, при которых мы могли бы сказать: «Мы искали достаточно». Таких законов не существует».

Мы можем убедительнее продемонстрировать, что любое такое утверждение было бы необоснованным. Предположим, мы могли бы быть уверены, что найдем такие законы, если бы они существовали. Тогда, учитывая машину с дискретными состояниями, несомненно, можно было бы обнаружить путем наблюдения за ней достаточно, чтобы предсказать ее будущее поведение, и это в течение разумного времени, скажем, тысячи лет.Но, похоже, это не так. Я установил на манчестерском компьютере небольшую программу, использующую всего 1000 единиц памяти, в результате чего машина, снабженная одним шестнадцатизначным числом, отвечает другим в течение двух секунд. Я бы бросил вызов любому, кто узнает из этих ответов достаточно о программе, чтобы быть в состоянии предсказать любые ответы на непроверенные значения.

(9) Аргумент экстрасенсорного восприятия

Я предполагаю, что читатель знаком с идеей экстрасенсорного восприятия и значением четырех его элементов, а именно. телепатия, ясновидение, предвидение и психокинез. Эти тревожные явления, кажется, опровергают все наши обычные научные идеи. Как бы нам хотелось дискредитировать их! К сожалению, статистических данных, по крайней мере, в отношении телепатии, очень много. Очень трудно перестроить свои идеи так, чтобы они соответствовали этим новым фактам. После того, как вы их приняли, поверить в привидения и привидения не так уж и сложно. Представление о том, что наши тела движутся просто по известным законам физики, вместе с некоторыми другими, еще не открытыми, но в чем-то похожими, уйдет одной из первых.

Этот аргумент, на мой взгляд, довольно сильный. В ответ можно сказать, что многие научные теории, по-видимому, остаются применимыми на практике, несмотря на то, что они противоречат экстрасенсорному восприятию; что на самом деле можно очень хорошо поладить, если забыть об этом. Это довольно холодное утешение, и кто-то опасается, что мышление — это как раз тот феномен, при котором Э.С.П. может быть особенно актуальным.

Более конкретный аргумент, основанный на E.S.P. может звучать следующим образом: «Давайте сыграем в имитацию, используя в качестве свидетелей человека, который хорош в качестве телепатического приемника, и цифровой компьютер.Следователь может задавать такие вопросы, как «Какой масти карта в моей правой руке?» Человек с помощью телепатии или ясновидения дает правильный ответ 130 раз из 400 карт. Машина может только угадывать случайным образом и, возможно, правильно выдает 104, поэтому следователь делает правильную идентификацию». Здесь открывается интересная возможность. Предположим, что цифровой компьютер содержит генератор случайных чисел. Тогда будет естественно использовать это, чтобы решить, какой ответ дать. Но тогда генератор случайных чисел будет подчиняться психокинетическим силам следователя.Возможно, этот психокинез может привести к тому, что машина угадает чаще, чем можно было бы ожидать при расчете вероятности, так что следователь все равно не сможет правильно идентифицировать. С другой стороны, он мог бы угадать правильно без всякого вопроса, с помощью ясновидения. С Э.С.П. все может случиться.

Если телепатия будет допущена, то придется ужесточить наш тест. Ситуацию можно было бы рассматривать как аналогичную той, которая имела бы место, если бы следователь разговаривал сам с собой, а один из участников слушал бы ухом к стене.Помещение участников в «защищенную от телепатии комнату» удовлетворило бы всем требованиям.

7. Обучающие машины

Читатель должен был догадаться, что у меня нет очень убедительных аргументов положительного характера в поддержку моих взглядов. Если бы я знал, я бы не стал так стараться указывать на ошибочность противоположных взглядов. Те доказательства, которые у меня есть, я сейчас приведу.

Вернемся ненадолго к возражению леди Лавлейс, утверждавшему, что машина может делать только то, что мы ей приказываем.Можно сказать, что человек может «внедрить» в машину идею, и она до определенной степени отреагирует, а затем затихнет, как струна фортепиано, на которую ударяют молоточком. Другим сравнением может быть атомный котел меньше критического размера: введенная идея должна соответствовать нейтрону, входящему в котел извне. Каждый такой нейтрон будет вызывать определенное возмущение, которое со временем угаснет. Если, однако, размер котла достаточно увеличить, возмущение, вызванное таким падающим нейтроном, весьма вероятно, будет продолжаться и увеличиваться до тех пор, пока весь котел не будет разрушен.Есть ли соответствующее явление для разума и для машин? Похоже, что для человеческого разума есть один. Большинство из них кажутся «подкритическими», , т. е. , соответствуют в этой аналогии сваям докритического размера. Идея, представленная такому уму, в среднем вызовет менее одной идеи в ответ. Небольшая часть является сверхкритической. Представленная такому уму идея может породить целую «теорию», состоящую из вторичных, третичных и более отдаленных идей.Ум животных, кажется, очень определенно субкритичен. Придерживаясь этой аналогии, мы спрашиваем: «Можно ли сделать машину сверхкритической?»

Аналогия с луковой шелухой также полезна. При рассмотрении функций ума или мозга мы находим определенные операции, которые мы можем объяснить чисто механическими терминами. Мы говорим, что это не соответствует реальному уму: это своего рода кожа, которую мы должны содрать, если хотим найти настоящий ум. Но затем в том, что осталось, мы находим еще одну кожу, которую нужно снять, и так далее.Действуя таким образом, придем ли мы когда-нибудь к «настоящему» уму или в конце концов придем к коже, в которой ничего нет? В последнем случае весь ум механический. (Однако это не будет машина с дискретными состояниями. Мы обсуждали это.)

Последние два абзаца не претендуют на роль убедительных аргументов. Скорее их следует охарактеризовать как «рассказы, стремящиеся породить веру».

Единственная действительно удовлетворительная поддержка точки зрения, выраженной в начале § 6, будет состоять в том, чтобы дождаться конца века и затем провести описанный эксперимент.Но что мы можем сказать в то же время? Какие шаги нужно предпринять сейчас, чтобы эксперимент удался?

Как я уже объяснял, проблема в основном в программировании. Потребуется также технический прогресс, но маловероятно, что этого будет недостаточно для удовлетворения требований. Оценки емкости памяти мозга варьируются от 10 ¹⁰ до 10 ¹⁵ двоичных цифр. Я склоняюсь к низшим значениям и полагаю, что лишь очень небольшая часть используется для высших типов мышления.Большая его часть, вероятно, используется для сохранения зрительных впечатлений. Я был бы удивлен, если бы для удовлетворительной игры в имитацию требовалось более 10 ⁹ , по крайней мере против слепого. (Примечание. Емкость Британской энциклопедии , , 11-е издание, составляет 2 × 10 90 159 9 90 160 .) Емкость памяти 10 90 159 7 90 160 была бы вполне осуществимой даже с использованием современных технологий. Наверное, вообще не нужно повышать скорость работы машин.Части современных машин, которые можно рассматривать как аналоги нервных клеток, работают примерно в тысячу раз быстрее, чем последние. Это должно обеспечить «запас прочности», который мог бы покрыть потери скорости, возникающие во многих отношениях. Наша проблема состоит в том, чтобы выяснить, как запрограммировать эти машины для игры. При моем нынешнем темпе работы я произвожу около тысячи цифр программы в день, так что около шестидесяти рабочих, постоянно работающих в течение пятидесяти лет, могли бы выполнить эту работу, если бы ничего не попало в корзину для бумаг.Желателен какой-то более быстрый метод.

В процессе имитации разума взрослого человека мы вынуждены много думать о процессе, который привел его к тому состоянию, в котором он находится. Мы можем заметить три компонента:

• Исходное состояние разум, скажем, при рождении,

• Воспитание, которому оно подверглось,

• Другой опыт, не подлежащий описанию как образование, которому оно было подвергнуто.

Вместо того, чтобы пытаться создать программу, имитирующую взрослый разум, почему бы не попытаться создать программу, которая имитирует ум ребенка? Если бы это затем было подвергнуто соответствующему курсу обучения, можно было бы получить мозг взрослого человека. Предположительно, детский мозг — это что-то вроде записной книжки, которую покупают у канцелярских продавцов. Довольно маленький механизм и много чистых листов. (С нашей точки зрения, механизм и письмо — почти синонимы.) Мы надеемся, что в детском мозгу так мало механизмов, что что-то подобное можно легко запрограммировать.Мы можем предположить, что объем работы в области образования в первом приближении почти такой же, как и для человеческого ребенка.

Итак, мы разделили нашу задачу на две части. Детская программа и образовательный процесс. Эти двое остаются очень тесно связанными. Мы не можем рассчитывать найти хорошего ребенка-машину с первой попытки. Нужно поэкспериментировать с обучением одной такой машины и посмотреть, насколько хорошо она обучается. Затем можно попробовать другой и посмотреть, лучше он или хуже. Существует очевидная связь между этим процессом и эволюцией, по отождествлениям

Структура ребенка = наследственный материал = Мутации = Мутации Натуральный отбор = Суждение экспериментатора	Структура ребенка Машина	= наследственный материал
.
Изменения «»	= Мутации
Натуральный выбор
= суждение экспериментатора

= Наследственный материал
Изменения «»	= Му
Естественный отбор	= Суждение экспериментатора

Можно, однако, надеяться, что этот процесс будет более быстрым, чем эволюция.Выживание наиболее приспособленных — медленный метод измерения преимуществ. Экспериментатор, используя интеллект, должен быть в состоянии ускорить его. Не менее важен тот факт, что он не ограничивается случайными мутациями. Если он может проследить причину некоторой слабости, он, вероятно, сможет придумать вид мутации, которая улучшит ее.

Невозможно применить к машине тот же процесс обучения, что и к обычному ребенку. Например, у него не будет ножек, чтобы его нельзя было попросить выйти и наполнить ведро с углем.Возможно, у него не было глаз. Но как бы хорошо эти недостатки ни преодолевались хитрой инженерией, нельзя было отправить это существо в школу без того, чтобы другие дети не высмеивали его. Это должно быть дано некоторое обучение. Нам не нужно слишком беспокоиться о ногах, глазах и т. д. Пример мисс Хелен Келлер показывает, что образование может иметь место при условии, что общение в обоих направлениях между учителем и учеником может происходить теми или иными средствами.

Мы обычно связываем наказания и поощрения с процессом обучения.Некоторые простые дочерние машины могут быть сконструированы или запрограммированы по такому принципу. Машина должна быть сконструирована таким образом, чтобы события, которые непосредственно предшествовали возникновению сигнала-наказания, вряд ли повторились бы, в то время как сигнал-награда увеличивал вероятность повторения событий, которые к нему привели. Эти определения не предполагают никаких чувств со стороны машины. Я провел несколько экспериментов с одним из таких детей-машин, и мне удалось обучить его нескольким вещам, но метод обучения был слишком неортодоксальным, чтобы эксперимент можно было считать действительно успешным.

Использование наказаний и поощрений в лучшем случае может быть частью учебного процесса. Грубо говоря, если у учителя нет других средств связи с учеником, количество информации, которое может до него дойти, не превышает общего количества применяемых поощрений и наказаний. К тому времени, когда ребенок научится повторять «Касабьянку», он, вероятно, действительно почувствовал бы себя очень болезненным, если бы текст можно было обнаружить только с помощью метода «Двадцати вопросов», где каждое «НЕТ» принимало форму удара. Поэтому необходимо иметь какие-то другие «неэмоциональные» каналы связи.Если они доступны, можно с помощью наказаний и поощрений научить машину подчиняться приказам, отдаваемым на каком-либо языке, например, . символический язык. Эти приказы должны передаваться по «неэмоциональным» каналам. Использование этого языка значительно уменьшит количество требуемых наказаний и поощрений.

Мнения относительно сложности, подходящей для дочерней машины, могут различаться. Можно попытаться сделать его как можно более простым в соответствии с общими принципами.В качестве альтернативы можно иметь «встроенную» полную систему логического вывода. ¹ В последнем случае магазин был бы в основном занят определениями и предложениями. Предложения будут иметь различные виды статуса, например. хорошо установленные факты, догадки, математически доказанные теоремы, утверждения, сделанные авторитетом, выражения, имеющие логическую форму предложения, но не значение убеждения. Некоторые предложения могут быть описаны как «императивы». Машина должна быть сконструирована таким образом, чтобы, как только императив классифицировался как «устоявшийся», автоматически выполнялось соответствующее действие.Чтобы проиллюстрировать это, предположим, что учитель говорит машине: «Сделай домашнее задание сейчас». Это может привести к тому, что фраза «Учитель говорит: «Сделай домашнее задание сейчас»» будет включена в число общеизвестных фактов. Другим таким фактом может быть

«Все, что говорит учитель, правда». Их сочетание может в конечном итоге привести к тому, что императив «Сделай домашнее задание сейчас» будет включен в число хорошо установленных фактов, а это, благодаря конструкции машины, будет означать, что домашнее задание действительно начнется, но эффект будет очень удовлетворительным. .Процессы вывода, используемые машиной, не обязательно должны удовлетворять самых требовательных логиков. Например, может не быть иерархии типов. Но это не должно означать, что будут возникать ошибки типа, точно так же, как мы не обречены падать с незащищенных скал. Подходящие императивы (выраженные в системе, не являющиеся частью правил системы ), такие как «Не используйте класс, если он не является подклассом того, который был упомянут учителем», могут иметь аналогичный эффект для «Не подходи слишком близко к краю».

Императивы, которым может подчиняться машина без конечностей, должны носить довольно интеллектуальный характер, как в приведенном выше примере (выполнение домашнего задания). Важными среди таких императивов будут те, которые регулируют порядок применения правил рассматриваемой логической системы. Ибо на каждом этапе использования логической системы существует очень большое количество альтернативных шагов, каждый из которых разрешено применять, поскольку это касается подчинения правилам логической системы.Этот выбор определяет разницу между блестящим и рассудительным мыслителем, а не разницу между здравомыслящим и ошибочным. Предложения, ведущие к императивам такого рода, могут быть такими: «Когда упоминается Сократ, используйте силлогизм в Варваре» или «Если доказано, что один метод быстрее другого, не используйте более медленный метод». Некоторые из них могут быть «предоставлены властями», но другие могут быть произведены самой машиной, например, . по научной индукции.

Некоторым читателям идея обучающейся машины может показаться парадоксальной.Как могут измениться правила эксплуатации машины? Они должны полностью описывать, как машина будет реагировать, какой бы ни была ее история, какие бы изменения она ни претерпела. Таким образом, правила практически не зависят от времени. Это совершенно верно. Объяснение парадокса состоит в том, что правила, которые изменяются в процессе обучения, носят гораздо менее претенциозный характер и претендуют лишь на эфемерную действительность. Читатель может провести параллель с Конституцией Соединенных Штатов.

Важной особенностью обучающейся машины является то, что ее учитель часто будет в значительной степени не знать, что происходит внутри, хотя он все же может в некоторой степени предсказать поведение своего ученика.В наибольшей степени это должно относиться к последующему образованию машины, возникающей из дочерней машины с хорошо испытанной конструкцией (или программой). Это явно контрастирует с обычной процедурой использования машины для выполнения вычислений: в этом случае цель состоит в том, чтобы иметь четкую мысленную картину состояния машины в каждый момент вычислений. Эта цель может быть достигнута только с борьбой. Мнение, что «машина может делать только то, что мы знаем, как ей приказать», ¹ , кажется странным перед лицом этого.Большинство программ, которые мы можем поместить в машину, приведут к тому, что она будет делать что-то, что мы вообще не можем понять, или что мы рассматриваем как совершенно случайное поведение. Интеллектуальное поведение, по-видимому, состоит в отходе от полностью дисциплинированного поведения, связанного с вычислениями, но в довольно незначительном отклонении, которое не приводит к случайному поведению или бессмысленным повторяющимся циклам. Другой важный результат подготовки нашей машины к ее участию в имитационной игре в процессе обучения и обучения состоит в том, что «человеческая склонность к ошибкам» скорее всего будет опущена довольно естественным образом, 90–103 т. е.е. без специальной «тренировки». (Читатель должен согласовать это с точкой зрения на стр. 24, 25.) Наученные процессы не дают стопроцентного результата. уверенность в результате; если бы они это сделали, они не могли бы быть разучившимися.

Вероятно, было бы целесообразно включить в обучающую машину случайный элемент (см. стр. 438). Случайный элемент весьма полезен, когда мы ищем решение какой-то проблемы. Предположим, например, что мы хотим найти число от 50 до 200, равное квадрату суммы его цифр, мы можем начать с 51, затем попробовать 52 и продолжать, пока не получим число, которое сработает.В качестве альтернативы мы можем выбирать числа случайным образом, пока не получим хороший. Преимущество этого метода в том, что нет необходимости отслеживать значения, которые были опробованы, но недостаток в том, что одно и то же можно попробовать дважды, но это не очень важно, если есть несколько решений. Недостаток систематического метода состоит в том, что может существовать огромный блок без каких-либо решений в области, которую необходимо исследовать в первую очередь. Теперь процесс обучения можно рассматривать как поиск формы поведения, которая удовлетворит учителя (или какой-либо другой критерий).Поскольку существует, вероятно, очень большое количество удовлетворительных решений, случайный метод кажется лучше, чем систематический. Следует заметить, что он используется в аналогичном процессе эволюции. Но там систематический метод невозможен. Как можно отследить различные генетические комбинации, которые были опробованы, чтобы избежать их повторения?

Мы можем надеяться, что со временем машины будут конкурировать с людьми во всех чисто интеллектуальных областях. Но с каких лучше начать? Даже это трудное решение.Многие люди думают, что лучше всего подойдет очень абстрактная деятельность, например, игра в шахматы. Можно также утверждать, что лучше всего снабдить машину лучшими органами чувств, которые можно купить за деньги, а затем научить ее понимать и говорить по-английски. Этот процесс может следовать обычному обучению ребенка. Вещи будут указаны и названы и т. д. Опять же, я не знаю, какой ответ правильный, но я думаю, что следует попробовать оба подхода.

Мы можем видеть только небольшое расстояние вперед, но мы видим там много того, что нужно сделать.

БИБЛИОГРАФИЯ

Сэмюэл

Батлер

,

Эревхон

,

Лондон

,

1865

.

Главы 23, 24, 25

,

Книга Машин

.

Алонзо

Черч

, «

Неразрешимая проблема теории элементарных чисел

»,

American J. of Math.

,

58

(

1936

),

345

–

363

.

К.

Gödel

, «

Überformal unentscheildbare Sätze der Principia Mathematica und verwandter Systeme, I

»,

Monatshefle für Math, und Phys.

, (

1931

),

173

–

189

.

D.R.

Hartree

,

Счетные приборы и машины

,

Нью-Йорк

,

1949

.

 

S. C.

Kleene

, «

Общие рекурсивные функции натуральных чисел

»,

American J.математики.

,

57

(

1935

),

153

–

173

и

219

–

244

.

G.

Джефферсон

, «

Разум механического человека». Lister Oration за 1949 год

.

Британский медицинский журнал

, том.

и

(

1949

),

1105

–

1121

.

Графиня Лавлейс

, ‘

Примечания переводчика к статье об Аналитическом Энгиро Бэббиджа

’,

Научные Мемуары

(изд.по

р.

Тейлор

), том.

3

(

1842

),

691

–

731

.

Бертран

Рассел

,

История западной философии

,

Лондон

,

1940

.

A. M.

Turing

, «

О вычислимых числах, с приложением к Entscheidungsproblem

»,

Proc. Лондонская математика. соц.

(

2

),

42

(

1937

),

230

–

265

.

Манчестерский университет Виктории.

© Издательство Оксфордского университета

Универсальные испытательные машины — серия LS

Испытательные машины LS от Lloyd Instruments — это простые в использовании универсальные испытательные машины, идеально подходящие для испытаний материалов с усилием до 5 кН (1124 фунт-сила). В машинах используются высокоточные взаимозаменяемые тензодатчики серии YLC для измерения растяжения, сжатия и цикла с помощью измерений с нулевой силой, и они имеют точность ±0.5% от 1% до 100% значения тензодатчика.

Серия LS имеет большую рабочую зону и представлена ​​в трех размерах и грузоподъемности: LS1 (до 1 кН/225 фунтов силы), LS2.5 (до 2,5 кН/562 фунта силы) и LS5 (5 кН/1124 фунта силы). ).

Эти испытательные машины оснащены встроенной консолью управления с многофункциональной клавиатурой и легко читаемым ЖК-дисплеем с подсветкой для отображения информации о нагрузке и удлинении. На консоли управления отображаются подсказки и меню, которые помогают пользователю выполнять операции на машине.

Благодаря сменным захватам и широкому спектру типов испытаний в программном обеспечении NexygenPlus, испытательные машины LS идеально подходят для разработки продуктов, производственных испытаний и контроля качества.

Программное обеспечение NexygenPlus взаимодействует с Excel и Word, предлагая вам возможность автоматического переноса результатов тестирования непосредственно в ваши собственные корпоративные шаблоны.

Доступна высокоскоростная версия тестера LS5 . Благодаря тестовой и возвратной скорости 2032 мм/мин (80 дюймов/мин) LS5HS идеально подходит для приложений с большими объемами и решений автоматизации, где основное внимание уделяется производительности.

Основные характеристики серии LS:
— Простота установки, эксплуатации и обслуживания
— Частота выборки данных 8 кГц
— Сохранение до 600 результатов испытаний
— 10 программируемых тестовых наборов
— Многоязычный и многоблочный дисплей опции в стандартной комплектации
— Экспорт данных непосредственно в шаблоны Excel и Word
— Высокоскоростная модель доступна для тестирования больших объемов приложений

Запросите дополнительную информацию, чтобы узнать, как мы можем помочь вам с решением для тестирования материалов, которое соответствует вашим потребностям.

Декларацию о соответствии для испытательной машины серии LS можно найти здесь.

Как тестировать модели машинного обучения

Хотите быть уверенным, что ваша система машинного обучения по-прежнему работает должным образом? Производительность вашей модели снижается, но вы не понимаете, почему? Хотите протестировать свою модель машинного обучения, но не знаете, с чего начать?

В этой статье показано, чем тестирование кода машинного обучения отличается от тестирования «обычного» программного обеспечения, и почему оценки производительности модели недостаточно.

Прочитав эту статью, вы узнаете, как тестировать модели машинного обучения и какие принципы и рекомендации следует соблюдать.

Проблемы с тестированием моделей машинного обучения

Разработчики программного обеспечения пишут код для создания детерминированного поведения. Тестирование четко определяет, какая часть кода дает сбой, и обеспечивает относительно последовательную меру охвата (например, количество пройденных строк кода). Это помогает нам двумя способами:

• Обеспечение качества: работает ли программное обеспечение в соответствии с требованиями
• Выявление дефектов и недостатков во время разработки и производства

Специалисты по данным и инженеры по машинному обучению обучают модели, снабжая их примерами и устанавливая параметры .Логика обучения модели создает поведение. Этот процесс ставит перед тестированием моделей машинного обучения следующие проблемы:

• Отсутствие прозрачности : Многие модели работают как черные ящики.
• Неопределенные результаты моделирования : Многие модели основаны на стохастических алгоритмах и не создают ту же модель после (повторного) обучения.
• Обобщаемость : модели должны последовательно работать в условиях, отличных от среды обучения.
• Неясное представление о покрытии : Не существует установленного способа выразить покрытие тестированием для моделей машинного обучения. «Покрытие» не относится к строкам кода в машинном обучении, как в разработке программного обеспечения. Вместо этого это может относиться к таким идеям, как входные данные и модель распределения выходных данных.
• Потребность в ресурсах : Непрерывное тестирование моделей машинного обучения требует больших ресурсов и времени.

Эти проблемы затрудняют понимание причин низкой производительности модели, интерпретацию результатов и гарантируют, что наша модель будет работать даже при изменении распределения входных данных («дрейф данных») или в отношениях между нашими входными и выходными переменными («дрейф концепции»).

Пакет с открытым исходным кодом для проверки машинного обучения

Создание наборов тестов для моделей и данных машинного обучения с помощью Deepchecks

Начало работыНаш Github

Разница между оценкой модели машинного обучения и тестированием

Многие практики могут полагаться исключительно на оценку производительности модели машинного обучения. Однако оценка — это не то же самое, что тестирование. Важно выявить их отличия.

Оценка модели машинного обучения фокусируется на общей производительности модели.Такие оценки могут состоять из показателей и кривых производительности и, возможно, примеров неверных прогнозов.

Источник

Этот способ оценки модели — отличный способ отслеживать результаты вашей модели между различными версиями. Однако это мало что говорит нам о причинах сбоев и особенностях поведения модели.

Например, ваша модель может столкнуться с падением производительности в критическом подмножестве данных, в то время как ее общая производительность не изменится или даже улучшится.Или, в другом случае, переобучение модели на новых данных не приводит к изменению производительности, но вносит незаметную социальную предвзятость в отношении конкретной демографической группы.

Чтобы избежать таких проблем, вам необходимо протестировать свои модели, чтобы иметь возможность сузить причины и механизмы, лежащие в основе изменения поведения, и отследить ухудшение поведения для конкретных режимов отказа .

Принципы и рекомендации по тестированию моделей машинного обучения

Тестировать непросто, а тестировать модели машинного обучения еще сложнее.Вам необходимо подготовить рабочий процесс к непредвиденным событиям при работе с динамическими входными данными, моделями черного ящика и изменяющимися отношениями ввода/вывода.

По этой причине рекомендуется следовать установленным передовым методам тестирования программного обеспечения:

• Тестировать после введения нового компонента, модели или данных и после переобучения модели
• Тестировать перед развертыванием и производством
• Напишите тесты, чтобы избежать обнаруженных ошибок в будущем

Однако тестирование моделей машинного обучения требует дополнительных требований.Вам также необходимо следовать принципам тестирования, характерным для задач машинного обучения:

Давайте обсудим их подробно.

Надежность

Надежность требует, чтобы ваша модель обеспечивала относительно стабильную производительность даже в случае радикального изменения данных и взаимосвязей в реальном времени.

Вы можете повысить надежность следующими способами:

• Разработайте процедуру машинного обучения, которой следует ваша команда.
• Явный тест на надежность (например,, дрейф, шум, смещение).
• Наличие политики мониторинга развернутых моделей.

Интерпретируемость

Поддержание интерпретируемости позволяет вам понять определенные аспекты вашей модели:

• Предсказывает ли модель выходные данные, как это должно быть (например, на основе человеческих оценок)
• Как входные переменные влияют на выходные данные
• /model имеет базовые предубеждения

Воспроизводимость

Чтобы понять, как меняется ваша модель благодаря настройке параметров, переобучению или новым данным, особенно в команде, вам необходимо сделать ваши результаты воспроизводимыми.

Воспроизводимость имеет много аспектов. Вот несколько советов:

• Используйте фиксированное случайное начальное число с помощью детерминированного генератора случайных чисел.
• Убедитесь, что компоненты выполняются в одном порядке и получают одно и то же случайное начальное число.
• Используйте контроль версий даже для предварительных итераций.

Как тестировать модели машинного обучения?

Многие существующие методы тестирования моделей следуют ручному анализу ошибок (например, классификации режимов отказа), что делает их медленными, дорогостоящими и подверженными ошибкам.Надлежащая структура тестирования модели должна систематизировать эти методы.

Вопрос в том, как?

Вы можете сопоставить типы тестов разработки программного обеспечения с моделями машинного обучения, применяя их логику к поведению машинного обучения:

• Модульный тест : проверьте правильность отдельных компонентов модели.
• Регрессионный тест : проверьте, не ломается ли ваша модель, и протестируйте ранее обнаруженные ошибки.
• Интеграционный тест : проверьте, работают ли различные компоненты друг с другом в конвейере машинного обучения.

Конкретные задачи тестирования могут относиться к разным категориям (например, оценка модели, мониторинг, проверка) в зависимости от конкретного случая проблемы, обстоятельств и организационной структуры. В этой статье основное внимание уделяется тестам, специфичным для задачи моделирования машинного обучения (тесты после обучения), поэтому мы не рассматриваем другие типы тестов. Убедитесь, что вы интегрируете тесты модели машинного обучения в более широкую структуру мониторинга модели машинного обучения.

Источник

Тестирование обученных моделей

Для кода можно написать ручные тестовые случаи.Это не лучший вариант для моделей машинного обучения, поскольку вы не можете охватить все крайние случаи в многомерном входном пространстве.

Вместо этого проверьте производительность модели, выполнив мониторинг, нарезку данных или тестирование на основе свойств, направленное на решение реальных проблем.

Вы можете комбинировать это с типами тестов, которые специально исследуют внутреннее поведение ваших обученных моделей (тесты после обучения):

Мы обсудим каждый тип ниже. Если вас интересует обзор подходов к тестированию моделей машинного обучения, ознакомьтесь с этим постом.

Тест на инвариантность

Тест на инвариантность определяет входные изменения, которые, как ожидается, не повлияют на выходные данные модели .

Общий метод проверки инвариантности связан с увеличением данных. Вы соединяете модифицированные и немодифицированные входные примеры и смотрите, насколько это влияет на выходные данные модели.

Одним из примеров является проверка того, влияет ли имя человека на его здоровье. Наше предположение по умолчанию может заключаться в том, что между ними не должно быть никакой связи. Если тест не пройден на основе этого предположения, это может означать скрытую демографическую связь между именем и ростом (т.г., потому что наши данные охватывают несколько стран с разными названиями и распределением роста).

Тест направленного ожидания

Вы можете запустить тесты направленного ожидания, чтобы определить ожидаемое влияние изменений распределения входных данных на выходные данные.

Типичным примером является проверка предположений о количестве ванных комнат или размере собственности при прогнозировании цен на жилье. Большее количество ванных комнат должно означать более высокий прогноз цены. Увидев другой результат, вы можете выявить неправильные предположения о взаимосвязи между нашими входными данными и выходными данными или о распределении нашего набора данных (т.г., малогабаритные квартиры-студии преобладают в дорогих районах).

Проверка минимальной функциональности

Проверка минимальной функциональности позволяет определить, ведут ли себя отдельные компоненты модели так, как вы ожидаете . Причина этих тестов заключается в том, что общая производительность, основанная на выходных данных, может скрыть критические предстоящие проблемы в вашей модели.

Вот способы тестирования отдельных компонентов:

• Создайте выборки, которые «очень легко» предсказать модели, чтобы увидеть, последовательно ли они дают эти типы прогнозов.
• Протестируйте сегменты и подмножества данных, соответствующие определенным критериям (например, запустите вашу языковую модель только на коротких предложениях ваших данных, чтобы увидеть ее способность «предсказывать короткие предложения»).
• Проверка режимов отказа, выявленных во время ручного анализа ошибок.

Навыки моделирования тестирования

Организация тестирования при разработке программного обеспечения часто отражает репозиторий кода проекта. Однако это не всегда работает с рабочими процессами машинного обучения, поскольку код — не единственный элемент, а поведение не так четко соотносится с фрагментами кода.

Более «поведенческий» способ организации тестов машинного обучения состоит в том, чтобы сосредоточиться на «навыках», которые мы ожидаем от модели (как предлагается в этой статье о тестировании моделей НЛП). Например, мы можем проверить, получает ли наша модель естественного языка информацию о словаре, именах и аргументах. От модели временных рядов мы должны ожидать распознавания тенденций, сезонности и точек изменения.

Вы можете проверить эти навыки программно, проверив рассмотренные выше свойства модели (т.е., инвариантность, ожидание направления, минимальная функциональность).

Тест производительности

Тестирование полной модели занимает много времени, особенно если вы выполняете интеграционные тесты.

Чтобы сэкономить ресурсы и ускорить тестирование, протестируйте небольшие компоненты модели (например, проверьте, приводит ли одна итерация градиентного спуска к уменьшению потерь) или используйте лишь небольшой объем данных . Вы также можете использовать более простые модели, чтобы обнаруживать сдвиги в важности функций и заранее выявлять отклонения концепций и данных.

Для интеграционных тестов: простые тесты должны выполняться непрерывно с каждой итерацией, а более крупные и медленные тесты должны выполняться в фоновом режиме.

Тестирование моделей машинного обучения

В этой статье вы узнали, чем тестирование приложений машинного обучения отличается от тестирования при разработке программного обеспечения, его основные проблемы и чем оно отличается от оценки модели. Вы также узнали о различных подходах к тестированию ваших моделей.

Опробовать и внедрить различные методы тестирования — непростая задача, особенно если вы хотите интегрировать их в общую структуру мониторинга машинного обучения.Чтобы сэкономить время и ресурсы, внедряйте готовые решения, такие как Deepchecks.

Deepchecks предоставляет решение для автоматизированного тестирования, основанное на передовом опыте и последних исследованиях в этой области.

Хотите научиться? Закажите демо, и мы покажем вам!

Универсальные испытательные машины | Лаборатория сопротивления материалов Роберта А. В. Карлтона

Instron 1500HDX 300k UTM представляет собой гидравлическую испытательную машину с регулируемой нагрузкой и перемещением; самая большая машина этого типа, произведенная Instron’s Industrial Products Group.Система управления Bluehill 3 позволяет этой машине выполнять широкий спектр задач, начиная от обучения студентов и аспирантов, независимых исследований, докторских исследований и заканчивая испытаниями в больших объемах высокопрочных образцов среднего и большого размера. 1500DX, наряду со своим соседом с меньшей емкостью, 600DX, оснащен презентационным ЖК-дисплеем, который позволяет машине отображать в реальном времени результаты текущего тестирования.

Система разработана с двумя испытательными пространствами для испытаний на растяжение, сжатие, изгиб, сдвиг и изгиб высокопрочных материалов.Крейцкопф с открытой поверхностью позволяет быстро и эффективно проводить испытания больших объемов растянутых образцов, таких как болты, арматурные стержни и муфты.

ОБЛАСТЬ ПРИМЕНЕНИЯ

• Металлы — проволока, полоса, стержень, труба и плита
• Крепежи — на растяжение, стойкие, одинарного и двойного сдвига
• Строительство – арматурный стержень, проволочная сетка, сжатый/гибкий бетон и конструкционная сталь
• Тестирование компонентов
• EN10002-1, ISO 6892, ASTM E8, ASTM C39, ASTM F606, SAE J429, соответствует требованиям CE

 

ХАРАКТЕРИСТИКИ

• Производитель: Instron, США
• Модель: 1500HDX
• Грузоподъемность: 337 тысяч фунтов (1500 кН) при растяжении и сжатии
• Система управления:
  • Управление нагрузкой и перемещением
  • Контроллер Bluehill 3
• Диаметр прижимной плиты: 12 дюймов (305 мм)
• Рабочий объем:
  • Максимальная скорость: 12 дюймов/мин (305 мм/мин)
  • Максимальная скорость при полной нагрузке: 4.5 дюймов/мин (114 мм/мин)
  • Ход привода: 12 дюймов (305 мм)
• Зазоры:
  • Натяжение: 55 дюймов (1397 мм)
  • Сжатие траверсы к основанию: 55 дюймов (1397 мм)
  • Боковой зазор между башнями: 30 дюймов (762 мм)
  • Зажимной механизм: Гидравлический
• Захваты:
  • Круглый диаметр: от 0,47 до 2,76 дюйма (от 12 до 70 мм)
  • Плоская емкость: от 1,38 до 2,76 дюйма (от 35 до 70 мм)
• Калибровка/Сертификация:
  • ASTM E4 на обоих датчиках силы
  • ASTM E83 на датчики деформации

 

ЗАЯВКИ НА БРОНИРОВАНИЕ

Эта машина обслуживается руководством лаборатории Карлтона.Чтобы зарезервировать эту машину, заполните форму запроса на резервирование оборудования не менее чем за два рабочих дня до начала использования.

За дополнительной информацией обращайтесь к Уиллу Ханникатту по телефону +1 212 854 3158.

UltraTester™ Машина для испытания прочности соединения — Продукция и заказ — Все продукты

Машины UltraTester в настоящее время недоступны. Новый дизайн появится осенью 2022 года!

Прибор Ultradent UltraTester представляет собой компактную, очень жесткую испытательную машину, специально разработанную для измерения пиковых значений нагрузки при испытаниях на сжатие в диапазоне от 0 до 1000 фунтов.Он может быть запрограммирован на скорость испытания в диапазоне от 0,1 до 15 мм/мин и может быть установлен с установленными по умолчанию ограничениями времени и ограничениями нагрузки по мере необходимости. При весе всего 15 фунтов машина UltraTester очень портативна и проста в использовании, не требуя длительного времени на настройку или обучение для начала работы.

В отличие от любой другой одностоечной испытательной машины, машина UltraTester чрезвычайно жесткая, что позволяет ей выдерживать нагрузку при высоколинейном движении. Это предотвращает смещение или передачу нагрузки во время испытания, а также обеспечивает точные, легко воспроизводимые результаты испытаний на сжатие.Тензодатчик, который воспринимает приложенную силу, был выбран из-за его способности выдерживать поперечную или поперечную нагрузку с небольшим отрицательным эффектом.

Устройство UltraTester регистрирует пиковые значения непосредственно на устройстве, что делает его идеальным для учебных ситуаций и обучения студентов. При использовании с методами испытаний на прочность на сдвиг Ultradent и методами подготовки образцов прибор UltraTester можно использовать для быстрого сбора данных, что способствует лучшему пониманию стоматологических материалов.Прибор UltraTester предназначен для использования с методом испытания сцепления Ultradent на сдвиг. Этот метод использует пресс-форму и зажим для создания одинаковых цилиндрических образцов, которые можно испытать с помощью прилагаемой траверсы с надрезом. Зубчатая траверса идеально подходит к композитному соединению, обеспечивая наиболее равномерное распределение напряжения по склеиваемой поверхности для достижения результатов испытаний, которые близко приближаются к прочности клея на сдвиг, а не к прочности на отрыв, полученной при прямом контакте. Уникальная геометрия крейцкопфа с насечками позволяет лишь небольшой части крейцкопфа соприкасаться с адгезивом, что сводит к минимуму трудности с размещением крейцкопфа непосредственно над склеиваемой поверхностью.

Машина UltraTester предназначена только для исследовательских целей.

Диапазон нагрузки	0–1000
Точность	0,01 % полной шкалы
Диапазон скоростей	0–15 мм/мин
Вес	15 фунтов.
Высота	16 дюймов
Ширина	7 дюймов

Глубина	7 дюймов
Перемещение стола	2,5 дюйма
Блок питания	110/220
Максимальное расстояние между тензодатчиком и тестовой плитой	5 дюймов
Размеры стола	2 дюйма x 2 дюйма x 5/8 дюйма

Зажим для склеивания и вкладыши для форм для склеивания

Зажимы могут служить годами при нормальном использовании. Вставки формы изготовлены из литого под давлением полипропилена, что обеспечивает полированную и однородную внутреннюю поверхность, поэтому композит может полимеризоваться без существенной адгезии.Формы полуодноразовые, и их обычно хватает на 50–100 использований. Форма была разработана таким образом, что край зуба соприкасается только с краем толщиной 0,1 мм, что позволяет добиться качественной изоляции места соединения.

Зажим испытательного основания

Зажим основания для испытаний удерживает подготовленный образец на машине UltraTester во время испытаний.

Крестовина в сборе

Узел крейцкопфа подходит для большинства испытательных машин Instron и использует муфту диаметром 12 мм, которую можно вставить в испытательную машину, закрепить штифтом и зафиксировать стопорной гайкой.Крейцкопф центрирует силы нагрузки через центр крейцкопфа, чтобы обеспечить точное линейное движение.

Комплект шлифовального узла

В комплект шлифовального узла входят пять форм с 16 отверстиями для отливки метакрилатных цилиндров для заливки зубов или других стоматологических субстратов. Форма производит цилиндры размером 1 дюйм в диаметре и 1 дюйм в длину. Затем цилиндры шлифуют, чтобы получить параллельные поверхности и удалить любой нежелательный мусор с помощью шлифовальной оправки.Шлифовальная оправка предназначена для приема 1-дюймового цилиндра и позволяет техническому специалисту прижимать его к модельному триммеру/шлифовальному станку, вращая цилиндр для создания произвольного рисунка шлифования на поверхностях. Оправка надежно удерживается в шлифовальной пластине с Т-образным пазом, которая предназначена для установки на рабочий стол модельного триммера.

Может ли тест Тьюринга помочь нам узнать, действительно ли машина думает?

Недавно отдыхая с детьми в Лондоне, я искал темы в блогах и нашел одну: «Взломщик кода: жизнь и наследие Алана Тьюринга», экспонат в городском Музее науки.Британский математик Тьюринг, родившийся ровно столетие назад, заложил теоретические основы информатики и помог разработать один из первых компьютеров, Автоматическую вычислительную машину или ACE. Во время Второй мировой войны он помог взломать немецкий код Enigma, что стало жизненно важным достижением для военных действий союзников. Британские власти вознаградили Тьюринга, арестовав его за гомосексуальность в 1952 году и заставив пройти «химическую кастрацию», которая включала инъекции эстрогена. В 1954 году Тьюринг покончил с собой, проглотив цианид.

Я хочу сосредоточиться не на трагической кончине Тьюринга, а на одном из его непреходящих вкладов в философию. В его эпоху ученые и философы, а также писатели-фантасты уже размышляли о том, являются ли компьютеры просто вычислительными устройствами, вроде сложных счетов, или могут «думать» более или менее так, как это делаем мы, люди. В статье 1950 года «Вычислительные машины и интеллект» Тьюринг предложил простой эмпирический метод — который он назвал «игрой в имитацию», а теперь называется «тестом Тьюринга» — для решения вопроса.В одной комнате находится человек-«дознаватель», а в других — два «конкурента», один человек, а другой компьютер. Следователь набирает вопросы, которые передаются участникам. (Сегодня, конечно, технология распознавания голоса стала достаточно хороша, чтобы вопросы можно было задавать устно.) Если следователь не может сказать, какие ответы исходят от человека, а какие от компьютера, значит, думает компьютер. Сторонники «сильного ИИ» утверждают, что такой компьютер не просто бездумно, механически выдает ответы; оно обладает субъективным осознанием, как и мы.

Философ Джон Сирл в 1980 году представил известный вызов тесту Тьюринга, названный экспериментом в китайской комнате. руководство по преобразованию китайских вопросов или команд в соответствующие китайские ответы. Мужчина получает строку китайских иероглифов, которая, без его ведома, означает, скажем, «Какой твой любимый цвет?» Его руководство говорит ему, что когда он получает эти символы, он должен ответить другой строкой символов, которая, опять же без его ведома, означает «синий».Точно так же, утверждал Сирл, компьютеры бездумно манипулируют символами, не понимая их значения; на самом деле компьютеры не думают так, как мы, люди. просто косвенно указал, как трудно компьютеру будет пройти тест Тьюринга Руководство, в котором перечислены все возможные вопросы, которые можно задать на китайском языке, вместе с правдоподобно звучащими ответами, было бы почти бесконечно длинным.Как этот человек мог отвечать на поступающие вопросы достаточно быстро, чтобы убедить тех, кто находился за пределами комнаты, что он действительно понимает по-китайски? Если он совершит этот подвиг — возможно, шутя, например: «Я китайский коммунист, поэтому мой любимый цвет — красный!» — вы можете разумно заключить, что он на самом деле понимает китайский язык, даже если он настаивает на своем. он не знает. Вы могли бы разумно заключить то же самое о компьютере, если бы он мог ответить на все ваши вопросы так же быстро и причудливо, как разумный человек.(Вопрос скорости может быть обоюдоострым. Как указал Тьюринг, одним из быстрых способов отличить обычного человека от компьютера было бы попросить конкурентов прибавить 34 957 к 70 764.)

Вот более существенный недостаток аргумента Серла: Его аргумент предполагает, что в некоторых случаях мы просто знаем , действительно ли другое существо — например, человек, пытающийся расшифровать китайский язык — способно к субъективному состоянию, которое мы называем «пониманием». Но мы никогда не знаем наверняка из-за проблемы солипсизма, которая проистекает из того факта, что ни один разумный объект не имеет прямого доступа из первых рук к субъективному состоянию любого другого разумного объекта и, следовательно, знания о нем.Как я писал недавно в колонке о кошках, каждый из нас запечатан в камере своего субъективного сознания. Я не могу быть уверен, что вы, читатель, или любой другой человек, не говоря уже о летучей мыши, или кошке, или iPhone, или тостере, действительно в сознании. Все, что я могу сделать, это сделать разумные предположения, основанные на поведении таких сущностей. В этом весь смысл теста Тьюринга. В той мере, в какой их поведение похоже на мое, я допускаю, что они, вероятно, в сознании, потому что я знаю, что я в сознании.

В своем эссе 1950 года Тьюринг признавал, что, строго говоря, единственный способ быть уверенным в том, что машина думает, «это быть машиной и чувствовать себя мыслящим.Тогда можно было бы описать эти чувства миру, но, конечно, никто не имел бы права обращать на них внимание. Точно так же, согласно этой точке зрения, единственный способ узнать, что человек думает, — это быть этим конкретным человеком. На самом деле это солипсистская точка зрения. Возможно, это самая логичная точка зрения, но она затрудняет обмен идеями». люди ужасно склонны к антропоморфизму, проецированию человеческих характеристик на нечеловеческие и даже неодушевленные предметы.Эта склонность проистекает из того, что психологи называют нашей способностью к теории разума, нашей врожденной способностью — которая проявляется у большинства из нас к трем годам или около того — интуитивно чувствовать состояния ума других. Теория разума жизненно важна для нашего социального развития; считается, что аутисты лишены способностей. Но у многих из нас есть противоположная проблема. Наши способности к теории разума настолько сильны, что мы приписываем человеческий интеллект, намерения и эмоции даже нечеловеческим вещам, таким как кошки, машины и компьютеры.

Это явление обеспечивает подтекст рекламы iPhone, показывающей актера Джона Малковича, флиртующего с Siri, программой для iPhone. Малковичу явно нравится — я имею в виду, действительно нравится — Siri! Он смеется над ее шуткой! Говорит ей, что она забавная! Но она не настоящая! Она просто часть программного обеспечения! Ха-ха! (Посмотрите на эту пародию на рекламу iPhone Малковича, в которой Siri продолжает рассказывать все более и более возмутительные шутки, чтобы рассмешить Малковича с каменным лицом.)

Реклама Siri может показаться глупой, но наша тенденция антропоморфизировать машины вполне реальна.В своей классической книге 1979 года об искусственном интеллекте « Machines Who Think » Памела МакКордак описала сцену, которая произошла в лаборатории искусственного интеллекта в Стэнфорде в 1970-х годах, когда приехавший из России ученый вел печатный разговор с компьютерной программой под названием ELIZA, которая была созданный для имитации психотерапевта. Ответы ELIZA включали в себя простое превращение утверждений пациента-человека обратно в наводящие вопросы. Например, если вы скажете: «В последнее время я немного беспокоюсь», ЭЛИЗА спросит: «Почему вы в последнее время немного беспокоитесь?»

Разговор в Стэнфорде начался с того, что ЭЛИЗА спросила русского: «Что привело вас сюда, чтобы увидеть меня сегодня?» Русский ответил: «О, ничего особенного, я немного устал, вот и все.Вскоре, пока МакКордак и несколько других ученых наблюдали, русский начал изливать свое сердце ЭЛИЗА, признаваясь в том, что беспокоится о своей жене и детях. все равно загипнотизирован». Другими словами, тест Тьюринга говорит о нашем разуме больше, чем о разуме — или его отсутствии — компьютера. Это не означает, что компьютер не может думать. сказать, что, независимо от того, насколько далеко продвинулись машины, мы можем никогда не узнать, что значит быть машиной.

Постскриптум : Я очень рекомендую эссе Тьюринга 1950 года. Ознакомьтесь, в частности, с разделом, в котором Тьюринг обсуждал, как экстрасенсорное восприятие может усложнить тест Тьюринга. Доказательства экстрасенсорного восприятия, как утверждал Тьюринг, «подавляющие». «Если допустить телепатию, — писал он, — придется ужесточить нашу проверку. Ситуацию можно рассматривать как аналогичную той, которая имела бы место, если бы следователь говорил сам с собой, а один из участников слушал бы его ухом. к стене.Помещение участников в «защищенную от телепатии комнату» удовлетворило бы всем требованиям». Я бы хотел, чтобы телепатия была реальной, потому что это означало бы нарушение нашей солипсической изоляции друг от друга. Но я пси-скептик.

Пост Постскриптум : Этот пост включает в себя материал, который первоначально появился в моей книге 1999 года Неизведанный разум . Я упоминаю этот факт из-за шумихи, разразившейся вокруг повторного использования журналистом Джоном Лерером прошлых работ, что некоторые идиоты назвали «самоплагиатом».» Я постоянно повторяю материал в этом блоге и в других местах. Иногда я упоминаю первоисточник, если думаю, что читатели захотят его узнать, иногда нет. До бури Лерера я бы не упомянул, что какой-то материал в этом посте появился в книге, которая была опубликована 13 лет назад и которую мало кто читал.Я бы подумал, какая разница?Во всяком случае, я бы беспокоился, что читатели подумают, что я подключаю старый продукт, не поддерживая какие-то высокие этические Но теперь, по-видимому, в дополнение ко всему остальному, о чем должны волноваться журналисты-фрилансеры в наши дни (выдавая все больше и больше слов за все меньше и меньше денег, как указывает мой приятель Роберт Райт), они также должны бояться быть обвиненными в «самоплагиат» самозваных полицейских по этике.Йиш.

Post Post Postscript : Брайан Хейс опубликовал интересную статью в выпуске American Scientist за этот месяц о том, как ИИ продвинулся вперед, приняв метод грубой силы для решения таких проблем, как распознавание языка, и отказавшись от цели воспроизведения человеческого познания. http://www.americanscientist.org/issues/pub/2012/4/the-manifest-destiny-of-artificial-intelligence/1 Полное раскрытие информации: Хейс — бывший редактор журнала Scientific American , который опубликовал самый неприятный обзор одного моих книг ( Конец науки ), которые я когда-либо получал.

Сообщение Сообщение Сообщение Постскриптум : Джона Лерер теперь признался в том, что сфабриковал цитаты — из всех людей Боба Дилана!. Непростительно. http://www.tabletmag.com/jewish-news-and-politics/107779/jonah-lehrers-deceptions

Иллюстрация предоставлена ​​Джоном Либерто.

Как рассчитать критерий Макнемара для сравнения двух классификаторов машинного обучения

Последнее обновление: 8 августа 2019 г.

Выбор проверки статистической гипотезы — сложная открытая проблема для интерпретации результатов машинного обучения.

В своей широко цитируемой статье 1998 года Томас Диттерих рекомендовал тест Макнемара в тех случаях, когда обучение нескольких копий моделей классификаторов дорого или нецелесообразно.

Здесь описывается текущая ситуация с очень большими моделями глубокого обучения, которые обучаются и оцениваются на больших наборах данных, и для обучения одной модели часто требуются дни или недели.

В этом руководстве вы узнаете, как использовать тест статистической гипотезы Макнемара для сравнения моделей классификаторов машинного обучения в одном тестовом наборе данных.

После прохождения этого урока вы будете знать:

• Рекомендация теста Макнемара для дорогих в обучении моделей, которая подходит для больших моделей глубокого обучения.
• Как преобразовать результаты прогнозирования из двух классификаторов в таблицу непредвиденных обстоятельств и как эта таблица используется для расчета статистики в тесте Макнемара.
• Как рассчитать тест Макнемара в Python, интерпретировать и сообщить результат.

Начните свой проект с моей новой книги «Статистика для машинного обучения», включающей пошаговых руководств и файлы с исходным кодом Python для всех примеров.

Давайте начнем.

Как рассчитать тест Макнемара для двух классификаторов машинного обучения
Фотография Марка Као, некоторые права защищены.

Обзор учебника

Это руководство разделено на пять частей. они:

1. Статистические проверки гипотез для глубокого обучения
2. Таблица непредвиденных обстоятельств
3. Статистика теста Макнемара
4. Интерпретация теста Макнемара для классификаторов
5. Тест Макнемара в Python

Нужна помощь со статистикой для машинного обучения?

Пройдите мой бесплатный 7-дневный экспресс-курс по электронной почте прямо сейчас (с образцом кода).

Нажмите, чтобы зарегистрироваться, а также получить бесплатную электронную версию курса в формате PDF.

Загрузите БЕСПЛАТНЫЙ мини-курс

Статистические проверки гипотез для глубокого обучения

В своей важной и широко цитируемой статье 1998 года об использовании статистических тестов гипотез для сравнения классификаторов под названием «Приблизительные статистические тесты для сравнения контролируемых алгоритмов обучения классификации» Томас Диттерих рекомендует использовать тест Макнемара.

В частности, тест рекомендуется в тех случаях, когда сравниваемые алгоритмы можно оценить только один раз, например.г. на одном тестовом наборе, в отличие от повторных оценок с помощью метода повторной выборки, такого как k-кратная перекрестная проверка.

Для алгоритмов, которые могут быть выполнены только один раз, тест Макнемара является единственным тестом с приемлемой ошибкой типа I.

— Приблизительные статистические тесты для сравнения алгоритма обучения классификации под наблюдением, 1998.

В частности, исследование Диттериха было связано с оценкой различных тестов статистических гипотез, некоторые из которых основывались на результатах методов повторной выборки.Проблема исследования заключалась в низкой ошибке типа I, то есть статистическом тесте, сообщающем об эффекте, когда на самом деле эффекта не было (ложноположительный результат).

Статистические тесты, которые могут сравнивать модели на основе одного набора тестов, являются важным фактором для современного машинного обучения, особенно в области глубокого обучения.

Модели глубокого обучения часто бывают большими и работают с очень большими наборами данных. Вместе эти факторы могут означать, что обучение модели может занять дни или даже недели на быстром современном оборудовании.

Это исключает практическое использование методов повторной выборки для сравнения моделей и указывает на необходимость использования теста, который может работать с результатами оценки обученных моделей на одном тестовом наборе данных.

Тест Макнемара может быть подходящим тестом для оценки этих больших и медленных в обучении моделей глубокого обучения.

Таблица непредвиденных обстоятельств

Тест Макнемара работает на основе таблицы непредвиденных обстоятельств.

Прежде чем мы углубимся в тест, давайте на минутку разберемся, как рассчитывается таблица непредвиденных обстоятельств для двух классификаторов.

Таблица непредвиденных обстоятельств представляет собой таблицу или подсчет двух категориальных переменных. В случае теста Макнемара нас интересуют бинарные переменные правильно/неправильно или да/нет для контроля и лечения или двух случаев. Это называется таблицей непредвиденных обстоятельств 2×2.

На первый взгляд таблица непредвиденных обстоятельств может быть не интуитивно понятной. Давайте сделаем это конкретным на рабочем примере.

Учтите, что у нас есть два обученных классификатора. Каждый классификатор делает предсказание бинарного класса для каждого из 10 примеров в тестовом наборе данных.Прогнозы оцениваются и определяются как правильные или неправильные.

Затем мы можем суммировать эти результаты в таблице следующим образом:

Экземпляр, классификатор 1 правильный, классификатор 2 правильный 1 Да Нет 2 Нет Нет 3 Нет Да 4 Нет Нет 5 Да Да 6 Да Да 7 Да Да 8 Нет Нет 9 Да Нет 10 Да Да

экземпляра, классификатор1 правильно, классификатор2 правильно 1 да нет 2 нет NO 3 не да 4 NO NO 5 Да да 6 Да Да 7 Да Да 8 Нет 9 Да Нет 10 Да Да

Мы видим, что Classifier1 дал 6 правильных ответов, или точность 60%, а Classifier2 дал 5 правильных ответов, или точность 50% на тестовом наборе.

Теперь таблицу можно преобразовать в таблицу непредвиденных обстоятельств.

Таблица непредвиденных обстоятельств основана на том факте, что оба классификатора были обучены на одних и тех же обучающих данных и оценены на одних и тех же экземплярах тестовых данных.

Таблица непредвиденных обстоятельств имеет следующую структуру:

Классификатор 2 правильный, классификатор 2 неверный Классификатор1 Верно ?? ?? Классификатор1 Неправильно ?? ??

Классификатор2 Верно, Классификатор2 Неверно Классификатор1 Верно ?? ?? Классификатор1 Неправильно ?? ??

В случае с первой ячейкой в ​​таблице мы должны просуммировать общее количество экземпляров теста, в которых Классификатор1 и Классификатор2 получили правильные результаты.Например, первым экземпляром, который оба классификатора предсказали правильно, был экземпляр номер 5. Общее количество экземпляров, которые оба классификатора предсказали правильно, равнялось 4.

Другой более программный способ думать об этом — просуммировать каждую комбинацию Да/Нет в таблице результатов выше.

Классификатор 2 правильный, классификатор 2 неверный Классификатор 1 Верно Да/Да Да/Нет Классификатор 1 Неправильно Нет/Да Нет/Нет

Классификатор2 Верно, Классификатор2 Неверно Классификатор1 Верно Да/Да Да/Нет Классификатор1 Неверно Нет/Да Нет/Нет

Результаты организованы в таблицу непредвиденных обстоятельств следующим образом:

Классификатор 2 правильный, классификатор 2 неверный Классификатор1 Правильно 4 2 Классификатор1 Неверно 1 3

Классификатор 2 Верно, Классификатор 2 Неверно Классификатор 1 Верно 4 2 Классификатор 1 Неверно 1 3

Тестовая статистика Макнемара

Критерий Макнемара — это парный непараметрический критерий статистической гипотезы без распределения.

Он также менее интуитивен, чем некоторые другие тесты статистических гипотез.

Тест Макнемара проверяет совпадение расхождений между двумя случаями. Технически это называется однородностью таблицы непредвиденных обстоятельств (в частности, предельной однородностью). Таким образом, критерий Макнемара — это тип критерия однородности для таблиц непредвиденных обстоятельств.

Тест широко используется в медицине для сравнения эффекта лечения с контролем.

С точки зрения сравнения двух алгоритмов бинарной классификации, тест оценивает, расходятся ли две модели одинаково (или нет).2 / (Да/Нет + Нет/Да)

Где «Да/Нет» — это количество тестовых экземпляров, в которых Классификатор1 получил правильные результаты, а Классификатор2 — неверные, а «Нет/Да» — это количество тестовых экземпляров, в которых Классификатор1 получил неверные результаты, а Классификатор2 — правильные.

Этот расчет тестовой статистики предполагает, что каждая ячейка в таблице непредвиденных обстоятельств, используемая в расчете, имеет значение не менее 25. Тестовая статистика имеет распределение хи-квадрат с 1 степенью свободы.

Мы видим, что используются только два элемента таблицы непредвиденных обстоятельств, в частности, элементы Да/Да и Нет/Нет не используются при расчете тестовой статистики.Таким образом, мы можем видеть, что статистика сообщает о различных правильных или неправильных прогнозах между двумя моделями, а не о точности или частоте ошибок. Это важно понимать, делая заявления о нахождении статистики.

Предположение по умолчанию или нулевая гипотеза теста состоит в том, что два случая расходятся в одинаковой степени. Если нулевая гипотеза отвергается, это означает, что есть основания предполагать, что случаи не совпадают по-разному, что эти разногласия искажены.

При выборе уровня значимости p-значение, рассчитанное тестом, можно интерпретировать следующим образом:

• p > альфа : не удалось отклонить H0, нет разницы в несогласии (например, лечение не дало эффекта).
• p <= альфа : отклонить H0, значительная разница в несогласии (например, лечение оказало эффект).

Интерпретация теста Макнемара для классификаторов

Важно уделить немного времени, чтобы четко понять, как интерпретировать результат теста в контексте двух моделей классификаторов машинного обучения.

Два термина, использованные при расчете теста Макнемара, фиксируют ошибки, допущенные обеими моделями. В частности, ячейки «Нет/Да» и «Да/Нет» в таблице непредвиденных обстоятельств. Тест проверяет, есть ли существенная разница между значениями в этих двух ячейках. Вот и все.

Если эти ячейки имеют одинаковые значения, это показывает нам, что обе модели допускают ошибки примерно в одинаковой пропорции, просто в разных экземплярах тестового набора. В этом случае результат теста не будет значимым и нулевая гипотеза не будет отвергнута.

При нулевой гипотезе два алгоритма должны иметь одинаковую частоту ошибок …

— Приблизительные статистические тесты для сравнения алгоритма обучения классификации под наблюдением, 1998.

Если эти ячейки имеют неодинаковые подсчеты, это показывает, что обе модели не только допускают разные ошибки, но и фактически имеют разную относительную долю ошибок в тестовом наборе. В этом случае результат проверки будет значимым, и мы отклоним нулевую гипотезу.

Таким образом, мы можем отклонить нулевую гипотезу в пользу гипотезы о том, что два алгоритма имеют разную производительность при обучении на конкретном обучении

— Приблизительные статистические тесты для сравнения алгоритма обучения классификации под наблюдением, 1998.

Мы можем резюмировать это следующим образом:

• Не удалось отклонить нулевую гипотезу : Классификаторы имеют одинаковую долю ошибок в тестовом наборе.
• Отклонить нулевую гипотезу : Классификаторы имеют разную долю ошибок в наборе тестов.

После выполнения теста и получения значительного результата может быть полезно сообщить статистическую меру эффекта для количественной оценки результата. Например, естественным выбором было бы сообщить об отношении шансов или самой таблице непредвиденных обстоятельств, хотя и то, и другое предполагает искушенного читателя.

Может быть полезно сообщить о разнице в ошибках между двумя классификаторами в тестовом наборе. В этом случае будьте осторожны со своими утверждениями, так как значимый тест не сообщает о разнице в ошибках между моделями, а только об относительной разнице в доле ошибок между моделями.

Наконец, используя тест Макнемара, Диттерих выделяет два важных ограничения, которые необходимо учитывать. Они:

1. Нет меры обучающей выборки или изменчивости модели.

Как правило, поведение модели зависит от конкретных обучающих данных, используемых для подгонки модели.

Это связано как с взаимодействием модели с конкретными обучающими экземплярами, так и с использованием случайности во время обучения. Подгонка модели к нескольким различным наборам обучающих данных и оценка навыка, как это делается с помощью методов повторной выборки, дает способ измерить дисперсию модели.

Тест подходит, если источники изменчивости малы.

Следовательно, тест Макнемара следует применять только в том случае, если мы считаем, что эти источники изменчивости малы.

— Приблизительные статистические тесты для сравнения алгоритма обучения классификации под наблюдением, 1998.

2. Непрямое сравнение моделей

Два классификатора оцениваются на одном тестовом наборе, и ожидается, что тестовый набор будет меньше обучающего набора.

Это отличается от проверок гипотез, в которых используются методы повторной выборки, поскольку большая часть набора данных, если не весь, становится доступной в качестве тестового набора во время оценки (что создает свои собственные проблемы со статистической точки зрения).

Это дает меньше возможностей для сравнения производительности моделей. Это требует, чтобы тестовый набор был надлежащим образом репрезентативным для предметной области, что часто означает, что тестовый набор данных большой.

Тест Макнемара в Python

Тест Макнемара можно реализовать на Python с помощью функции mcnemar() Statsmodels.

Функция принимает таблицу непредвиденных обстоятельств в качестве аргумента и возвращает рассчитанную статистику теста и p-значение.

Существует два способа использования статистики в зависимости от объема данных.

Если в таблице есть ячейка, которая используется при расчете статистики теста и имеет число меньше 25, то используется модифицированная версия теста, которая вычисляет точное значение p с использованием биномиального распределения. Это использование теста по умолчанию:

stat, p = mcnemar (таблица, точное значение = Истина)

stat, p = mcnemar (таблица, точное значение = True)

В качестве альтернативы, если все ячейки, используемые при расчете статистики теста в таблице непредвиденных обстоятельств, имеют значение 25 или более, то можно использовать стандартный расчет теста.

stat, p = mcnemar (таблица, точное значение = ложь, коррекция = истинное значение)

стат, p = mcnemar(таблица, точное=ложь, исправление=истинное)

Мы можем рассчитать Макнемара на примере таблицы непредвиденных обстоятельств, описанной выше. Эта таблица непредвиденных обстоятельств имеет небольшое количество в обеих ячейках разногласий, и поэтому необходимо использовать точный метод.

Полный пример приведен ниже.

# Пример расчета теста Макнемара из statsmodels.stats.contingency_tables импортировать mcnemar # определить таблицу непредвиденных обстоятельств таблица = [[4, 2], [1, 3]] # рассчитать тест Макнемара результат = mcnemar (таблица, точный = Истина) # подведем итоги print(‘statistic=%.3f, p-value=%.3f’ % (result.statistic, result.pvalue)) # интерпретировать p-значение альфа = 0,05 если результат.pvalue > альфа: print(‘То же количество ошибок (не удалось отклонить H0)’) еще: print(‘Разные пропорции ошибок (отклонить H0)’)

# Пример расчета теста Макнемара из статмоделей.stats.contingency_tables import mcnemar # определить таблицу непредвиденных обстоятельств table = [[4, 2], [1, 3]] # вычислить тест Макнемара result = mcnemar(table, точное=True) 5 # суммировать результаты print(‘statistic=%.3f, p-value=%.3f’ % (result.statistic, result.pvalue)) # интерпретировать p-значение alpha = 0,05 if result.pvalue > alpha: print(‘Та же пропорции ошибок (не удалось отклонить H0)’) else: print(‘Разные пропорции ошибок (отклонить H0)’)

При выполнении примера вычисляются статистика и p-значение в таблице непредвиденных обстоятельств, а результаты распечатываются.

Мы видим, что тест убедительно подтверждает, что разница в несоответствиях между двумя случаями очень мала. Нулевая гипотеза не отвергнута.

Поскольку мы используем тест для сравнения классификаторов, мы утверждаем, что нет статистически значимой разницы в расхождениях между двумя моделями.

статистика = 1,000, p-значение = 1,000 Те же пропорции ошибок (не удалось отклонить H0)

статистика=1.000, p-значение=1,000 Те же пропорции ошибок (неспособность отклонить H0)

Расширения

В этом разделе перечислены некоторые идеи по расширению учебника, которые вы, возможно, захотите изучить.

• Найдите исследовательскую работу по машинному обучению, в которой используется проверка статистической гипотезы Макнемара.
• Обновите пример кода, чтобы таблица непредвиденных обстоятельств показывала значительную разницу в несоответствии между двумя случаями.
• Реализуйте функцию, которая будет использовать правильную версию теста Макнемара на основе предоставленной таблицы непредвиденных обстоятельств.

Если вы изучите какое-либо из этих расширений, я хотел бы знать.

Дополнительное чтение

В этом разделе содержится больше ресурсов по теме, если вы хотите углубиться.

Бумаги

API

Статьи

Резюме

В этом руководстве вы узнали, как использовать тест Макнемара для проверки статистической гипотезы для сравнения моделей классификаторов машинного обучения в одном тестовом наборе данных.

В частности, вы узнали:

• Рекомендация теста Макнемара для дорогих в обучении моделей, которая подходит для больших моделей глубокого обучения.
• Как преобразовать результаты прогнозирования из двух классификаторов в таблицу непредвиденных обстоятельств и как эта таблица используется для расчета статистики в тесте Макнемара.
• Как рассчитать тест Макнемара в Python, интерпретировать и сообщить результат.

Есть вопросы?
Задавайте свои вопросы в комментариях ниже, и я постараюсь ответить.

Разберитесь со статистикой для машинного обучения!

Развитие рабочего понимания статистики

… написав строки кода на python

Узнайте, как в моей новой электронной книге:
Статистические методы для машинного обучения

Он содержит учебных пособий для самостоятельного изучения по таким темам, как:
Проверка гипотез, корреляция, непараметрическая статистика, повторная выборка и многое другое.