Учиться на данных своего кабинета

История становится учебным материалом только тогда, когда известны условия сбора, действия системы и происхождение правильного ответа.

Что сохранять рядом с измерением#

Помимо наблюдений нужны состояние исполнительных устройств, ручные действия, причины решений, версии моделей, параметры измерения и изменения размещения. Без этого рост света после ON можно перепутать с открытием шторы. Если система сама меняет частоту опроса, соответствующее решение тоже входит в журнал: отсутствие частых измерений может означать выбранную политику, а не спокойную среду.

Разделяем сырые данные, производные признаки, метки человека и псевдометки модели. Последние полезны для экспериментов, но не становятся независимой истиной. Модель, обученная проверять саму себя по собственным ответам, может демонстрировать высокое согласие и повторять ту же ошибку.

Для происхождения данных полезен словарь PROV: сущность, действие преобразования, ответственный участник и связь производности. [104] В первой версии достаточно компактных идентификаторов и ссылок в локальном журнале; обязательная тяжёлая онтологическая инфраструктура не нужна.

Рассмотреть схему

Разметка без непосильной работы#

Для кабинета начинаем с эпизодов: вход, неподвижное чтение, уход, пустая комната с вентилятором, смена света, потеря датчика. Приложение позволяет отметить начало и конец и исправить метку позже. Пользователь не должен размечать каждую секунду вручную.

Отдельно храним точность времени метки. Нажатие «я ушёл» может случиться через несколько секунд после выхода. Эту границу нельзя превращать в ложную точную истину при оценке задержки обнаружения.

Разделение данных без утечки#

Случайное распределение соседних секунд по train и test создаёт иллюзию обобщения. Разделяем по целым эпизодам и дням; для проверки переноса — по расположению датчиков или комнате. После выбора порогов оставляем нетронутый итоговый набор. Иначе тест постепенно превращается в часть обучения.

Входной снимок должен содержать только данные, доступные в момент решения. Сглаживание с будущими точками, окончательно исправленные метки или факт последующего ручного вмешательства способны незаметно дать модели информацию из будущего.

Гибридная модель как первый кандидат#

Для света задаём $L=D+G\,u+\epsilon$: фон $D$, вклад лампы $G$, состояние $u$. Неизвестный $G$ оцениваем разрешённым экспериментом. Нейросеть, если понадобится, предсказывает остаток или изменения фона, а не всю физику с нуля. Модель должна иметь возможность признать, что перестановка лампы разрушила прежнюю связь.

Для температуры задаём приближённую структуру накопления и теплообмена, а затем оцениваем коэффициенты. Если данных недостаточно для раздельного определения параметров, храним их неопределённость или используем более простое эффективное описание. Увеличение числа параметров не добавляет информации в датчики. Основы такой постановки рассматриваются в материалах по идентификации систем. [111]

Обновление модели — смена поведения#

Новый файл весов получает версию, хеш, описание входов и выхода, набор тестов, область применения и совместимый исполнитель. Сначала модель работает на записях, затем в тени на текущих данных. В тени она может предлагать план, но результат не отправляется устройству.

Переход к ограниченному управлению требует согласия и узкого набора действий. Плохая модель откатывается независимо от прошивки устройства. Базовый автомат и ручное управление остаются доступны. Автоматическое обучение в фоне допускается как вычисление кандидата, но не как скрытая выдача ему полномочий.

Что replay не доказывает Можно повторно проверить логику на прежних наблюдениях. Нельзя достоверно узнать физический результат действия, которого тогда не было, просто подставив его в запись. Для контрфактической оценки нужна проверенная модель среды или безопасный новый эксперимент. Иначе «сравнение политик» использует вымышленный исход.

Что сравниваем перед допуском модели#

Сначала фиксируем вопрос и сильный простой эталон. Для присутствия это может быть автомат с выдержкой и объединением доступных признаков. Для света — правило, которое уже учитывает собственную лампу. Для температуры — последнее значение или простая тепловая модель. Модель не считается полезной только потому, что выиграла у заведомо плохо настроенного порога.

Отчёт сравнения хранит не одну оценку accuracy, а последствия: время ненужного света, время недостаточного освещения, число переключений, пропущенные ручные приоритеты, задержку и расход памяти. Эпизоды с новой расстановкой или другим фоном выделяются отдельно. Когда новая модель не даёт полезного выигрыша, правильное решение — оставить эталон.

Воспроизвести решение и воспроизвести нейросеть — разные задачи#

Аудиторское воспроизведение использует сохранённый decision_snapshot: только сведения, доступные исходному решению, версии конфигурации и политик, хеши моделей, seed и события таймеров. При полном повторе потока сохраняют порядок поступления и допуска данных, привязанный к загрузке и виртуальным часам; время физического события хранится отдельно. Сортировка по времени события, источнику и последовательности подходит для ретроспективного пересчёта истории, но не переносит позднее наблюдение в знания прошлого решения. Текущие часы и новый descriptor не подменяют исторические. Для целочисленного автомата E0 проверяется совпадение нормализованного журнала решений.

Побайтное равенство нейросетевого вывода на ARM и x86 не обещается без специального детерминированного backend. Есть отдельные уровни проверки: сохранённый вывод модели воспроизводит аудит; повторный inference проходит заданные допуски; физический результат требует экспериментальной среды. Несовпадение чисел в допустимых пределах не должно менять разрешение опасного действия на границе без дополнительного анализа.

Данные делятся по времени и эпизодам: обучение на прошлом, настройка на следующем участке, тест на ещё более позднем. Между окнами оставляют интервал, закрывающий перекрытие входов и целевого горизонта. Нельзя случайно распределять соседние секунды одной истории между train и test. Если планируется off-policy оценивание, необходимы известная политика выбора и вероятности действий; их нельзя восстановить задним числом из одного результата.

Разделить наблюдаемый результат и альтернативную политику#

В журнале действующей политики известны выполненные команды и полученные измерения. Теневая политика получает те же доступные входы и может сравнить свои предложения с эталоном, но её невыполненные действия не имеют наблюдённого физического результата. Поэтому затраты энергии и освещённость для альтернативы отмечаются как модельная оценка с версией симулятора, а не как факт из комнаты.

Сравнение света начинается с трёх явно заданных вариантов: простого порога как диагностического примера, сильного автомата, который уже учитывает собственный вклад лампы, и нового кандидата. В каждом прогоне одинаковы внешние условия, ограничения переключений и ручные воздействия. Результаты разделяют по времени недостаточного света, числу переключений, времени ON, ложным действиям и отказам от решения; один выигранный показатель не скрывает ухудшение остальных.

После воспроизведения учебного рассвета добавляют эпизоды переменной облачности, ошибочного коэффициента, переноса датчика, фонового источника, пропуска измерения и ручного OFF. Начальное состояние, seed и параметры сохраняют, а проверочные эпизоды отделяют от настройки. Новая модель получает физический допуск только после сопоставления симуляции с разрешённым опытом в комнате. Отсутствие выгоды относительно сильного автомата — достаточное основание оставить автомат.