DSL на примере AL и проекта Aigents — Антон Колонин — Семинар AGI

О чём видео

Видео посвящено обсуждению разработки и применения специализированных языков (DSL, Domain Specific Languages) на примере Agent Language (AL) и проекта Aigents, который занимается созданием интеллектуальных агентов для работы с информацией в интернете и социальных сетях

Ключевые темы семинара

Опыт построения онтологий и работы с семантическими графами: Автор делится выводами о том, что двумерные и трёхмерные редакторы знаний не всегда удобны, и предлагает альтернативу в виде универсального языка для описания предметных областей

Проблемы распределённых знаний: Обсуждается, как сложно удалять знания из распределённых систем и как важно учитывать противоречия между различными моделями мира у разных участников системы

Agent Language (AL): Представлен язык, который позволяет агенту взаимодействовать с пользователем через различные интерфейсы (терминал, веб, мессенджеры) на едином семантическом уровне. Язык строится по принципу контролируемого (semantically controlled) языка, схожего с языками диспетчеров и пилотов, где используется ограниченный набор конструкций и выражений

Примеры использования AL: Приведены примеры диалогов между агентом и пользователем на русском и английском языках, а также показано, как этот язык применяется для управления устройствами умного дома и взаимодействия с социальными сетями

Структура и грамматика языка: Язык позволяет выражать знания в виде графов, где вершины и связи формируют смысловые конструкции. Поддерживаются декларативные, вопросительные и директивные выражения, а также различные типы скобок для логических и последовательных операци

Проблемы внедрения: Автор отмечает, что пользователи неохотно учат даже упрощённые языки, предпочитая привычные интерфейсы или естественный язык. Это стало одной из причин, почему проект не удалось коммерциализировать как новостной агрегатор

Важные выводы

Универсальные и контролируемые языки могут быть эффективны для интеграции различных информационных систем и автоматизации работы с данными, но массовый пользователь не готов учиться новым языкам ради взаимодействия с ИИ

Для успешного внедрения подобных систем требуется либо максимально интуитивный интерфейс, либо поддержка естественного языка на высоком уровне

^{https://www.perplexity.ai/}

Расшифровка видео

0:03
коллеги Всем добрый вечер начинаем очередной семинар русскоязычного сообщества разработчиков общего и
0:09
сильного искусственного интеллекта и завершаем цикл разговоров про
0:17
антологии Сегодня мы закончим мой рассказ о своём
0:24
собственном опыте в этой области который был начат нах
0:33
семи шарю экран а в понедельник у нас будет новый
0:41
спикер который будет рассказывать про дифференциальные антологии проект активный который сейчас
0:48
у них в разработке Поэтому в понедельник вечером в то же время можем зде снова
0:54
встретиться а в четверг ВС на той же Неде то есть плот итми
1:00
Шаврина которая занимается разработкой лямы является главным раньше была
1:07
главным разработчиком Сбере систем искусственного интеллекта и обработки
1:12
естественного языка и больших языковых моделей она будет рассказывать про своё
1:18
видение перспективы куда мы ушли в сторону большими языковыми моделями
1:23
Итак сечас Мы возвращаемся к теме онтологии ом мы поговорили
1:30
говорили прошлый раз от того что о том
1:35
что на основе нашего проекта по распределённого редактору
1:42
онтологий мы пришли к заключению что двухмерные и трёхмерные редакторы
1:50
знаний онтологии семантических графов они не очень практич один из выводов заключается Тоя
1:59
каких-то графических пользовательских интерфейсах
2:11
табулятор ДС либо некотором метод сле либо на универсальном языке как мы в
2:18
частности предложили язык orl который в своём синтаксе Осе
2:24
включает семантику и прагматик с мета конструкциями так
2:31
которые позволяют определять собственно конструкции предметной области так и
2:36
с метамерия позволяют определить сами метакон срук которые позволяют описывать
2:43
конкретные предметные области вот ну и ещё один урок который мы тогда извлекли
2:49

это то что удаление знаний в распределённой системе является
2:54
проблемой да то есть мы можем имея распределённое представление знаний в виде графов
3:00
добавлять знания в систему распространять их по системе Но
3:06
если вдруг нам какое-то знание нужно удалить то возникает проблема Как
3:11
удалить какое-то отношение или какую-то вершину с кучкой связи вокруг них когда оно
3:18
расползлись собственные связи и вершины и что мы с
3:24
этим будем делать Вот и соответственно родилась некоторая концепция что знания
3:30
да и это первая проблема и вторая проблема что когда мы собственно решаем задачу м значит которая была в нашем
3:37
проекте изначально описано как а обмен разума и главная процедура значит в
3:44
процессе обмена разума – это сопоставление некоторой взаимо
3:49
непротиворечивой картины миру между как минимум двумя возможно и более участниками то возникает проблема с
3:55
выравниванием вот этих вот карт знаний или ээ систем Веры Bel Systems по-английски или
4:02
значит структурированных представлений Об окружающем мире или семантических
4:08
моделей окружающего мира значит сопоставление их и получение некоторой
4:13
усреднённый модели приемлемой для всех участников Вот и для того чтобы это
4:18
сделать возникает некоторая процедура связанная с выявлением
4:24
противоречивости в собственной модели либо не противоречивости
4:29
собственной модели выявления противоречивости либо непротиворечивости модели оппонента а
4:35
или значит контрагента сопоставление двух этих моделей Вот и возможно
4:40
некоторое усреднение моделей более того если участников много эта процедура должна происходить с моделями всех
4:47
участников Вот а если эти участники имеют равный вес точнее разный вес Да
4:52
кто-то там является другом кто-то является подчинённым кто-то является ребёнком а кто-то является Гуру и
4:59
наставником то очевидно модели знаний с разными авторитетами их источников они
5:06
могут иметь разные веса Таким образом получается что по одному и тому же поводу по которому мы хотим составить
5:12
свою собственную картину мира для того чтобы как бы записать её в системе или поиметь её в системе для последующего
5:18
практического использования нужно на самом деле иметь у себя в голове картины мира всех оппонентов вот иметь веса так
5:26
сказать некоторые этих компонентов в своей собственной картине мира и когда мы сказать выстраиваем некоторое своё
5:32
понимание о том что есть жизнь Что такое хорошо что такое плохо и что вообще нужно делать в такой ситуации мы вот
5:40
строим некоторое усреднённый случаем То есть если мы выясняем что
5:45
нечто является противоречиво противоречит вот этой вот всякой конструкции этот кусочек просто
5:51
естественным образом удаляется или забывается но как это может быть реализовано мы поговорим чуть-чуть
5:58
дальше Вот так вот вернёмся Да ну и собственно вот то что тут на этом слайде
6:03
называется for Evidence Social reference это вот как раз речь пойдёт о том что когда мы храним знания мы должны хранить
6:10
знания не просто всех участников значит банкета мы должны их атрибутировать этими участниками Чтобы понимать кто что
6:17
сказал И кто во что верит и кто что думает вот и соответственно давать некоторую оценку социальной значимости
6:24
этих знаний в контексте собственной жизненной перспективы Вот Но мы сейчас поговорим в начале
6:30
для того чтобы проверить насколько успешно мы можем использовать язык как
6:36
интерфейс к системе управления знаниями и основанный названиях Мы решили взять в
6:44
качестве подопытного кролика свой собственный проект который предназначался
6:49
который предполагал создание Агента искусственного интеллекта который жит в
6:55
интернете и помогает пользователю Решать его повседневные проблемы тях
7:01
помогает находить мониторить и извлекать информацию с сайта в социальных сетях в
7:06
мессенджерах вот взаимодействовать со всеми этими сайтами соцсетями и мессенджерами вот проект под названием
7:14
который я сейчас более-менее активно развиваю поддерживаю Ну и в качестве вот
7:21
такого основного интерфейса для работы с этим агентом был
7:27
призван явиться называемый agents Language или A
7:32
или Al А идея которого заключалась в том что Агент – это вот некоторый значит
7:39
такой а агент который ска живёт где-то в глубине интернета у него нету своего
7:45
интерфейса кроме как вот а канал по которому мы с ним можем обмениваться сообщениями Но
7:51
а вот это эти сообщения семантика этих сообщений она может быть некоторым
7:56
образом отображена на а любых пользовательских интерфейсах То
8:02
есть получается что у нас система пользовательского интерфейса с одной
8:07
стороны и сам как бы вычислительный агент который осуществляет вот
8:13
когнитивные скажем так функции или функции по работе со знаниями получению знаний извлечению знаний обмена знаниями
8:20
Они общаются между собой как два независимых Агента то есть один Агент значит он эти знания хранит получает
8:28
собирает и отдаёт другому Агенту а другой Агент эти знания отображает для
8:33
пользователя используя тот или иной графический интерфейс и свою очередь он получает эти знания от пользователя На
8:40
том же самом языке и передаёт в систему Вот и пользователь естественно может
8:47
общаться с этим агентом просто тупо в терминале да либо там открыть веб-интерфейс либо в мобильном
8:53
приложении графическое окно Ну извиняюсь терминальное окно значит как в чате либо
8:58
он просто может лнем или эшем к этому Агенту подключиться и общаться с ним на
9:04
этом же самом языке Вот а если ему не хочется в чате с этим агентом общаться он значит общается через
9:10
пользовательский интерфейс но всё что происходит на пользовательском интерфейсе и в ту и другую сторону оно
9:16
всё равно отображается в тот же самый язык и происходит общение значит с Агентом На том же самом языке а Агент
9:22
как бы даже не знает о том кто с той стороны то ли пользовательский интерфейс пользователем то ли сам пользователь
9:28
значит и качестве Агента было принято решение взять не домен специфический
9:36
язык а взять то что называется контролируемый язык или семантический язык или промежуточный язык вот а Какова
9:45
была мотивация Да вот на этом слайде показана мотивация А дальше расскажу к чему это покажу и расскажу к чему это
9:51
всё привело что с одной стороны есть большой Соблазн общаться с Агентом
9:57
нать естественном языке Вот Но когда проект затевал это было
10:03
получается там уже Ой уже уже 10 лет назад Вот тогда не было современных
10:11
систем Значит на основе Трансформеров позволяющих общаться с естественном языке на естественном языке Ну и надо
10:19
сказать что наш агент предполагало что будет работать на любом устройстве на в том числе на мобильном смартфоне или
10:26
нали пользовательском десктопе и там конечно не будет никаких кластеров графических карт а-а которые требовались
10:34
До недавнего времени большим языковым моделям вот а а для инфе НАСА фу для обучения они
10:41
требуются и сейчас да То есть вы можете какую-нибудь лямур Гвен 2 запустить на своём лаптоп
10:48
даже без графической карточки но обучать вы его не сможете То есть вы не сможете менять эти знания у нас предполагалось
10:54
что Агент естественно может формировать динамически обновлять свою структуру с
10:59
свою структуру да сказать свою базу данных и соответственно общаться на естественном языке по поводу вот этой
11:05
вот изменя изменяемой своей карты или структуры А и обладая значит тех знаний
11:12
которыми он обладает поэтому значит как естественные языки вроде английского э
11:18
так и искусственные языки вроде лач бана и аспиранта они не рассматривались с
11:24
одной стороны потому что вот Слишком сложно и амбициозного значит проблема
11:29
как предполагалось что эти языки амбициозны для них очень важен контекст одно и тоже в разном контексте может
11:37
иметь в разных контекстах может иметь разный смысл и для того чтобы строить какие-то
11:45
системы передачи не противоречивых знаний от пользователя Агента
11:51
пользователя Агенту системы англиский язык не подходит вот с другой нарху
12:01
и прочих языков для сохранения структурированных данных там типа Т старых Лиля чит
12:10
и и тому подобного тоже предполагалось как неприменимы потому что они слишком
12:17
сложные Ну то есть как мы можем простого пользователя который хочет общаться с
12:22
простым [музыка] агентом массового иния
12:31
Поль или илит чтобы чтобы он на экране скобки
12:38
считал внимательно Значит с летящими глазами Вот ещё можно заставить Поль пользовать
12:45
использовать но там тоже возникают вопросы Вот пример с лом кстати будет Вот больше всего то что у нас получилось
12:51
оно похоже на в каком-то
12:58
СМУ построить некоторый псевдо естественный язы язык вот
13:04
с со словарём состоящим из обычного языка человеческого причём он может быть
13:10
любым да то есть мы можем словарь значит языка в рамках одного и того же синтак
13:15
стандартного синтаксиса пунктуации значит словарь а-а значит наполнить что как английскими
13:24
так и русскими так и китайскими любыми словами то есть словарь может быть переопределять вот а грамматика и пунктуация Они как
13:32
раз и как бы сказать правила формирования предложения они
13:38
универсальные вот и предполагалось что это будет язык типа широко известного в
13:45
узких трудах кругах airol Language то есть есть такой специфический язык
13:51
который использует диспетчеры в аэропортах и лётчики в самолётах вот Где
13:56
используется ограниченный набор грамматических конструкций ограниченный набор выражений значит там борт такой-то
14:05
запрашивает посадку рор там Бор башня борту такому-то посадку разрешает Роджер
14:12
Вот и вот таким образом на таких отрывочные
14:19
лётчики и авиадиспетчеры Вот соответственно предполагалось что мы сделаем такой язык и пользователи будут
14:25
общаться либо с этими с Агентом с помощью этого языка либо значит с помощью этого языка мы будем
14:31
реализовывать пользовательские интерфейсы всё это было сделано вот Вот пример э
14:38
реализации данного языка для некоторого протокола общения с устройством умного
14:43
дома Вот одна один и один и тот же разговор между агентом и пользователем
14:49
по поводу температуры в доме значит наполненный как английским словарём на
14:55
верхней половинке так и русским словарём вот значит напоминает это язык на
15:01
котором говорил известный Российский комик Галустян Вот сейчас по-моему он
15:06
мало выступает Ну вот моя – это прибор моя иметь место моя иметь температура
15:12
вот как твоя самочувствие моя моя самочувствие хорошо вот как-то так да то
15:17
есть у нас местоимения не склоняются Вот они фиксированы как в английском вот в
15:24
английском это звучит не так дико Вот но на русском это звучит на самом деле Дикова Вот но важно что что в принципе
15:30
мы любую информацию можем любому устройству или любому Агенту А как
15:39
передать так и запросить её эту информацию у него так и изменить эту
15:44
информацию и всё это используя один и тот же язык э значит не перепрыгивая там
15:51
из овля в в рдф или из метаязыка в язык то есть
15:58
у нас всё определяется в рамках одной и той же языковой парадигмы в том числе
16:03
работа с метаданными вот так вот выглядит
16:09
разбирается на кусочке собственно выражения на этом языке значит язык
16:14
выглядит следующим образом что у нас идёт чередование значит некоторых вершин и отношений в графе то
16:21
есть мы имеем дело с Граф То есть у нас любое выражение на языке
16:27
это представляет собой некоторый подграф который предполагает наличие некоторых
16:33
вершин и некоторых связей между ними допустим вот описание того что у
16:38
некоторого термостата конкретно точнее у некоторого конкретного термостата под номером 13
16:45
значит датчик влажности показывает некоторое значение значит описывается
16:50
следующим образом что есть конкретный термостат у которого есть некоторое свойство влажность и это свойство
16:57
влажность являет числом да это на Вот соответственно мы
17:03
можем Вот эту вот графо структуру которая записана в памяти Агента как
17:09
подграф мы эту мы этот подграф можем выразить текстовым языком То есть если
17:15
мы допустим у нас в настройках пользователя сказано что у нас язык русский и для значит Ой извиняюсь так
17:23
куда-то перепрыгнул и для всех соответственно вершин и так сказать узлов и отношений
17:33
этикетки есть для всех узлов и этикеток или есть отношение есть переводы на
17:39
русский язык соответственно Вот получается выражение в русском нейм спейсе моя иметь влажность а влажность –
17:46
это число Вот а если у нас словари определены английские то тогда My
17:52
humidity humidity Number это в английском Вот и предполагается что у
17:58
нас может быть че типа выражений значит Есть выражение типа interrogation да Это
18:05
вопросительное выражение чит Что такое вопросительное выражение это выражение где есть какие-то отношения и есть
18:13
какие-то вершины Но не все вершины то есть вот вот зелёным цветом показаны
18:19
элементы под графа которые задают вопрос то есть мы говорим что есть термостат
18:24
что абстрактная сущность которой есть отношение кого это отношение И мы не знаем дальше
18:31
есть некоторое место которое называется Кухня к которому есть отношение Location
18:37
того же самого к чему У чего есть отношение И к термостату Да но вот это
18:42
вот зелёненькое оно под вопросика мы не знаем то есть есть две два отношения и две вершины и есть два отношения которые
18:50
идут вот к этому неизвестному Вот и с другой концы с другой стороны у них тоже
18:56
неизвестность то есть вот смотрим на вопрос термостат значит что это термостат
19:01
Location Вот она Location Да что вот из термостат термостат Location Location
19:08
Kit Kit вот Temp реальная температура значит солевая температура
19:15
Да какая сейчас температура Какая должна быть соответственно мы вот просто выплёвывает вот эти вот сущности и
19:21
отношения про которые мы что-то хотим узнать и спереди У нас вот в конце у нас вопросик соответственно мы задали вопрос
19:28
соответственно задача системы сейчас осуществить поиск в графе и заполнить недостающее значение делается то в
19:36
результате исполнение запроса у нас возникает выраже высказывание второго типа это декларативное выражение
19:43
декларация что вот этот вот термостат у которого Location Kitchen Real Temp у
19:50
него 30 вот значение 30 поставляется Таргет тем при вот 25 Вот она 25 э
19:57
вершинка у нас тоже значи но она анонимная потому что имени у этого термостата Нет у него есть только
20:02
расположение значит Тип и вот два
20:08
свойства обратите обращаю внимание чтобы если бы мы писали это дело на к примеру
20:13
на эле то здесь бы бирюзовым цветом у нас SQL запрос а тут бы у нас просто был
20:20
значит была табличка Кловская или
20:29
мен переменного состава вот ну и третий тип высказывания – это директива
20:37
директивное высказывание когда мы не просто сообщаем какую-то информацию а мы хотим её изменить то есть мы говорим что
20:44
вот у этого у того термостата у которого K у него Таргет темча должна стать вот
20:50
20 вот выскочила извиняюсь из оранжевого прямоугольника ДКА вот оно 20
20:58
эту связь нужно создать вместо вот этой вот то есть мы меняем значение Вот
21:05
вот узел на этой вершины с 25 на 20
21:12
соответственно значит грамматика и пунктуация этого языка определяется
21:19
исчерпывающим образом вот этой вот формы ин чит из каких-то так сказать как это
21:26
называется зарез слов есть только и и вот которые на самом деле не являются
21:34
обязательными да то есть на самом деле Значит мы можем в принципе
21:40
значит всё разрулить либо вопросительными знаками либо точками либо восклицательными знаками то есть мы
21:46
можем не писать ни иов ни отов ни ду да то есть в директиве у нас Ду ещё спереди
21:52
можно записать Вот Но если но мы можем ограничиться либо вопросительными знаками либо точками пунктуации
21:58
соответственно вопросительный знак в конце – это директива точка – это декларативное выражение вопросительный
22:04
знак – Это значит либо Это вопросительное Значит тут вопросительное
22:11
выражение вот Ну вот примеры того как э на нашем языке строятся различные
22:18
коммуникации Вот например на английском Да как ты себя чувствуешь чувствуешь ли
22:23
ты себя хорошо э декларация что ты чувствуешь себя хорошо и пожелание значит чувствую себя
22:30
хорошо вот тоже самое по-русски Да соответственно на русски Только мы ещё э
22:35
модуляция существ ется повышением или понижением тона у нас помимо значит
22:42
вопросительного и восклицательного знака Вот Ну вот так вот это на нашем языке
22:47
описывается то есть структура одна и та же вот разная пунктуация и либо точки
22:55
либо вопросительный знак либо восклицательный знак Ну и там где идт
23:01
вопросительная фраза там вот не хватает одной вершины соответственно Вот её в
23:07
результате выполнения надо заполнить вот при этом предусмотрено два
23:13
варианта формирования выражений на этом языке
23:19
более компактный вот с использованием скобок где круглые скобки
23:26
обозначают конъюнкцию а фигурные скобки обозначают дизъюнкцию Вот либо значит
23:34
без этих без скобочек есть форма записи когда мы используем значит
23:40
соответственно и or Да значит для того чтобы соединить то что у нас идёт в
23:46
списке конъюнктив и используется
23:51
соответственно круглых скобочках можно переписать как and Sleep
23:57
а СП в фигурных скобочках можно переписать как it or Sleep вот ну и
24:03
дополнительно в языке есть ещё возможность а использования квадратных скобок для
24:11
описания значимой последовательности каких-либо действий то есть мы предполагаем что идёт описание некоторой
24:19
деятельности да то есть ключевое слово Next которое говорит о том что что-то
24:25
следует за чем-то Вот Но мы можем избежать сопряжения как бы фраз через
24:32
объединением их в квадратные скобки то есть квадратные скобки – это то что называется последовательная или
24:38
упорядоченная конъюнкция Ну и в качестве примера значит того что мы можем делать
24:44
с помощью скобок показано вот как различные термы могут быть описаны на
24:49
нашем языке со скобочка вот чему они
24:54
[музыка] соответствуют стт на торле видно что из
25:00
пяти конструкций две конструкции мы на трт просто не можем описать вот ну у нас
25:05
они получаются наиболее компактно значит что в итоге было
25:12
сделано значит в итоге мы антологию всю значит Мета антологию которая значит как
25:18
из прошлого доклада чит Кто был значит должен помнить она очень простая мемета
25:23
онтология она у нас ограничивается тем что есть некоторые вещ и у них есть
25:28
некоторые свойства Вот и собственно из этого с помощью вот этих двух сущностей
25:33
описываются всё всё остальное Вот и на значит была описана соответствующая
25:40
предметная область где есть пользователи у которых есть поклонники где есть сайты
25:46
которые связаны между собой Значит есть некоторые шаблоны А значит
25:53
которые описывают темы интересов на этих сайтах вот есть топики которые мы на
25:59
этих сайтах иденти пытаемся идентифицировать есть связи этих топиков с теми юзера которые которых эти топики
26:07
интересуют и есть связи этих топиков с временами с некоторой иерархии времён
26:14
когда это произошло когда это происходило когда это будет происходить и соответственно эти же топики вещи и
26:21
сайты они связаны с некоторыми текстовыми по сути шаблонами или значит
26:29
структурами или регулярными выражениями которые описываются для идентификации соответствующих тем на соответствующих
26:37
сайтах Вот соответственно была построена система сказать взаимодействия между
26:43
пользователями то есть на этом языке можно было описывать социальные сети можно было описывать с коммуникацией
26:49
пользователей так друг с другом Значит кто кому что сказал кто кому что написал кто кому перевёл какие-то какие деньги
26:57
если это происходит на блокчейне А мы поддерживаем три блокчейна это эфир Steam это и голос вот
27:04
или что пользователь написал или что пользователь прокомментировал в социальной сети или в мессенджере А мы
27:13
поддерживаем значит мессенджеры слаг Telegram Facebook Messenger и и и и и да
27:19
и да и всё вот также значит поддерживаем социальные сети Вконтакте
27:27
поддерживали gole Facebook пока они значит имели опиш вот Google загнулся
27:33
Facebook и поддержку извлечения информации по текстовым коммуникациям из себя убрал вот Ну вот Анализируя всю эту
27:41
информацию Мы могли строить модели пользовательского поведения модели самого пользователя модели его
27:47
друзей но это тема другого немножечко проекта точнее тема немножечко другого
27:53
рассказа вот собственно т с помою с помощью этого языка естественно можно было строить пользовательские интерфейсы
28:00
новостного агрегатора то есть вот то что мы видим это на самом деле некоторая отрисовка того что получает Агент
28:07
пользовательского интерфейса во взаимодействии с Агентом бэнда Вот и
28:12
этим самым на на этом языке реализуется интерфейс а м новостного агрегатора хотя
28:18
в принципе всю ту же информацию пользователь мог получиться там не скролить между табами А в процессе э
28:26
взаимодействия с Кэн Агентом на этом языке Значит тут вот
28:32
всякие у нас графовая аналитика социальных сетей но сухой остаток такой
28:39
что вот на данном этапе развития проекта на основе этого языка мы пришли к выводу
28:46
что к сожалению люди
28:51
не любят и не хотят учить новые языки не только если это язы программирования Но
28:59
даже если это какие-то упрощённые контролируемые языки То есть если пользователь привык
29:05
склонять и спрягать глаголы Значит даже если ему предлагают разговаривать системой на
29:12
упрощённом языке где эти глаголы спрягать не надо он их пытается всё
29:18
равно спрягать А в итоге система его не понимает и ломается Вот и пользователь
29:23
не готов упрощать свою речь до уровня какого-то тупого Агента Вот люди хотят
29:29
использовать либо приятный и Юза Бель пользовательский интерфейс Либо они
29:35
хотят говорить системой на своём родном языке чтобы она их понимала вот ну отдельная история Что значит подобный
29:44
продукт достаточно трудно продать то есть нам не удалось этот самый этого самого Агента как новостного агрегатора
29:52
монетизировать но это тоже немножечко другая история Ну вот про язык Я наверное сказал Если есть какие-то
29:59
вопросы или значит обсуждения типово для обсуждения можно поговорить Если нет я
30:05
двинусь дальше к рионе и представлениям
30:11
данных Так у нас там какие-то вопросы в
30:16
чате так ambigu двусмысленный да
30:23
спасибо Так так так что-то там так я вот а
30:30
вот Ну давайте Антон германович если никто не
30:36
это не хочет у меня тут целая книжка вот я написал пару вопросов если можно походу
30:45
слайдов Давайте только Откройте слайды обратно я уж не буду с самого начала как
30:51
бы вот как говорится только с последнего сейчас секундочку те отсюда
30:58
так да вышел Ага Там где вы рассказываете
31:04
про значит про контролируемый язык Ну давайте вот со слайда про контролируемый
31:10
язык камера сегодня Роя вот этот
31:16
вот пораньше ещё
31:24
выше е е Когда вы рассказывали про язык Да вот
31:32
вот отсюда можно начать оказывается калан Живые и лагеры они обитают во всех
31:40
индустриях это очень Радостно слышать Ну люди которые создают
31:46
искусственные языки если вы не знаете есть такой устойчивый термин калан это
31:52
конст у этого есть огм международ сообщество очень много Люде
31:58
то что упомянули здесь лаба аспин интелин это как говорится как раз туда в
32:04
в эту тусовку Вот Там есть разные рода люди Вот но приятно что и вот здесь
32:12
любители такого обитают Вот вы упомянули о том что Вот
32:17
давайте сделаем какие-то достаточно то есть контролируемый язык
32:22
для того чтобы там на м можно было универсально описать
32:28
Да уровни грамматики которые нужно и Ну давайте дальше Вот прокрути сейчас
32:35
вот следующий я сейчас тут зацеп когда вы сказали о том что у нас не было значит тогда ещё ЛМ поэтому мы
32:43
вот выстраивали связь Ну то есть делали для того чтобы человек чтобы разные
32:50
агентские системы Да допустим Facebook там или то есть предоставить единый интерфейс А вот первый вопрос У меня
32:56
сразу возник А вот допустим Если есть разные метаданные Да ну структуры у
33:02
языка Да там у одного там такая конструкция у другого другая допустим
33:07
Facebook Может там отобразить такого рода сообщения там в которого есть такие-то поля там метаданные конструкция
33:14
а другой Ну не может их отобразить вот как вы вот в этот момент когда вы думали вот
33:21
о таком взаимодействии разных систем и чтобы им сделать какой-то вот язык общий Как вы тогда думали Вот это преодолеть о
33:29
том что вот есть разные так скажем языки да на которых они говорят и вот ну я не
33:34
знаю даже разные средства представления что ли в разных системах на которые вы не влияете я понял да смотрите значит
33:41
давайте тут чит сразу два момента во-первых насчёт лмо значит я всё-таки вернусь глядите значит вот я сейчас на
33:50
непосредственно на одном из проектов в котором участвую Я как раз очень активно
33:56
использую конда в которой я работаю которой я руковожу да то есть мы
34:02
занимаемся пресловутые только рага не занимаемся Там есть разные виды
34:17
раговка мне было нужно 10 лет назад и что вот здесь вот показано этих слайдах я бы с помощью этого сейчас не сделал
34:25
даже если были бы нужны вычислительные ресурсы Да потому что всё равно есть неоднозначность вот и даже для того
34:31
чтобы прикрутить какой-нибудь Граф рак к системе вот всё равно нужно делать кучу
34:37
настроек Значит нужно инженери промт и всё равно ты никогда не уверен что система правильно поймёт что ты и сказал
34:44
и вернёт тебе именно что-то что то что ты хочешь Вот поэтому как бы значит э
34:49
так сказать в моём понимании вопрос он всё равно остаётся актуальным вот а теперь Значит насчёт вот по поводу
34:58
унификации значит антологии смотрите Значит тут э когда я говорю разные
35:05
системы Да с которыми Мы работаем Да это по-моему значит на другом слайде было да то есть вот мы во своём проекте Мы
35:12
работаем и с мессенджерами и с соцсетями и с блокчейна и со всем совсем совсем значит вот эти системы они просто
35:20
являются частью предметной области да то есть вот у нас предметная область включает соцсети блокчейны
35:28
и мессенджеры а и интернет-сайты RS фиды вот это вот всё некоторая предметная
35:33
область и мы эту предметную область описываем на на в какой-то модели да то
35:42
есть мы её накрываем какой-то моделью и эту модель Мы описываем в терминах
35:47
своего языка Да допустим там есть ж вот там есть сайт Там есть транзакция там
35:55
есть там цена там есть время да есть subject есть Body и вот эту предметную
36:04
область мы натягиваем значит дела строим таким образом чтобы она накрывала вот
36:11
все информационные источники то есть грубо говоря если у нас структура значит там джисона и которая выдаётся
36:21
допустим по AP Фейсбука по А телеграма и по AP там этого самого какого-нибудь
36:28
Дита Да редит ещё мы поддерживаем то мы естественно эти разные Дже соны на
36:34
уровне так сказать своего собственного там интеграционного протокола мы
36:40
отображая на вот эту вот самую предметной область то есть грубо говоря сейчас нельзя просто вот так
36:49
вот без там сказать кодирования наве на которой это всё написано взять и
36:54
подключить новую новую сеть гипоте можно было бы с помощью этого языка опять-таки
37:00
сказать программировать адаптеры да то есть на самом деле можно было бы сказать
37:05
сделать некоторый дополнительный А так сказать слой который бы понимал значит
37:11
метаязык допустим написание адаптеров для парсинга джисона вот точнее и так
37:18
сказать соответственно подключение любой сети можно было бы описать на нашем языке значит в качестве скрипта для
37:25
разбора вот этих вот джинов какой-то но этого сделано не было То есть
37:30
отображение на предметную область посты и транзакции есть на самом
37:37
деле предметная область она выглядит примерно так есть посты и есть точнее есть транзакции то есть есть транзакции
37:44
и у этой транзакции есть разные поля вот в среднем у транзакции значит может
37:50
быть быть такие сво не обязательно есть врем любой транзакции есть врем
37:57
есть как у финансовой транзакции так и у поста так и у комментария так и Лайка вот
38:03
а у каких-то подвидов вот этой транзакции есть ещё и текст Да допустим
38:12
если это комментарий или пост у каких-то есть ещё атрибут subject если это пост
38:20
Да а у каких-то есть атрибут допустим сумма если это транзакция Да но
38:27
но нету там сакта и текста Вот как-то так
38:32
А да спасибо Мы ещё в прошлый раз с вами обсуждали про то что действительно вот
38:37
когда нужно из одной модели в другую То есть можно ли это делать автоматически или трансформировать это нужно вручную
38:44
Как говорится преобразование из одной допустим системы в другую да то есть это
38:49
это понятно вопрос У меня как раз был да про сообщение Вот у вас универсальное сообщение вы его преобразуете допустим
38:55
для Фейсбука для рейта Да и и сама измерение Ну интерфейсные допустим у
39:00
Дита и у Фейсбука они отличаются то есть какая-то информация потеряется Да ну то есть вы
39:06
просто к этому пришли что какая-то информация потеряется какая-то информация допустим есть возможности там
39:13
отображения у каких-то возможностей там нету ну как говорится будем строить там вот базовая модель у
39:21
вас была какая-то Вот такая вот ну то есть и Да вот это вот или у вас
39:28
сообщения у него есть время и какие-то дополнительные поля ба базовая модель она конечно
39:34
вот точнее Не ну это эквивалент Вот соответственно
39:40
кроме вещей и свойств нет ничего есть просто вещи просто у вещи есть Разные
39:47
классы Да есть класс вещи сайт есть класс вещ сообщения вот и соответственно
39:54
у этих разных вещей классов вещи экземпляры Вот и у вещи экземпляра
40:03
транзакции есть стоимость сумма А у вещи экземпляра сайт есть URL А у вещи
40:10
экземпляра пост есть текст и Саб Да да спасибо большое потому что как
40:18
раз сейчас вот в прошлый созвон у нас был Карпов и как раз он вот спрашивал
40:23
потому что у него в проекте как раз вопрос стоит о том как допустим сделать какую-то модель преобразования сообщений
40:31
из разных систем вот Жалко его сегодня с нами нет на созвоне вот он бы задал
40:36
вопро Ладно Следующий вопрос даже давайте а давайте я сейчас просто вам покажу потому что на самом деле Вопрос
40:42
хороший Сейчас я просто найду А я просто Недавно как раз
40:49
а сейчас я просто найду Недавно как раз то есть рылся так
40:58
сейчас так вот вот вот вот вот там
41:04
просто картинка Есть на эту тему так вот картинка так и мне нужна пфка так сейчас
41:10
как же мне фто найти так сейчас сверну это так
41:18
PDF Вот вот ПДФ Вот то есть Вот например у
41:24
на в частности была сде такая история то есть для так сказать некоторого
41:32
промежуточного формата представления данных и синхронизации значит во всяких там
41:38
внутренних Задачка Вот и Для всякого тестирования то есть больше для внутреннего использования был разработан
41:44
некоторый унифицированный формат вот куда в виде некоторой плоской структуры
41:50
которая в виде могла сохраняться в виде там некоторой цсв Вот и с
41:57
обмениваться значит этой штуковиной можно было между различными частями системы
42:03
Вот и все вещи как бы вот вещи которые ходят именно в этой предметной области
42:08
они вот эту структуру загоняли соответственно значит что там есть там вот и вот как раз разными зелёными
42:14
стрелочками описываются вся атрибутика То есть у нас есть у
42:21
есть ссылка на родительский пост или комментарий это один атрибут вот есть
42:28
ссылка на некоторый так к которому Это относится есть ссылка на то э голосом
42:36
чего да то есть если транзакция является голосом она ссылается на некоторый пост если транзакция является упоминанием она
42:44
связывает некоторые комментарии и некоторый аккаунт вот если этот аккаунт
42:50
если это име если это транзакция между какими-то аккаунтами то она связывает соответственно два аккаунта если
42:57
например перевод денег то вот есть перевод денег а нет follows – это последование да то есть если кто-то
43:04
становится последователем кого-то и наоборот отписывается от кого-то то это связь между Вот такая вот связь между
43:12
аккаунтами денежные переводы между аккаунтами между аккаунтами и
43:17
смарт-контракта операции создания смарт-контракта конкретными аккаунтами то есть Вот как вот как множество Вот и
43:25
исходящих и входящих стрелочек На этой картинке как раз показывает всё множество тех атрибутов которые А значит
43:33
использовались в системе вот в той в том её функционале который был связан с
43:40
работой с как бы вот исходными а источниками информации Но
43:46
а вот вот эта вот структура это была только структура которая описывала саму
43:53
исходную информацию а из этой информации могла возникать новая информация То есть
43:59
как бы основным функционалом Агента было то что Анализируя вот эти вот посты и
44:04
комментарии в тех источниках аа а которые к которые система имеет доступ
44:11
предоставленный соответственно пользователям она могла ну не могла и может То есть это существующий
44:17
функционал она может обнаруживать интересующий её объекты извлекать оттуда
44:24
эти объекты атрибутировать их вот как датой так и теми атрибутами которые
44:31
э этому объекту определены пользователями и таким образом создавать новые
44:37
знания пользователь сам мог создавать эти объекты Угу Да спасибо я понял тут по
44:46
этой ссылке Ну то есть по сути вы сделали здесь какой-то то есть DSL для этого уровня да то есть в котором есть
44:52
вот такой набор отношений как другие ситуации сводить к этому к этому набору понятий Да и чтобы все могли Ну то есть
44:58
это и есть вот какой-то уровневый DSL то есть тот на котором уровне разные системы могут взаимодействовать супер
45:04
вот и это очень хорошая тема вот просто хотелось Вот про ваш как раз вот здесь
45:10
вы очень много рассказали в исходной презентации про Вот именно ваш подход к языку Ну вот когда вы говорите там есть
45:17
слайд вот этот моя иметь прибор Когда вы там говорите моя иметь прибор Ну это вот
45:23
у нас там был в чате последователь Лана очень актив да то есть моя иметь прибор это по сути это гса да такой был проект
45:33
искусственных языков это липла санкт-петербургская кстати
45:39
очень популярная была в своё время вот это как раз моя иметь прибор То есть это максимально близко к китайскому языку Да
45:45
к изолирующей грамматике Вот и вопрос здесь на самом деле о том
45:50
что вот мы делаем технический язык да Ну почему мы так выбираем изолирующую грамматику потому что нам ЛЕКО её как бы
45:57
перевести в техническую плоскость и вопрос Как вы считаете вот о том что вот
46:03
такой подход о том что мы вместо того чтобы понимать то есть сами мы допустим
46:08
в гуманитарных науках Да когда мы анализируем как человек вот проходит вот эту градацию между Не ну там слабо
46:16
формализованным знанием там сильно формализованным знанием мы фактически говорим а давайте научим людей Ну то
46:22
есть будем создавать системы и стратегии Ну то есть если мы говорим про agi Да там или про LM про контролируемый язык
46:31
мы как будто бы изначально говорим а давайте мы людей просто Подгони под Тот
46:36
сразу уровень формализации на который мы можем перевести вход Да Хорошее ли это
46:42
по-вашему стратегия Ну я вот ещё сейчас добавлю Вот это всё в этот джер Хорошая ли это
46:49
стратегия потому что следуя такой же стратегии Да мы могли бы грубо говоря там 20 лет назад
46:56
умели там писать только определённые коды на существующих тогда языках программирования и сказать всё вот
47:02
думайте вот так там и и всё и на этом Остановитесь то есть Может быть стратегию оптимальнее было бы наоборот
47:08
как бы из каких-то Ну то есть сейчас как-то как будто всё идёт Вот в этой сфере с ЛМ да
47:15
и с с развития вот этого коммуникации в том что давайте мы сделаем более
47:21
формализованный язык то есть более понятный машинам Чем более так скажем
47:27
м и из это гуманитарной какой-то сферы что ш есть вот моё понимание как раз да
47:35
Вот как раз для меня один из скажем так наиболее важных может быть он ошибочный по-прежнему Да но вот пока
47:42
что я пришёл к тому выводу что как минимум массового пользователя заставить
47:48
пользоваться более структурированными языками идея бесперспективно тем более заставить его
47:54
делать это бесплатно а м и тем более заставить ещё платить за это деньги то есть как бы из вот того
48:03
как это называется из тех пользователей которые попытались стать моими
48:10
пользователями которых Мне не удалось удержать большим фактором отторжения
48:16
было то что они не могут общаться на естественном языке с одной стороны с другой стороны
48:23
система вроде как им предлагает на этом языке но когда они пытаются ей отвечать на вот
48:30
этом языке она их не понимает да и соответственно значит мои попытки значит
48:37
объяснить что вот что это же упрощённый язык Вот вы с ней говорите на упрощённом языке Вот
48:44
есть примеры как на нём разговаривать да Это в общем никакого энтузиазма В пользователях не
48:52
вызывало Да вот я раз это променю картинку там я буквально вот ещё 5 минут
48:59
Больше не займу времени кинулась картинку которая про формулы где там вот формул написаны вот когда вы говорите
49:06
язык допустим им не нравится графический там или контролируемый Ну это как толстовка толстовка кому-то Нравится
49:13
кому-то не нравится да здесь почему она не нравится Она не нравится потому что она или не сидит или не подходит тебе по
49:19
стилю Или под формат мероприятие да то есть соответственно Когда вы говорите язык не подходит Ну он не понравился Он
49:25
не понравился По неско причинам или он не подходит то есть вы пытаетесь людей которые там думают допустим на одном
49:30
уровне формализации заставить их сразу думать на таких формальных категориях которыми они сейчас не понимают свой
49:36
объект Ну допустим Когда приходишь к предпринимателю и говоришь ну-ка давай-ка мне карту процессов своих нарисуй он е даже не понимает что у него
49:43
Какие процессы карта там и какие там агенты гейты там и прочее когда мы даём
49:49
допустим на практике создаём какие-то очень инструменты Ну вот я возьму пример
49:57
допустим управление у меня было школьными школьными процессами в
50:02
муниципальных школах то есть мы сначала изучали допустим как у них там что-то происходит а потом исходя из того языка
50:08
котором они уже работают мы делали им дополнительный уровень языка вот как то что вы показывали примерно вы делали для
50:15
сообщений да то есть мы только делали для там каких-то процессов то есть делали вспомогательный уровень и естественно мы его
50:24
отягощает скрин то есть когда уровень достаточен для тех
50:29
Ну то есть переход новый уровень он им даёт как синтаксический сахар бенефиты люди очень с удовольствием им пользуются
50:36
То есть он должен быть для них прагматический то есть здесь есть определённые законы что должно там соблюдать чтобы толстовка Вам
50:42
понравилось или чтобы язык вам понравился Он должен быть Вам доступен для по уровню формализации он должен
50:48
быть доступен вам Ну полезен прагматически и прочее прочее прочее То есть тут нельзя сделать просто формальный язык и сказать Блин вот у нас
50:55
есть ассемблер на НМ можно написать всё Почему им никто не пользуется вот что-то мы делаем не так дело не в этом Там есть
51:00
целый Спектр законов Ну по которым язык или пользуется или не пользуется чи люди или Ну он им полезен прагматически или
51:07
не полезен даже вот этот пример Я вот сейчас показал Да это формулы Ну что-то типа как экселевский формулы только
51:14
платформа кода I в своё время сделала некоторый такой синтаксический сахар когда там объекты они там вот она тебе
51:22
делает красивую подсветку она там делает отладку очень удобно то есть там длинные
51:27
в страницу А4 формулы такие как для экселя очень удобно ими пользоваться есть они придумали какой-то свой язык и
51:34
когда люди У нас вот ходу изучают они сначала в шоке но потом когда они понимают Какие сложные там вещи можно
51:40
писать Вот у меня опыт ну такое что вот про интерфейсы и дальше Вот вернёмся вот
51:46
к тему Всё я заканчиваю вернёмся к тему м там вот вы сказали о том что вы создавали давайте давайте я
51:55
отвечу вот на эту тему Значит вот и этого слайда я просто Значит так я уже
52:02
скать забыл В общем как значит две Да Две чит расскажу конкретную историю
52:07
значит В девяносто третьем году где де в районе девяносто третьего чит плюс минус
52:12
значит несколько лет был когда вот пошёл значит бум клиент серверных решений вот
52:22
появился и попытался стать очень популярным значит
52:27
Ну появилась и попыталась стать очень популярной технология и и программа
52:33
которая называлась гупта SQL Windows Вот гупта – это фамилия человека с одноимённой компание SQL Windows – это
52:40
программный продукт то есть SQL Windows компании человека по имени гупта Вот и
52:47
суть бы заключалась в том что вы для того чтобы разрабатывать клиент-серверное приложения вы вы не
52:54
пишите код Да на плюсах вот с S с перемешку с SQ или на Джаве в перемешку
53:01
с сэлем А вы на деревьях развешивает листики Да вот здесь вот у тебя листик
53:06
If вот здесь вот у тебя листик do вот здесь у тебя листик else вот здесь у тебя листик Switch вот здесь у тебя
53:12
листик значит формочку нарисовать вот здесь у тебя листик ивен на эту формочку прицепить А тут у тебя значит ээ веточка
53:20
значит с SQL запросом А вот на этой веточке листики это колоночки которые надо запросить А вот тут вот тебе ивчик
53:26
и вот ты вот это вот вс все эти деревья разукрашиваю вот значит у нас целая
53:32
компания Значит на этом продукте работало Вот И в середине девяностых он
53:38
просто про него уже никто не вспоминал И люди вернулись в унылые текстовые
53:43
редакторы значит и стали дальше писать всё сначала на плюсах со вставками Эля а
53:49
потом на питоне славским сэ то есть простой брутальный текст он в конечно В
53:56
итоге побеждает вот э и это же касается вот значит тоже значит истории с которой
54:02
я по-моему прошлый доклад начинал А про или уже позапрошлой я не помню про кейс
54:08
технологию Да что вот была прекрасная идея А мы А вот давайте мы значит будем все программы рисовать значит дадада Вот
54:17
значит как это что вы показываете а потом будем их компилировать вот а а
54:22
потом когда их уже скомпилировать они превратились в текст их уже под обратно их уже в красивые формочки не
54:28
засосать вот эти технологии они к сожалению не приживаются единственное вот сакс стори вот этого визуального
54:36
программирования вот имеет место быть на сегодняшний день значит Ну вот да значит
54:42
если мы пытаемся Да это вот история с Low код No код она у неё сейчас кстати да чит так сказать с новый взлёт новая
54:50
популярность посмотрим куда это выйдет да может быть массы приучили и может быть там с очередного это раза история
54:57
полетит Но есть одна интересная предметная область где вот это вот Low код код программирования используется
55:04
достаточно широко это область автоматизации технологических процессов
55:10
вот где значит в основном Значит вся логика
55:16
А значит описания вот этих технологических процессов и языки описания этих технологических процессов
55:23
визуальные языки они у нас изс из отрасли значит микроэлектроники где
55:30
разрабатывались дизайны значит соответствующих радиотехнических изделий
55:35
значит и там царят языки стандарты это
55:40
61131 61 499 и вот там вот визуальное программирование причём на разных языках
55:48
визуальных она оно процветает значит в полном полный рост и есть несколько
55:55
широко извест у кругах продуктов которые вот это вот визуальное программирование
56:00
в разных стилях значит в виде деревьев там либо либо в виде прямоугольников со
56:06
стрелочками используют Но вот всё-таки брутальный простой текст на конкретном
56:12
языке программирования для программистов или брутальный простой текст для массового
56:20
пользователя он на рынке пока что в среднем большинстве приложений не
56:26
побеждает я это так вижу рано или поздно Ну да тут я с вами соглашусь
56:32
потому что действительно мы видим что есть уровень на котором это адекватно есть уровень на котором неадекватно Вот
56:39
первый скриншот который я скинул это называется язык сч на котором детей учат
56:44
Да и обычно у нас создатель портала inteam он всё время говорит Вот это ваша
56:49
Визуальная программирование вот это вот ну то есть что ну это самый такой кринжовый пример Вот и второй допустим
56:57
скриншот – это уже как раз пример другой платформы по-моему она занимается оценкой кредитной м оценка кредитной
57:06
истории там вот это кредитного рейтинга то есть там они предлагают бизнес пользователям допустим писать
57:12
формулировки допустим вот в виде там каких-то блоков и условно а внутри если его нажать Там просто тупо Код да то
57:19
есть они этим используются как вспомогательный слой да то есть всему вот этим всем инструментам они все по
57:25
законам Как говорится опять же возвращаемся к языкам то есть они адекватно своей размерности то есть не
57:31
он не везде всё И вот тот третий скриншот как раз вот про упомянули автоматизация Да это как раз вот
57:38
платформа типа Make которые сейчас Ну нашли какой-то вот тоже то есть всему
57:43
уровню представлений языку Да своё своё чёткое понимание как его использовать мы
57:49
просто по экспериментировали да то есть в своё время так с это чтобы просто глубже понять вот внутреннюю химию
57:56
процесса вот последний прямо вопрос скажу он у меня очень самый важный а выражение ваш слайд про типы выражений
58:03
вопрос дефиниция и прочее вот сейчас мы о Да кстати это вот тоже Ну это да да
58:09
это вот это вот как раз да Значит это вот как раз очень похоже на так сказать
58:14
диаграмм так сказать принятую в асутп да А по вот у вас слайд где про
58:23
типы выражений так сейчас попытаюсь
58:29
вернуться так это я закрываю так дальше дальше Да вот здесь
58:35
про типы выражений Вот соответственно сверху вы раскладывается на какую-то то
58:41
есть такую конструкцию то есть ну неважно этот язык у нас буквально там люди на нём пишут или в него там
58:46
конвертируется или интерфейс он решается это сейчас отдельный вопрос но просто мы хотим изложить какое-то сообщение ну
58:52
допустим тойже да сейчас у нас самый насущный вопрос как правильно задавать там вопросы КЛМ чтобы она поняла что мы
58:58
от неё хотим Вот и Казалось бы нам вот здесь мы могли бы применить вот этот
59:04
язык да когда она чётко Мы можем с ней как говорится забиться что мы чем что мы
59:10
под чем понимаем Какая конструкция моего выражения и и и вот здесь вот эта
59:15
история Когда вы показали первый пример с вопросом о том что я показываю место
59:20
про что у меня будет вопрос то есть показываю некоторую конструкцию что у меня есть такой бизнес
59:25
у не там есть то-то то-то то-то и пустой у меня остаётся грубо говоря квадрат я говорю вот это предмет моего вопроса то
59:32
есть вот такую Да я правильно понял вот вот эту идею что вы предлагаете вот здесь ну то есть вы
59:38
дефиницию в своём выражении а потом указываете грубо говоря место которое к которому у вас
59:44
вопрос Ну то есть что вы недостающий элемент Граф хотите найти Вот такая здесь конструкция Да
59:51
подразумевал Я может быть Не совсем понял вопрос значит и Значит не совсем понял Связь вс-таки с
59:58
лл то есть Давайте давайте я попытаюсь сформулировать что я здесь хотел сказать
1:00:03
ещ раз а вы потом уточните значит тот вопрос Или те вопросы которые у вас есть
1:00:08
то есть идея языка заключается в следующем что у нас любое выражение это всегда
1:00:15
подграф который либо является полным да то есть полным под графом
1:00:22
является такой у которого который во у кото не разрывов вот а вторых у
1:00:30
которого у всех связи определены значит источник и цель Да с обоих концов
1:00:38
известно известны значения Вот соответственно если у нас имеет место
1:00:46
вопрос оранжевый то у нас у нас есть ры
1:00:52
То есть это Граф является неполным Вот это эта вот зелёненькая часть болтается
1:00:57
с одной стороны а вот эти две связи Они тут так сказать вообще сами по себе ни к чему не привязаны и нам нужно этот Граф
1:01:04
как-то связать найдя вот найдя вот эти вот три вершины которые позволят этот
1:01:09
Граф сделать замкнутым М я понял я понял тут на самом
1:01:16
деле просто аналогии с графами не очень Мне знакомы Вот поэтому я немножко тут может быть спутал
1:01:22
э сама просто вы до этого про искусственные языки говорили просто есть вот в этом лаж бане у него как раз была
1:01:29
похожая конструкция там нет графа Да как такового там есть выражение вот если представить что там есть законченное
1:01:34
выражение ну допустим там если аналогия она адекватна Да и там мы указываем какую-то точку которую помешаем знаком
1:01:41
вопроса Ну то есть условно говоря вот этот блок там у вас здесь это кружок посередине Да недостающий элемент
1:01:47
который собственно говоря нам нужно найти он и есть предмет нашего вопроса про м Я спрашиваю потому что сейчас мы
1:01:54
собственно говоря с такими вещами и Обращаемся То есть мне нужно как-то сформулировать такой сложный вопрос
1:02:00
допустим к нейронной сети Ну который бы показал бы что это термостат из кухни
1:02:05
который находится там-то и который там термостат И вот я хочу узнать температуру да то есть я конструируют
1:02:13
выражение мы вот сейчас обсуждаем как раз языки какие языки да Какие конструкции вот может быть это
1:02:18
контролируемый язык может быть Это там вот такие выражения псевдокод Ну фактически в конце вы уже показали
1:02:25
некоторые код в котором есть некоторые там операции там и вот по факту сейчас
1:02:32
всё мне кажется крутится но это мне так кажется что крутится вокруг того что как
1:02:37
человеку лучше всего сконструировать Вот это сложное выражение допустим когда он хочет задать там вопрос о своём бизнесе
1:02:43
и там много всяких переменных там много переменных там много всяких аспектов Да
1:02:48
И вот как мы вот это балансируя что мы задаём там э допустим надо в контекст кинуть что там нужно внутрь сообщени и
1:02:56
вот этот конструкция кажется что когда мы берём за основу Ну нечто опирающееся
1:03:03
вот там енф упомянули Да нечто что что-то что имеет там в себе достаточно
1:03:10
плоскую такую конструкцию что дальше Вот есть ли у вас
1:03:15
мысли как мы вот двигаемся тут то есть ну вот мы это конструируем вот как вы показали стопками ифом там и прочее или
1:03:23
какие у вас есть ли у вас мысли допустим как мы сейчас двигаемся в эту сторону конструирования вот сложных
1:03:29
представлений по сути мы же хотим описать то как я понимаю бизнес Какие у меня там сотрудники задать вопрос
1:03:35
сколько мне им платить потом я хочу там упомянуть сколько у меня допустим в там
1:03:41
всего денег из чего у меня складывается оборот какая у меня нагрузка я вот хочу это запихнуть в какое-то сообщение или
1:03:47
сначала в контекстное сообщение а потом в мой вопрос как мы это всё делаем Ну если мы это мы что это всё хардко дом
1:03:54
будем писать мы сейчас придумаем какой-то супер формализм для того чтобы какой вы видите сейчас путь или кто
1:04:01
вообще сейчас какие там трендовые идеи в этом направлении вот в составлении именно вот таких сложно сложносочинённых
1:04:08
многомерных выражений да то есть вот как как к это А смотрите Да я понял вам
1:04:14
кажется Вопрос вот в моём понимании это выходит за рамки того что я я о чём
1:04:20
сегодня хотел говорить Да я хотел просто поделиться некоторым значит опытом но а
1:04:26
мы свой вопрос В общем задаёте в будущее вот что в общем Совершенно правильно значит как я вижу эта проблема решается
1:04:33
сейчас Да вот она решается примерно так как значит в прошлый раз по-моему про
1:04:39
это говорил Александр болдачёв или это позапрошлый раз по-моему было когда мы про лемки говорили Вот и сейчас она
1:04:46
решается с помощью пресловутого фрага да Или есть модная аббревиатура
1:04:52
значит недавно появилась knowledge augmented Generation
1:04:58
Когда у нас есть Граф в котором хранится грубо говоря
1:05:03
ваша ска хранятся семантические данные представляющие скать суть вашего бизнеса
1:05:10
вот которые при этом которые При этом могут пополняться и у вас есть
1:05:16
лемка которая А должна каким-то образом эти графы
1:05:26
с одной стороны Когда вы Спросите значит её о чём-то она Ну грубо говоря вот как
1:05:32
вариант да Давайте чтобы было понятно Значит некото некоторую
1:05:37
гипотетическое или лемка мультиагентной есть агент который текстовый запрос
1:05:45
транслирует в Граф ку или в а или там в or в зависимости от того
1:05:52
какой язык работы с графами жит ва графо движок вот после чего делается запрос
1:06:01
графо базе данных Да и получается подграф из этой фво базе даны в качестве
1:06:07
ответа да то есть грубо говоря Вы сформировали вот этот вот вопрос значит
1:06:12
само а какая температура моего термостата на кухне на русском языке Да
1:06:18
в свободной форме система его перевела на такой запрос залила в систему система
1:06:25
эту значит моя моя термостата значит температура 30 Вот и вот этот вот значит
1:06:32
корявый ответ другой Агент значит вашим значит мультиагентной
1:06:39
фреймворке перевёл уже на соответственно английский английский или там на русский
1:06:44
язык на котором вы разговариваете и вы получаете уже ответ Если вы опять-таки хотите изменить какое-то значение то
1:06:52
опять-таки вы говорите значит твоя термостат Location кухня
1:06:58
целевая температура 20 Вот это точнее Нет вы говорите поставь ты вы говорите
1:07:05
поставь 20 да система зная что контекстом является конкретный термостат
1:07:11
на конкретной кухни дополняет ваш запрос информации о том про Какой термостат и
1:07:16
расположение значит какого и где его расположение вот а формирует запрос на соответственно там
1:07:25
Том языке целевом который поддерживает ваш движок отправляют его в систему если
1:07:32
система возвращает Окей значит она вам значит транслирует этот Окей допустим в
1:07:39
э с значит с большим пальцем кверху То есть я Причём я я это я это вижу только
1:07:46
так и И на самом деле вот те разработки которые работают на основе значит вот
1:07:53
этих вот графо Ну на основе техноло сказать подхода типа Граф рак или как
1:07:58
они вот э что-то такое пытаются делать вот в том проекте о который я говорю мы
1:08:05
вот такие вещи сейчас как раз пытаемся делать по Я понятно объяснил да да То
1:08:11
есть вы всё всё всё я понял что вы хотели сказать то есть контекст подкладывает как Граф Ну то есть
1:08:16
графовая какая-то база данных она подкладывает как контекст вот дада да да
1:08:22
да нет нет нет смотрите всё-таки Нет это не контекст вот да да вот значит про
1:08:27
контекст вы правильно сказали так вот есть два способа сделать вот то что я сейчас сказал ну как минимум два может быть
1:08:34
больше да точнее точнее Окей три значит первый
1:08:40
способ вы используете да То есть вы используете Где вы можете Значит на
1:08:48
создавать некоторых лов или функций с
1:08:54
которыми чей сможет взаимодействовать да то есть н chin извлекает из вашего
1:09:00
текста на на естественном языке аргументы функций и параметры которые
1:09:06
нужно в эти функции передать Вот дальше и Да дальше Вы исполняете эти функции То
1:09:13
есть вы предусматривается все функции на все виды запросов эти функции исполняются функция возвращают вам
1:09:19
результаты и дальше значит вы значит ваш Агент он значит эти функции результа
1:09:27
этих функций транслируют в текст на естественном языке это один подход второй подход Вы можете это вот это
1:09:35
второй это тот подход который вот мы сейчас в паре проектов используем значит другой подход который Я насколько
1:09:42
я понимаю Александр болдачёв рассказывал значит в предыдущем докладе И вот он
1:09:48
будет в конце февраля снова рассказывать о своих достижениях на этом
1:09:54
поприще ще Вер он был основан как раз на контексте то есть что он делал он все
1:10:00
правила работы со своим языком он забивал в промт То есть он системе
1:10:06
значит объяснял значит в процессе сессии значит
1:10:12
предыдущей то как работать с Вот его языком да Как транслировать текст в семантические примитивы Вот
1:10:21
и эта информация лежала в контексте в этом смысле Да вот как раз тот случай про который вы говорите что граф
1:10:27
подкладывает в контекст соответственно если Граф меняется то нужно обновлять контекст но у нас Граф может быть
1:10:34
большой у нас он в контекст может не влезть если у вас база данных например там база данных предприятия Э где там
1:10:44
тысячи сотрудников и сотни тысяч значит позиции в
1:10:50
номенклатуре она у вас может просто не затолкать в контекст и каждый раз когда у вас будет обновляться номенклатура как
1:10:56
вы будете этот контекст обновлять вот поэтому вот пока мы не получили
1:11:03
возможность каким-то образом строить э так сказать Элем условно говоря архитектуры которые мы могли бы в
1:11:10
качестве контекста иметь некоторую динамическую проекцию некоторой базы данных Ну я сейчас просто
1:11:17
спекулировать вот этот вот ный контекст
1:11:26
значит из какой-то там либо реляционной либо графо либо векторной базы данных чтобы он всё время был
1:11:34
актуальный може может быть что-то такое возможно вот ну и последний Третий третий подход Да который гипотетически
1:11:41
сказать мог бы быть но я думаю он просто нереален В существующих условиях это
1:11:50
просторе Если бы у нас были лемки с инкрементальный обновлением Да чтобы их можно было периодически потренировать и
1:11:58
Значит на новой информации да то каждый раз то Допустим мы взя получили базовую Лем мы мы потренировать её на
1:12:06
использование нашего языка вот как мы тренируем лемко на допустим перевод с
1:12:11
английского на русский или там с английского там на китайский или там с с
1:12:17
картинок на текст или из текста в картинке Да мультимодальный лелеку мы
1:12:25
дот неробочий с каким-то ДСМ или с какой-то
1:12:31
семантической базой данных или с какой-то там реляционной базы данных сказать дотри
1:12:39
неровен рукя так сказать которые значит описывают структуру э этой базы данных и
1:12:46
её содержимое и каждый раз когда база обновляется то её потренировать Но для
1:12:52
для этого нужны вычислительные ресурсы которая по-моему ну
1:12:59
просто ещё на порядок увеличивают стоимость этой технологии Ну в том виде
1:13:04
в котором она есть сейчас как-то так да спасибо большое
1:13:12
спасибо Так давайте Значит мы хорошо разговор пошёл давайте мы тогда сейчас
1:13:18
пробежимся ещё по вопросам вот значит как вы выражали
1:13:23
сложноподчинённое предложение в вашем языке значит здесь примерно так же как они строятся в
1:13:31
сле то есть в сэ Вы можете строить писать значит многостраничные SQ
1:13:39
запросы со вложенными СМИ Да скать объединёнными в эти
1:13:46
самые в через а потом тоже куда-то вложены
1:13:52
другие с запросы то есть возможность слож запросов включая вложенные запросы она
1:13:59
ничем не ограничена Да ну только вычислительными ресурсами которые требуются на обработку этих SQL запросов
1:14:06
Вот точно также в нашем языке то есть вы можете вкладывать одни ска запросы в другие Вот вы можете
1:14:16
говорить что вместо та вместо в качестве вместо у нас может быть другой запрос то
1:14:22
есть мы можем написать значит Установи у термостата значит который находится на
1:14:28
кухне такую же температуру как у термостата который находится в том же самом месте э Где
1:14:36
находится мой любимый холодильник вот Ну и дальше вопрос в том что система должна
1:14:43
сказать правильно произвести поиск по графам и найти сначала тот термостат который находится в том же месте где
1:14:49
находится мой любимый холодильник потом должна определить его температуру а потом эту температуру должна подставить
1:14:56
х может оказа что это будет тотже самый термостат ном не мене суть от этого не
1:15:02
поменялось Вот был ли тест извлечения данных из нейросети Ну это как бы вот
1:15:09
отдельная вообще отдельная история Вот это боль Да значит как извлекать знания
1:15:17
из Нера сетей вот
1:15:25
грамматические данные вспомнил значит из нейросетей Значит мы даже называли
1:15:31
процесс выдавая выдамы на тренировали нейросеть конкретно Берт На некотором
1:15:37
корпусе Вот и дальше пытаемся из неё выдать грамматику вот ну как-то эта
1:15:44
грамматика выдавалась но на том этапе не очень хорошо то есть очень упе скажем
1:15:51
так качество этой грамматики оказалось не больше чем качество той
1:15:58
граммати не лучше чем качество той грамматики которую мы выдавали просто значит что называется символьными
1:16:05
методами вычисляя взаимную mutual Information или взаимную информацию между значит совместной встречаемости
1:16:12
различных токенов по предложениям Вот то есть убедительного преимущества зна
1:16:19
знаний извлечённый сеете по сравнению со знаниями извлечённый без применения
1:16:26
получить не удалось только методами статистическими и
1:16:32
стандартными мы получали данные там за 12 часов из этого корпуса А нейросеть с
1:16:38
последующим выдавание те же знания за пару месяцев давало Но это было давно
1:16:44
вот с тех пор извлечением данных из нейросетей
1:16:49
не проводили Хотя тема интересная
1:16:54
докладе У меня первый слайд был на тему того что вот у нас знания могут быть представлены в символьной или в
1:17:00
символьном или структурированном представлении с правой стороны они могут быть представлены в виде нейросети и с
1:17:06
одной стороны мы можем загружать знания в нейросеть и заставить нейросеть
1:17:11
выполнять значит запрос в контексте этих знаний это вот с одной стороны а с
1:17:18
другой стороны мы эти знания из неё как бы можем извлечь Ну вот как из них извлечь из неё это пока открытая
1:17:25
тема так как написать наль например перед тем как МТ было
1:17:35
МТ Но значит тут есть разные варианты да то есть либо конкретно у конкретных МТ
1:17:45
время указать это один пример да [музыка]
1:17:50
ировать ко времени Да допустим в
1:17:56
то
1:18:03
запч Это один вариант второй вариант там есть ключевое слово на самом деле оно
1:18:09
слово оно слово оно было предусмотрено спецификацией но в существующей версии
1:18:16
оно так не дошло дело до его реализации но тем менее есть есть
1:18:23
моя СТВ А вот значит как раз да используется структура упорядоченная
1:18:28
последовательность Где мы можем собственно вот некоторый сценарий исполняемый во времени разложить как раз
1:18:35
по по этой последовательности то есть два метода либо через время либо через явно заданную
1:18:41
последовательностью так так дальше значит если у вас парсинг
1:18:46
данных из Telegram канала с визуализации данных конечно Вот давайте я сейчас кину
1:18:52
ссылочку так
1:18:59
Вот то есть вот собственно к сожалению к сожалению диу у нас не очень
1:19:09
доступен либо через VP либо через
1:19:16
фа прокси прокси через Проси Можно заходить
1:19:23
то есть на вот этот вот сайк так где у меня пси
1:19:29
Вот вот есть Проси Вот он у меня включен соответственно на
1:19:35
медиум Можно заходить вот и вот тут вот описано как мы с телеграм работаем У нас
1:19:41
есть реализация для в том для слка Вот но там со ском не полностью
1:19:47
сертифицирован клиент Поэтому чтобы подм работа
1:19:53
Нура тся вот поддержать ВК проблем нету вот просто не было сделано а Telegram
1:20:00
работает давно и там из телеграма анализируются и сообщения и модерацию
1:20:07
можно делать сообщений Вот и репутационные графы на основе
1:20:12
коммуникации в телеграме строятся это всё есть так я извиняюсь а это можно
1:20:19
только через этот сайт или же есть какое-то приложение или как это во смотрите Давайте я покажу то есть вы
1:20:26
можете либо вот нашего Бота Давайте я покажу
1:20:33
вот так вот он то есть вот либо вот через этого Бота можете подключить свой сайт то есть
1:20:41
грубо говоря Вы сами в этом Боте регистрируетесь и делаете его добавляете его в свои
1:20:48
группы которые вы хотите анализировать Вот и делаете его там админом вот ну тут
1:20:54
тут это всё описано в статье вот это вы можете делать через нашего
1:21:00
Бота но в принципе ничто не противоречат сейчас так Java так вот Вот но никто вам
1:21:11
не мешает Никто вам не мешает
1:21:20
а вот никто вам не мешает развернуть Вот вот интеграция со ском интеграция с
1:21:27
телеграмом описана Вот и никто вам не мешает развернуть собственный так вот
1:21:35
integration for Telegram Вот то есть описаны все
1:21:43
нюансы по интеграции с телеграмом Вот и никто вам не мешает что характерно
1:21:49
развернуть свой собственный сервер Вот и этот сер се создавать своих собственных
1:21:56
агентов вот я должен сказать лишний раз воспользоваться тем что Дуров большой
1:22:03
молодец то есть с точки зрения возможности сейчас я кину ссылочку наш чат что ОПС Так где у нас
1:22:11
чат чат чат чат вот что конечно у телеграма совершенно замечательные
1:22:16
возможности по автоматизации и поворачиваю ботов по сравнению с кемли
1:22:21
ни было то есть вли от всего развернуть своего бота на телеграме хоть
1:22:29
у себя на настолке вот арендовать для этого выделенный сервер не нужен
1:22:35
заводить сайт для этого не нужно то есть вы можете просто то есть там Скорость
1:22:40
реакции Конечно если вы развернёт бота на сайте будет больше Вот потому что
1:22:45
скать Telegram сможет ваш сайт через колки дёргать Вот Но если скорость реакции для вас не Критична то вы можете
1:22:52
развернуть его на сво собственном машине и через Полин периодически
1:22:59
высасывать всю нужную информацию и соответственно на неё
1:23:04
реагировать так а звучит
1:23:11
шикарно так да Значит сейчас давайте я вернусь так в
1:23:17
наш разговор вот он такт
1:23:24
не хватает возможности задавать Лем скриптовый языком думаю продвинут пользователи будут использовать Ну вот
1:23:33
значит как раз один из способов который вот насколько я понимаю
1:23:38
Александр болдачёв использует он учит лемки разговаривать на своём собственном
1:23:44
языке семантическом Вот и на нём с ними работает Вот я через месяц он по-моему
1:23:51
будет возможно про это сможет расска вот есть по-хорошему должна была бы быть
1:23:58
возможность опять-таки Вот именно для решения этой задачи возможно она есть где-то недавно проме какая-то статей с
1:24:05
похожими словами значит я её не помню что что-то про фиксированный кэш когда
1:24:11
мы вроде как можем зафиксировать какой-то некоторый кэш сказать лемке чтобы она его значит никогда не
1:24:19
выкидывало и забить туда всё что нам нужно и оно там будет как бы постоянно и
1:24:24
мы сможем в рамках текущей секции этим всегда пользоваться
1:24:31
Так ну вот да да
1:24:38
вот 30
1:24:44
30 Ну как-то так как-то так но
1:24:57
Так я вот не совсем понял сечас чит вопрос задал значит можно ли описать
1:25:06
следующее из
1:25:14
30 значит это мы программируем на самом деле программирование
1:25:23
продук такое было я сейчас точно не помню значит есть пример в статье значит
1:25:29
я стать ссылку на статейку кину там как раз подобный пример есть только там по-моему не before А через then
1:25:36
используется там ещё было кроме э ключевого так сказать в продвинутой версии языка в кроме э слова Next
1:25:45
которое говорит последовательность было ещё слово then импликация То есть если
1:25:50
выполняется какое-то условие то потом идёт н кото должно инициировать то действие
1:25:59
которое произойдет если произойдёт выполненные условия поэтому правильное выражение было бы так
1:26:09
термостат 30 вот скорее так это выглядело бы так
1:26:16
Какие задачи стоят в аналитике этого графа зада аналитики графа
1:26:21
Давайте анаа я сейчас туда вернусь так я сейчас туда вернусь в
1:26:28
аналитику графа значит Какие задачи стояли в аналитике графа так это они у нас
1:26:37
ниже Вот соответственно что мы делали и
1:26:43
делаем на основе в этом приложении то есть теньки показана та информация
1:26:50
которую мы можем черпать из источников вот перечисленных то есть
1:26:56
мы у человека могут быть явно заданы какие-то топики которые он предпочитает
1:27:03
и у его окружения также могут быть явно заданы эти топики а нет наоборот значит
1:27:09
серое – это те данные которые мы черпаем А жёлтенькая – это то что мы как бы
1:27:15
выводим на основе вот серенького то есть серенькое эту информацию кото мы черпаем то есть вот в этом универсальном
1:27:21
рационом представлении следу отношения во-первых конкретный
1:27:27
человек как я так и любой из участников моего окружения может значит
1:27:32
комментировать что-то значит Где комментарий Может быть как
1:27:37
оригинальный пост да то есть я комментирую в пустоту Да я комментирую в пустоту это вот пост либо это может быть
1:27:46
комментарий на пост Да соответственно текстовые сообщения либо в виде постов или сообщений в социально сети либо
1:27:54
комментариев на какие-то чужие посты либо сообщения в социальное сети текстовые сообщения дальше это могут
1:28:01
быть некоторые лайки или голосование или вот да то есть я либо лайкаю что-то либо
1:28:08
там голосую за что-то вот и это могу делать как я так и пользователь это вот то что мы фиксируем дальше
1:28:14
соответственно в каждом посте или комментарии значит могут использоваться какие-то слова и
1:28:21
фразы которые я могу использовать для анализа и дальше между пользователями
1:28:27
происходят следующие отношения которые мы тоже фиксируем кто-то стал кому-то последователем кто-то перестал быть
1:28:34
кому-то последователей кто-то кому-то что-то заплатил если мы информацию из блокчейна берём либо кто-то на кого-то
1:28:40
комментарий повесил либо кто-то кого-то упомянул Да ещё упоминание тут на самом деле есть вот всё серенькое – это то что
1:28:47
мы анализируем значит что мы и да и всё это
1:28:53
вот все эти стрел они проиндексированы временем то есть на любую серенькую стрелочку У нас есть тайм СМП мы знаем
1:28:59
когда это происходило вот а ну и дальше значит из этого всего мы
1:29:07
выводим следующую информацию Мы значит анализируем что было предметом моего
1:29:13
внимания за те или иные исто периоды и что было предметом внимания моих друзей
1:29:19
Да значит поскольку у нас есть календарь Да вот здесь вот мы говорили там про лыжи тут мы говорили про горы тут мы
1:29:25
говорим про работу тут мы говорим про лемки тут мы говорим про там Новый год тут мы говорим про отпуска
1:29:34
вот значит поиск людей близких поиск единомышленников Да опять-таки во
1:29:41
времени Кто был единомышленников значит вот вчера Кто больше похож на
1:29:54
проиндексирована по календарным периодам дальше значит люди по рейтингу друзья да
1:30:01
то есть не просто похожи на меня друзья это кто не просто похож на меня а с кем мы поддерживаем более или менее тесные
1:30:08
отношения значит фанаты или поклонники кто уделяет мне существенно больше
1:30:15
влияния внимания чем я им да то есть кто лайкает мои посты и комментарии кто
1:30:21
лайкает значит меня Кто комментирует кто упоминает меня моя аудитория
1:30:27
авторитеты это противоположные фанаты мы поклонники Да и поклонникам это
1:30:33
авторитеты или лидеры мнений то есть кого я лайкаю кому я комментирую кого я упоминаю
1:30:39
вот дальше моя репутация или карма по периодам то есть на основе всех этих
1:30:45
взаимоотношений сетевых мы вычисляем то что называется репутацию
1:30:50
или карму которая как так и у любого участника сообщества может меняться по
1:30:57
периодам Вот соответственно на основе Значит этих графов Мы также в
1:31:04
рамках сообщества можем осуществлять выделение различных поведенческих типов допустим вот у нас
1:31:11
вот это вот узелок вот этот вот вот каждый кружочек здесь это определённый Узел это определённый пользователь вот
1:31:18
здесь вот пользователь типа последователь у него много лидеров мнений у кото да значит репутация по
1:31:26
вертикали и или карма по вертикали соответственно чем на каждом из четырёх графов значит ввер вверх репутация выше
1:31:33
вниз репутация ниже соответственно вот человек которого мы рассматриваем
1:31:38
находится в середине соответственно вот у всех наверху репутация больше чем у
1:31:44
этого участника соответственно они все его являются все его авторитетами вот внизу слева у нас опин Лидер выше его
1:31:52
никого нету Зато все значит за ним ходят табуном все его лайкают все его ко
1:31:57
комментируют все его упоминают вот социальный тип равный или Пир Вот у него
1:32:03
куча значит как бы контрагентов или партнёров с репутацией на одном уровне
1:32:10
рядом с ним Вот соответственно [музыка] они имеют примерно одну и ту же
1:32:17
репутацию и поддерживают симметричные связи социальный тип коннектор или там социальный хаб ещё его
1:32:25
значит называют называют вот у которого в данном случае есть несколько в данном случае два лидеров лидера мнений Вот и
1:32:33
некоторая небольшая значит но тем не менее имеющаяся аудитория поклонников
1:32:38
соответственно стрелочками в обе стороны здесь показаны интенсивности коммуникаций в ту и в другую сторону где
1:32:44
коммуникации можно значит нас показывать Как настраивать либо это только текстовые коммуникации либо только
1:32:50
финансовые коммуникации либо и текст и финансовые вот кружочками здесь показано
1:32:57
как раз сходство то есть в данном случае вот облачка вокруг кружочков Они
1:33:03
показывают семантическую или смысловую или так сказать по топика интереса
1:33:08
близость между вот тем кто в центре Да это условно говоря я или выбранный пользователь и всеми остальными то есть
1:33:15
вот мы видим что Вот для этого товарища в центре сказать максимально близким по интересам является вот этот вот Лидер
1:33:21
мнений А вот у этого лидера мнений максимально и среди большого числа
1:33:26
поклонников есть два которые ему близки по интересам вот этот вот слева
1:33:32
максимально близок по интересам и вот этот вот внизу вот по этим по этом по
1:33:37
этому графо представлению можно бродить да то есть мы вот вот эта вот картинка она показывает что правила шести
1:33:44
рукопожатий значит которые значит в какое-то время значит анонсировали что
1:33:49
от любого человека на Земле до любого человека можно дойти до через шесть рукопожатий Вот оказывается
1:33:56
что даже в рамках одной социальной сети значит это не так Потому что вот мы допустим берём Вот вот некоторый Граф
1:34:04
значит находим там некоторого пользователя и идём из этого пользователя пытаемся найти кто для него
1:34:11
является авторитетом вот пришли к этому выяснили Вот у этого пользователя авторитетом является этот Мы решили
1:34:18
посмотреть А кто е является его авторитетом тыкаем на него Приходим сюда
1:34:23
что сам этот пользователь имеет кучу значит пиров вот два поклонника у него Но вот у него наверху один авторитет
1:34:30
тыкаем все в него Приходим сюда вот тыкаем значит соответственно тыкаем вот
1:34:35
в того кто у него на самом верху Приходим сюда тыкаем се того выбираем того кто у него наверху тыкаем се сюда и
1:34:41
вот так вот Идём по графу пытаемся найти всё время значит того кто является авторитетом и в итоге похо приходим вот
1:34:49
к самому верхнему значит авторитету в данной сети Но получает у нас не
1:34:54
рукопожатий А 1 2 3 4 5 6 7 8 9 10 10 рукопожатий понадобилось вот Ну вот
1:35:01
более сложные Граф это графы которые вычисляются в соцсети эфир там обычно все вот эти все графы оника сводятся к
1:35:10
некоторым криптообменник да то есть обычно все подсети они транзакционные
1:35:16
они сводятся к криптообменник и можно Соответственно по этим графам рейтингова криптообменники
1:35:23
вот значит анализ как раз социальных взаимодействий здесь вот как раз мы
1:35:31
можем выделять разные типы связей то есть вот показано что так сказать можно
1:35:37
указывать вот если мы показываем все все типы связи то вот получается такой граф если комментарий и комментарии и
1:35:44
голосование и платежи транзакции между пользователями соответственно зелёненьким по-моему показываются
1:35:50
финансовые транзакции синенькими текстовые коммуникации а сереньким лайки
1:35:56
вот если мы включаем только комментарии да то вот получается только Граф с
1:36:03
синими стрелочками если мы оставляем только транзакции финансовые Вот получается всего две стрелочки если мы
1:36:10
оставляем только голосование то получаются вот эти две стрелочки соответственно мы можем изучать
1:36:15
структуру некоторого онлайн социума с точки зрения во-первых как репутационного
1:36:24
структуры сказать кто наверху у того соответственно выше репутация так и с
1:36:30
точки зрения тематической близости или семантической близости по интересам
1:36:37
коммуникационным это вот в данном случае подсвечивается значит вот этими нимба
1:36:44
ширина нимба Вот так и структуру взаимодействий где у нас финансовые
1:36:51
взаимодействия где значит текстовые А где так сказать
1:36:58
одобряет ответ на вот этот вот
1:37:05
вопрос так Какие ещё есть
1:37:13
вопросы так последнее сообщение а как у вас совпало оценка выданная Ботом от
1:37:18
вашей собственной активности сообществе Ну у меня нормально совпало То есть я
1:37:25
регулярно смотрю да Значит на всякий случай если вот кто кто спрашивал вдруг будет пользоваться значит там
1:37:31
естественно могут быть баги То есть это проект в таком так сказать виде работающего прототипа
1:37:38
Поэтому если будут баги то обращайтесь Вот но в целом работает а значит и
1:37:46
оценка совпадает В общем совпадает то есть я периодически эти отчёты смотрю
1:37:53
вижу реально что те люди которые находятся вверху вверху репутационного скоринга они в общем являются
1:38:01
действительно заслуженные участниками сообщества
1:38:06
тут всё нормально Что называется так ещё
1:38:13
вопросы а коллеги у нас уже
1:38:19
прошло прошёл прошло почти 2 часа поэтому наверное
1:38:25
сегодня давайте мы закончим соответственно на про рионе и системы представления знаний тогда оставим
1:38:32
Разговор в следующую систему представления нечётких знаний оставим в следующий раз Вот потому что Времени уже
1:38:40
много и время запланируй наверное уже это будет в начале
1:38:47
марта есть у кого-то ещё вопросы или комментарии заключения
1:38:57
Нет ну тогда всем спасибо в понедельник у нас будут через буквально 4 дня
1:39:03
дифференциальной антологии вот в следующий четверг Татьяна Шаврина будет
1:39:08
рассказывать про то насколько далеко нас лемки придвинуть к в конце февраля
1:39:16
Александр болдачёв будет рассказывать вот про те вещи про которые мы говорили сегодня но в рамках отталкиваясь от
1:39:23
собственного проекта по событийной на основе событийной
1:39:29
антологии больших языковых моделей Ну и к разговору о а рионе и системах представления
1:39:37
нечётких знаний мы поговорим Видимо уже в начале марта Всем спасибо за участие и
1:39:44
всего
1:39:52
доброго а