
Нейросети, генетика и десктоп: как я построил микрофреймворк для обучения AI-агентов с неблокирующим GUI
Antony_Glyzin 23 минуты назад Нейросети, генетика и десктоп: как я построил микрофреймворк для обучения AI-агентов с неблокирующим GUI Средний 10 мин 1.1K Python * Искусственный интеллект Машинное обучение *...
Anthropic — What company has the best second artificial intelligence model at the end of June?
В сфере искусственного интеллекта произошло заметное событие. Antony_Glyzin 23 минуты назад Нейросети, генетика и десктоп: как я построил микрофреймворк для обучения AI-агентов с неблокирующим GUI Средний 10 мин 1. 1K Python * Искусственный интеллект Машинное обучение * Микросервисы * Процессоры Туториал Все началось с любопытства к нейросетям и личным ассистентам. Однажды я даже объединил проект Django и телеграм бота в мини социальную сеть.
Телеграм боту я прикрутил обвязку от Google Dialogflow. Это было моё первое общение с цифровым “разумом”. Второй прилив желаний что-то сделать пришел, когда стали появляться разные нейронные сети, которые не просто отвечали по списку ответов, а могли генерировать эти ответы.
Технические детали
Это кажется таким нереальным, невозможным, и в тот же момент хочется постичь эту невозможность. Понять от корки до корки всю кухню нового цифрового разума. Это поражает и восхищает!
Так что, после того как я закончил работать над CORMless и Mail Pigeon, мне захотелось чего-то, что можно не только запустить, но и увидеть, как нейронная сеть делает выбор. Чтобы нейросеть на моих глазах училась управлять луноходом или балансировать шест на тележке. И чтобы это выглядело не как утилита для гиков из командной строки (и такое у меня тоже есть), а как законченное приложение с кнопками, графиками и прогресс-барами.
Так родился Neuro Evolution — микрофреймворк для параллельного обучения AI-агентов в средах Gymnasium с графическим интерфейсом на wxPython. Проблема, знакомая каждому, кто обучал нейросети локальноКто хоть раз запускал обучение на своём компьютере, знает эти неудобства:Вы написали скрипт на Python, использующий PyTorch и Gymnasium. Модель учится 10 минут, 20, час…В это время вы смотрите на окно.
Отраслевые последствия
С matplotlib ещё можно работать в интерактивном режиме — plt. flush_events() позволяют обновлять график в реальном времени. Но с ростом сложности GUI (а у меня были и прогресс-бары, и консольный вывод, и кнопки управления) одного графика становится мало.
Если захотелось обучить другую среду параллельно — просто нельзя. Один процесс, одна модель, одна среда. Приходится открывать ещё один терминал и запускать второй экземпляр скрипта.
Мне хотелось решить эти проблемы системно — вынести обучение в отдельные процессы, а GUI оставить полностью независимым. Не просто анимировать график, а построить приложение, где можно параллельно обучать несколько агентов, переключаться между средами, смотреть статистику и запускать тестовые прогоны — и всё это без блокировки интерфейса. Откуда взялась идея: индуктивный путь архитектораЕсть два способа прийти к архитектурному решению.
Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.





