Они друг с другом дополнить фразу: дополни крылатое выражение «они друг с другом. ..»
дополни крылатое выражение «они друг с другом. ..»
Составь диалог из данных предложений. Они увидели нас и сказали / (П, п)очему вы пошли без нас? / (М, м)ы вас не дождались! Почему ты не ешь? / (С, с) … просил его Коля. / (З,з)автрак потерял… Не много ли воды? / (С, с)прашиваю. / (Р, р)азмазня получится / (Н, н)ичего, мама всегда так делает.
Перестрой реплики из диалога в предложения с прямой речью. Пример: — Открой мне дверь, — попросила мама. «Открой мне дверь», — попросила мама. 1. — Вх … одите, — ответил учитель. 2. — Почему напрасно? — со слезами в голосе спросила она. 3. — Илья Семёнович, — спросила Наташа, — извините, вы заняты?
загадки на тему «времени года» 4-5
15 слов с непроверяймой гласной срочно!
2.Выпишите из текста, как устроена наша «космическая улица». Постарайся написать без ошибок. Проверь. inr текст:НАШ «КОСМИЧЕСКИЙ АДРЕС» У всех жителей … Земли одна общая «крыша» над головой- синее небо. И у всех под ногами общий «пол» — земная поверхность.
• Составь текст-описание по картине, используя л слова. План Опорные слова 1. Как называется картина, «Джамбул Джабаев и Дина Нурпеи- кто её написал? … сова»; А. Черкасский; народный ху- дожник Казахстана 2. Кто изображён на хол- Два мастера, как две вершины музы- сте? Чем заняты герои? Что ний план; белоснежные Алатауские ки и поэзии; душевная беседа; зад- находится на заднем плане хребты; Дина Нурпеисова; грациоз- картины? на; уверенно играет; Жамбыл; кюй: внимательно слушает 3.
подчеркни. букву обозначающую мягкий согласный звук Конь, Люба, лошадь, дверь, огонь, Юля, соль, блюдо, день
Говарения пжэ срочно помогите
Помогите пожалуйста
помогите пожалуйста мне
Дополните выражение : » Они друг с другом … » А) на короткой ноге B) на одной ноге С)
Составь диалог из данных предложений. Они увидели нас и сказали / (П, п)очему вы пошли без нас? / (М, м)ы вас не дождались! Почему ты не ешь? / (С, с) … просил его Коля. / (З,з)автрак потерял… Не много ли воды? / (С, с)прашиваю. / (Р, р)азмазня получится / (Н, н)ичего, мама всегда так делает.
Перестрой реплики из диалога в предложения с прямой речью. Пример: — Открой мне дверь, — попросила мама. «Открой мне дверь», — попросила мама. 1. — Вх … одите, — ответил учитель. 2. — Почему напрасно? — со слезами в голосе спросила она. 3. — Илья Семёнович, — спросила Наташа, — извините, вы заняты?
загадки на тему «времени года» 4-5
15 слов с непроверяймой гласной срочно!
2. Выпишите из текста, как устроена наша «космическая улица». Постарайся написать без ошибок. Проверь. inr текст:НАШ «КОСМИЧЕСКИЙ АДРЕС» У всех жителей … Земли одна общая «крыша» над головой- синее небо. И у всех под ногами общий «пол» — земная поверхность. Планета Земля – наш общий «космический дом», дом для всех людей. Если Земля – наш «Космический дом»,то улицей ,где он расположен, можно считать Солнечную систему. В её центре находится Солнце, а вокруг него по своим дорожкам – орбитам «бегут» планеты – Марс, Венера, Плутон, Меркурий ,Уран, Сатурн. Кто ближе к Солнцу, кто дальше. И Солнце, и Земля, и другие планеты Солнечной системы образовались когда-то из одного космического облака. Велика наша планета Земля, но Солнце по сравнению с ней – гигант. Если нарисовать Солнце размером с крупный апельсин ,то Земля окажется размером с маковое зёрнышко ,Юпитер- с ягоду вишни ,а Нептун – с зёрнышко пшена. Вот какое Солнце огромное! Солнце – самая близкая к Земле звезда. Но и её отделяют от нашей планеты сто пятьдесят миллионов километров.
• Составь текст-описание по картине, используя л слова. План Опорные слова 1. Как называется картина, «Джамбул Джабаев и Дина Нурпеи- кто её написал? … сова»; А. Черкасский; народный ху- дожник Казахстана 2. Кто изображён на хол- Два мастера, как две вершины музы- сте? Чем заняты герои? Что ний план; белоснежные Алатауские ки и поэзии; душевная беседа; зад- находится на заднем плане хребты; Дина Нурпеисова; грациоз- картины? на; уверенно играет; Жамбыл; кюй: внимательно слушает 3. Какие краски использует яркие выразительные цвета; чёр- живописец? ный, синий, розовый
подчеркни. букву обозначающую мягкий согласный звук Конь, Люба, лошадь, дверь, огонь, Юля, соль, блюдо, день
Говарения пжэ срочно помогите
Помогите пожалуйста
помогите пожалуйста мне
Действительно ли отношения счастливее, когда партнеры похожи друг на друга?
- Кристиан Джаррет
- BBC Future
Автор фото, BBC / Getty
Говорят, противоположности притягиваются. Но дополнят ли они друг друга, сливаясь воедино, или столкнутся и разлетятся в разные стороны? Исследования показывают, что то, насколько партнеры похожи друг на друга, влияет на удовлетворенность отношениями.
Наблюдая за многими моногамными видами, от какаду до рыб цихлид, ученые обнаружили кое-что интересное. Когда поведение потенциальных партнеров было похожим, шансы на успешную репродукцию у них повышались.
Психологи также неоднократно утверждали, что сходство характера мужчины и женщины является залогом более гармоничных отношений. Действительно, есть определенная польза в том, когда ваши с партнером взгляды на жизнь, ценности и мировоззрение в целом совпадают.
Впрочем, несмотря на очевидность такой идеи, доказать ее на практике ученым долгое время не удавалось.
Сегодня команда психологов из Амстердамского университета, кажется, нашла ответ на этот вопрос. Нидерландские ученые разработали гораздо более глубокий и детальный подход, чем в предыдущих исследованиях.
Они пришли к выводу, что схожесть партнеров действительно имеет значение, но далеко не по всем чертам личности. Прежде всего полезной для отношений оказалась «доброжелательность», черта, которая ассоциируется со способностью сочувствовать и помогать, а также с доверчивостью.
Другое недавнее исследование показало, что, кроме личностных черт, важную роль играют и такие факторы, как политические взгляды, а также — жаворонок человек или сова.
Впрочем, самое важное — это способность обоих партнеров развить чувство общности.
Автор фото, Javier Hirschfeld / Getty
Підпис до фото,Важнейшим фактором является способность обоих партнеров развить чувство общности
Предыдущие исследования этого вопроса не учитывали сходство партнеров по отдельным чертам.
Действительно, с точки зрения здравого смысла, кажется, что если оба партнера имеют высокий уровень добросовестности (то есть они организованны и надежны), это будет способствовать хорошим отношениям.
А если у одного из партнеров очень низкий уровень добросовестности? Возможно, для отношений было бы лучше, если бы его вторая половинка была более дисциплинированной. Так срабатывает эффект компенсации.
Команда Манон ван Шеппенген из Амстердамского университета проанализировала психологические черты, самочувствие и уровень удовлетворенности отношениями у тысяч американских супружеских пар, которые провели вместе много лет.
Исследователи сравнивали сходство партнеров по каждой из пяти основных черт личности (открытость опыту, добросовестность, экстраверсия, доброжелательность и нейротизм).
Как и предыдущие исследования, они обнаружили, что отношения выиграют от преимущественно положительных черт обоих партнеров. То есть пара чувствует себя счастливее, если оба партнера имеют высокий уровень доброжелательности и добросовестности и низкий — нейротизма.
Эти черты связаны с ощущением счастья и удовлетворенности жизнью в целом.
Автор фото, Javier Hirschfeld / Getty
Підпис до фото,Совпадение всех черт личности не гарантирует гармоничных отношений
Но главный вывод нидерландцев кардинально отличался от предыдущих исследований.
Оказалось, что в большинстве случаев идеальное совпадение черт характера не было полезным для отношений.
Например, наличие одинакового уровня экстраверсии не улучшало общий психологический комфорт пары. За исключением ситуации, когда один из партнеров был немного больше экстравертом, чем второй.
Для людей с низким уровнем добросовестности сходство по этому признаку тоже не было оптимальным. Лучше быть с партнером, чей уровень организованности и дисциплины несколько выше вашего.
А вот чертой, в которой схожесть партнеров положительно влияла на отношения, была доброжелательность.
Умение обоих партнеров доверять и сочувствовать друг другу означало, что они чувствуют поддержку партнера, а это очень важно для счастливых отношений.
Так же полезным оказался и одинаковый уровень открытости партнеров. Черта, которая ассоциируется с желанием приобретать новый опыт и с интересом к искусству и культуре.
Автор фото, Javier Hirschfeld / Getty
Підпис до фото,Улучшает отношения и ситуация, когда оба партнера в равной степени открыты новому опыту
Ван Шеппинген и ее команда объясняют пользу от одинакового уровня открытости тем, что эта черта связана с мировоззрением и политическими пристрастиями человека.
Большая открытость опыту, к примеру, связана с более либеральными взглядами. Таким образом, сходство по этому признаку приведет к «меньшему конфликту между взглядами и действиями супругов, что способствует большей удовлетворенности отношениями».
Недавно это подтвердила исследовательница Беатрис Раммштедт из Института социальных наук Гезиса Лейбница в Германии. Она опросила более 5 тысяч немецких пар и наблюдала за их отношениями в течение пяти лет.
Оказалось, что пары, которые демонстрировали большее сходство с чертой открытости опыту, чаще оставались вместе.
Прежде всего это было важно для людей, которые боятся быть брошенными.
Автор фото, Javier Hirschfeld / Getty
Підпис до фото,Походить на своего партнера прежде всего важно для людей, которые боятся быть брошенными
Важно сходство и в некоторых других вещах. Например, недавнее исследование гетеросексуальных пар, которое проводили ученые из Варшавского университета, показало, что женщины чувствовали себя счастливее в отношениях, когда у них с партнером был один хронотип (жаворонок или сова).
Они также обнаружили, что оба партнера были больше довольны сексуальной жизнью, когда им нравилось заниматься сексом в одно и то же время суток.
Еще одно исследование показало, что женщины были счастливее в отношениях, когда их с партнером политические взгляды совпадали.
Как мужчины, так и женщины были более удовлетворены отношениями, когда пара разделяла взгляды в вопросах свободы и независимости.
Автор фото, Javier Hirschfeld / Getty
Підпис до фото,Одно исследование показало, что женщины были счастливее в отношениях, когда их с партнером политические взгляды совпадали
Конечно, эти исследования фокусируются на объективном сравнении сходства партнеров. Но наши субъективные представления и чувства в отношении наших партнеров играют не менее важную роль.
По этому поводу психологи также изучают эффект чувства общности у пары, или, как его называют ученые из Техасского университета Кортни Уолш и Лиза Нефф, «слияние личностей».
Наблюдая за недавно вступившими в брак парами, Уолш и Нефф заметили, что те, кто чувствовал, что их личность гармоничным образом сочетается с личностью супруга, имели большую уверенность в отношениях и были более способны справиться с супружескими кризисами.
Было бы также интересно исследовать, как чувство общности взаимодействует со сходством характеров пары. В конце концов, если вам удастся достичь такого уровня отношений, когда чувствуешь единство со своим партнером, так ли уж важно, насколько вы похожи?
Очевидно, сходство партнеров действительно имеет значение для отношений. Но какое именно — будет зависеть от пола, черт характера и привязанности партнеров друг к другу.
Единого правила для всех не существует.
Хотите поделиться с нами своими жизненными историями? Напишите о себе на адрес [email protected], и наши журналисты с вами свяжутся.
Страница не найдена | РОСКУЛЬТПРОЕКТ
Согласен на обрабоку данных — правила.
Уважаемые посетители!
1. При использовании информации, размещаемой на официальном интернет-сайте «Роскультпроект» (далее – Сайт), технические средства Сайта автоматически распознают сетевые (IP) адреса и доменные имена каждого пользователя (посетителя Сайта). Упомянутые сведения; электронные адреса лиц, пользующихся интерактивными сервисами Сайта и (или) отправляющих электронные сообщения в адреса, указанные на Сайте; автоматически накапливаемые сведения о том, к каким интернет-страницам Сайта обращались пользователи; иные сведения (в том числе персонального характера), сообщаемые пользователями, – хранятся с использованием технических средств Сайта для целей, перечисленных в пункте 2 настоящего Уведомления.
2. Сведения о пользователях Сайта, накапливаемые и хранимые в технических средствах Сайта, используются исключительно для целей совершенствования способов и методов представления информации на Сайте, улучшения обслуживания его пользователей (посетителей), выявления наиболее посещаемых интернет-страниц (интерактивных сервисов) Сайта, а также ведения статистики посещений Сайта.
3. Вне пределов, указанных в пункте 2 настоящего Уведомления, информация о пользователях Сайта не может быть каким-либо образом использована или разглашена. Доступ к таким сведениям имеют только лица, специально уполномоченные на проведение работ, указанных в пункте 2 настоящего Уведомления и предупрежденные об ответственности за случайное или умышленное разглашение либо несанкционированное использование таких сведений.
4. Информация персонального характера о пользователях Сайта хранится и обрабатывается с соблюдением требований российского законодательства о персональных данных.
5. Какая-либо информация, являющаяся производной по отношению к сведениям, перечисленным в пункте 1 настоящего Уведомления, представляется для последующего использования (распространения) исключительно в обобщенном виде, без указания конкретных сетевых (электронных) адресов и доменных имен пользователей (посетителей) Сайта.
6. Рассылка каких-либо электронных сообщений по сетевым (электронным) адресам пользователей (посетителей) Сайта, а также размещение на Сайте гиперссылок на сетевые (электронные) адреса пользователей Сайта и (или) их интернет-страницы допускаются исключительно, если такая рассылка и (или) размещение прямо предусмотрены правилами использования соответствующего интерактивного сервиса и на такую рассылку и (или) размещение получено предварительное согласие пользователя (посетителя) Сайта, выраженное в форме, предусмотренной указанными правилами. Переписка с пользователями (посетителями) Сайта, не относящаяся к использованию интерактивных сервисов Сайта либо иных информационных разделов Сайта, не производится.
что могут нейронные сети и как они изменят нашу жизнь?» – Hi-Tech – Коммерсантъ
19 декабря в рамках лекционного проекта Фонда Егора Гайдара состоялось выступление кандидата физико-математических наук, руководителя проекта iPavlov и заведующего лабораторией нейронных систем и глубокого обучения Московского физико-технического института (МФТИ) Михаила Бурцева, в рамках которого он рассказал о перспективах построения искусственного интеллекта, работающего по образцу человеческого мозга. Модератором мероприятия выступил экономический обозреватель Борис Грозовский. Подробности лекции эксперта — в видео “Ъ” и стенограмме доклада.
Фонд Егора Гайдара при информационной поддержке “Ъ” запустил курс лекционного проекта «Экономический факультет» «Экономика наступившего будущего». В курс вошли четыре лекции, посвященные высоким технологиям,— криптовалютам, блокчейну, искусственному интеллекту и нейронным сетям, большим данным.
Первая лекция цикла «Экономика наступившего будущего», посвященная криптовалютам, состоялась 21 ноября. Подробнее — в материале “Ъ” «Криптовалюты: новая экономика или новая пирамида?» .
Вторая лекция состоялась 5 декабря и была посвящена перспективам внедрения искусственного интеллекта. Подробнее — в материале “Ъ” «Человек и машина — выгодный союз или жесткая конкуренция?» .
Стенограмма лекции
Когда меня пригласили прочитать лекцию, мне очень понравилось название цикла — «Экономика наступившего будущего». Я занимаюсь нейросетями больше десяти лет, но последние два-три года часто возникает ощущение, что будущее неотвратимо наступает. В этом плане название цикла как нельзя лучше отражает то, о чем я хотел бы рассказать и что мы могли бы пообсуждать после лекции. Соответственно, я планирую рассказать вам о том, что собой представляют нейронные сети и как они используются сегодня для создания интеллектуальных систем. Было также заявлено «как они изменят нашу жизнь», но об этом мы как раз сможем поговорить в более интерактивной форме, потому что тут, я думаю, вопрос открытый. Мне самому интересно, какие вы видите возможности, которых не вижу я.
Давайте начнем с того, что же такое искусственный интеллект. Попробуем определить предмет, про который мы говорим. Классическое определение искусственного интеллекта — это построение некоторых машин, которые будут обладать интеллектом, сопоставимым с интеллектом человека. Но возникает вопрос: зачем мы этим занимаемся? Зачем общество этим занимается? Здесь, мне кажется, есть две грани. Первая грань — это прикладная цель, которая в первую очередь приходит в голову, когда мы слышим об искусственном интеллекте. Мы хотим получить помощника, который, скажем так, дополнит наш естественный интеллект, позволив нам решать какие-то задачи. Как калькулятор сильно упростил нам жизнь, позволив сделать то, что еще сто лет назад считалось сильно интеллектуальным,— умножение, сложение, деление больших чисел. Это предок искусственного интеллекта. Вторая грань — если мы посмотрим на искусственный интеллект как на фундаментальную программу исследования, то на самом деле, так как мы хотим построить машину, сопоставимую по интеллекту с человеком, то мы неизбежно задаемся вопросом: что же представляет собой интеллект человека? Как говорил Ричард Фейнман: «Чтобы что-то понять, мне нужно знать, как это построить». Так и здесь. Строя искусственный интеллект, мы в каком-то смысле лучше разбираемся, как устроен естественный интеллект. И в этом смысле мы проникаем в область философии, то есть мы разбираемся с природой человека. Как устроен человек, какие у него мотивы, почему он ведет себя тем или иным образом. То есть это очень интересно именно с исследовательской точки зрения. Это, как мне кажется, основные причины, почему мы занимаемся искусственным интеллектом.
Давайте вкратце рассмотрим, как вообще мы можем строить искусственный интеллект. Представьте, что вы стали организатором проекта по созданию искусственного интеллекта. С чего вы начнете? Какие есть варианты? Первое — взломать голову. Мы исследуем, как состоящий из нейронов мозг решает какую-то задачу, и потом, понимая принципы, как эти составные части взаимодействуют, строим работающий алгоритм. То есть мы будем строить модель мозга из нейронов, и, соответственно, у нас получится искусственная нейронная сеть. Второй путь — разобраться, что такое интеллект. Мы можем взять людей, которые решают интеллектуальные задачи, и сверить процесс. Как они это делают, какие приемы используют, в какой момент у них возникает, например, доказательство математической теоремы. Потом мы попытаемся построить некую модель решения интеллектуальных задач, формализуем ее и будем пытаться запустить на компьютере, чтобы она порождала такие же интеллектуальные результаты. Это два основных подхода к тому, как вообще люди делают искусственный интеллект: один основан на моделировании биологической системы мозга, а второй — на рассуждении человека. Это то, что называется «символьный искусственный интеллект», а до недавнего времени называлось «традиционный искусственный интеллект» или «искусственный интеллект», но сегодня происходит переход с понятия «символьного искусственного интеллекта» на понятие «нейросетевой».
Вкратце история — как вообще появилось такое направление исследований, как искусственный интеллект. В середине прошлого века Норберт Винер придумал науку, которая называлась кибернетикой. Это наука, которая попыталась формализовать и построить модель организации, при этом отделив саму модель организации от субстрата, на которой эта организация может разворачиваться. То есть это может быть организация клеток в организме, может быть организация людей в обществе или организация каких-то механических артефактов, которые образует искусственный интеллект. Соответственно, зарождение искусственного интеллекта началось с кибернетики, с построения робототехнических машин, которые могли решать какие-то задачи. Они могли ехать на свет или, наоборот, прятаться от света, объезжать препятствия. Когда появились компьютеры, это открыло возможность для появления искусственного интеллекта именно в том виде, в котором мы его наблюдаем сегодня — как некоторой программы, которая управляет компьютером и может, например, давать осмысленные ответы. Бурная попытка применить алгоритм искусственного интеллекта к решению практических задач показала, что какие-то простые задачи мы можем решить достаточно быстро даже на тех примитивных компьютерах, которые появились в середине 1950-х — начале 1960-х годов. Одно из известных достижений того времени — программа «Логик-теоретик», которая на основании аксиомы смогла доказать все теоремы школьной геометрии.
У людей были очень высокие ожидания. Можно сказать, что был такой хайп искусственного интеллекта. Военные и правительства вкладывали кучу денег, и это вылилось в то, что мы называем «золотые годы искусственного интеллекта». Параллельно в тени развивался наш нейросетевой искусственный интеллект. При этом если мы почитаем, какие прогнозы давали ведущие исследователи в то время, то увидим, что в 1960-е годы они говорили, что через десять лет компьютер сможет выполнять работу среднестатистического человека. Такие заявления делались на регулярной основе всеми, и понятно, почему им давалось так много денег. Кто откажется от того, чтобы у него был робот, который через десять лет будет делать все, что делает человек? В связи с этим так же понятно, почему исследования искусственного интеллекта были заморожены. Когда те люди, которые давали деньги, через десять лет не увидели того, что им обещали, они решили, что все это пустое, и прикрыли финансирование.
Несмотря на это было наработано достаточно большое количество алгоритмов и подходов к решению задач. И они оказались применимы в некоторых узких областях. Оказалось, что можно построить экспертные системы на основании некоторых входных данных и описывающих ее состояние фактов и, например, диагностировать какие-то заболевания. В результате к искусственному интеллекту на некоторое время вернулись, но при этом сами системы не получили широкого распространения. То есть удалось закрыть несколько предметных областей, а дальше развитие уперлось в потолок. Одновременно возродился интерес к искусственным нейронным сетям, возникли всякие модели параллельных распределенных вычислений и так далее. И здесь удалось получить различные результаты по кластеризации и нейросетевой памяти. Но эти исследования так и остались в основном в рамках исследовательских лабораторий.
Начиная с конца 1990-х годов и до последнего времени в течение двадцати лет, мы наблюдали такую вялотекущую ситуацию, когда слово «искусственный интеллект» вышло из употребления нормальными учеными. Считалось, что если кто-то говорит, что он занимается искусственным интеллектом, это, наверное, не профессиональный ученый, а такой увлекающийся мыслитель-любитель, который пытается что-то сочинить. То есть человек не мог признаться, даже если он занимался искусственным интеллектом, что он занимается искусственным интеллектом. Поэтому это стали называть машинным обучением. Что значит машинное обучение? Это такой прагматический подход. Допустим, у нас есть набор методов — математическая статистика, методы оптимизации и так далее. Мы будем их использовать для решения практических задач и все это назовем машинным обучением. При этом удалось решить много интересных прикладных задач, и так продолжалось до 2012 года. А в 2012 году появился замечательный термин — «глубокое обучение».
Оказалось, что начиная с середины 2000-х годов нейросети снова стали набирать эффективность и показывать в лабораториях хорошие результаты. Есть задача категоризации изображений, когда имеется несколько миллионов изображений и тысяча категорий, и вам нужно по изображению определить, к какой категории оно относится. Соответственно, в 2010 году самый лучший алгоритм такой классификации давал ошибку около 27%. Но между 2010 и 2012 годом произошло очень сильное падение этой ошибки. То есть алгоритмы стали качественно лучше решать эту задачу. И если человек неправильно классифицирует изображения в конкретном наборе в 5% случаев, то алгоритм тогда делал 4,5% ошибок, а сейчас — уже 3%. Такой быстрый прогресс в данной области был связан с тем, что как раз здесь были впервые применены нейросетевые методы. А затем уже каждое решение, которое улучшало результат предыдущего года, было основано на нейросетях. Почему они называются глубокими, мы узнаем позже.
Так что же такое искусственные нейронные сети? Давайте попробуем разобраться. Начнем с того, что посмотрим, как устроены естественные нейронные сети. Обычно для этого изучается мозг лабораторных мышей С57black6 — такая линейка черных мышей. Одна из областей мозга называется гиппокамп. Чем она интересна? Тем, что это область, от которой очень сильно зависит эпизодическая память. В гиппокампе есть подобласть, которая называется «зубчатая фасция». Она позволяет распознавать очень близко лежащие друг к другу контексты, и, что самое интересное, в этой области происходит нейрогенез. То есть там на протяжении всей жизни у взрослого животного рождаются нейроны. Утверждение, что нейроны не восстанавливаются, на самом деле ошибочно — в мозге человека и других животных нейроны делятся и растут.
Что собой представляют отдельные нейроны гранулярного слоя зубчатой фасции? Нейрон состоит из трех частей: продолговатое тело клетки, дендритное дерево, которое принимает сигналы от других клеток, и тонкий отросток, так называемый аксон, который позволяет передавать информацию другим клеткам. Как это происходит? На дендритном дереве есть отростки, которые называются шипиками. На концах этих шипиков — синапсы. Из аксонов выбрасывается некоторое химическое вещество, которое называется нейромедиатором. Везикулы, которые наполнены нейромедиаторами, соединяются с мембраной и выбрасываются в межклеточное пространство. Чтобы почувствовать этот сигнал, нам нужно, чтобы другая клетка получила эти химические молекулы и каким-то образом почувствовала их. Для этого между клетками устанавливается так называемый синапс — такое уплотнение, в котором молекулы, специальные клеточные адгезии, связывают мембраны двух клеток. Также сюда вставляются рецепторы — это молекулы, которые позволяют определить, что присутствуют какие-то химические вещества. Таким образом, в синаптическую щель между двумя мембранами выбрасывается некоторое химическое вещество, молекулы, которые находятся на мембране постсинаптического нейрона, чувствуют это вещество, и сигнал передается внутрь клетки. Сигналы с разных частей нашего дендритного дерева собираются на теле, и клетка может, например, в какой-то момент решить, что она должна послать сигнал другим клеткам, которые находятся в мозге.
Теперь представьте, что в вашем мозге 80 млрд клеток шлют друг другу химические сигналы, и вы ощущаете, например, удовольствие от того, что придумали стихотворение, или вы наслаждаетесь какой-то прекрасной мелодией, или вы влюбились в кого-то. Все это определяется взаимодействием между этими клетками. А когда вы изучаете что-то новое, ваша память об этом новом и то знание, которое вы приобретаете, сохраняется в контактах. То есть клетки усиливают контакты друг с другом, как-то их модифицируют, и за счет этого мы можем обучаться, что-то помнить, чувствовать и управлять нашим поведением.
Теперь давайте попробуем смоделировать наш мозг. Как будет выглядеть простейшая, самая примитивная модель нервной клетки. Сверху у нас есть дендритное дерево, там же входы некоторого нашего алгоритма. На вход подаются значения Х1, Х2 Х3, Х4 и Х5. Число пропорционально тому объему нейромедиатора, который на нас выбросила другая клетка. Понятно, что какие-то клетки в момент времени могут этого вещества выбросить больше, какие-то — меньше. Соответственно, каждый раз эти Х1, Х2 Х3, Х4 и Х5 могут быть разными. Но чтобы почувствовать эти молекулы, нам нужен рецептор с другой стороны. Потому что если рецепторов ноль, то сколько бы на нас ни выбрасывали этого химического вещества, наша клетка ничего не почувствует. Чтобы смоделировать нашу чувствительность к этому веществу, мы ее описываем при помощи некоторого коэффициента W. Это называется — вес связи. Соответственно, если значение большое и вес большой, то мы их перемножаем и получаем большое влияние данного входа на нашу активность. Если же химический сигнал, который нам послали, нулевой, несмотря на то, что в другом месте может быть хороший синапс, то этот вход никак не повлияет на нашу активность. С другой стороны, при одинаковом объеме нейромедиатора тот вход, который имеет больший вес, сильнее повлияет на активность нашего нейрона.
То есть что мы делаем? Мы считаем, насколько каждый вход повлиял на нашу активность — просто берем, суммируем, перемножаем каждое значение на вес и подсчитываем их сумму. Затем мы должны определить Y. Обычно в машинном обучении то, что у нас поступает на вход нашей программы, называется Х, а то, что мы получаем на выходе — Y. Чтобы посчитать наш Y, делаем некоторое преобразование и рассчитываем функцию от суммы воздействия для того, чтобы смоделировать пороговое действие нейрона. То есть пока у нас порог воздействия не преодолен, наш нейрон не активен. Когда эта суммарная активность превышает порог, то в зависимости от функции — она называется функцией активации — мы можем регулировать порог, например, смещением, которое обычно называется W. При этом мы можем посчитать, какой выход будет у нашего нейрона. Обычно если у нас порог, про который я говорил, превышен, то значение Y будет большим, ну или стремиться к единице, а если маленьким, то будет либо минус единица, либо ноль, либо уходить в минус бесконечность, в зависимости от того, какую активационную функцию мы выберем.
Хорошо, мы поняли, что представляет собой отдельный нейрон. Но мозг состоит не из одного нейрона — у нас 80 миллиардов, а у мыши несколько сот миллионов. Теперь мы должны объединить эти нейроны в сеть. Что у нас происходит? Когда мы погружены в окружающий мир, то если мы посмотрим на зрительную систему, то у нас есть палочки, колбочки, фотоактивируемые клетки, которые в зависимости от того, сколько на них попало света, моделируют свою активность. Естественно, затем эти сигналы передаются по цепочке все глубже в мозг, и мозг пытается восстановить картину мира, который нас окружает. Соответственно, у нас есть входной слой нашей сети и есть некоторый скрытый слой. То есть вы идете по улице, переходите улицу, обернулись и вдруг увидели, что на вас мчится машина. У вас сигнал поступил, перешел в скрытый слой, ваша модель мира сработала и предсказала, что машина может в вас врезаться, если вы не ускорите шаг или не отскочите назад. И есть выходные элементы. Это мотонейроны, которые управляют вашим движением. Они приводят к изменению поведения — вы не идете спокойно, а пытаетесь отскочить в сторону или как-то грозите кулаком водителю, то есть предпринимаете какие-то действия. Таким образом, мы строим из наших нейронов многослойную нейронную сеть. Чем больше у нее слоев, тем она глубже. Поэтому глубокие сети — это те сети, в которых больше пяти, может быть, сотни слоев и очень много нейронов. Так мы принимаем решения.
Давайте немного упростим задачу, скажем, на примере классификации изображений. Как мы ее рассматриваем? У нас есть изображение. Что мы будем подавать на вход нашей нейросети? Мы будем подавать описание пикселей. То есть если у нас есть изображение 10х10, то там 100 пикселей. Предположим, у нас есть красный, зеленый и синий — соответственно, у нас есть 300 значений: Х1, Х2 — и до Х300. Предположим, мы решаем задачу: у нас есть много изображений, и нам для нашего бизнеса необходимо отличать кошек от Незнайки. Кошку мы пропускаем, а Незнайку не пропускаем. Потому что кошка должна ловить в подвале мышей, а Незнайка может сломать водопровод. Мы строим систему видеонаблюдения, где на вход подаем изображение, и есть два выхода — система должна выдать 1, если Незнайка, и 0, если кошка.
Чем задается правильность функционирования сети? Функция активации обычно фиксирована, соответственно, у нас есть пороги и W — вот эти веса. Вначале, когда у нас есть фотографии, мы не знаем, какие веса соответствуют в этой сети правильному решению. Нам нужно подобрать эти веса таким образом, чтобы ошибка по отличению Незнайки от кошки была минимальной. Здесь мы видим, чем нейросеть отличается от стандартного программирования. Потому что если программирование стандартное, мы подойдем к этой задаче как ИТ-программист: «Ага, я должен придумать, по каким признакам кошка отличается от Незнайки. Потом я напишу программу, которая в изображениях будет искать эти признаки кошки или Незнайки и при помощи условий — вот это кошка, вот это Незнайка — вычислять эту функцию». Мы же говорим, что мы не хотим знать, чем кошка отличается от Незнайки, нам плевать. Мы сделаем специальный алгоритм обучения, который сам построит такую функцию, которая будет решать нашу задачу. То есть мы не пишем программу руками, а мы как бы обучаем программу получать тот функционал, который нам необходим.
Как мы это будем делать? У нас есть некоторый набор примеров, это называется обучающая выборка, чем больше примеров, тем лучше. Например, у нас есть 10 тыс. изображений Незнайки и 10 тыс. изображений кошки, которых мы уже сфотографировали и для которых мы уже заранее знаем, где кошка, а где Незнайка. Теперь мы хотим на основе этих изображений подобрать веса таким образом, чтобы, когда у нас появятся новые изображения кошки и Незнайки, которых мы никогда не видели, система все равно могла их различить. Мы это делаем так. Сначала мы эти веса задаем случайным образом и начинаем подавать на вход изображения. Как вы думает, что будет на выходе, если мы зададим веса случайным образом? Можно назвать это бардаком. Система будет случайно называть ответ. И тут мы переходим к самой интересной части нейронных сетей — к так называемому алгоритму обратного распространения ошибки.
Как мы можем изменять веса? Мы их можем изменять следующим образом. Мы подали картинку, рассчитали все активности всех нейронов сначала в одном слое, потом в другом, и так во всех промежуточных слоях, пока не дойдем до выхода. На выходе мы имеем некоторый ответ, где Незнайка, а где кошка. Мы сравниваем тот ответ, который дала нейронная сеть, с тем ответом, который является у нас истинным. Потому что мы уже знаем все ответы для всех картинок в обучающей выборке. И рассчитываем ошибку. Если, например, у нас на выходе было 0,5, а нужно, чтобы была единица, следовательно, у нас ошибка минус 0,5. То есть мы как бы говорим о том, что нам не хватает минус 0,5 для того, чтобы дать правильный ответ по данному выходу. Или, наоборот, если у нас был слишком маленький выход, а мы его хотим увеличить, то у нас будет положительная ошибка. Затем нам нужно как-то учесть вклад весов в эту ошибку. Теперь нам надо узнать, как эти два нейрона и два веса повлияли на вклад в ошибку. Какие допущения мы можем сделать, чтобы посчитать разницу, насколько нам нужно каждый из весов изменить? На самом деле, мы видим, во-первых, активность этих нейронов, во-вторых, вес, и можем посчитать, какой из нейронов какой вклад в эту ошибку внес. Например, если этот нейрон не был активен, он был равен нулю, то он никакого вклада в эту ошибку не внес. С другой стороны, чем более активен нейрон, тем больший вклад он внес. Но если они были одинаково активны, то больший вклад в ошибку внес тот, у кого вес больше. Соответственно, изменение веса должно быть пропорционально ему самому, плюс пропорционально активности нейрона с предыдущего слоя и пропорционально производной нашей функции активации. Почему важна производная? Потому что мы можем вес как увеличить, так и уменьшить. И чтобы сместиться в правильную сторону, нам нужно учесть производную.
Значит, раньше у нас была ошибка только на выходе. Теперь мы посчитали ошибку для первого слоя нашей нейросети. Теперь вопрос в том, как мы посчитаем ошибку для следующего слоя? Мы применяем тот же самый метод, пока не дойдем до самых первых весов. Таким образом, у нас ошибка как бы растекается по нашей нейросети и веса корректируются. Этот алгоритм получил название метода обратного распространения ошибки, потому что ошибка распространяется как бы от выхода к началу. И это очень мощный алгоритм (метод обратного распространения ошибки.— “Ъ”), потому что его придумали в начале 1970-х годов, и с тех пор все нейросети только этим алгоритмом тренируются. То есть все, что я буду сегодня рассказывать, натренировано алгоритмом, который принципиально работает по такому же принципу. Как я говорил, нейросети возникли еще в 1950-х годах, но для того, чтобы изобрести этот алгоритм, потребовалось двадцать лет. А после понадобилось еще двадцать-тридцать лет, чтобы возникло глубокое обучение. Там были собственные проблемы. Все те архитектуры, которые вы сегодня увидите, очень сложные. Они все натренированы алгоритмом обратного распространения ошибки. Самые сложные пытаются даже смоделировать машину Тьюринга, то есть сделать универсальный компьютер на нейросетях.
Почему нейросети вдруг стали настолько эффективны? Оказалось, что нейросетевые методы проигрывают классическим методам статистики, если данных мало. Если у вас есть десять картинок Незнайки и десять картинок кошки, то нейросети применять бессмысленно. Вы не сможете их натренировать и не сможете получить хорошее качество работы. Однако если у вас есть 10 тыс. Незнаек и 10 тыс. кошек, то здесь нейросети побьют любые алгоритмы, построенные на классических методах. Пятнадцать лет назад ни у кого не было достаточных вычислительных мощностей, чтобы строить и обрабатывать большие нейронные сети, да и больших объемов данных, на которых можно было бы обучаться, не было. Только поэтому никто не знал, что если сделать сеть поглубже и дать побольше данных, то можно получить такие впечатляющие результаты. Но появились графические ускорители для расчета игр в реальном времени, и оказалось, что их можно использовать для того, чтобы тренировать нейронные сети, потому что там в матрице перемножаются такие операции, которые на этих ускорителях очень хорошо распараллеливаются. И это привело к той революции нейронных сетей, про которую мы сейчас узнаем.
Существуют три основных направления в области глубокого обучения. Это направление, связанное с компьютерным зрением, где нейронные сети пытаются что-то увидеть во внешнем мире, направление, связанное с предсказанием последовательности, где нейросети пытаются понять, что происходит в окружающем мире, и так называемое обучение с подкреплением, где нейросети учатся чем-то управлять. Рассмотрим каждое из них.
В компьютерном зрении основным алгоритмом является так называемая сверточная нейросеть. Что представляет собой эта модификация нейросети? У вас есть две функции — f и g. Функция свертки этих двух функций заключается в том, что вы эти две функции просто сдвигаете относительно друг друга на определенную величину, перемножаете все значения и складываете их. Соответственно, если у вас есть ступенька и треугольник и они друг с другом не совпадают, то функция свертки будет равна нулю, потому что эти функции вне этой области равны нулю. Но есть некоторая область значений сдвигов, для которой у вас, когда они максимально совпадают, значение функции свертки будет максимальным. Отсюда понятно, как мы можем это использовать для анализа изображений. У вас есть картинка и есть некоторый паттерн, который вы хотите найти в этой картинке, то есть у вас есть, например, Незнайка или кошка и вы хотите найти, где у этой кошки глаз. Вы можете закодировать некоторый паттерн яркости, который похож на глаз, и потом этим паттерном просканировать все изображение. Фактически вы вычисляете свертку изображения с паттерном глаза. Соответственно, в том участке изображения, который будет наиболее похожим на тот паттерн, который вы ищете, у вас функция свертки будет максимальной. Там вы сможете построить карту изображения, на которой максимальное значение будет в тех областях, в которых как раз ваш паттерн и находится.
А теперь представьте, что вы хотите распознавать сложные изображения, которые состоят из многих признаков. Что вы делаете? Фактически это у вас как один нейрон. У нейрона есть девять входов, выход, веса. Ваш паттерн — это веса. Вход — это фактически ваше значение яркостей. Вы перемножаете веса на вход этого нейрона, складываете их и получаете некое значение. Это значение — выход вашего нейрона, то значение свертки, которое вы хотите получить. Соответственно, вы делаете много нейронов, случайно задаете им веса. То есть изначально, когда вы решаете задачу, вы не знаете, какие признаки позволят вам отличить кошку от Незнайки. В принципе вы знаете, что у кошки есть полоски, а у Незнайки — шляпа. Для какой-то другой задачи будут другие признаки. И вы хотите универсальный алгоритм, который будет находить те признаки, которые будут наиболее информативны для разделения двух категорий. Соответственно, вы строите такую сеть, в которой на вход подается задача распознавания, соответственно, у вас есть некоторое число входных сверточных нейронов. Каждый из них строит свою карту признаков. Затем происходит определенная операция сжатия этих карт признаков, а потом эти карты признаков подаются на другие сверточные нейроны, и они ищут признаки уже в этих картах признаков. И так мы эту операцию можем проводить несколько раз, постепенно выискивая признаки все более и более высоко уровня абстракции. А затем эти карты признаков подаются на нашу полносвязную сеть прямого распространения, в которой наш сигнал передается от входных к выходным нейронам, и в конце у нас стоит классификатор. Вот так, очень просто, устроены сверточные нейронные сети.
Что сегодня мы можем сделать при помощи самых интересных сверточных сетей? Во-первых, мы можем локализовать объекты. То есть нейросеть может определить, что находится в некоторой рамке. Во-вторых, можем разметить и сегментировать изображение. В-третьих, алгоритм может определить пол и возраст человека. То есть если у нас было много примеров людей разного пола и возраста и мы натренировали нашу нейросеть предсказывать возраст и пол людей, то она нам будет предсказывать возраст и пол людей по изображению. В-четвертых, она может определять эмоции человека, если у нас был размеченный набор обучающих данных, в котором мы знали, с какими эмоциями присутствовал человек. Вот такие классные приложения. Сейчас любой разработчик может подписаться на сервис «Облачный Microsoft», загрузить свои фотки, и сервис через две минуты выдаст вам все эмоции или возраст с полом. То есть это, фактически, технологии, которые сейчас любой человек может использовать в своих продуктах.
Можно делать другие интересные вещи. Наверняка вы все слышали о приложении Prisma. Что мы можем сделать с его помощью? Мы можем перенести стиль одного изображения на содержание другого. Это как раз позволяют сделать наши сверточные слои. Мы можем найти, как признаки скоррелированы друг с другом в одном изображении, а потом перенести эту корреляцию признаков на содержание другого изображения. Ну и есть примеры того, как мы можем Храм Василия Блаженного раскрасить под хохлому. Такой быстрый инструмент, при помощи которого дизайнеры, например, могут совмещать какие-то две разные идеи. Мы можем научить нейросеть читать по губам. Если у нас есть субтитры и видео с человеком, который говорит, то мы можем отобразить его речь в тексте и построить такую нейросеть, которая предсказывает текст. Если у вас есть видео без звука, но видно, как человек говорит, то вы можете восстановить текст автоматически.
Но, оказывается, можно сделать и более сумасшедшие вещи. Есть такой подход — генеративные соревновательные сети (generative adversarial network — GAN). Это такой тип нейросетей, который использует автоэнкодеры — когда мы сначала кодируем изображение, а потом его восстанавливаем. Мы можем их использовать для того, чтобы натренировать хитрые генераторы изображений. То есть мы сначала преобразуем изображение в некое скрытое представление из нашего внутреннего скрытого слоя — это называется энкодер-часть, а потом подаем наше скрытое представление на вход декодера, и оно выдает картинку. Мы можем взять три картинки с изображением лица мужчины в очках, для каждого из них у нас будет скрытое изображение внутри нашей нейросети. Это будет некий вектор в некоем пространстве изображений. Теперь мы сложим эти три вектора и усредним. Получится некое усредненное изображение мужчины в очках. Потом мы возьмем три изображения мужчин без очков, подадим их скрытые представления на вход нашей нейросети, усредним векторы — и получим усредненное изображение мужчины без очков. То же самое мы можем проделать для женщины без очков. Итого у нас получилось три вектора. Теперь мы можем взять вектор мужчины в очках, вычесть из него вектор мужчины без очков и прибавить вектор женщины без очков. Тот вектор, который у нас получился, мы подадим на декодер, и наша сеть сама сгенерирует изображение женщины в очках, хотя она этой картинки никогда не видела. Могут быть варианты — очки с разной яркостью, женщина слегка не та, что мы прибавляли, но в целом эффект может получаться очень интересный.
Буквально пару недель назад на конференции NIPS компания InVideo представляла развитие этой технологии, в рамках которой вы можете на основе взятых черт знаменитостей сгенерировать усредненное изображение этих знаменитостей и даже синтезировать видео с этими людьми. Фактически вы можете создавать некие синтетические личности, которые будут присутствовать в ваших сериалах или фильмах. Так вы можете сэкономить кучу денег, потому что вам не нужно будет платить настоящим актерам.
Следующая задача — рекуррентные нейронные сети. Они могут предсказывать последовательности. Чтобы предсказать последовательность, нам нужно знать некую историю. В стандартных нейросетях у нас есть Х на входе, есть некоторый слой нашей нейросети, есть выход, и информация распространяется все время прямо. Если же мы возьмем другой отсчет времени, то наша нейросеть забудет о том, что она знала в предыдущем отсчете. Но для того, чтобы иметь возможность предсказывать, нам как раз нужно, чтобы нейросеть помнила о многих отсчетах времени. Как это сделать? Обычно это решается так: мы берем выход нашей нейросети за предыдущий момент времени и подаем эти значения ей же на вход, на слой нейросети. Что-то пришло в момент времени T, но пришло не только то, что передал ей предыдущий момент Т, но и то, что она сама выдавала в момент времени Т-1. Таким образом, мы сразу подаем параллельно два вектора. И на основании этого вычисляем значение выхода для момента времени Т. Получается, что нейросеть может сама себе передавать то, что она «думала» в предыдущий момент времени. Это позволяет сохранить информацию о предыдущих входах. Такой тип нейросетей и называется рекуррентным, потому что они имеют рекуррентные связи. Если мы подойдем в лоб к решению этой задачи, то рекуррентные нейросети работают не очень хорошо, потому что когда мы разворачиваем эту обратную петлю, то фактически наращиваем слои нашей нейронной сети. От момента времени 0 наша нейросеть будет погружаться все глубже и глубже — в момент времени 100 нейросеть наша тоже будет глубиной 100. Поскольку ошибка в обратную сторону распространяется, она постоянно растекается по нашей сети и затухает. Поэтому наша нейросеть очень плохо учится, так как каждый раз происходит умножение на некоторые коэффициенты и наши ошибки затухают.
Чтобы избавиться от этого затухания градиентов, в 1997 году исследователь Юрген Шмидхубер предложил заменить один нейрон на подсеть из пяти нейронов. То есть теперь слой нейросети состоит из «юнитов». Смоделируем ячейку памяти. У нас есть некоторые значения, которые хранятся в этой ячейке. Есть нейроны, которые могут управлять тем, что мы можем что-то в эту ячейку памяти записать, что-то из нее считать и вывести наружу. При этом управление ячейкой осуществляется индивидуально своим набором нейронов. Веса этих нейронов тоже обучаются — и в этом вся красота полученной архитектуры. Когда мы из этих ячеек построим большую нейросеть, они все будут обучаться с помощью алгоритма обратного распространения ошибки. То есть алгоритм у нас остается тот же самый, даже несмотря на то, что сеть у нас значительно усложнилась.
Это позволило, например, создать систему машинного перевода. Буквально год назад Google заменил свою старую систему машинного перевода на нейросетевую — значительно лучшего качества. По сравнению со старой версией машинного перевода Google 2015 года человеческий перевод получал гораздо больше оценок. Но по сравнению с новым нейросетевым алгоритмом Google, который используется сегодня, оценки человеческого перевода сопоставимы. На самом деле переводом вы пользуетесь каждый день — когда забиваете что-то в поиске, то второй и третий по значимости сигнал по тому, какой ресурс вы получите в выдаче на первой странице, тоже определяется нейросетями. Представители Google все время показывают график, в котором с каждым годом все больше и больше внутренних проектов используют нейросети и глубокое обучение. Если в 2012 году это были один-два проекта, то сегодня — около 5 тыс. Фактически нейросети — это та технология, которой вы пользуетесь каждый день, хотя, быть может, даже этого не подозреваете. Некоторые люди, которые этим занимаются, провозгласили, что нейросети и искусственный интеллект — это новое электричество. В том смысле, что это та технология, которой мы пользуемся, не замечая, но она плотно вошла в нашу жизнь.
Какого же эффекта мы можем достичь с помощью этих рекуррентных нейросетей? Я покажу вам результаты, которые поразили меня до глубины души. Если бы мне кто-то сказал за месяц до этого, что такое возможно, а это было летом 2015 года, я бы ответил, мол, ребята, я занимаюсь нейронными сетями десять лет, не надо мне рассказывать сказки. Но когда мы сами взяли нейросеть, провели ее обучение и увидели результат, который она выдает, то убедились, что это на самом деле так. Мы решали задачу моделирования языка. Формально это задача предсказания следующего символа. Например, у нас есть куча текстов Достоевского. Мы подаем на вход нашей нейросети 100 символов (букв, включая пробелы и знаки препинания) из произведений Достоевского, и ее задача — предсказать следующий символ. Этот символ мы можем снова подать на вход и предсказать следующий — и так далее. Но нам не хотелось экспериментировать на Достоевском, поэтому мы взяли субтитры к сериалу — примерно 10 млн слов из «Хроник вампиров» и еще чего-то. На этом материале сеть училась предсказывать следующие символы.
Итак, задача: есть 100 символов, нужно предсказать 101-й. Мы выложили в интернет интерфейс, где можно было забить какую-то начальную фразу, а нейросеть пыталась ее продолжить. Я отобрал наиболее интересные результаты. Человек пишет: «Ты глупый». То есть на вход нейросети подаются все эти буквы, пробел между «ы» и «г», а также перевод строки. И она предсказывает следующий символ: «К» большое. Мы подаем эту «К» ей на вход, она предсказывает следующий символ «а», подаем на вход «а» и т. д. — в результате получаем сгенерированную фразу: «Как насчет “привет”». Когда мы анализирует этот ответ, он выглядит абсолютно логично. Причем у него есть особенности: почему нейросеть сказала про привет? Если это начало диалога, то логично, что с фразы «ты глупый» не начинают. Поэтому нейросеть говорит: «Как насчет “привет”», причем слово «привет» закавычивает, давая понять, что это слово относится не к ней самой. Так что пусть у нашей нейросети и нет научной степени по филологии, но уж знания русского языка у нее глубокие.
Другой пример. Я попытался задать более сложный контекст, чтобы нейросети было непросто ответить. Вопрос: «Какой чудный вечер. Не правда ли?» Это довольно длинная последовательность символов, два предложения, много пробелов, знак вопроса. Вот ее ответ: «Ты действительно думаешь, что я буду помнить об этом?» Здесь ничего про вечер не сказано, ответ вопросом на вопрос. Но если мы попытаемся проинтерпретировать, то это вполне осмысленно. То есть если вечер чудесный, то подразумевается, что тот, кому про это сказали, захочет это запомнить. Отсюда такой ответ нейросети. И отдельно обратите внимание, что она (нейросеть.— “Ъ”) еще и знаки препинания правильно расставляет, и ошибок в словах не делает. И это при том, что мы в нее не закладывали правил русского языка, словаря слов, никаких грамматических основ — мы дали нейросети только последовательность символов. Мне кажется, что в таких условиях выдача подобных ответов — просто поразительный феномен. Я до сих пор удивляюсь: как она может это генерировать?
Еще один пример. Здесь вообще получился очень жизненный диалог. Человек: «Ты дура». Машина: «Так почему тебе не все равно?» Человек: «Потому что мне с тобой жить!» Машина: «Ты совсем не такой!» Человек: «Ты обиделась?» Машина: «Угу». Покажу еще пример ее работы. Человек: «Забавно, но ты всего лишь программа и никогда не сможешь мыслить». Машина: «Конечно, дело в том, что сейчас не лучшее время». Все логично, да? Но это ваша интерпретация, нам не известно, что на самом деле нейросеть имела в виду, это же все из сериалов.
А теперь — про разнообразие, которое порождала нейросеть. В принципе эта нейросеть является вероятностной моделью текста, она выдает вероятность следующего символа, но не точно, какой будет следующий символ. И мы можем пропорционально этой вероятности выбирать. Таким образом, мы можем генерировать разные последовательности. В одном случае на один и тот же вход мы выберем одну букву, в другом случае — другую. Мы подаем на вход предложение: «Алиса теперь счастлива». И просим нейросеть продолжить. Предсказать, как бы эта последовательность продолжалась. Везде продолжение начинается со слова «она». То есть нейросеть как бы улавливает, что здесь было про Алису и «счастлива», пол того субъекта, про который идет речь. В некоторых ответах есть нечто, что коррелирует с тем, что она счастлива. Например: «Она выглядит прекрасно». Или она была на концерте, поэтому она счастлива. Или она великолепна или влюблена, поэтому она счастлива. Или вот: «Она в опасности». Видимо, счастливые люди с большей вероятностью попадают в опасные ситуации, чем несчастливые. Можно сделать такой вывод. Или например: «Алиса попала в беду». Здесь мы видим, что тональность уже сменилась: «А она не знает кто ты», или «А она изменила свою жизнь», или «Она не собирается никого убивать». Раз она попала в беду, в ответах появляется что-то уже тревожное. А откуда появились эти нотки, мы не знаем. То есть нейросеть зачем-то вставила эти нотки. Из субтитров. Там были знаки ноток.
Но, видимо, в субтитрах все-таки больше про женщин, потому что на женские затравки она отвечает более осмысленно, а на мужские, наверное, не хватает статистики. «Джон теперь счастлив». — «Да, на дворе 800 фунтов на каждом месте», «Преступление в тысячу тысяч градусов по матче», «В самом деле собирался позволить себе просто бросить все на свои места». То есть осмысленность ответов сильно пострадала, хотя предложения изначально схожие. А вот «Джон попал в беду» — совсем тяжело: «Свиньи собираются в Старлинк-сити», «И когда он вернулся, я выбросил его в офис», «Он был не таким как был в прошлом году», «Сверхъестественное, ваша честь, это был не мы».
Я не знаю, насколько это вас впечатлило, меня это впечатлило очень сильно. Мой прогноз был бы такой, что, возможно, нейросеть сможет выучить некоторые слова из пяти букв и воспроизводить их в некотором случайном порядке. Но под прогнозом, что она сможет без ошибок генерировать такие длинные фразы, которые можно осмысленно интерпретировать, я бы, честно говоря, никогда не подписался.
Давайте я еще быстренько расскажу о том, о чем все волнуются в последнее время. Нейросетевое обучение с подкреплением. Это такой подход, который необходим для того, чтобы выучить некоторые действия у агента. Каждые действия агента как-то при этом меняют среду. В предыдущих задачах мы прогнозировали, но не влияли на саму задачу. Мы не влияли никак на изображения, которые классифицируем, не влияли никак на последовательность, которую мы генерируем. А здесь наша задача ставится так: мы хотим повлиять на тот вход, который у нас есть, чтобы привести в то целевое состояние, которое нам необходимо. Агент — это некоторый субъект, который может воздействовать на окружающую среду. Мы не знаем, как решать эту задачу по обучению агента. Но мы знаем, что такое хорошо и что такое плохо. Поэтому мы можем в те моменты, когда агент достигает той цели, которую мы перед ним поставили, давать ему некую величину, которую мы называем наградой или подкреплением. Таким образом, нам необходимо получить алгоритм, который будет по последовательности и по наградам выучивать такие действия, которые в данной ситуации будут максимизировать награду.
В 2016 году в журнале Nature вышла статья, где был описан достаточно универсальный алгоритм, который научили играть в игры Atari. И он попал на обложку журнала Nature. Если вы знаете, журнал Nature — это один из наиболее авторитетных и престижных еженедельников в мире науки, где публикуются действительно научные статьи. Если ты напечатал статью в Nature, то твой авторитет среди ученых очень сильно возрастает. Бывают, конечно, исключения, но в основном там действительно публикуются очень важные с точки зрения науки работы. Как ставится задача? У нас есть 49 игр Atari, мы подаем на вход нашей нейросети картинки из этих игр, но никак не объясняем правила. Мы будем одну и ту же нейросеть учить на разных играх и хотим, чтобы она на всех играх училась хорошо. Но нейросеть одна, и под конкретную игру она подстраивается только в процессе обучения. Заранее мы ничего не закладываем.
Соответственно, у нас есть картинки, которые попадают на вход нашей нейросети, но вы все знаете, что такое сверточные сети — я рассказывал полчаса назад. Сверточные нейросети преобразуют картинки, выделяют признаки, и на выходе нейросети она выдает действие, которое управляет джойстиком. Соответственно, команды от джойстика передаются в симулятор игры, и он управляет поведением игры. Когда вы набираете очки, ваш агент получает подкрепление, и задача агента — увеличить эти очки. То есть здесь мы не говорим ему напрямую, какие действия выбирать, а просто в тот момент, когда он увеличил очки, говорим, что это хорошо. И задача — обучить этот алгоритм. Например, нейросеть управляет подводной лодкой. Задача: рыб — уничтожать, водолазов — подбирать и время от времени, когда кислород заканчивается, всплывать и заряжаться кислородом. Нейросети это удается не всегда, иногда она погибает. Но оказывается, что этот результат нашел не только научное признание и попал на обложку журнала Nature, а был получен некоторым стартапом, и за пару месяцев до того, как это было опубликовано, этот стартап купила компания Google. При этом из результатов у этого стартапа были только те, которые они публиковали в журнале Nature. Как вы думаете, за сколько компания Google купила этот стартап? За 600 миллионов.
Следующий вопрос. Что связывает Гарри Каспарова и Ли Седоль, чемпиона по го (игра.— “Ъ”)? Правильно. Их обоих победил искусственный интеллект. В 1997 году DeepBlue обыграл Каспарова, а чемпиона го обыграли в прошлом году. Почему так? До последнего времени считалось, что го — очень сложная игра. Это связано с количеством вариантов, которые нужно перебрать, чтобы рассчитать все возможные исходы игры, и описывается так называемым коэффициентом ветвления. То есть во сколько возможных состояний игры мы можем перейти из текущего состояния игры, совершая разрешенные в игре действия. Для шахмат средний коэффициент ветвления — около 35. А в го этот коэффициент ветвления — 250. Соответственно, вы понимаете, что когда мы идем вглубь, то каждый раз мы умножаем на это число. И понятно, что для го мы очень быстро получаем такое количество вариантов, которое превышает число частиц в наблюдаемой вселенной, и перебрать их не представляется возможным. Нужен какой-то другой вариант решения этой задачи. Если в шахматах мы можем в лоб рассчитать варианты для очень большого числа позиций и тупо знать те ходы, которые нужно сделать, чтобы выиграть или не проиграть, то в го это гораздо сложнее. Многие люди говорили, чтобы распознавать все ситуации, нужна интуиция.
Тот же самый стартап, который купили за 600 миллионов, через год снова появился на обложке журнала Nature. Теперь он предложил алгоритм, который, глядя на доску, мог выдавать оценку того, насколько эта позиция хороша, то есть достаточно быстро предсказывать. Вы можете скомбинировать это предсказание с алгоритмом поиска по дереву и при помощи нейросети оценивать позиции и раскрывать только те, которые являются наиболее выигрышными. Таким образом, вы делаете не полный перебор, а только под дерево, которое является наиболее перспективным в данный момент. Этот алгоритм — версия AlphaGo (в статья была опубликована версия AlphaGo Fan) — и обыграл Ли Седоля в Го. Тогда программы в го играли на уровне хорошего любителя, но не профессионала. Чтобы обучить эту версию, нужно было 176 графических процессоров на распределенном кластере. И она выиграла у чемпиона Европы со счетом 5:0.
Затем появилась адаптированная версия программы — AlphaGoLee. Она использовала 48 Tensor Processing Unit — это типа TPU, но специально адаптированных под нейросети. У Ли Седоля она выиграла со счетом 4:1. Потом была AlphaGoMaster на 4 TPU, которая выигрывала у профессиональных игроков со счетом 60:0. Буквально месяц назад появилась программа AlphaGoZero, которая на 4 TPU на одном компьютере (уже не на кластере) обыграла со счетом 100:0 ту версию программы, которая обыграла Ли Седоля, и со счетом 89:11 — версию AlphaGoMaster. Следующую версию опубликовали несколько дней назад — AlphaZero. Она, опять же, на четырех TPU со счетом 60:40 сыграла против AlphaGoZero. Первая версия программы AlphaGoLee сначала тренировалась на реальных играх. То есть была взята база данных игр, и на ней программа училась играть, как человек. А вот программы AlphaGoZero и AlphaZero — почему Zero? Потому что они вообще не использовали никакой информации от человека. Как они училась? Просто играли сами с собой и обучались на своих играх. И вот так хорошо обучились.
Теперь вопрос. Зачем компания Google купила эту штуку? Она взяла этот алгоритм, который использовался для игр, и приложили к задаче управления охлаждением дата-центра. Теперь в момент, когда включается нейросетевое управление, потребление падает, когда выключается — возвращается к старому уровню. В среднем экономия около 40%. Google поддерживает огромное количество дата-центров, чтобы обеспечить качество сервиса, и для них экономить по 40% на электроэнергии, а для дата-центров электроэнергия — вообще основная затратная статья, это очень существенно. Не знаю, окупилось ли, но, по крайней мере, существенную часть, возможно, возместило.
За свою историю искусственный интеллект переживал взлеты и падения, и сегодня мы находимся на самой вершине нового ажиотажа вокруг искусственного интеллекта, где все считают, что искусственный интеллект — «новое электричество» и так далее. Возможно, скоро этот ажиотаж спадет, но сейчас самый пик. Почему здесь в зале так много людей, большинство из которых не знают, что такое глубокое обучение, и все равно пришли. Видимо, тема добирается из других сфер жизни и привлекает сюда людей. Пик интереса связан с тем, что давно известные нейросетевые алгоритмы за счет больших данных и больших вычислительных возможностей стали решать те задачи, которые раньше не могли быть решены, и давать очень интересные результаты, которые могут быть внедрены в очень многих областях экономики.
Соответственно, что делаем мы в этой области? В нашей лаборатории мы реализуем проект, поддержанный Национальной технологической инициативой — это инициатива нашего президента, связанная с попыткой переставить какие-то части нашей экономики с сырьевых рельсов на высокотехнологичные. Инициатива связана, с одной стороны, с поддержкой инновационных бизнесов, а с другой — с инфраструктурой для этих инновационных бизнесов. Соответственно, в рамках этой национальной технологической инициативы Физтех при софинансировании Сбербанка выполняет проект. И цели проекта — это разработка алгоритмов глубокого машинного обучения и машинного интеллекта в виде некоторой технологической платформы для автоматизации ведения целенаправленного диалога с пользователем.
Сегодня у нас возникает целая область экономики, связанная с текстовой коммуникацией. Люди пользуются мобильными устройствами, и число пользователей мессенджеров на мобильных платформах уже превысило число пользователей соцсетей. Это значит, что огромное количество коммуникаций люди осуществляют в текстовом формате. Но при этом нет хороших инструментов для компаний, чтобы общаться в этом мире с пользователями. Есть большой запрос на решения, когда компании могли бы достучаться до вас, как-то вам помочь или решить какую-то вашу проблему через чат. С другой стороны, те решения на создание диалоговых систем, которые до последнего времени существовали, не очень эффективны, потому что они основаны на некоторых закодированных сценариях, заданных программистом, и эти сценарии, как оказалось, не очень хорошо масштабируются и не могут описать все многообразие нашей разговорной жизни. Разные люди по-разному выражают свои мысли, бывают разные ситуации, и все это очень сложно воспринять и заранее предусмотреть. Но, как мы видели, нейросети очень хорошо справляются с такой неопределенностью. Они могут генерировать ответы, похожие на ответы человека. Они могут делать машинный перевод. И поэтому есть надежда, что мы сможем использовать нейросетевые технологии для того, чтобы решить хотя бы часть проблем в создании разговорных интерфейсов.
Таким образом, цель этого проекта — как раз создать такую открытую платформу, которая могла бы быть использована компаниями для создания продуктов в этой области. То есть мы создаем технологию, отдаем ее компаниям и говорим: «Мы вас будем поддерживать, мы будем вам помогать эту технологию внедрять, а вы, пожалуйста, делайте свои бизнесы и вносите свой вклад в экономику». Каковы стейкхолдеры нашего проекта? С точки зрения NTI, это компании на высокотехнологичных рынках. Например, Сбербанк, который хочет, имея эту технологию в качестве основы, создать решения для автоматизации каких-то сервисов, например, колл-центров или служб поддержки. Это Физтех, которому интересно развивать внутри себя компетенцию по искусственному интеллекту. Это исследователи и разработчики, которым нужны инструменты для того, чтобы быстро создавать таких интеллектуальных диалоговых агентов.
Этот проект мы начали летом этого года и назвали его iPavlov в честь Ивана Петровича Павлова, знаменитого русского нейрофизиолога, который занимался исследованием условных рефлексов. То есть мозгом. Соответственно, два основных результата нашей деятельности с точки зрения технологии — это открытая библиотека, которую мы назвали DeepPavlov, и это как раз набор инструментов для создания диалоговых систем, а также набор сервисов Сбербанка, который они будут встраивать в свои продукты, например, каких-то финансовых помощников. У нас есть исследования, есть разработка нашей библиотеки, есть приложения этой библиотеки для каких-то конкретных бизнес-кейсов. Что мы хотим сделать? Мы хотим сделать набор некоторых нейросетевых блоков, из которых мы можем собрать разных агентов под разные задачи. Например, агентов, которые могут решать конкретные задачи типа бронирования билетов, или агентов, которые могут отвечать на вопросы по какой-то тематике, или агентов, которые могут просто поддерживать беседу. И потом эти агенты могут комбинироваться для каждой конкретной области, чтобы оптимально решать поставленную задачу. Это то, как мы планируем реализовывать архитектуру с точки зрения ее нейросетевого и исследовательского содержания. И, с одной стороны, наша библиотека состоит из компонентов для создания этих ботов. С другой стороны, у нас есть некоторый инструмент Bildert, при помощи которого мы можем собирать из этих ботов разговорных агентов, есть коннекторы, которые соединяют нас с мессенджерами, и есть данные, на которых мы тренируем. То есть это некоторый набор инструментов, при помощи которых можно разрабатывать и внедрять такие решения.
Наверное, на этом можно закончить. Спасибо всем.
Евгения Чернышева
Новости Лео | Leo Burnett
25th Sep 2014
Марк Татссел курирует работу Leo Burnett Worldwide (это более 95 агентств) из главного офиса сети в Чикаго. Прежде чем стать глобальным креативным директором, Марк занимал должность исполнительного креативного директора Leo Burnett London. Под его руководством агентство было признано лидером рекламной индустрии в Великобритании, а в 2001 году стало самым награждаемым агентством в мире. Помимо личных побед на Каннском фестивале рекламы (в том числе Гран-при и 45 Каннских львов), Марк удостаивался места председателя на самых знаменитых фестивалях рекламы, в том числе Clio, International Andy Awards, D&AD, ADFEST, Eurobest, YoungGuns, Addys, Sharks и Spikes. В 2008 году он был президентом жюри Titanium & Integrated на фестивале Cannes Lions, а в 2010 году — президентом категорий Film и Press на том же фестивале в Каннах. Марк Татссел входит в состав Королевского общества искусств (Royal Society of Arts) и является соавтором книги «Humankind» — философии сети агентств Leo Burnett.
Ули Риз (Uli Reese), композитор, автор песен и продюсер. Его работы, созданные для голливудских фильмов и для ведущих брендов, удостоились множества наград. Недавно он поговорил с Марком Татсселом о роли музыки в рекламе. Этот разговор стал частью исследования Риза для MBA в The Berlin School of Creative Leadership. Вашему вниманию представлена часть интервью.
Ули Риз: Любите ли Вы музыку? Каково Ваше мнение о маркетинговом потенциале музыки?
Марк Татссел: Я просмотрел то, что мы сделали в офисах Leo Burnett по всему миру за последние два–три года. Эти работы действительно демонстрируют, что существует множество способов либо решения задач с помощью музыки, либо необычной подачи музыки, что позволяет лучше понять человеческое поведение. Но первым твоим вопросом было, люблю ли я музыку? И я ручаюсь, что никто не сможет ответить на этот вопрос отрицательно. Думаю, что музыку любит каждый человек на нашей планете. Это в нашей натуре, это заложено в нашу ДНК. Только вдумайтесь: наше первое знакомство со звуком происходит еще в утробе матери. Звук — это то, что порождает первую связь человека с человеческим сообществом, связывает людей друг с другом. Я вырос в Уэльсе — месте, жители которого славятся своей музыкальностью: многие музыканты с мировым именем родились здесь. Я сам вырос в семье, где музыка была повсюду: каждый аспект моей жизни был наполнен ею.
Риз: И это так до сих пор?
Татссел: Мой племянник Кристиан Уильямс (Kristian Williams) — музыкант, известный под сценическим именем Eugene Francis Jr. Он ездил в гастрольный тур с группой Coldplay. А мой сын буквально живет музыкой. Он — результат «iPod-поколения», которому доступен неограниченный выбор музыки. Сейчас он играет на пианино, на гитаре, на саксофоне, сам сочиняет музыку. Он принадлежит к числу тех, для чьего творчества нет ограничений. Они пишут песни, исполняют их, сразу публикуют на Youtube — и так реализуют свой потенциал. Никогда еще не было так просто стать услышанным и поделиться своими достижениями со всем миром… Джоффри Латэм (Geoffrey Latham) однажды сказал: «Музыка — это родной язык для человеческой души». Я всегда считал эту фразу замечательной. Музыка способна тебя тронуть, волновать, установить с тобой связь… Что касается истории музыки в рекламной индустрии, с чего начать? Было огромное количество выдающихся работ: от фирменных гитарных риффов Marlboro Country вплоть до «рычания» в Honda GRRR. В конце концов, всеми любимые джинглы, к которым вновь начали обращаться. Ричард Расселл (Richard Russell), в прошлом — мой коллега, копирайтер, который работал над Honda GRRR, произносил каждый день одну и ту же фразу: «Джингл еще вернется!»
Риз: Есть ли связь между ценностью бренда и возможностью этот бренд «слушать»? Некоторые бренды, такие как Apple или McDonald’s, можно «послушать» и узнать с закрытыми глазами.
Татссел: Я считаю, что музыка дополняет значимость и индивидуальность бренда. Тони Кайе (Tony Kaye), возможно, один из величайших режиссеров нашей индустрии за последние годы, и я припоминаю наш с ним разговор о силе музыки. Он посмотрел на телевизор и произнес: «Экран телевизора занимает определенное пространство. А музыка это пространство заполняет полностью». При просмотре рекламных роликов вы видите изображение размером с экран, но на самом деле вы впитываете целое сообщение бренда, в котором музыка играет огромное значение. Музыка способна менять ощущения, потому что она сама не что иное, как чувство. Вы можете полностью узнать человека, лишь прослушав его любимые песни. Когда вас приглашают в гости, и хозяева выбирают музыку, она становится проводником в их внутренний мир: кто они такие, что их привлекает, дает представление об их вкусах и характере. И, конечно же, музыка способна объединять людей: вспомните, какие сильные эмоции пробуждает звук национального гимна перед футбольным матчем.
Риз: Что насчет узнаваемости звука как призыва к действию? Было интересное исследование о том, что ребенок, разлученный с матерью после рождения, узнает ее голос спустя годы. Да и вообще, стоит нам услышать плач ребенка, мы переполняемся эмоциями.
Татссел: Думаю, это у нас в крови. Мы привыкли так или иначе откликаться на звуки, в том числе на музыку. Когда вы слышите первые аккорды песни “Start Me Up” Rolling Stones, мурашки по коже пробегают. Именно так прекрасная музыка может дополнить коммуникацию. С тех пор как я работаю в индустрии, так было всегда: вот замечательная идея, вот замечательный режиссер, вот и удачная раскадровка, и профессиональный редактор — осталось добавить музыки. Про музыку обычно вспоминают в самом конце и в качестве дополнительной черты, а не главной или центральной, неразрывно связанной с идеей. Я же считаю, что композиторы и музыканты способны внести очень важный вклад в работу, если им дать правильный бриф. И не следует забывать об использовании уже существующей музыки. Несколько лет назад за ужином с Джоном Хегарти (из BBH) мы обсуждали, какое звучание приобрела реклама Levi’s 501 в 1980-х. Вспомнить только классический ролик “Launderette” с Ником Каменом (Nick Kamen) и песней “I Heard It Through the Grapevine”. Эта реклама захватила воображение британской публики и заняла свое место в популярной культуре. Но есть и более свежие примеры работ, которые проложили себе путь в зал мировой аудиославы и показали, какое удовольствие может приносить музыка. Взять, например, ролик Gorilla от Cadbury. Вся коммуникация бренда нацелена на то, чтобы привнести радость в жизнь людей — передать тот момент удовольствия, когда кусочек шоколада тает во рту. Как же выразить это чувство на экране? Для этого в ролике есть не только горилла, которая играет на ударных, но и трек Фила Коллинза “In the Air Tonight”. Музыка доносит конечное сообщение — доставить удовольствие.
Риз: Я постоянно напоминаю коллегам по индустрии, что мы работаем в АУДИОвизуальной отрасли, а не просто в «визуальной».
Татссел: Отлично сказано.
Риз: Мое внимание всегда привлекала не назойливая реклама, а, напротив, очень человечная. Безусловно, музыка пробуждает эмоциональность, которая может быть одновременно и неуловима, и убедительна.
Татссел: Все великие бренды используют человеческий подход. Нет необходимости навязывать идеи насильно — люди должны их разделять. Конечной целью должна быть сопричастность потребителей с идеей, которую они искренне любят… На прошлой неделе у меня был разговор с компанией Coca-Cola, и очевидно, что музыка играет центральную роль в коммуникационной стратегии бренда, которая основана на том, чтобы делать людей счастливыми. И когда вы задумываетесь о музыке, о радости, которую эта музыка приносит, — эта мысль отсылает к джинглу “I’d like to teach the world to sing”. Эта музыка действительно привлекала внимание и была не просто музыкальным сопровождением к рекламе, а чем-то вроде духовного гимна. Этот пример иллюстрирует ту мощь, которой обладает музыка.
Риз: Кажется, Вам приходится проводить серьезную работу, чтобы убедиться в том, что все Ваши проекты находят отклик у аудитории. Вы явно стремитесь, чтобы люди чувствовали себя вовлеченными.
Татссел: В конечном счете, я нацелен на коммуникацию, которая содержит в себе элемент участия. Вы установите связь с людьми по-настоящему только при условии, что бренд будет ориентироваться на цель, значимую для людей, а также приветствовать их вовлеченность в бренд. Сейчас люди хотят чувствовать себя частью бренда, они перестали быть пассивными потребителями. Наверное, работы для McDonald’s по всему миру получаются такими успешными из-за того, что роль McDonald’s в жизни людей понятна. Рэй Крок (Ray Croc), основатель McDonald’s, сказал: «Мы работаем не в ресторанном бизнесе, мы работаем в человеческом бизнесе». Если говорить о музыкальных ассоциациях, то эти пять нот, которые использует McDonald’s: “I’m lovin’ it”, па-ра-па-па-пам, — представляют собой фундамент, на котором строится коммуникация с брендом. Это происходит практически на уровне подсознания: пять нот постоянно напоминают, почему этот бренд существует, в противовес простой песенке, мелодия которой проникает в мозг. Это маленькое напоминание о бренде и об отношениях, которые вас связывают.
Риз: Последний вопрос. Он не касается музыки, но он стал постоянным для этой серии интервью. Что Вы чувствуете, когда Вам в голову приходит новая идея?
Татссел: Мне кажется, это происходит интуитивно. На самом деле, она поет внутри вас. Вы чувствуете ее в области живота. Недавно был как раз такой случай. Идея была в том, чтобы задействовать уличных музыкантов в премьере альбома группы Oasis “Dig Out Your Soul”. Мы «слили» четыре песни с альбома, попросив уличных музыкантов исполнить их. Фанаты использовали Google Maps, чтобы найти точки выступлений, которые были разбросаны по всему городу. Благодаря YouTube акция превратилась в настоящее культурное событие. Другой мой любимый проект – работа миланского отделения Leo Burnett для Ariston. Задачей было показать, что стиральная машина имеет множество функций и большой объем. Для этого они превратили внутренности машинки в коралловый риф, по которому вместо рыб плавала одежда. Они могли сделать это с помощью компьютерной графики, но решили устроить настоящую инсталляцию, чтобы уловить подвижность ткани. Музыка подчеркнула и преумножила красоту: была выбрана композиция Вангелиса “Ask The Mountains”. И она сработала впечатляюще — настоящая поэзия. Другой пример мы создали пару лет назад, чтобы привлечь внимание к проблеме СПИДа в США. Мы подсчитали, что во всем мире разрушительный эффект болезни таков, что количество жертв равно количеству детей-сирот в Северной Америке. Только представьте: умирает родитель каждого пятилетнего ребенка. Мир без родителей. Мы приехали в Берлин, освободили улицы от людей и сфотографировали этот город «без взрослых». Затем мы пригласили Майкла Дугласа озвучить проект. Однако музыка, которую мы использовали, “Common Threads” Бобби МакФеррина (Bobby McFerrin) стала эмоциональным клеем, который скрепил всю кампанию воедино.
Ули Риз — президент iV и iV2, музыкальных студий с офисами в Нэшвилле, США, и Франкфурте, Германия.
Оригинал интервью был опубликован на сайте Forbes
Время и пространство как факторы музыкального
Каждая эпоха обладает своим индивидуальным и неповторимым видением и объяснением мира, своим идеалом, своим стилем мышления. Музыка — вид искусства, где звуковой материал располагается во времени, а концепция эпохи, проявляясь в законах времени, организует материал в ту или иную определенную музыкальную форму.
В музыкальном произведении нужно различать две временные линии. Одна — это объективное время, отмеряемое ходом часов и выражающее длительность произведения в минутах, секундах и часах. Это время, необходимое для прослушивания произведения, оно является как бы листом, для всех одинаковым, на котором каждый композитор моделирует время таким, каким он его понимает в соответствии со стилем мышления своей эпохи. Моделируемое музыкальными средствами время, вступающее в реакцию с объективным временем, является второй временной линией произведения.
Ощущение течения времени обеспечивается музыкальными средствами путем непрерывного изменения музыкальной ткани. Если мы возьмем любую короткую музыкальную фразу и будем непрерывно повторять ее, не внося никаких изменений, у нас возникнет ощущение, аналогичное тому, какое мы получили бы от стука маятника. Другими словами, мы получим ощущение течения объективного времени, измерительной единицей которого в данном случае будет длина музыкальной фразы. Но если при каждом новом повторении мы будем вносить какие-нибудь изменения в эту фразу, то на этот раз ощущение времени окажется внушенным именно этим изменением первоначальной фразы, т.е. чисто музыкальными средствами. По-разному изменяя фразу при повторении, мы будем получать различные ощущения течения времени. Таким образом, изменение — мера времени в музыке.
В музыкальном произведении все изменения, создающие ощущение времени, происходят с тематической ячейкой, т.е. с наиболее короткой законченной музыкальной мыслью, имеющей эмоциональную индивидуальную характеристику. Именно в ней заложены определенные возможности к дальнейшему развитию, реализация которых и происходит в произведении. Тематическая ячейка — это смысловой атом произведения.
Время в музыкальном произведении нельзя анализировать в отрыве от пространства, так как время и пространство составляют единый пространственно-временной его «каркас», где структура пространства (однородная или дискретная) зависит от законов времени и наоборот.
На примерах четырех композиторов разных эпох: Палестрины, Баха, Бетховена и Веберна — я попытаюсь показать, как различные представления о времени и пространстве вызывают к жизни различные музыкальные формы. Этот анализ, разумеется, никак не претендует на полноту; цель его, скорее, указать проблему, нежели ее решить.
1
Необычность концепции времени и пространства в музыке Палестрины обусловлена своеобразием и сложностью мироощущения эпохи, в которую он жил. Понять смысл и красоту творчества Палестрины можно лишь помня о том, что его произведения — это прежде всего культовая музыка. Произведения Палестрины начисто лишены какого бы то ни было описательного, эмоционального или психологического момента. Все, что связано со сферой человека и природы, в них исключено. Единственная реальность его музыки — бог, вечный и единый. Предметный мир, ограниченный во времени и пространстве, преходящ, он возникает и исчезает, снова и снова растворяясь в этой вечной и единой сущности. Ее воплощение в произведениях Палестрины и обусловливает их внеличный, вневременной характер. Какие же музыкальные средства привлекает Палестрина для достижения подобной цели?
Прежде всего интонации тематической ячейки ограничены строгими правилами, жестко регламентирующими и ограничивающими употребление интервалов, их последовательность, совершенно исключающими хроматизм, а также налагающими ограничение и на ритмическую структуру ячейки. Эти правила продиктованы не только заботой об удобстве исполнителей-вокалистов; основная их цель — исключить авторский субъективный произвол при выборе тематизма и создать ячейки, совершенно лишенные индивидуальности. И действительно, ни в тематической ячейке, ни в дальнейшем ходе произведения нам не удастся найти ни одной детали, ни одного элемента, выдающего личность Палестрины, его внутренний, субъективный мир. Ясно, что тематические ячейки, ограниченные подобным образом, будут все иметь одно лицо, так как являются различными комбинациями очень ограниченного числа элементов. При таком нивелировании индивидуальности тематическая ячейка теряет свое определяющее и главенствующее положение, растворяясь в общем потоке музыкальной ткани и сливаясь с ним. Индивидуально аморфная ячейка не способна противопоставить себя остальной нетематической ткани, и поэтому каждый интонационный оборот не менее важен, нежели сама ячейка.
В результате создается непрерывный, совершенно равномерный поток однородной, без сопоставлений и контрастов, музыкальной ткани. Исполнительский состав сверхстабилен: можно сказать, что почти все произведения Палестрины написаны для одного исполнительского состава, а именно везде одинаково применяемого хора a capella. Тут видна связь между безличной тематической ячейкой и лишенным всякой индивидуальной характеристики исполнительским составом.
С полным правом можно сказать, что не отдельно взятая та или иная конкретная музыкальная фраза, а все функции тематической ячейки, смыслового ключа, в соответствии с которым протекает развитие всего произведения, сведены к выполнению правил строгого стиля Палестрины. И именно они диктуют интонационный, метрический, ритмический и гармонический облик произведения. Поэтому тематизма в нашем понимании у Палестрины нет. Достаточно проследить, как Палестрина обращается с отдельными интонационными образованиями, точность повторения которых соблюдается только при первых проведениях темы, при вступлении голосов в фуге. Затем следуют все менее и менее точные проведения, пока эта интонация не растворится в других подобных интонациях. При такой нестабильности тематических ячеек и перетекаемости их друг в друга в каждый момент появляются все новые и новые комбинации, обусловливая неповторяемость музыкальной ткани. Но так как сама интонация — это всего лишь одна из деталей всеобщего идеального тематизма, подразумеваемого правилами строгого стиля, то неповторяемость музыкальной ткани не является следствием развития или изменения. Каждый оборот, каждая интонация равны другим, и деление на тематические и нетематические интонации можно проводить только условно. Правила строгого стиля одинаково проявляют себя как в каждый отдельно взятый момент, так и на протяжении всего произведения. Поэтому все отдельные изменения и перестановки элементов лежат в одном русле и целиком подчиняются неизменному порядку. В произведениях Палестрины нет ни кульминаций, ни спадов, развитие отсутствует. К ощущению, полученному от минутного прослушивания подобного произведения, не прибавят ничего нового даже прослушивания многочасовые. Сколько бы мы ни слушали музыку Палестрины, мы не сможем ни развить, ни дополнить ощущения, полученного от отдельного момента, кроме, конечно, чисто количественного накопления.
Произведения Палестрины — это процесс, который создает у слушателя ощущение отсутствия какого бы то ни было процесса: время как таковое отсутствует, стрелки часов неподвижны. Это вечность. Пространство здесь едино и не расчленено, потому что, несмотря на то что произведения Палестрины прежде всего полифонические произведения, состоящие из отдельных самостоятельных голосов, голоса эти не противопоставляются, не отделяются друг от друга ни интонационно, ни ритмически, но, напротив, сливаются в неразрывную неконтрастную музыкальную ткань.
Так вечность складывается из непрерывного изменения интонационных и ритмических элементов, лежащих в русле единых, всеобщих законов строгого стиля, а существование отдельных самостоятельных пространственных линий — голосов, также объединяющихся этими законами, создает единое пространство.
2
Для Баха в отличие от Палестрины бог не внеличное и вневременное существо. Божественным началом проникнуты каждое явление природы, каждое эмоциональное состояние человека. Поэтому объективное время — это не просто равномерное отсчитывание долей времени, но тот всеобщий божественный космический закон, по которому развиваются все предметы и благодаря которому они существуют.
Неважно то, что в одном случае время отсчитывается быстрее, в другом медленнее, важно то, что в каждом случае его основные законы, а именно необратимость, непрерывность, равность измерительных долей (т.е. невозможность ускорения или замедления), неизменны. Отсюда невозможность контраста, расположенного во времени, так как введение нового типа движения влечет за собой новый тип отсчитывания времени, в результате чего на стыке получается некий перелом, нарушающий закон объективного времени. Кроме того, наличие объективного времени в произведениях Баха проявляется в полном естественном израсходовании энергетического запала тематической ячейки и в невозможности прерывать его вторжением других тематических элементов, пока основная тема не будет исчерпана. Это приводит к совпадению временного отрезка, занимаемого развитием эмоционального состояния, выраженного в музыке, с отрезком времени, необходимым для возникновения, развития и исчезновения аналогичного эмоционального переживания у слушателя. Другими словами, время произведения и время слушателя «совпадают», так как и произведение, и слушатель — это объекты, пронизанные единым «божественным», объективным временем. Существование у Баха таких произведений, как первые части оркестровых «Увертюр», первая часть Французской увертюры, первая часть партиты C-moll и т.д., нисколько не опровергает сказанного. Каждое из этих произведений является соединением завершенных кусков, окончание которых связано с полным израсходованием энергии темы, и их объединение в одно произведение напоминает излюбленный Бахом двухчастный цикл-прелюдию и фугу — с той разницей, что после фуги происходит возвращение прелюдии (la capo). В случае первой части партиты C-moll фугу предваряют как бы две прелюдии. Ясно, что здесь в силу тех или иных причин Бах под одним заглавием объединил два или больше самостоятельных произведения, поэтому при дальнейшем рассмотрении проблемы времени в баховских произведениях я оставлю подобные произведения в стороне.
В каждом произведении Баха есть свои «часы», отмеряющие равные доли объективного времени. Это проявляется в равномерной пульсации ритмических долей, не нарушаемой и не изменяемой до конца произведения и выражающейся в каком-нибудь элементе музыкальной ткани или в комбинации этих элементов. Правда, этот всеобщий порядок бывает часто прерываем в самом конце произведения перед каденцией, что вызывается израсходованием энергии тематической ячейки. В эти моменты прекращается равномерная ритмическая пульсация, прерывается тематическое развитие. Нарушение течения времени — катастрофа, отрицающая существование предметов явленного мира. Вместо логического развития тематической ячейки появляются импровизационные пассажи, иногда вне всякой ритмической пульсации. Хаос и произвол! Но заключительная каденция восстанавливает гармонию мироздания. Возможность такого временного «срыва» порождает иногда целые произведения, лишенные общей ритмической пульсации и общей тематической ячейки. Эти импровизации никогда не бывают самостоятельными, но входят в цикл с фугой, так что прекращение пульсации не может быть всеобщим, это всегда частный случай.
Иногда роль этого ритмического пульса играет своим интонационным и ритмическим рисунком сама тематическая ячейка. Так, в первой прелюдии тома «Хорошо темперированного клавира» тематическая ячейка представляет собой дважды повторенное трезвучие C-dur и сохраняет свой рисунок до конца произведения, опевая различные гармонии. Гармонические последования, рождающиеся из изменения этой постоянной ячейки, образуют более крупные структуры; можно выделить ядро (первые 4 такта) и развитие; но сейчас важнее отметить то, что тематическая ячейка повторяется непрерывно в каждом такте до конца произведения. Изменение и развитие ее заключается в том, что при каждом новом повторении она располагается на звуках нового аккорда. Таким образом, изменяясь, она всегда остается сама собой. Располагаясь на звуках все новых и новых аккордов, ячейка каждый раз реализует одну за другой заложенные в ней потенциальные возможности к изменению и вместе с тем расходует свой эмоциональный запал. Это непрерывное повторение тематической ячейки, делая явственным отсчет объективного времени, создает платформу для существования более общего направления гармонического движения.
В основном то же происходит в инструментальных произведениях, носящих ариозный характер, примерами которых могут служить вторая часть Итальянского концерта и ария из оркестровой увертюры D-dur. Но если в прелюдии C-dur, упоминавшейся выше, общая направленность гармонического развития только намечена в постепенном изменении ячейки, то в таком произведении, как ария D-dur, эта направленность как бы материализуется в мелодическом голосе. Пространство здесь резко делится на две сферы, регистровую и тембральную. Одна последовательно опевает отдельные гармонии, ведет точный отсчет объективного времени (второй подобный пример — партия левой руки во второй части Итальянского концерта), другая, олицетворяя это гармоническое движение, является свободным мелодическим голосом, который расчленяется на тематическое ядро и его развитие. Это развитие — вычленения и вариации интонаций ядра, причем грань между ядром и развитием можно провести порой только по гармоническому плану произведения, так как интонационная спайка так крепка, что разделение ядра и развития просто невозможно. Таким образом, одна пространственная сфера состоит из повторений короткой ячейки и поэтому имеет дробную структуру; другая, строясь как развитие ячейки, имеет тенденцию к полной нерасчлененности движения линии. Этот пространственный контраст закреплен в инструментовке, которая у Баха играет формообразующую роль. Избранный вначале инструментальный состав не может быть изменен и дополнен до конца произведения. Тембр инструмента служит не для окраски индивидуального момента, но для создания одной из пространственных линий, которые, существуя на протяжении всего произведения, создают пространственный контраст.
Интересно отметить, что формообразующая роль тембра инструмента и нарочитое подчеркивание равномерной пульсации — один из характернейших принципов джазовой музыки. Концепция времени и пространства у Баха и в джазе довольно близки друг к другу. Но причины такого совпадения должны стать предметом особого исследования.
С ощущением объективного времени, достигнутого уже другим, более сложным путем, мы сталкиваемся в баховской фуге.
Тема фуги претерпевает ладовые и тональные изменения, а также подвергается действию полифонических приемов (обращение, ракоходное движение, сжатие, расширение), но все эти изменения не касаются структуры темы; порядок и соотношение ее элементов остаются одними и теми же. Поэтому можно сказать, что фуга состоит из энного числа повторений неразвивающейся темы, при каждом повторении перемещающейся в звуковом пространстве.
Пространство у Баха дискретно и ограничено. Дискретно потому, что оно разделено на отдельные самостоятельные линии — голоса, друг с другом не совпадающие, так что в каждый момент звучит совокупность этих раздельных, яркоразличимых голосов. Ограниченность же пространства выражена в наличии стабильного числа этих голосов, заданного в начале фуги, к которому не может быть добавлен до конца фуги ни один новый голос. Эта пространственная ограниченность в какой-то степени ограничивает и время произведения, так как при бесконечном количестве голосов тема бесконечно переходила бы из одного в другой, создавая бесконечное количество комбинаций.
Переходя из голоса в голос и оставаясь относительно неизменной, тема входит в различные комбинации с нетематическими интонациями других голосов, с каждым новым проведением получая новый смысловой оттенок, осуществляя одну за другой заложенные в ней возможности. Неповторяемость этих комбинаций, в основе которых лежит одна и та же тема, создает у слушателя ощущение объективного времени. Заслуживает особого внимания строгая постепенность в изменении темы, распределенная по разделам фуги. Так, в экспозиции, где происходит вступление голосов, тема чаще всего только перемещается в пространстве, в разработке она претерпевает тональные и ладовые изменения, в репризе же чаще всего подвергается полифоническим приемам развития. Это постепенное усложнение также создает впечатление естественного развития, протекающего в объективном времени.
3
Говоря о формообразующей роли времени и пространства в произведениях Бетховена, я буду иметь в виду прежде всего первые части сонатных и симфонических циклов, а также одночастные увертюры, т.е. произведения, написанные в сонатной форме, и за недостатком места оставлю в стороне все другие случаи. Сонатная форма до сих пор остается самым развитым и сложным видом гомофонических форм, а для Бетховена она являлась идеальным эталоном при создании всякой другой формы, поэтому все музыкальные формы, которые использовал композитор, пронизаны принципами сонатной формы.
Если основной принцип баховской фуги — это контраст, расположенный в пространстве (между интонациями различных голосов) равномерно и непрерывно, то в сонатной форме контраст расположен во времени и выражается в наличии главной и побочной темы, в то время как пространство не дискретно и не ограничено. Многогранность одного момента и состояния за счет расщепленности пространства, характеризующее фугу, заменяется в сонатной форме многообразием множества моментов. Время у Бетховена рассматривается как цепь событий, как история, причем то, что мы полагаем объективным временем, может подвергаться сжатию, расширению и резким скачкам, так как в произведениях этого композитора оно преломляется через психологический процесс с его воспоминаниями, предчувствиями, обобщениями. Если произведения Баха имеют аналогию с равномерными процессами жизни природы, то произведения Бетховена являются аналогией духовных процессов, происходящих в человеке.
Так как основной принцип сонатной формы — временной контраст, то ясно, что тематическая ячейка должна быть ограничена во времени, а само произведение должно строиться из некоторого количества различных тематических ячеек. Отсюда дискретность времени. Произведение состоит из большого количества яркоразличимых эпизодов, объединенных общей идеей конфликта между главной и побочной темами. Необходимость этого конфликта часто бывает заложена в самом начале, в главной теме, которая состоит обычно из двух контрастных элементов. Запал энергии, возникая при столкновении этих двух элементов, вызывает контраст в более обширных масштабах, а именно побочную партию, которая в отличие от главной более едина по своей структуре и подвергается меньшему развитию. Как правило, побочная партия имеет более или менее ярко выраженные жанровые связи, т.е. носит черты песенности или танцевальности, которых лишена главная партия из-за сложности структуры. Конечно, уже не может идти и речи об общей для всего произведения ритмической пульсации и отсчете объективного времени. Каждая новая тематическая ячейка вносит свой отсчет времени, свои измерительные единицы; кроме того, такой прием развития материала, как дробление, изменяет структуру ячейки путем усекновения ее частей, создает впечатление ускорения течения времени. Временная контрастность предопределяет точную тематическую репризу, объединяющую произведение. Психологическая подоплека этого музыкального процесса проявляется также во взаимоотношениях и связях различных отделов сонатной формы между собой. Так, например, в заключительной партии часто употребляются отдельные элементы главной или побочной темы или обоих вместе, что является не только следствием экономии материала, но и своеобразным воспоминанием. Особенно интересно отметить случай «Аппассионаты», где побочная тема представляет собой как бы обращение первого элемента главной темы. Если в полифоническом произведении обращение не касается структуры и ее эмоционального характера, то здесь, будучи вычленено из главной темы и очень свободно трактовано, с появлением нового равнопульсирующего движения оно приобретает совершенно иной вид. Таким образом, возникновение конфликтного образа с совершенно иной структурой и типом движения происходит на основе ранее имеющегося основного элемента главной темы. Этот контраст, порожденный двумя противоположными вариантами одной мысли, проявляется только во времени и разрешается в последних шести тактах сонаты, где проходящее почти через всю клавиатуру трезвучие F-moll объединяет и поглощает оба контрастных элемента, являясь идеальным и уникальным образцом диалектики сонатной формы.
Пространство в произведениях Бетховена, благодаря своей неограниченности и непрерывности, перестает играть ту формообразующую роль, которую оно играло у Баха.
Концентрируя все внимание на одном голосе и заботясь о максимальной его выразительности, Бетховен все остальное пространство, не относящееся к этому голосу, делает подчиненным, обеспечивающим максимальную выразительность в каждый индивидуальный момент. Симфонический оркестр — инструментальный ансамбль, существование и развитие которого теснейшим образом связано со становлением сонатно-симфонического цикла, упраздняет формообразующую роль тембра, делая произвольным вступление новых инструментов и исключение звучавших прежде. Звуковое пространство симфонического оркестра обнимает большую часть звуковысотного диапазона; благодаря сочетанию различных инструментов оно неограниченно и тембрально и имеет большую амплитуду динамических оттенков. Все это делает звуковые возможности оркестра неограниченными. И в принципе каждая из этих возможностей может быть реализована по произволу композитора, никак не отражаясь на структуре произведения. При анализе произведений Бетховена теперь даже игнорируют изменение в фактуре и инструментовке, обращая внимание только на тематическую линию. И это справедливо, так как здесь это единственная формообразующая сила, в то время как разнообразные перемещения в пространстве — звуковысотном, тембральном и динамическом — или обрастание всевозможными фактурами лишь выявляют тенденции материала и окрашивают каждый момент индивидуальной краской.
4
Для Веберна время не представляет непрерывной протяженности, а распадается на отдельные самодовлеющие моменты; его произведения являются совокупностью этих несвязанных, разобщенных моментов. Такая трактовка времени — следствие отношения Веберна к звуку и его стремления освободить музыкальный звук от всяких ассоциаций, очистив его восприятие и сделав его самоцелью. Это достигается за счет разрушения интонации и отсутствия гармонических тональных тяготений. Если в музыке Баха или Бетховена отдельные звуки, объединяясь в интонацию, не имеют смысла, будучи выделены из нее, так как ценность каждого звука заключается в его связи с окружающими звуками, то цель Веберна состоит в разрушении этих связей ради концентрации внимания на этом одном звуке, его звуковысотном положении, способе его извлечения, тембре, продолжительности звучания, динамическом оттенке. Итак, единственная музыкальная ценность для Веберна — это «самовитый» звук. Поэтому время и пространство распадаются на отдельные точки, друг с другом не связанные и не образующие ни протяженности, ни продолжительности. Так же как и в произведениях Палестрины, здесь стрелки часов неподвижны. Время отсутствует. Но если у Палестрины это происходит от нерасчлененности и единообразия музыкальной ткани, что приводит к синтезу мгновения и вечности, то у Веберна вечность распадается на бесчисленное множество индивидуальных, неповторимых моментов, причем эти моменты не являются звеньями одной цепи, как например отдельные эпизоды в произведениях Бетховена, несмотря на всю свою контрастность выстраивающиеся в единую последовательность. Время возникает только с возникновением определенного звука и исчезает с его прекращением.
У Веберна тематическая ячейка не определяет лицо произведения, но сама определяется правилами серийной техники, как ячейка Палестрины определяется правилами строгого стиля. В основе всего произведения лежит одна серия из двенадцати нот, которая проходит в ракоходном и обращенном движении, превращается в гармоническую вертикаль, транспонируется на тритон. Комбинации всех этих проведений и образуют музыкальную ткань, каждая нота которой поэтому тематична. Ноты серии расположены с таким расчетом, чтобы их последовательность не складывалась ни в какую интонацию. Разумеется, взятая сама по себе серия все же вызывает интонационные ассоциации, но система динамических оттенков, пауз и инструментовки на всем ее протяжении ведет к распаду интонации на отдельные разобщенные звуки. В дальнейшем ходе произведения эта тенденция усиливается. Распад произведения на отдельные разобщенные звуки обусловливает крайне малую продолжительность его звучания, так как возможности восприятия ограничены и концентрация внимания на каждом отдельном звуке на больших временных отрезках невозможна. Но несмотря на то что размеры произведений Веберна очень малы, их никогда нельзя назвать миниатюрами, так как их исключительная сжатость обусловлена огромной концентрацией музыкального содержания.
Здесь я совершенно не коснулся вопроса о цикле. Ведь ощущение и понимание времени проявляется не только в организации формы одного музыкального произведения, но также и в объединении нескольких произведений в один цикл и во взаимоотношениях частей цикла между собой. В этой статье были обойдены также очень важные вопросы, связанные с соотношением разных произведений одного композитора: выстраиваются ли они в одну общую последовательность, или творческий путь представляет собой ряд разобщенных эпизодов; а может быть, все творчество композитора складывается в одно большое произведение? Вопросы эти обойдены не только из-за недостатка места, но также и из-за неисследованности проблемы времени и пространства в музыке. Цель данной статьи нащупать пути, по которым должно вестись исследование этой сложной проблемы, важность которой очевидна.
Мартынов В.И. Время и пространство как факторы музыкального формообразования.
Ритм, пространство и время в литературе и искусстве. Сборник. — Л., 1974, с.238-248
дополняют друг друга в предложении
SentencesMobile
- Дэн и Деш — команда убийц, потому что они дополняют друг друга.
- First Chicago и NBD дополняют друг друга по множеству направлений.
- Маркетинговые подходы двух компаний также дополняют друг друга.
- Я думаю, мы можем действительно хорошо работать вместе и дополнять друг друга.
- Маккарти утверждает, что его карьера в НБА и многообещающая музыкальная карьера дополняют друг друга.
- Эти два шоу дополняют друг друга, не путешествуя по одной и той же местности.
- Тема и сюжет дополняют друг друга, а тон тщательно модулируется.
- Итак, они как бы дополняют друг друга и помогают друг другу.
- Различные сюжетные линии и сцены начинают переплетаться и дополнять друг друга.
- Их технологии не конкурируют, а дополняют друг друга, заявили компании.
- Трудно увидеть, как дополняют друг друга в одном предложении.
- У всех трех участников разные вокальные диапазоны, которые дополняют друг друга.
- Как концепции автономии и ограничений будут дополнять друг друга?
- Я думаю, что Джефф Кент и я очень хорошо дополняем друг друга,
- Обе линии, однако, несколько дополняют друг друга между Салониками и Плати.
- Они дополняют друг друга, как наши приемники дополняют друг друга.
- Кан хотел, чтобы дерево и цемент дополняли друг друга.
- Эти оттенки белого дополняют друг друга и хорошо сочетаются с более темными цветами.
- Они дополняют друг друга, как наши приемники дополняют друг друга.
- Задача состоит в том, чтобы объединить эти растения так, чтобы их листва дополняла друг друга.
- Он и Шак сейчас так хорошо дополняют друг друга,
- Больше предложений : 1 2 3
«Комплимент» vs.«Дополнение»: как выбрать правильное слово
СМОТРЕТЬ: Когда мы используем комплимент или комплимент? Дополнение?
Комплимент и дополнительный — часто путают термины, потому что они произносятся одинаково и изначально имеют некоторые значения.
Но со временем они превратились в отдельные слова с совершенно разными определениями.
Что означает
в дополнение к ?Дополнение к E является более старым из двух терминов.Его существительное значение существует в английском языке с 1300-х годов.
Термин происходит от латинского Complēmentum , что означает «что-то завершающее». Итак, это означает, что если что-то дополняет что-то еще, оно дополняет это, улучшает или делает его совершенным.
Рубашка может дополнить цвет чьих-то глаз, а вино — к трапезе. Когда мы говорим о дополнительных углах или дополнительных цветах, мы используем именно это значение дополнения .Дополнительные углы — это два угла, которые в сумме дают угол 90 °. Дополнительные цвета — это цвета, которые находятся прямо напротив друг друга на цветовом круге, и они усиливают друг друга своим контрастом, например красный и зеленый, фиолетовый и желтый, синий и оранжевый.
Что означает
комплимент ? Комплимент с I из середины 1600-х годов. Он пришел на английский с испанского cumplimiento . Но настоящая путаница возникает из-за того факта, что c ompliment (с I ) в конечном итоге происходит от того же латинского корня, что и Complement (с E ), complementum , и это составляет некоторые из раннее совпадение значений.
Вы можете сделать кому-то комплимент или сделать комплимент хорошо выполненной работе. Люди иногда употребляют фразу « комплиментов» шеф-повару «» после хорошей еды.
Что-то бесплатное бесплатно, например, авиакомпании предлагают бесплатные газированные напитки на рейсах.
Так как же удержать этих двоих прямо? Просто помните, что если что-то завершено ments что-то, это завершено tes это.
Как использовать «дополнение» по сравнению с «комплиментом»
Хотя оба происходят от латинского слова Complēre (что означает «завершить»), дополнение продолжает относиться к чему-то, что дополняет что-то еще, в то время как комплимент разветвляется, чтобы отсылать к примечанию, «особенно в форме восхищение, уважение или одобрение, «например, когда кому-то делают комплимент за достижение или за то, как он выглядит.
О, английский. Ты такое хитрое создание.
Если мы можем согласиться с этим замечанием, выражающим восхищение (будьте уверены, это так), можем ли мы назвать это дополнением? Или комплимент?
Правильное слово — комплимент , но дополнение время от времени оказывается погруженным в такие контексты, что делает эту путаницу между двумя словами вопросом, заслуживающим нашего внимания.
Итак, приступим к рассмотрению.
Как дополняют , так и дополняют , в конечном счете, имеют свои корни в латинском слове Complēre , означающем «завершать». Слово complementum пошло по довольно прямому пути, входя в среднеанглийский язык из латинского complementum , которое само произошло непосредственно из complementum . Compliment , с другой стороны, пришел в английский из среднефранцузского языка через итальянское и испанское слово, означающее «быть вежливым» и «выполнять то, что должно», это испанское слово является модификацией слова Complēre .
Использование дополнения
Связь между дополнением и дополнением просматривается в современном использовании дополнения и, следовательно, помогает запомнить территорию, которую охватывает слово. Дополнение можно в широком смысле понимать как что-то, что каким-то образом дополняет что-то еще. Иногда он завершается улучшением, как в случае «шляпа, которая является элегантным дополнением костюма», а иногда завершается путем удовлетворения потребности, как в «команде с полным набором игроков».«Он также используется в технических контекстах, таких как медицина, грамматика и математика. Дополнение также означает глагол, означающий« дополнять или улучшать, предоставляя что-то дополнительное ».
Использование комплиментов
Комплимент является наиболее распространенным в этой паре. Его этимологическая связь с учтивостью очевидна в его современном использовании, где как существительное оно чаще всего относится к замечанию, которое говорит что-то хорошее о ком-то или чем-то, а как глагол оно передает выражение такого замечания.Мы хвалим кого-то за то, что он сделал — «Какой красивый рисунок!» — делая ему комплимент: высказывание о красивом рисунке.
И в этом суть: дополнение , , дополнение, , комплимент, , вежливость, особенно в форме восхищения, уважения или одобрения.
Как там все аккуратно и аккуратно! Как эта пара, кажется, бросает вызов этой характеристике английского языка как «коварное существо»! За исключением того, что мы кое-что упустили.Мы очень надеемся, что это не будет слишком разрушительно. Вот и глагол , дополнение имеет устаревшее значение, синоним комплимент , и другое устаревшее значение «обменяться формальными знаками внимания». И существительное , дополняющее тоже имеет совершенно неуместные (учитывая современные функции слова) устаревшие значения, в том числе «социальное качество достижения» и «что-то добавленное для украшения». Единственное утешение, которое мы можем предложить перед лицом таких фактов, заключается в следующем: к концу 17 века англоговорящие в основном со всем этим справились.
Английский действительно хитрый тварь.
Итого: Если одна вещь соответствует e и (с буквой «e») другая, она соответствует e tes этой вещи (например, туфли дополняют ваш наряд или делают его безупречным). Дополнение происходит от латинского слова Complete .
Синонимов дополнения | Тезаурус Мерриам-Вебстера
Тезаурус
Синонимы слова
Complement(запись 1 из 2)
1 что-то, что служит для завершения или восполнения дефицита чего-то еще- своей практичностью и освежающим энтузиазмом они идеально подходят дополняют друг друга
слов, относящихся к дополнению
2 наибольшее количество или количество, которое может вместить- полный комплект моряков на теплоход
слов, относящихся к дополнению
Синонимы слова Complement (Запись 2 из 2)
служить завершающим элементом- Этот шелковый носовой платок очень красиво дополнит ваш костюм и придаст ему выразительности
слов, относящихся к дополнению
См. Определение словаряРазница между дополнением и дополнением друг друга —
Когда вы достигаете определенных рубежей, например, вступаете в брак или вступаете в брак, наступает захватывающее время, когда вы хотите отпраздновать свой успех с самыми близкими вам людьми.В прошлые выходные я присутствовал на великолепной свадьбе в центре Лос-Анджелеса и присутствовал на свадебной церемонии. Одна вещь, которую сказал дьякон, бросилась мне в глаза, это «дополнять, а не дополнять друг друга». Хм … это интересно, потому что я уверен, что большинству из вас сказали найти кого-то, кто завершит вас, но он объяснил, что в браке должны быть два человека, которые укрепляют друг друга как личности, а не два человека, которые становятся одним целым. Вот мои мысли о том, кто дополняет вас, а кто делает вам комплименты.
Завершено
- Пополнение сильных сторон одного человека
- Вы нуждаетесь — вы нужны друг другу для достижения целей
- Вы постоянно ссоритесь и не всегда соглашаетесь из-за разных точек зрения
- Вы противоположны и можете пойти на компромисс, но, возможно, не захотите
- Значимые другие могут критиковать то, что вы делаете, вместо того, чтобы помогать вам
Дополнение:
- Делайте друг друга лучше; кто-то, кто может улучшить вас и добавить к отношениям
- Поощряйте друг друга заниматься личными хобби и увлечениями
- Объединяйтесь для выполнения задач
- Оба согласны с одними и теми же ценностями и имеют схожий образ мышления
- Есть и физическая, и ментальная химия
- Ссорясь, ссорясь и шутя, вы все равно любите друг друга в конце дня
- Вы не потеряете разговор
Я согласен … мы должны найти кого-то, кто нас дополняет.Этот человек будет тем, кто будет воодушевлять вас, выполнять вместе с вами задачи и рад создать вместе с вами будущее. С кем-то, кто дополняет вас, мы подразумеваем, что мы чего-то упускаем. Хотя это может быть так, подумайте, помогает ли этот человек добиться успеха или просто делает это сам, думая, что вы не можете.
Глядя на свои собственные отношения, соглашаетесь ли вы с кем-то противоположным, потому что он бросает вам вызов? или Вы в партнерстве с кем-то, кто бросает вам вызов, потому что он хочет помочь вам стать лучше (в хорошем смысле)? Это важные черты, о которых следует подумать при поиске арахисового масла и # ореховых палочек!
комплиментов против комплиментов: в чем разница?
Комплимент против дополнения…
Оба эти слова часто сбивают с толку писателей.
Слова — омофоны, или слова, которые звучат одинаково, но имеют разные значения.
Мало того, они пишутся почти одинаково, за исключением надоедливых E и I посередине.
Если вы хотите избежать типичных ошибок при письме, важно понимать разницу между дополнением и дополнением.
Интересно, что изначально «комплимент» и «комплимент» имели общие значения. Язык постоянно развивается, и сегодня эти два слова имеют разные значения.
Так вы делаете кому-то комплимент или комплимент? Эта рубашка дополняет или дополняет ваш наряд?
Как только вы усвоите смысл, вопрос «дополнение vs комплимент» вас не сбивает.
Вот более пристальный взгляд на значение этих часто путающих слов и их различные значения с примерами предложений.
Лучшая проверка грамматики
ГрамматикаGrammarly — это лучшая программа для проверки орфографии, грамматики и плагиата.Он поможет вам быстро находить и исправлять ошибки и работает везде. Бесплатная пробная версия тоже пригодится.
«Стать писателем сегодня» поддерживается читателями. Когда вы совершаете покупку по ссылкам на нашем сайте, мы можем получать партнерскую комиссию.
Идеально для писателей-фантастов
ProWritingAidProWritingAid — мощная и точная программа проверки грамматики и редактор стилей.Он подходит для писателей-фантастов и не требует ежемесячной подписки.
Мы зарабатываем комиссию, если вы совершаете покупку, без каких-либо дополнительных затрат для вас.
Что означает дополнение?
Когда вы говорите, что что-то «дополняет» что-то еще, это дополняет, улучшает или совершенствует это.
Дополнение с буквой «е» происходит от латинского слова Complēmentum, , что означает «что-то завершающее».«Это более старый из двух терминов, возникший в 1300-х годах.
Так что используйте дополнение при написании:
Рубашка дополняла ее взгляд.
Дополнение и его варианты также появляются в других сценариях. В математике дополнительные углы — это углы, которые в сумме составляют 90 градусов. Они «дополняют» друг друга, образуя прямой угол.
В искусстве дополнительные цвета располагаются напротив друг друга на цветовом круге. Художники знают, что дополняющие цвета хорошо сочетаются друг с другом.Они «дополняют» друг друга, усиливая приятный контраст.
Точно так же «взаимодополняемость» означает, что две вещи каким-то образом улучшают друг друга. Например, сливки дополняют кофе.
Что означает комплимент?
При использовании в качестве существительного комплимент означает слово похвалы или похвалы. При использовании в качестве глагола комплимент означает выражение похвалы или восхищения.
Комплимент с буквой i происходит от 1600-х годов и от испанского слова cumplimiento .Слово также имеет основу в латинском слове Complēmentum , что является одной из причин, по которой они создают такую путаницу.
Когда вы говорите кому-то комплимент, вы цените что-то в этом человеке или его усилиях.
«Комплимент» также может относиться к тому, что вы получаете бесплатно, например, «бесплатно». Когда вы обедаете в мексиканском ресторане и подаются чипсы и сальса, у вас есть «бесплатная» закуска.
В чем разница между дополнением и комплиментом?
Дополнение и комплимент — два разных слова.
Первый пишется с E и описывает, как одно сочетается с другим. Последний использует гласную I и описывает похвалу или признательность.
Поиск I или E поможет вам разделить эти два часто путающих слова.
В чем разница между дополнительным и бесплатным?
Дополнительный и дополнительный — это похожие слова, которые часто путают.
В основном, бесплатный, с I , означает получение чего-то бесплатно, например, бесплатного пропуска в спортзал.
Дополнение к E описывает два продукта, которые хорошо сочетаются друг с другом, например, джин и тоник.
Как видите, у этих слов разные значения.
Как вы используете дополнение и комплимент в предложениях?
Теперь, когда вы понимаете происхождение этих слов в английском языке, просмотрите еще несколько примеров.
Использование дополнения в качестве существительного
Как дополнение, так и комплимент используются существительными.При использовании в качестве существительного «дополнение» означает «что-то завершающее». В повседневных ситуациях это может выглядеть так:
Это вино было прекрасным дополнением к стейку.
Муж и жена имели личности, которые идеально дополняли друг друга.
Существительное употребление дополнения также встречается в естественных науках, математике и грамматике. В грамматике предикатом предложения является «дополнение». Это часть, которая описывает субъект или прямой объект.
В математике дополнение — это угол, который при добавлении к другому углу образует прямой угол. В науке система комплемента — это серия белков, которые циркулируют в крови и сопоставляют антитела, чтобы «восполнить» их.
В науке система комплемента — это серия белков, которые циркулируют в крови и соответствуют антителам, чтобы «восполнить» их.
Использование дополнения как глагола
Дополнение чаще используется как глагол для завершения.Рассмотрим этот пример предложения:
Пиджак красиво дополняет ее платье.
Тихое поведение мужчины прекрасно дополняет общительный характер его жены.
В каждом из них слово «дополнение» показывает, что два элемента хорошо дополняют друг друга.
Использование дополнения в качестве модификатора
Писатели используют версии дополнения в качестве модификаторов, описывающих что-то, что сочетается с чем-то еще. Давайте посмотрим на эти примеры предложений:
Получил бесплатный билет в кино.
Хлеб и масло являются дополнительными продуктами для завтрака.
Использование комплимента как существительного
Когда слово «комплимент» — это существительное, оно означает похвалу или восхищение. Вот несколько примеров:
Он сделал своей девушке комплимент по поводу ее новой стрижки.
Комплимент заставил ее покраснеть.
Одно из распространенных употреблений слова «комплимент» — это объект подразумеваемой предложной фразы.Рассмотрим этот пример:
Я получил комплименты на бесплатную ночь проживания от владельца отеля после того, как обнаружил таракана в моем номере.
В этом предложении «комплименты владельца отеля» подразумевают предлог «с». Также правильнее было бы сказать:
Я получил бесплатную ночь проживания с комплиментом владельца отеля после того, как обнаружил таракана в моем номере.
Таким образом, слово «комплименты» — это существительное, используемое как объект подразумеваемого предлога.
Использование комплимента как глагола
Комплимент также может использоваться как глагол. Вы можете сделать кому-то комплимент, выразив ему признательность.
Поэтому сказать «Я сделал ей комплимент за ее упорный труд» было бы грамматически правильным, хотя и многословным.
Некоторые примеры использования комплимента в качестве глагола включают:
Часто делайте комплименты своим детям, и они окажутся на высоте.
Он поблагодарил своего сотрудника за хорошо выполненную работу.
В комплименте используется то же слово, что и глагол, а не существительное.
Можно ли использовать комплимент как модификатор?
Писатели используют версии комплиментов в качестве модификаторов, описывая что-то бесплатное. Можно сказать:
В этом предложении выпечка и кусочки пасты не говорят вам, что вы носите красивую рубашку. Это то, что вы можете съесть бесплатно, добавив прилагательное, описывающее образцы.
Мне понравились бесплатные образцы в кафе.
Последнее слово о дополнении и комплименте
Если вы хотите что-то связать или дополнить, используйте слово «дополнение». Если сомневаетесь, ищите E .
С другой стороны, если вы говорите кому-то похвалу или благодарность, или если вы имеете в виду что-то бесплатное, используйте комплимент. Чтобы запомнить это, сделайте комплимент себе или другому человеку.
Скажи: «Я такой умный!» Ищите I .
Понимание разницы между обычными омофонами и их правильное использование — ключ к тому, чтобы стать сильным писателем.Если вам все еще нужна помощь, рассмотрите возможность использования средства проверки грамматики.
Присоединяйтесь к более чем 15 000 писателей сегодня
Получите БЕСПЛАТНО книгу с подсказками и узнайте, как зарабатывать больше денег на своем письме.
Успех! Теперь проверьте свою электронную почту, чтобы получить подсказки.
Николь Хармс профессионально пишет с 2006 года.Она специализируется на образовании и написании статей о недвижимости, но ей нравится широкий спектр тем. Ее цель — заинтересовать читателя, но информативно. Ее работы были представлены в USA Today, и она пишет для многих известных компаний. Как бывший учитель, она увлечена исследованиями и грамматикой, давая своим клиентам то качество, которое им требуется в современном мире онлайн-маркетинга.
Просмотреть все сообщения
WordReference Словарь американского английского для учащихся. © 2021 полное • мент / n. ˈkɑmpləmənt; v. ˈkɑmpləˌmɛnt / США произношение п. [счетно]
v. [~ + Объект]
Несокращенный словарь американского английского WordReference Random House © 2021 полное • мент (n. Kom ′ plə mənt; v. Kom ′ pləment ′), США произношение n.
в.т.
в.и.
Краткий английский словарь Коллинза © HarperCollins Publishers :: дополнение n / ˈkɒmplɪmənt /
ИСПОЛЬЗОВАНИЕ См. |