пруф на экспоненциально больше герцев

может быть использован аргумент что весь терабайт памяти (примерно емкость мозга) не может быть адресован быстрее наносекунд примерно и рост частоты мало поможет дальше?

я так понимаю это имелось ввиду

понятно, что класическая архитектура фоннеймана не катит, нужна массово параллельная система, решающая это узкое горлышко. Но на транзисторы зачем гнать?  и на них все можно построить

простой вариант как обработать состояние мозга намного быстрее чем позволяет наивное представление (вот терабайт, его нельзя адресовать быстрее наносекунды)

представляем весь мозг в виде потока данных - такая-то связь между такими-то нейронами

маленькое ядро получает весь поток этих данных

ядро знает расписание (когда какач связь обрабатывается) и выбирает задержки для обработанных данных для возврата

например нейрон 9307 его обрабатываем через 3 микросекунды - посылаем эти данные наружу из ядра (в память)

постоянно посылаем данные по таймерам обратно в ядро которое оно просило раньше

таким образом не важна архитектура и ограничения на размер памяти. фактически это просто куча линий задержки.

мы остаемся ограничены исключительно пропускной способностью ядра.

а оно растет линейно с частотой.

теперь согласен?

Почему ядро обязательно должно быть?

практичность

сохранить возможность сменить программу

смена программы может ускорить вычисления на порядок если улучшен алгоритм

алгоритм нейронок улучшается каждые пару месяцев

смена программы дает больше бонус чем зафиксированная в структуре железа программа в случае если железо живет более 3 месяцев (этот срок постоянно сокращается)

fpga тоже решает проблему?

да

Так этот человек чем занимается?

Всем привет! Подскажите, есть толковые телеграм каналы по Datascience? Кто какие читает? Можно в личку.

Чатов дофига, у всех разная степень токсичности, добро пожаловать
https://t.me/datasciencechat
https://t.me/datasciencecourse
https://telegram.me/joinchat/ABI4pz6rz2iVzWUzaVqpmA
https://t.me/ai_life
https://t.me/boosterspro

Если именно каналы, то тут более чем достаточно )
https://medium.com/@aleksandrosiyuk/%D0%BF%D0%BE%D0%B4%D0%B1%D0%BE%D1%80%D0%BA%D0%B0-%D1%82%D0%B5%D0%BB%D0%B5%D0%B3%D1%80%D0%B0%D0%BC-%D0%BA%D0%B0%D0%BD%D0%B0%D0%BB%D0%BE%D0%B2-%D0%BF%D0%BE-%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D1%83-%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85-data-science-machine-learning-1cb79437540f

маленький лайфхак:
чтобы ссылка выглядела по человечески, прежде чем скопировать url, добавьте впереди пробел

 https://medium.com/@aleksandrosiyuk/подборка-телеграм-каналов-по-анализу-данных-data-science-machine-learning-1cb79437540f

Книжка Николенко, загуглите она есть. Наиболее понятно пишет, 2017 года

Привет
Скачал с гитхаба примеры работы с face recognition
Обучил т сохранил модель в файл .clf

Как продолжить обучение с сохраненного файла?
Понимаю что вопрос типа (скачал фотку ядерного реактора, как его сделать)
Но любой подсказке буду благодарен
Гугл не хочет отвечать, подсовывает мне обучение нейронным сетям)

есть ли поновее книжки по обучению с подкреплением?

Тостер, стаковерфлоу ru и en

Благодарю