✖


Jump to content

Прогнозирующее кодирование

Информацию о технологии обработки речи см. в разделе « Линейное прогнозирующее кодирование» .

В нейробиологии , которая постулирует , прогнозирующее кодирование (также известное как прогнозирующая обработка ) — это теория функции мозга что мозг постоянно генерирует и обновляет « мысленную модель » окружающей среды. Согласно теории, такая ментальная модель используется для прогнозирования входных сигналов от органов чувств , которые затем сравниваются с фактическими входными сигналами от этих органов чувств. Прогнозирующее кодирование является частью более широкого набора теорий, которые следуют байесовской гипотезе мозга .

Происхождение [ править ]

Теоретические предшественники прогнозирующего кодирования восходят к 1860 году, когда была разработана Гельмгольца концепция бессознательного вывода . [1] Бессознательный вывод относится к идее, что человеческий мозг заполняет визуальную информацию, чтобы придать смысл сцене. Например, если что-то относительно меньше другого объекта в поле зрения, мозг использует эту информацию как вероятный сигнал о глубине, так что воспринимающий в конечном итоге (и непроизвольно) ощущает глубину. Понимание восприятия как взаимодействия между сенсорными стимулами (снизу вверх) и концептуальными знаниями (сверху вниз) продолжил Джером Брунер , который, начиная с 1940-х годов, изучал способы, которыми потребности, мотивации и ожидания влияют на восприятие. исследование, которое стало известно как психология «Нового взгляда». В 1981 году Макклелланд и Румельхарт исследовали взаимодействие между элементами обработки (линиями и контурами), которые формируют буквы, которые, в свою очередь, образуют слова. [2] Хотя эти особенности предполагают наличие слова, они обнаружили, что, когда буквы находились в контексте слова, люди могли идентифицировать их быстрее, чем когда они находились в неслове без семантического контекста. Модель параллельной обработки Макклелланда и Румельхарта описывает восприятие как встречу нисходящих (концептуальных) и восходящих (сенсорных) элементов.

В конце 1990-х годов идея нисходящей и восходящей обработки была преобразована Рао и Баллардом в вычислительную модель зрения . [3] Их статья продемонстрировала, что может существовать генеративная модель сцены (обработка сверху вниз), которая будет получать обратную связь через сигналы ошибок (насколько визуальные входные данные отличаются от прогноза), что впоследствии приведет к обновлению прогноза. Вычислительная модель смогла воспроизвести хорошо известные эффекты рецептивного поля, а также менее понятные экстраклассические эффекты рецептивного поля, такие как остановка конца .

В 2004 году [4] Рик Граш предложил модель нейронной перцептивной обработки, согласно которой мозг постоянно генерирует прогнозы на основе генеративной модели (то, что Граш назвал «эмулятором»), и сравнивает эти прогнозы с фактическими сенсорными данными. Разница, или «сенсорный остаток», затем будет использоваться для обновления модели, чтобы дать более точную оценку воспринимаемой области. По мнению Граша, сигналы «сверху вниз» и «снизу вверх» должны быть объединены таким образом, чтобы они были чувствительны к ожидаемому шуму (то есть неопределенности) в восходящем сигнале, так что в ситуациях, когда было известно, что сенсорный сигнал менее заслуживает доверия, прогнозу сверху вниз будет придан больший вес, и наоборот. Было также показано, что структура эмуляции является иерархической: эмуляторы, специфичные для модальности, обеспечивают нисходящие ожидания сенсорных сигналов, а эмуляторы более высокого уровня обеспечивают ожидания отдаленных причин этих сигналов. Груш применил эту теорию к зрительному восприятию, зрительным и двигательным воображениям, языку и теории психических явлений.

Общая структура [ править ]

Концептуальная схема прогнозирующего кодирования с двумя уровнями

Прогнозирующее кодирование изначально было разработано как модель сенсорной системы , в которой мозг решает проблему моделирования отдаленных причин сенсорной информации посредством версии байесовского вывода . Предполагается, что мозг поддерживает активные внутренние представления о дистальных причинах, которые позволяют ему прогнозировать сенсорные сигналы. [5] Сравнение между прогнозами и сенсорными входными данными дает меру различия (например, ошибку прогноза, свободную энергию или неожиданность), которая, если она достаточно велика за пределами ожидаемого статистического шума, приведет к обновлению внутренней модели, чтобы она лучше прогнозировала сенсорные данные. ввод в будущем.

Если вместо этого модель точно предсказывает управляющие сенсорные сигналы, активность на более высоких уровнях компенсирует активность на более низких уровнях, а внутренняя модель остается неизменной. Таким образом, предсказательное кодирование переворачивает традиционный взгляд на восприятие как на восходящий процесс, предполагая, что оно в значительной степени ограничено предшествующими предсказаниями, когда сигналы из внешнего мира формируют восприятие только в той степени, в которой они распространяются вверх по кортикальной иерархии в мозгу. форма ошибки прогнозирования.

Ошибки прогнозирования можно использовать не только для определения отдаленных причин, но и для изучения их с помощью нейронной пластичности . [3] Идея здесь состоит в том, что представления, усвоенные кортикальными нейронами, отражают статистические закономерности сенсорных данных. Эта идея также присутствует во многих других теориях нейронного обучения, таких как разреженное кодирование , с основным отличием в том, что при прогнозирующем кодировании изучаются не только связи с сенсорными входами (т. е. рецептивное поле ), но и нисходящее прогнозирование. связи с представлениями более высокого уровня. Это делает прогнозирующее кодирование похожим на некоторые другие модели иерархического обучения, такие как машины Гельмгольца и сети глубокого убеждения , которые, однако, используют другие алгоритмы обучения. Таким образом, двойное использование ошибок прогнозирования как для вывода, так и для обучения является одной из определяющих особенностей прогнозирующего кодирования. [6]

Прецизионное взвешивание [ править ]

Точность поступающих сенсорных сигналов — это их предсказуемость, основанная на шуме сигнала и других факторах. Оценки точности имеют решающее значение для эффективной минимизации ошибки прогнозирования, поскольку они позволяют взвешивать сенсорные входные данные и прогнозы в соответствии с их надежностью. [7] Например, шум в визуальном сигнале варьируется от рассвета до заката, так что ошибкам сенсорного прогнозирования при дневном свете придается большая условная достоверность, чем при наступлении темноты. [8] Подобные подходы успешно используются и в других алгоритмах, выполняющих байесовский вывод , например, для байесовской фильтрации в фильтре Калмана .

Было также высказано предположение, что такое взвешивание ошибок прогнозирования пропорционально их предполагаемой точности является, по сути, вниманием . [9] и что процесс концентрации внимания может нейробиологически осуществляться с помощью восходящей ретикулярной активирующей системы (ARAS), оптимизирующей «прирост» единиц ошибки прогнозирования. Однако также утверждалось, что точное взвешивание может объяснить только «эндогенное пространственное внимание», но не другие формы внимания. [10]

Активный вывод [ править ]

Тот же принцип минимизации ошибок прогнозирования использовался для объяснения поведения, в котором двигательные действия являются не командами, а нисходящими проприоцептивными предсказаниями. В этой схеме активного вывода классические рефлекторные дуги координируются таким образом, чтобы избирательно собирать сенсорную информацию таким образом, чтобы лучше выполнять предсказания, тем самым сводя к минимуму ошибки проприоцептивного предсказания. [9] Действительно, Адамс и др. (2013) рассматривают данные, свидетельствующие о том, что этот взгляд на иерархическое предсказательное кодирование в двигательной системе обеспечивает принципиальную и убедительную с нейронной точки зрения основу для объяснения агранулярной организации моторной коры. [11] Эта точка зрения предполагает, что «перцептивную и двигательную системы следует рассматривать не как отдельные, а как единую активную машину вывода, которая пытается предсказать свои сенсорные входные данные во всех областях: зрительной, слуховой, соматосенсорной, интероцептивной и, в случае двигательной системы, , проприоцептивный». [11]

теория в кодировании прогнозирующем Нейронная

Большая часть ранних работ, в которых применялась система прогнозирующего кодирования к нейронным механизмам, была связана с сенсорной обработкой, особенно в зрительной коре головного мозга . [3] [12] Эти теории предполагают, что архитектуру коры можно разделить на иерархически расположенные уровни, соответствующие различным областям коры. Считается, что на каждом уровне находятся (по крайней мере) два типа нейронов: «нейроны прогнозирования», целью которых является прогнозирование восходящих входных данных на текущий уровень, и «нейроны ошибок», которые сигнализируют о разнице между входными данными и прогнозированием. Считается, что эти нейроны в основном представляют собой неповерхностные и поверхностные пирамидные нейроны , тогда как интернейроны выполняют различные функции. [12]

Есть свидетельства того, что в областях коры разные корковые слои могут способствовать интеграции проекций прямой и обратной связи в разных иерархиях. [12] Поэтому предполагалось, что эти кортикальные слои играют центральную роль в вычислении прогнозов и ошибок прогнозирования. Распространено мнение, что [12] [13]

  • нейроны ошибок расположены в супрагранулярных слоях 2 и 3, поскольку эти нейроны проявляют редкую активность и склонны реагировать на неожиданные события.
  • нейроны прогнозирования находятся в глубоком слое 5, где многие нейроны демонстрируют плотные ответы.
  • точное взвешивание может быть реализовано с помощью различных механизмов, таких как нейромодуляторы или проекции на большие расстояния из других областей мозга (например, таламуса ).

Однако до сих пор нет единого мнения о том, как мозг, скорее всего, реализует предсказательное кодирование. Некоторые теории, например, предполагают, что супрагранулярные слои содержат не только нейроны ошибок, но и нейроны прогнозирования. [12] Также до сих пор ведутся споры, с помощью каких механизмов нейроны ошибок могут вычислять ошибку прогнозирования. [14] Поскольку ошибки прогнозирования могут быть как отрицательными, так и положительными, а биологические нейроны могут проявлять только положительную активность, требуются более сложные схемы кодирования ошибок. Чтобы обойти эту проблему, более поздние теории предполагают, что вместо этого вычисление ошибок может происходить в нейронных дендритах . [15] [16]

Применение прогнозирующего кодирования [ править ]

Восприятие [ править ]

Эмпирические данные о прогнозирующем кодировании наиболее надежны для перцептивной обработки. Еще в 1999 году Рао и Баллард предложили иерархическую модель визуальной обработки , в которой зрительная область коры высшего порядка отправляет прогнозы, а прямые связи переносят остаточные ошибки между прогнозами и фактическими действиями более низкого уровня. [3] Согласно этой модели, каждый уровень в сети иерархической модели (кроме самого нижнего уровня, который представляет изображение) пытается предсказать ответы на следующем более низком уровне через связи обратной связи, а сигнал ошибки используется для коррекции оценки входных данных. сигнал на каждом уровне одновременно. [3] Эмберсон и др. установили нисходящую модуляцию у младенцев, используя кросс-модальную парадигму аудиовизуального пропуска, определив, что даже у мозга младенцев есть ожидания относительно будущих сенсорных данных, которые передаются вниз по течению от зрительной коры и способны давать обратную связь, основанную на ожиданиях. [17] Данные функциональной ближней инфракрасной спектроскопии (fNIRS) показали, что затылочная кора младенца реагировала на неожиданное отсутствие зрения (без ввода визуальной информации), но не на ожидаемое отсутствие зрения. Эти результаты показывают, что в иерархически организованной системе восприятия нейроны более высокого порядка отправляют прогнозы нейронам более низкого порядка, которые, в свою очередь, отправляют обратно сигнал ошибки прогнозирования.

Интероцепция [ править ]

Основная статья: Интероцепция

Было несколько конкурирующих моделей роли предсказательного кодирования в интероцепции .

В 2013 году Анил Сет предположил, что наши субъективные чувства, также известные как эмоции, генерируются прогностическими моделями, которые активно строятся на основе причинно-следственных интероцептивных оценок. [18] Что касается того, как мы приписываем внутренние состояния других людей причинам, Саша Ондобака, Джеймс Килнер и Карл Фристон (2015) предположили, что принцип свободной энергии требует, чтобы мозг производил непрерывную серию прогнозов с целью уменьшения количества прогнозов. ошибка, которая проявляется как «свободная энергия». [19] Эти ошибки затем используются для моделирования упреждающей информации о том, каким будет состояние внешнего мира, и объяснений причин этого состояния мира, включая понимание причин поведения других. Это особенно необходимо, поскольку для создания таких атрибуций нашим мультимодальным сенсорным системам необходимы интероцептивные предсказания для самоорганизации. Поэтому Ондобака утверждает, что прогнозирующее кодирование является ключом к пониманию внутреннего состояния других людей.

В 2015 году Лиза Фельдман Барретт и У. Кайл Симмонс предложили модель Embodied Predictive Interoception Coding, структуру, которая объединяет байесовские принципы активного вывода с физиологической структурой кортикокортикальных связей. [20] Используя эту модель, они предположили, что агранулярная висцеромоторная кора отвечает за выработку прогнозов об интероцепции, тем самым определяя опыт интероцепции.

Вопреки индуктивному представлению о том, что категории эмоций биологически различны, Барретт позже предложил теорию сконструированных эмоций, которая представляет собой теорию, согласно которой биологическая категория эмоций конструируется на основе концептуальной категории - накопления случаев, имеющих общую цель. [21] [22] В модели прогнозирующего кодирования Барретт выдвигает гипотезу, что при интероцепции наш мозг регулирует наши тела, активируя «воплощенные симуляции» (полноценные представления сенсорного опыта), чтобы предвидеть то, что наш мозг предсказывает, что внешний мир бросит в нас сенсорно и как мы ответим на это действием. Эти симуляции либо сохраняются, если на основе предсказаний нашего мозга они хорошо подготавливают нас к тому, что на самом деле впоследствии происходит во внешнем мире, либо они и наши предсказания корректируются, чтобы компенсировать их ошибку по сравнению с тем, что фактически происходит во внешнем мире. мире и насколько хорошо мы были к нему готовы. Затем, в процессе корректировки методом проб и ошибок, наши тела находят сходство целей среди некоторых успешных прогнозирующих симуляций и группируют их по концептуальным категориям. Каждый раз, когда возникает новый опыт, наш мозг использует эту прошлую историю корректировок проб и ошибок, чтобы сопоставить новый опыт с одной из категорий накопленных скорректированных симуляций, с которыми он имеет наибольшее сходство. Затем они применяют исправленную симуляцию этой категории к новому опыту в надежде подготовить наши тела к остальной части опыта. Если этого не происходит, прогноз, моделирование и, возможно, границы концептуальной категории пересматриваются в надежде на более высокую точность в следующий раз, и процесс продолжается. Барретт выдвигает гипотезу, что, когда ошибка прогнозирования для определенной категории симуляций x-подобного опыта сведена к минимуму, в результате получается симуляция с учетом коррекции, которую тело будет воспроизводить для каждого x-подобного опыта, что приводит к полнотелому состоянию с учетом коррекции. представление чувственного опыта – эмоции. В этом смысле Барретт предлагает конструировать свои эмоции, поскольку концептуальная структура категорий, которую наш мозг использует для сравнения нового опыта и выбора подходящей прогнозирующей сенсорной симуляции для активации, строится на ходу.

Информатика [ править ]

С ростом популярности обучения представлению эта теория также активно развивалась и применялась в машинном обучении и смежных областях. [23] [24] [25]

Проблемы [ править ]

Одной из самых больших проблем при тестировании прогнозирующего кодирования была неточность в том, как именно работает минимизация ошибок прогнозирования. [26] В некоторых исследованиях увеличение ЖИРНОГО сигнала интерпретировалось как сигнал ошибки, тогда как в других оно указывает на изменения во входном представлении. [26] Важнейший вопрос, который необходимо решить, заключается в том, что именно представляет собой сигнал ошибки и как он вычисляется на каждом уровне обработки информации. [12] Еще одна проблема, которая была поставлена, - это вычислительная гибкость прогнозирующего кодирования. По мнению Квистаута и ван Ройя, подвычисления на каждом уровне системы прогнозирующего кодирования потенциально скрывают неразрешимую в вычислительном отношении проблему, которая представляет собой «непреодолимые препятствия», которые разработчикам компьютерного моделирования еще предстоит преодолеть. [27]

Будущие исследования могут быть сосредоточены на выяснении нейрофизиологического механизма и вычислительной модели предсказательного кодирования. [ по мнению кого? ]

См. также [ править ]

Ссылки [ править ]

  1. ^ «Трактат Гельмгольца о физиологической оптике — бесплатно» . 20 марта 2018 г. Архивировано из оригинала 20 марта 2018 года . Проверено 5 января 2022 г.
  2. ^ Макклелланд, Дж. Л. и Румельхарт, Делавэр (1981). «Интерактивная модель активации контекстных эффектов при восприятии букв: I. Отчет об основных выводах». Психологический обзор . 88 (5): 375–407. дои : 10.1037/0033-295X.88.5.375 .
  3. ^ Jump up to: Перейти обратно: а б с д и Рао, Раджеш П.Н.; Баллард, Дана Х. (1999). «Прогнозирующее кодирование в зрительной коре: функциональная интерпретация некоторых экстраклассических эффектов рецептивного поля». Природная неврология . 2 (1): 79–87. дои : 10.1038/4580 . ПМИД   10195184 .
  4. ^ Граш, Рик (2004). «Теория эмуляции представления: двигательный контроль, воображение и восприятие» . Поведенческие и мозговые науки . 27 (3): 377–396. дои : 10.1017/S0140525X04000093 . ISSN   0140-525X . ПМИД   15736871 . S2CID   514252 .
  5. ^ Кларк, Энди (2013). «Что дальше? Предсказательный мозг, ситуативные агенты и будущее когнитивной науки» . Поведенческие и мозговые науки . 36 (3): 181–204. дои : 10.1017/S0140525X12000477 . ПМИД   23663408 . S2CID   220661158 .
  6. ^ Фристон, Карл (август 2018 г.). «Есть ли будущее у прогнозного кодирования?» . Природная неврология . 21 (8): 1019–1021. дои : 10.1038/s41593-018-0200-7 . ISSN   1546-1726 .
  7. ^ Фристон, Карл Дж.; Фельдман, Харриет (2010). «Внимание, неопределенность и свободная энергия» . Границы человеческой неврологии . 4 : 215. дои : 10.3389/fnhum.2010.00215 . ПМК   3001758 . ПМИД   21160551 .
  8. ^ Хоуви, Якоб (2012). «Внимание и сознательное восприятие в мозге, проверяющем гипотезы» . Границы в психологии . 3 : 96. doi : 10.3389/fpsyg.2012.00096 . ПМЦ   3317264 . ПМИД   22485102 .
  9. ^ Jump up to: Перейти обратно: а б Фристон, Карл (2009). «Принцип свободной энергии: примерное руководство для мозга?». Тенденции в когнитивных науках . 13 (7): 293–301. дои : 10.1016/j.tics.2009.04.005 . ПМИД   19559644 . S2CID   9139776 .
  10. ^ Рэнсом М. и Фазельпур С. (2015). Три проблемы теории прогнозирующего кодирования внимания. http://mindsonline.philosophyofbrains.com/2015/session4/three-problems-for-the-predictive-coding-theory-of-attention/
  11. ^ Jump up to: Перейти обратно: а б Адамс, Рик А.; Шипп, Стюарт; Фристон, Карл Дж. (2013). «Предсказания, а не команды: активный вывод в двигательной системе» . Структура и функции мозга . 218 (3): 611–643. дои : 10.1007/s00429-012-0475-5 . ПМЦ   3637647 . ПМИД   23129312 .
  12. ^ Jump up to: Перейти обратно: а б с д и ж Бастос, Андре М.; Усри, В. Мартин; Адамс, Рик А.; Мангун, Джордж Р.; Фрис, Паскаль; Фристон, Карл Дж. (2012). «Канонические микросхемы для предсказательного кодирования» . Нейрон . 76 (4): 695–711. дои : 10.1016/j.neuron.2012.10.038 . ПМЦ   3777738 . ПМИД   23177956 .
  13. ^ Келлер, Георг Б.; Мрсик-Флогель, Томас Д. (октябрь 2018 г.). «Прогнозирующая обработка: канонические кортикальные вычисления» . Нейрон . 100 (2): 424–435. дои : 10.1016/j.neuron.2018.10.003 . ПМК   6400266 .
  14. ^ Миллидж, Берен; Сет, Анил; Бакли, Кристофер (19 января 2022 г.). «Прогнозирующее кодирование: теоретический и экспериментальный обзор». arXiv : 2107.12979 [ cs.AI ].
  15. ^ Микулаш, Фабиан А.; Рудельт, Лукас; Вибрал, Майкл; Приземанн, Виола (январь 2023 г.). «Где ошибка? Иерархическое прогнозирующее кодирование посредством дендритного вычисления ошибок». Тенденции в нейронауках . 46 (1): 45–59. arXiv : 2205.05303 . doi : 10.1016/j.tins.2022.09.007 .
  16. ^ Уиттингтон, Джеймс CR; Богач, Рафаль (март 2019 г.). «Теории обратного распространения ошибок в мозге». Тенденции в когнитивных науках . 23 (3): 235–250. дои : 10.1016/j.tics.2018.12.005 .
  17. ^ Эмберсон, Лорен Л.; Ричардс, Джон Э.; Эслин, Ричард Н. (2015). «Модуляция сверху вниз в мозге младенца: ожидания, вызванные обучением, быстро влияют на сенсорную кору в возрасте 6 месяцев» . Труды Национальной академии наук . 112 (31): 9585–9590. Бибкод : 2015PNAS..112.9585E . дои : 10.1073/pnas.1510343112 . ПМЦ   4534272 . ПМИД   26195772 .
  18. ^ Сет, Анил К. (2013). «Интероцептивный вывод, эмоции и воплощенное Я» . Тенденции в когнитивных науках . 17 (11): 565–573. дои : 10.1016/j.tics.2013.09.007 . ПМИД   24126130 . S2CID   3048221 .
  19. ^ Ондобака, Саша; Килнер, Джеймс; Фристон, Карл (2017). «Роль интероцептивного вывода в теории сознания» . Мозг и познание . 112 : 64–68. дои : 10.1016/j.bandc.2015.08.002 . ПМК   5312780 . ПМИД   26275633 .
  20. ^ Барретт, Лиза Фельдман; Симмонс, В. Кайл (2015). «Интероцептивные предсказания мозга» . Обзоры природы Неврология . 16 (7): 419–429. дои : 10.1038/nrn3950 . ПМЦ   4731102 . ПМИД   26016744 .
  21. ^ Барретт, Лиза Фельдман (2016). «Теория сконструированных эмоций: активный вывод об интероцепции и категоризации» . Социальная когнитивная и аффективная нейронаука . 12 (1): 1–23. doi : 10.1093/scan/nsw154 . ПМК   5390700 . ПМИД   27798257 .
  22. ^ Барретт, LF (2017). Как создаются эмоции: Тайная жизнь мозга. Нью-Йорк: Хоутон Миффлин Харкорт. ISBN   0544133315
  23. ^ Миллидж, Берен; Сальватори, Томмазо; Сон, Юхан; Богач, Рафаль; Лукасевич, Томас (18 февраля 2022 г.). «Прогнозирующее кодирование: к будущему глубокого обучения за пределами обратного распространения ошибки?». arXiv : 2202.09467 [ cs.NE ].
  24. ^ Оорбия, Александр Г.; Кифер, Дэниел (19 апреля 2022 г.). «Структура нейронного кодирования для изучения генеративных моделей» . Природные коммуникации . 13 (1): 2064. doi : 10.1038/s41467-022-29632-7 . ПМК   9018730 . ПМИД   35440589 .
  25. ^ Хинтон, Джеффри Э. (2007). «Изучение нескольких уровней представления». Тенденции в когнитивных науках . 11 (10): 428–434. дои : 10.1016/j.tics.2007.09.004 . ПМИД   17921042 . S2CID   15066318 .
  26. ^ Jump up to: Перейти обратно: а б Кого, Наоки; Тренгоув, Крис (2015). «Является ли теория предиктивного кодирования достаточно сформулированной, чтобы ее можно было проверить?» . Границы вычислительной нейронауки . 9 : 111. дои : 10.3389/fncom.2015.00111 . ПМК   4561670 . ПМИД   26441621 .
  27. ^ Квистаут, Йохан; Ван Рой, Ирис (2020). «Требования к вычислительным ресурсам предсказательного байесовского мозга». Вычислительный мозг и поведение . 3 (2): 174–188. дои : 10.1007/s42113-019-00032-3 . hdl : 2066/218854 . S2CID   196045530 .
Retrieved from "https://en.wikipedia.org/w/index.php?title=Predictive_coding&oldid=1228270687"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 3c07d3186c9b8f122ecbfa5fbc8c6835__1718001600
URL1:https://arc.ask3.ru/arc/aa/3c/35/3c07d3186c9b8f122ecbfa5fbc8c6835.html
Заголовок, (Title) документа по адресу, URL1:
Predictive coding - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)