55.将错误归因于集成系统组件的一般情况

以下是将复杂系统的错误与其特定模块相关联的一系列步骤。考虑一个输送机包括三个部分甲，乙和Ç，其中组分的结果阿被发送到输入乙，和输出乙在输入Ç。

对于验证示例中的每个系统错误，请执行以下操作：

为了尝试从组件A（例如，“理想”图像猫片段）手动创建“完美”输出信号，并运行模块B，C，并将其提交给“理想”输出组件A的输入。如果系统现在给出正确的结果，则意味着如果模块A更加有效地完成了其工作，则系统的总体结论将是正确的；否则，如果系统未给出正确的结果，则系统的总体结论将是正确的。因此，我们分配该误差分量一个。如果系统继续产生错误，请转到步骤2。
有必要手动更改模块B的输出，使其“理想”。如果算法现在给出正确的结论，则我们将错误归因于此模块。否则，请转到步骤3。
归因误差分量Ç。

现在是一个更复杂的示例：

自动驾驶汽车由该“传送带”驱动。在这种情况下，如何分析零件中的错误并选择用于工作的模块？

让我们如下指定系统模块：

A：汽车探测器

B：行人探测器

C：轨迹规划器

我们将描述的过程应用于这种情况。假设在封闭的训练场上进行试驾时，出现一种情况，即自主系统过于突然地改变其运动方向，而不像有经验的驾驶员那样。自动驾驶系统的开发人员通常将这种情况称为情景。在这种情况下，请执行以下操作：

(DAG), , , () (). A -> B -> C, DAG, . , :

A: ( )

B: ( )

, , .

56.

, , (data science) , , , . , , , , .

-. (data scientist) . . , , , (lifetime value) . «» . «» . , , .

, « » (, , ) , « » . « », .

, , , , :

, , , , .

, , , . . , , .

, — , .

, , , , ?

, . .

, . , . . .

, , , . - , . ?

, , . « » , , . , , , «» , . , , ?

, , - . :

: , ( « »). , , 51. . « » — , , .

总结一下：如果了解到一个由模块组成的系统，每个模块的质量都不比人类差（您总是需要记住，通过这样的比较，我们建议一个人用与系统模块相同的信息来解决问题），但是由于复杂的系统无法达到很高的人工性能，因此有必要重新设计整个系统。